SAS Introducao Y2008 m12 d10

Introduo ao Uso do Programa SAS
Professor
Nerilson Terra Santos
DPI CCE UFV
nsantos@ufv.br
Introduo ao uso do SAS Prof. Nerilson T. Santos DPI UFV 10/12/2008
_____________________________________________________________________
2

1 Conceitos Bsicos no SAS
Esta seo tem como objetivo introduzir o usurio ao ambiente SAS. Inicialmente as
janelas existentes no SAS so apresentadas. por meio delas que o usurio se interage
com o SAS.
1.1 Janelas existentes no software SAS
Existem trs janelas principais no ambiente SAS. So elas: editor de programas, log e
output. Detalhes de cada uma delas so apresentados a seguir.

1.1.1 Janela do Editor de Programas (Editor Program window)
A janela do Editor de Programas usada para editar programas e arquivos de dados.
O usurio tambm pode submeter os seus programas usando esta janela.
Na verso 9.x existem dois tipos de editores: Program Editor e Enhanced Editor. O
ltimo tem as mesmas caractersticas do primeiro com a vantagem de indicar erros de
programao por meio de um jogo de cores no cdigo do programa.
1.1.2 Janela de Mensagens (Log window)
Nesta janela so apresentadas mensagens relacionadas execuo de programas do
usurio submetidos ao SAS. aconselhvel que, antes de submeter um novo programa,
deletar as mensagens j existentes. Aconselha-se tambm que, o usurio verifique as
mensagens referentes aps submisso de cada programa. Em geral, mensagens em azul
indicam que no existem erros de programao. Mensagens em verde indicam que
_____________________________________________________________________
3
pequenos erros de programao foram encontrados, mas que o prprio SAS concertou
(com c mesmo, pois pode ser que o concerto dele no seja correto). Mensagens em
vermelho indicam que o SAS encontrou um erro de programao grave. Tais erros podem
impedir que um programa seja executado e consequentemente nenhuma sada obtida.
1.1.3 Janela de Sada (Output window)
Os resultados da execuo de um programa so apresentados nesta janela. Vale
lembrar que sadas podero ser geradas mesmo quando existirem erros de programao.
Portanto, sempre bom olhar a janela de mensagens, antes de comear a interpretar os
resultados mostrados na janela de sada.
1.2 Elaborao de programas do SAS (SAS jobs)
Um programa no SAS nada mais do que um conjunto de comandos prprios
(palavras chaves) do SAS, que so usados em uma seqncia lgica, para realizar um
conjunto de tarefas. Como mencionado anteriormente, os programas do SAS so
normalmente editados na Janela do Editor de programas.
Um programa no SAS, em geral, consiste de dois passos (steps) distintos:
1.2.1 1
o
Passo: Data step
O objetivo do data step a converso do arquivo de dados em um formato especfico
do SAS. utilizando este arquivo de trabalho que o SAS procede a todas as anlises
estatsticas solicitadas em um programa.
No data step so informados o nome das variveis contidas no arquivo de dados,
bem como o seu tipo (se caractere ou alfanumrica) e respectivas posies no arquivo de
dados. Se existirem poucas observaes para realizar a anlises, o conjunto de dados pode
fazer parte do programa para as anlises estatsticas.
O programa a seguir (data_step) ilustra a situao em que o arquivo de dados contm
apenas quatro linhas de observaes.

DATA A1;
INPUT X1 $ X2 X3;
X4 = X2 + X3;
CARDS;
A 1 14.1
A 1 14.2
B 2 16.3
B 2 17.3
;
RUN;

Comentrios sobre o programa

1) A palavra chave DATA informa que o SAS deve criar um novo arquivo de trabalho,
cujo nome o que segue a palavra chave DATA. Este arquivo de trabalho,
geralmente deletado ao sair do SAS. As seguintes regras devem ser observadas
ao dar um nome para um arquivo de trabalho do SAS:

- O nome deve conter de 1 a 8 caracteres;
- Comece com qualquer letra ou _ (sublinhado);
- Continue com nmeros, letras ou _ ;
_____________________________________________________________________
4

2) A palavra chave INPUT informa ao SAS os nomes das variveis existentes no
arquivo de dados. Neste exemplo, o conjunto de dados possui trs variveis cujos
nomes so X1 X2 X3. O sinal $ depois do nome da primeira varivel, informa ao
SAS que a varivel X1 alfanumrica. A ausncia deste sinal, aps os nomes das
variveis X2 e X3, indica que elas so apenas numricas. Neste exemplo, como
no foi informada a coluna que cada varivel ocupa nas linhas com os dados, o
SAS supe que as variveis ocupam as mesmas posies em todas as linhas do
conjunto de dados e que tambm as variveis estejam separadas por pelo menos
um espao em branco;
3) Uma nova varivel, X4, criada. Esta o resultado da soma da varivel X2 e X3.
As regras para nomear variveis so as mesmas dadas anteriormente para
nomear SAS data sets;
4) A palavra chave CARDS informa ao SAS que as linhas a seguir contm os valores
das variveis declaradas em INPUT;
5) As linhas a seguir so os valores das variveis para o exemplo em questo;
6) O "; " aps a ltima linha de dados informa ao SAS que o conjunto de dados
chegou ao fim;
7) A palavra chave RUN informa ao SAS que as informaes relativas aos dados se
encerraram e que ele pode executar este passo;
8) Observe que ao final de cada linha de comandos (exceto as linhas que contm os
dados), existe um ; . Este tem a funo de informar ao SAS que o comando
daquela linha terminou. A falta de um ; em qualquer uma das linhas de comando,
pode fazer com que o SAS no execute um passo. Este um erro muito comum
para principiantes do SAS. Se o usurio estiver usando o Enhanced Editor, tais
erros podem ser minimizados, pois a falta de um ponto e vrgula faz com que
palavras chaves no apaream com as cores corretas;
9) A formatao das linhas no requerida, embora ajude o usurio saber onde
comea e termina cada passo de um programa.

Aps a execuo deste passo, o SAS salva o arquivo de trabalho A1 recm criado na
library (biblioteca) WORK
A mensagem abaixo aparece na janela do log assim que o data step executado

NOTE: SAS initialization used:
real time 1.01 seconds
cpu time 0.65 seconds

1 DATA A1;
2 INPUT X1 $ X2 X3;
3 X4 = X2 + X3;
4 CARDS;

NOTE: The data set WORK.A1 has 4 observations and 4 variables.
NOTE: DATA statement used (Total process time):
real time 0.03 seconds
cpu time 0.03 seconds

9 ;
10 RUN;
_____________________________________________________________________
5

Se o conjunto de dados for composto por muitas observaes, recomenda-se no
listar os dados no programa e utilizar uma das alternativas do SAS para ler o conjunto de
dados. Basicamente existem duas alternativas para a leitura dos dados. A escolha de qual
alternativa utilizar depende do formato em que o arquivo de dados foi salvo.
Se o arquivo foi salvo no formato txt, pode-se utilizar a declarao INFILE no data
step informar o caminho onde o arquivo de dados se encontra ou ento importar o arquivo. A
ttulo de exemplo, suponha que se deseje fazer uma anlise estatstica com os dados
contidos no arquivo AQR_1.txt, cuja localizao no computador C:\MEUS_DADOS\. Para
se criar um arquivo de trabalho do SAS com os dados deste arquivo, pode ser usado o
seguinte programa (data_infile)

DATA A2;
INFILE 'C:\MEUS_DADOS\ARQ_1.TXT';
INPUT X1 $ X2 X3;
X4 = X2 + X3;
RUN;

Comentrios adicionais para este exemplo
1) A palavra chave INFILE informa ao SAS que o conjunto de dados encontra-se em
um arquivo em separado do programa, cujo caminho
C:\MEUS_DADOS\ARQ_1.TXT
2) Note que caminho para o arquivo escrito entre apstrofes.

Por outro lado, se o arquivo estiver no formado do excel, dbase, ltus, etc. ..., pode ser
utilizado o procedimento IMPORT. Novamente a ttulo de exemplo, suponha que se deseje
fazer uma anlise estatstica com os dados contidos no arquivo arq1.xls, cuja localizao no
computador C:\MEUS_DADOS\. Para se criar um arquivo de trabalho do SAS com os
dados deste arquivo, pode ser usado o seguinte programa (data_import)

PROC IMPORT OUT=A3 DATAFILE="C:\MEUS_DADOS\ARQ_1.XLS" DBMS=EXCEL2000
REPLACE;
SHEET="PLAN1$";
GETNAMES=YES;
RUN;

Neste exemplo, o nome do arquivo de trabalho a ser gerado e em qual library deve
ser armazenado, definido pelo usurio usando a declarao OUT. No presente exemplo, o
arquivo de trabalho deve ser salvo na library AULA_SAS com o nome de A3. Usa-se ento a
declarao DATAFILE para informar ao SAS o caminho e o nome do arquivo de dados. A
declarao DBMS informa ao SAS em qual formato o arquivo de dados foi salvo. No presente
exemplo, o arquivo de dados foi salvo no formato EXCEL2000. Caso os nomes das variveis
estejam na primeira linha do arquivo utilize GETNAMES=YES. A declarao REPLACE
permite que o procedimento IMPORT proceda a substituio automtica do arquivo de
trabalho caso este procedimento seja executado mais de uma vez para o mesmo arquivo de
dados. Este recurso til quando necessrio fazer pequenas correes no arquivo de
dados original. A declarao SHEET informa o nome da planilha a ser importada. No
exemplo, o nome da planilha "PLAN1$".
_____________________________________________________________________
6
1.2.2 2
o
Passo: PROC step
Neste passo deve-se informar qual tarefa (anlise estatstica, ordenao de valores,
grficos, etc.) deseja-se realizar com um determinado arquivo de trabalho do SAS. O SAS
possui muitos procedimentos.
O programa (proc_print) a seguir ilustra o uso do procedimento PRINT.

PROC PRINT DATA=A1;
VAR X1 X2 X3 X4;
RUN;

O exemplo anterior um exemplo muito simples, pois vrias opes podem ser
acrescentadas ao procedimento PRINT. No entanto, o objetivo agora apenas fornecer uma
idia geral do passo PROC. Outros procedimentos e opes dos mesmos sero
apresentados posteriormente.

Comentrios:
1) Um procedimento sempre inicia com a palavra chave PROC seguida do nome do
procedimento que se deseja executar. No exemplo, o procedimento solicitado o
PRINT. Este procedimento pode ser usado para imprimir na tela contedos de um
arquivo de trabalho do SAS.
2) Seguindo o nome do procedimento desejado, deve-se informar qual arquivo de
trabalho do SAS deve ser utilizado neste passo. Caso o usurio no indique o
nome do arquivo de trabalho, o SAS utilizar o ltimo arquivo de trabalho criado.
Ao final desta linha deve existir um ; ;
3) A palavra chave VAR usada para informar ao SAS, quais variveis devem ter
seus valores impressos;
4) A ltima linha do procedimento deve conter a palavra chave RUN seguida por ; . A
presena desta palavra chave informa ao SAS que os comandos contidos naquele
passo podem ser executados.

Em um nico programa para anlises estatsticas, os passos data step e proc step
podem ser repetidos vrias vezes, ou seja, diferentes conjuntos de dados podem ser
informados num mesmo programa e diferentes procedimentos podem ser solicitados para um
mesmo conjunto de dados.

_____________________________________________________________________
7
1.2.3 Exemplos
Programa: SESA_Chapter_03_pag_52.sas

* OS VALORES (AMOUNT) DE MULTA (TICKET) SO PARA QUANDO A
VELOCIDADE DO VECULO DE 65 MPH QUANDO O LIMITE DE 55 MPH;
OPTIONS PAGENO=1 NODATE;

DATA TICKETS;
INPUT STATE $ AMOUNT @@;
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
IA 33 FL 44 KS 28 AZ 15 IN 50 CA 50 LA 45 GA 45
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
MD 40 NV 5 MO 50 MI 40 NM 20 NJ 50 MN 44 NY 28
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
SC 45 RI 30 PA 72.50 TN 40 SD 10 TX 48 VT 35 UT 28
WV 60 VA 40 WY 15 WA 38 WI 44.5 DC .
;
PROC PRINT DATA=TICKETS;
TITLE 'VALORES DE MULTA POR EXCESSO DE VELOCIDADE EM CADA
ESTADO';
RUN;
PROC SORT DATA=TICKETS;
BY AMOUNT;
RUN;
PROC PRINT DATA=TICKETS;
TITLE 'VALORES DE MULTA: ORDENADOS PELO VALOR';
RUN;

Observaes:
- No data step deve existir uma coluna para cada varivel. Cada varivel deve ter o
seu nome declarado na sentena INPUT. No Exemplo acima, existem duas variveis STATE
e AMOUNT;
- a declarao OPTIONS estabelece algumas opes para a sada do SAS: NODATE
informa ao SAS que a data em que o programa foi executado no deve ser impressa; e
PAGENO=1 informa que a sada deve iniciar a sua numerao de pgina a partir do nmero 1;
- a declarao DATA informa ao SAS que o arquivo de trabalho TICKETS deve ser
criado;
- a declarao INPUT informa ao SAS o nome das variveis que se encontram em
cada uma das colunas do conjunto de dados que est para ser informado. O
smbolo @@ informa ao SAS que cada linha de dados contm mais de uma
observao de cada varivel declarada;
- CARDS informa que o conjunto de dados ser informado a partir da prxima linha;
- Ao final do conjunto de dados, o ; informa que o conjunto de dados chegou ao
fim;
- RUN executa o data step;


PROC FORMAT;
VALUE $NAMES 'AL'='ALABAMA' 'HI'='HAWAII'
_____________________________________________________________________
8
'DE'='DELAWARE' 'IL'='ILLINOIS'
'AK'='ALASKA' 'CT'='CONNECTICUT'
'AR'='ARKANSAS' 'IA'='IOWA'
'FL'='FLORIDA' 'KS'='KANSAS'
'AZ'='ARIZONA' 'IN'='INDIANA'
'CA'='CALIFORNIA' 'LA'='LOUISIANA'
'GA'='GEORGIA' 'MT'='MONTANA'
'ID'='IDAHO' 'KY'='KENTUCKY'
'CO'='COLORADO' 'ME'='MAINE'
'NE'='NEBRASKA' 'MA'='MASSACHUSETTS'
'MD'='MARYLAND' 'NV'='NEVADA'
'MO'='MISSOURI' 'MI'='MICHIGAN'
'NM'='NEW MEXICO' 'NJ'='NEW JERSEY'
'MN'='MINNESOTA' 'NY'='NEW YORK'
'NC'='NORTH CAROLINA' 'MS'='MISSISSIPPI'
'ND'='NORTH DAKOTA' 'OH'='OHIO'
'NH'='NEW HAMPSHIRE' 'OR'='OREGON'
'OK'='OKLAHOMA' 'SC'='SOUTH CAROLINA'
'RI'='RHODE ISLAND' 'PA'='PENNSYLVANIA'
'TN'='TENNESSEE' 'SD'='SOUTH DAKOTA'
'TX'='TEXAS' 'VT'='VERMONT'
'UT'='UTAH' 'WV'='WEST VIRGINIA'
'VA'='VIRGINIA' 'WY'='WYOMING'
'WA'='WASHINGTON' 'WI'='WISCONSIN'
'DC'='WASHINGTON DC'
;

RUN;
DATA TICKETS;
LABEL STATE='ESTADO DE ORIGEM DA MULTA'
AMOUNT='VALOR DA MULTA';
FORMAT STATE $NAMES.;
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
WV 60 VA 40 WY 15 WA 38
WI 44.50 DC .
;

PROC PRINT DATA=TICKETS LABEL;
FORMAT AMOUNT DOLLAR8.2;
TITLE 'MULTA POR EXCESSO DE VELOCIDADE USANDO LEGENDAS E
FORMATOS';
RUN;


DATA TICKETS;
LABEL STATE='ESTADO DE ORIGEM DA MULTA'
AMOUNT='VALOR DA MULTA';
NOME_EST = STNAMEL(STATE);
_____________________________________________________________________
9
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
WV 60 VA 40 WY 15 WA 38
WI 44.50 DC .
;

PROC PRINT DATA=TICKETS LABEL;
FORMAT AMOUNT DOLLAR8.2;
TITLE 'ARQUIVO DE DADOS PARA OS VALORES DE MULTA POR EXCESSO DE
VELOCIDADE';
RUN;
1.3 Erros comuns na elaborao de um programa SAS
Como qualquer programa computacional, erros podem comprometer parcial ou
totalmente a execuo de um programa SAS. No entanto, o SAS um programa robusto,
pois alguns erros de digitao podem ser detectados e o prprio SAS procede a correo
para executar o restante do programa.
Estas correes podem acontecer, por exemplo, quando o usurio digita uma palavra
chave errado. possvel ao usurio ver onde tais correes foram feitas no programa pelo
SAS, pois na janela LOG, tais correes so apontadas com a cor verde. Erros deste tipo
produzem sada na janela de OUTPUT. Vale lembrar, que cabe ao usurio verificar se a
correo realizada pelo SAS coerente com o que ele deseja para que possa decidir se a
sada obtida satisfatria ou no.
Por outro lado, existem erros de programao que o SAS no corrige. Alguns
exemplos
- esquecer um ponto e vrgula no final de uma declarao;
- esquecer de fechar aspas.

Tais erros podem no produzir sada. O SAS aponta tais erros na janela LOG com a
cor vermelha.
2 Anlises Estatsticas
Inicialmente necessrio entender a distino que o SAS faz entre as variveis
envolvidas em uma anlise estatstica. As variveis podem ser classificadas como
independente ou dependente.
2.1 Varivel Independente
A varivel independente aquela que identifica o fator em estudo em um experimento.
Um fator pode ser classificado como qualitativo ou quantitativo.
O fator dito ser qualitativo quando os nveis do fator se diferenciam por um atributo
qualitativo. Suponha por exemplo, que foram avaliados em um experimento, os adubos
nitrogenados uria, sulfato de amnio e nitrato de clcio na cultura de milho. Neste caso os
nveis (uria, sulfato de amnio, nitrato de clcio) do fator (adubo nitrogenado) se diferenciam
pelo atributo qualitativo relativo a sua fonte de origem. Num arquivo de dados, os nveis
deste tipo de varivel podem ser identificados por letras e/ou nmeros, sem prejuzo para as
anlises.
_____________________________________________________________________
10
Por outro lado, um fator dito ser quantitativo quando os nveis deste fator se
diferenciam pela quantidade em teste do fator. Por exemplo, suponha que se deseje em um
experimento avaliar as doses 0, 50, 100, 150, 200 e 250 kg/ha de sulfato de amnio na
cultura de milho. Neste caso os nveis (0, 50, 100, 150, 200 e 250 kg/ha) do fator (sulfato de
amnio) se diferenciam pela quantidade.
Ao contrrio do fator qualitativo, no arquivo de dados devem ser informados
exatamente os nveis avaliados no experimento do fator quantitativo, ou seja, no pode usar
outros cdigos para identificar os nveis avaliados.
2.2 Varivel dependente
A varivel dependente, ou varivel resposta, aquela utilizada pelo pesquisador para
avaliar se existe diferena significativa entre os efeitos proporcionados pelos nveis do fator
em estudo de um experimento. Para os dois exemplos anteriores, uma possvel varivel
resposta seria a produtividade da cultura de milho. Estas variveis so, geralmente,
numricas.
3 Anlise exploratria dos dados
Suponha o conjunto de dados que representa o valor da multa para quem trafega at
65 milhas por hora em uma regio onde o limite 55 milhas por hora, em cada um dos
estados dos EUA. Este conjunto de dados apresentado na Tabela 1.

Tabela 1 - Multas por excesso de velocidade em cada um dos estados americanos
STATE AMOUNT STATE AMOUNT STATE AMOUNT
AL 60 NE 10 TN 40
HI 35 MA 50 SD 10
DE 31,5 MD 40 TX 48
IL 20 NV 5 VT 35
AK 20 MO 50 UT 28
CT 60 MI 40 WV 60
AR 47 NM 20 VA 40
IA 33 NJ 50 WY 15
FL 44 MN 44 WA 38
KS 28 NY 28 WI 44,5
AZ 15 NC 47,5 DC .
IN 50 MS 39,5
CA 50 ND 10
LA 45 OH 100

GA 45 NH 33

MT 5 OR 26

ID 12,5 OK 56

KY 65 SC 45

CO 64 RI 30

ME 40 PA 72,5

Os dados apresentados na Tabela 1 bem como as anlises apresentadas foram
retirados do Livro SAS System for Elementary Statistics 2nd Edition. Estes dados esto
salvos no arquivo Tickets_Data.xls.

_____________________________________________________________________
11
3.1 Estatsticas descritivas

Obtendo todas as estatsticas descritivas

o Exemplo: SESA_Chapter_04_pag_080.sas

DATA TICKETS;
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
WV 60 VA 40 WY 15 WA 38 WI 44.5 DC .
;
RUN;
PROC UNIVARIATE DATA=TICKETS;
VAR AMOUNT;
ID STATE;
TITLE 'ESTATISTICAS DESCRITIVAS PARA OS VALORES DE MULTAS EM CADA
ESTADO';
RUN;

Obtendo apenas algumas estatsticas descritivas


PROC MEANS DATA=TICKETS;
VAR AMOUNT;
TITLE 'ALGUMAS ESTATSTICAS DESCRITIVAS';
RUN;
3.2 Tabelas de Freqncias

Usando o PROC UNIVARIATE

PROC UNIVARIATE DATA=TICKETS FREQ;
VAR AMOUNT;
TITLE 'DISTRIBUICAO DOS VALORES DAS MULTAS';
RUN;

_____________________________________________________________________
12
Usando o PROC FREQ

DATA TICKETS;
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
WV 60 VA 40 WY 15 WA 38 WI 44.5 DC .
;
RUN;
PROC FREQ DATA=TICKETS;
TABLES AMOUNT;
TITLE 'DISTRIBUICAO DOS VALORES DAS MULTAS';
RUN;
3.3 Grficos
3.3.1 Grficos de barras verticais
Usando os parmetros default do SAS: SESA_Chapter_04_pag_094.sas

GOPTIONS DEVICE=WIN;
PATTERN V=SOLID COLOR=GRAY;
PROC GCHART DATA=TICKETS;
VBAR AMOUNT;
TITLE1 'GRAFICO DE BARRAS DEFAULT PARA OS VALORES DE MULTA';
TITLE2 'GRAFICO DE ALTA RESOLUCAO';
RUN;
QUIT;

Personalizando alguns parmetros: SESA_Chapter_04_pag_097.sas

VBAR AMOUNT / MIDPOINTS=10 30 50 70 90;
TITLE 'ESTABELECENDO OS VALORES MEDIOS DAS CLASSES: MIDPOINTS=
OPTION';
TITLE2 'VALORES DE MULTA POR EXCESSO DE VELOCIDADE';
RUN;
VBAR AMOUNT / LEVELS=5;
TITLE 'ESTABELECENDO O NMERO DE CLASSES: LEVELS= OPTION';
RUN;
VBAR AMOUNT / DISCRETE;
TITLE 'USANDO A OPCAO DISCRETE';
RUN;
QUIT;
_____________________________________________________________________
13
3.3.2 Grficos de barras horizontais
Usando os parmetros default do SAS: SESA_Chapter_04_pag_102.sas

HBAR AMOUNT;
TITLE 'GRAFICO DE BARRAS HORIZONTAL';
RUN;
QUIT;

Personalizando alguns parmetros: SESA_Chapter_04_pag_094.sas
HBAR AMOUNT / NOSTAT;
TITLE 'GRAFICO DE BARRAS HORIZONTAL';
RUN;
QUIT;

3.3.3 Grficos de folhas e boxplot

DATA TICKETS;
DATALINES;
AL 60 HI 35 DE 31.50 IL 20 AK 20 CT 60 AR 47
MT 5 ID 12.50 KY 65 CO 64 ME 40 NE 10 MA 50
NC 47.50 MS 39.50 ND 10 OH 100 NH 33 OR 26 OK 56
WV 60 VA 40 WY 15 WA 38 WI 44.5 DC .
;
RUN;
PROC UNIVARIATE DATA=TICKETS FREQ PLOT;
VAR AMOUNT;
ID STATE;
TITLE'GRAFICOS DE FOLHAS E BOXPLOT';
RUN;
3.4 Teste para normalidade
Suponha o conjunto de dados para a altura de ninhos de falces no estado de North
Dakota EUA apresentado na Tabela 2.

Tabela 2 - Altura de ninhos de falces observados no estado de North Dakota EUA

15,00 5,75 4,25 6,25 4,00 6,25
3,50 27,00 6,25 5,50 5,25 3,25
3,50 15,00 5,75 4,00 3,00 2,50
7,00 8,00 5,00 7,50 12,00

1,00 4,75 8,50 8,75 3,75

7,00 7,50 9,00 6,50 4,75

_____________________________________________________________________
14
Este conjunto de dados est salvo no arquivo Falcons_data.xls.

Para avaliar se os valores de altura de ninho seguem uma distribuio normal,
podemos usar o programa SESA_Chapter_05_pag_138.sas.

DATA FALCONS;
INPUT AERIEHT @@;
LABEL AERIEHT=ALTURA DO NINHO EM METROS;
DATALINES;
15.00 3.50 3.50 7.00 1.00 7.00 5.75 27.00 15.00 8.00
4.75 7.50 4.25 6.25 5.75 5.00 8.50 9.00 6.25 5.50
4.00 7.50 8.75 6.50 4.00 5.25 3.00 12.00 3.75 4.75
6.25 3.25 2.50
;
RUN;
PROC UNIVARIATE DATA=FALCONS FREQ NORMAL PLOT;
VAR AERIEHT;
TITLE 'TESTE DE NORMALIDADE PARA A ALTURA DO NINHO';
RUN;
PROC GCHART DATA=FALCONS;
VBAR AERIEHT;
TITLE 'GRAFICO DE BARRAS PARA A ALTURA DO NINHO';
RUN;
QUIT;

Podemos obter os mesmos resultados usando o PROC INSIGHT, conforme
apresentado no programa SESA_Chapter_05_pag_145.sas

PROC INSIGHT;
OPEN FALCONS / NODISPLAY;
DIST AERIEHT;
RUN;
4 Testes de hipteses
4.1 Teste t
4.1.1 Teste t para uma media populacional
Este teste usado para verificar se a mdia de uma caracterstica de uma populao
assume um valor especificado, digamos m
o
. Para aplicao deste teste devemos selecionar
uma amostra aleatria de tamanho n da populao. Digamos que os elementos amostrais
sejam;
n 2 1
X ,..., X , X . Com base nestes elementos amostrais, calculamos a sua mdia, m
, e
seu desvio padro, s. Estas estatsticas so ento utilizadas para calcular o valor de t usando
a expresso
n
s
m m
t
0
=
Esta estatstica t, tem distribuio t de Student com n-1 graus de liberdade, ou seja,
uma distribuio de probabilidades que depende do nmero de graus de liberdade
_____________________________________________________________________
15
associado. A figura a seguir, ilustra a distribuio t para trs valores diferentes no nmero de
graus de liberdade.
n 1 5 30
f ( t )
0. 0
0. 1
0. 2
0. 3
0. 4
0. 5
Var i avel : t
- 3. 5 - 2. 5 - 1. 5 - 0. 5 0. 5 1. 5 2. 5 3. 5

As hipteses num teste t, para uma mdia populacional, so do seguinte tipo

H
0
: m = m
0
versus
H
a
: m > m
0
ou
H
a
: m < m
0
ou
H
a
: m m
0

Para decidirmos entre Rejeitar ou No - Rejeitar H
O
, comparamos o valor de t com o
valor tabelado de t obtido por ( ) 1 n t t
tab
=

. A tabela apresentada no final deste livro uma
tabela elaborada para testes bilaterais. Neste caso, para encontrarmos o valor tabelado
basta entrar com o valor de e o respectivo nmero de graus de liberdade. Por outro lado,
se desejarmos realizar um teste unilateral e usarmos uma tabela bilateral, devemos entrar
na tabela com 2 como nvel de significncia. Este procedimento garante que realizaremos
o teste ao nvel de significncia como desejado para testes unilaterais.
Depois de obtido o valor calculado e o valor tabelado de t, usamos a seguinte regra
decisria:
- se
tab
t t ento se Rejeita H
o

- se
tab
t t < ento No-Rejeita-se H
O
.

_____________________________________________________________________
16
( ) 6 , 4 4 t 2 , 5
5 8155 , 0
12 9 , 13
n s
m m
t
% 1
= =
=
Exemplo T1M Em indivduos sadios, o consumo renal de oxignio distribui-se
normalmente em torno de 12 cm
3
/min. Deseja-se investigar, com base em cinco indivduos
portadores de certa molstia, se esta tem influncia no consumo renal mdio de oxignio. Os
consumos medidos para os cincos pacientes foram:

14,4 12,9 15,0 13,7 13,5
Qual a concluso ao nvel de 1% de significncia?
Soluo
H
0
: m = 12 versus
H
a
: m 12

9 , 13
5
5 , 13 7 , 13 0 , 15 9 , 12 4 , 14
m
=
+ + + +
=
( )
665 , 0
4
5
5 , 69
71 , 968
1 n
n
x
x
s
2
n
1 i
2
n
1 i
1
2
i
2
=
=

=
=
8155 , 0 s s
2
= =

|5,2| > 4,6 Rejeita-se H
o
: m=12; logo conclui-se que a molstia possui influncia
estatisticamente significativa no consumo renal mdio.

O programa (prog_ex_teste_t_1_media.sas) contm o data step para criar o arquivo
de trabalho para realizar este teste de hipteses usando o SAS.

DATA EX_T_UMA_MEDIA;
INPUT CONSUMO @@;
CARDS;
14.4 12.9 15 13.7 13.5
;
RUN;

_____________________________________________________________________
17
Para facilitar a execuo deste teste vamos usar o Analyst do SAS. Para isto faa
conforme apresentado nas janelas a seguir.

Iniciando o Analyst

Informando o arquivo de trabalho do SAS que dever ser utilizado na anlise

Clique na library work e clique duplo arquivo de trabalho criado anteriormente

_____________________________________________________________________
18

Selecione o teste t para uma mdia populacional

Clique em consumo e depois em variable. Dentro do campo Hypotheses, no
campo de Null, prximo a Mean escreva a suposio que se deseja testar para
o valor da mdia. No exemplo a suposio que os indivduos portadores
apresentam mdia igual a 12. Portanto escreva 12.
No campo Alternate marque o campo ^= que o sinal usado pelo SAS para
identificar o sinal .

_____________________________________________________________________
19

Para ver o grfico da distribuio do teste t com o valor calculado e tabelado,
clique em Plots. Marque o campo t distribution plot. Clique em OK. Na nova
janela que se abre clique em OK novamente.

O resultado do teste t apresentado na tela

_____________________________________________________________________
20

Para ver o programa gerado pelo SAS para fazer esta anlise, clique na aba
Analyst (new project).
Clique duplo em Code

Parte do programa apresentada a seguir.

Para editar este programa, clique em Edit e selecione Copy to Program
Editor. Clique em qualquer ponto da janela do Program Editor que se abre e
aperte simultaneamente as teclas CRTL e A. Depois, tambm simultaneamente
CRTL e C. Na barra de ferramentas, clique em View e selecione Enhanced
Editor. Clique em qualquer ponto na janela que se abre e, simultaneamente,
_____________________________________________________________________
21
clique CRTL e V..Agora possvel editar o programa e fazer as modificaes
que se desejar.
Para ver o grfico da distribuio t gerado para este problema, clique na aba do
Analyst. Depois clique duplo em t distribuition plot of ...

O valor calculado (t=5,21) apresentado pela reta vertical. Conforme pode ser
notado ele se encontra dentro da regio de rejeio de H
0
segundo o nvel de
significncia adotado.

_____________________________________________________________________
22
4.1.2 Teste de hipteses para duas mdias populacionais
O objetivo deste teste verificar se duas populaes, digamos populao 1 e
populao 2 apresentam um mesmo valor mdio para uma determinada caracterstica, isto
deseja-se verificar se
2 1
m m = . Com esta finalidade necessrio obter uma amostra de cada
populao. Estas duas amostras podem ser relacionadas ou no, ou seja, podem ser
dependentes ou independentes uma da outra. Esta distino no relacionamento das duas
amostras gera dois testes distintos.
4.1.2.1 Teste de hipteses para o caso de duas amostras independentes
Duas amostras so ditas serem independentes quando no existe nada que as
relacione. Nesta situao, os valores amostrais foram obtidos em conjuntos amostrais
distintos, ou seja, os elementos amostrais que originaram os valores de uma amostra so
distintos dos elementos amostrais que originaram a segunda amostra.
Conforme mencionado anteriormente, para comparar as mdias das duas populaes,
toma-se uma amostra de cada populao. Suponha que as amostras geradas sejam X
11
,
X
12
,... , X
1n
e X
21
, X
22
, ... , X
2m
, onde o tamanho das amostras pode ser diferente, ou seja, n
pode ser diferente de m. Para cada amostra, ento se calcula a sua mdia e varincia. Um
estimador comum para a varincia obtido tomando-se uma mdia ponderada das
estimativas de varincia obtidas para as duas amostras. O tamanho da amostra utilizado
como um peso para o clculo desta varincia mdia ponderada. A obteno de um estimador
comum para a varincia pressupe que a varincia das duas populaes sejam idnticas, ou
seja
2
2
2
1
= . A frmula do estimador comum :
( ) ( )
2 n n
s 1 n s 1 n
s
2 1
2
2 2
2
1 1 2
c
+
+
=
em que
2
1
s e
2
2
s so as varincias amostrais das populaes 1 e 2, respectivamente. A
frmula geral para o clculo da varincia amostral dada por
1 n
n
X
X
s
2
n
1 i
i
n
1 i
2
i
2
=
=

Uma vez obtidas estas estimativas, calcula-se o valor da estatstica t dada por:
( ) ( )
+

=
2 1
2
c
2 1
n
1
n
1
s
m m
2
m
1
m
t
Esta estatstica tem distribuio t de Student com ( ) 2 n n
2 1
+ graus de liberdade. A
comparao do valor calculado de t com o valor tabelado dado por ( ) 2 n n t t
2 1 tab
+ =

,
usada para testar a hiptese de nulidade
H
0
: m
1
= m
2
versus
H
a
: m
1
> m
2
ou
H
a
: m
1
< m
2
ou
H
a
: m
1
m
2

_____________________________________________________________________
23

A regra de deciso idntica ao caso anterior, ou seja:
- se | t |

t
tab
Rejeita-se H
o

- se | t |

t
tab
No-Rejeita-se H
O
.

Exemplo T2MI Os dados que seguem referem-se a cinco determinaes da resistncia
de dois tipos de concreto. Ao nvel de 5% de significncia, h evidncia de que o concreto 1
seja mais resistente que o concreto 2?

Concreto 1 54 55 58 51 57
Concreto 2 50 54 56 52 53
Soluo

%
5
5
=
=
n

2 1 a
2 1 o
m m : H
m m : H
>
=

55 m
1
= 53 m
2
= 5 , 7
2
1
= s 5
2
2
= s
( ) ( ) ( )
( ) ( )
26 , 1
5
1
5
1
25 , 6
53 55
n
1
n
1
s
m m m ^ m ^
t
25 , 6
8
5 5 , 7 4
2 n n
s 1 n s 1 n
s
2 1
2
c
2 1 2 1
2 1
2
2 2
2
1 1 2
c
=

=
=
+
=
+
+
=
( ) 86 , 1 8 t
% 5
=
|1,26| < 1,86 No rejeita H
o.
Conclui-se que em mdia o concreto 1 proporciona resistncia
igual ao concreto 2.

O programa (prog_ex_teste_t_2_medias_indep.sas) contm o data step para criar o
arquivo de trabalho para realizar este teste de hipteses usando o SAS.

DATA EX_T_DUAS_MEDIAS_INDEP;
INPUT AMOSTRA_1 AMOSTRA_2;
CARDS;
54 50
55 54
58 56
51 52
57 53
;
RUN;
Vamos neste exemplo usar o Analyst. Aps a execuo do data step, os passos so
semelhantes ao apresentado para o teste anterior. Considerando ento que o arquivo de
trabalho foi identificado corretamente, vamos agora selecionar o teste apropriado. Para isto
proceda conforme as figuras apresentadas a seguir.

Selecione o teste t para duas amostras independentes

_____________________________________________________________________
24

No campo Groups are in clique no crculo para Two variables. Isto porque os
valores das amostras foram identificados por duas variveis diferentes, pois os
valores das mesmas foram digitadas em diferentes colunas. Depois clique em
AMOSTRA_1 e depois clique em Group 1. Posteriormente, clique em
AMOSTRA_2 e depois clique em Group 2. Como para este problema a hiptese
de nulidade supe que a diferena entre mdias nula, mantenha o valor zero
para o campo Mean 1 Mean 2. Como se supe que o concreto 1 ser mais
resistente que o concreto 2, marque o campo Mean 1 Mean 2 > 0.

Clique em Plots e marque t distribuition plot. Clique em OK nas duas
janelas.
O resultado apresentado a seguir
_____________________________________________________________________
25

Pode se proceder de forma similar ao que foi feito para o teste anterior para se
ter acesso ao cdigo do programa e ao grfico da distribuio t.

4.1.2.2 Teste de hipteses para o caso de duas amostras dependentes
Duas amostras de elementos so ditas serem dependentes quando existe algo que
as relacione. Por exemplo, se os valores de duas amostras foram obtidos de um mesmo
conjunto de elementos amostrais, podemos dizer que as duas amostras de valores so
dependentes uma vez que foram tomados de um conjunto de elementos amostrais comum.
O objetivo neste caso verificar se houve alterao na mdia de uma populao
quando a mesma avaliada sob duas condies diferentes. Cada condio representa uma
populao distinta, embora se suponha que os elementos populacionais sejam os mesmos
nas duas condies. Para verificar se houve alterao na mdia, avalia-se uma caracterstica
de interesse do pesquisador num conjunto de elementos amostrais tomados ao acaso na
populao quando a mesma esteja sob a condio 1. Digamos que a avaliao da
caracterstica resulte nos seguintes valores amostrais X
11
, X
12
,... , X
1n
. Depois de feita esta
avaliao, os elementos amostrais que originaram a primeira amostra so submetidos
condio 2. Os mesmos elementos amostrais so novamente avaliados para a mesma
caracterstica na nova condio 2. Digamos que esta nova avaliao resulte nos seguintes
valores amostrais X
21
, X
22
, ... , X
2n
. Se a condio 2 no tiver nenhum efeito, espera-se que
em mdia os valores observados nas duas condies sejam iguais.
Em termos de desvios, se a alterao das condies no resultasse em nenhum efeito
significativo, poderamos dizer que a diferena entre os valores observados na primeira
condio e na segunda condio seria em mdia igual a zero. Portanto para verificar se
houve alterao na mdia de uma populao avaliada em duas condies diferentes, pode-
se testar a hiptese de que o desvio mdio ser estatisticamente igual a zero. Portanto, a
partir de duas amostras obtm-se outra baseada nos desvios, conforme mostrado a seguir.
_____________________________________________________________________
26

Elemento amostral i 1 2 ... n
Amostra 1 X
11
X
11
... X
1n
Amostra 2 X
21
X
22
... X
2n

d
i
=X
1i
-X
2i
d
1
d
2
... d
n

Apresentado desta forma, o teste t para duas amostras dependentes reduz-se teste t
para uma mdia populacional, visto anteriormente. No presente caso, deseja-se testar se a
mdia dos desvios igual por exemplo a um valor m
0
. Escrevendo em termos de hipteses
estatsticas teramos

H
0
: m = m
0
versus
H
a
: m > m
0
ou
H
a
: m < m
0
ou
H
a
: m m
0

Para decidir entre Rejeitar ou No - Rejeitar a hiptese de nulidade, deve-se calcular o
valor da estatstica t dada por
n
s
m m
t
2
0
=
em que
n
d
m
n
1 i
i
=
=
1 n
n
d
d
s
2
n
1 i
i
n
1 i
2
i
2
=
=

Sob H
o
, esta estatstica t tem distribuio t de Student com n-1 graus de liberdade. A
comparao deste valor calculado com o valor de t
tab
dado por ( ) 1 n t t
tab
=

.
Depois de obtido os valores calculado e tabelado de t, usamos a seguinte regra
decisria:
- se
tab
t t ento se Rejeita H
o

- se
tab
t t < ento No-Rejeita-se H
O
.

_____________________________________________________________________
27
Exemplo T2MD O quadro abaixo mostra uma seqncia de observaes, em u.m., sobre
os valores das presses de sete indivduos antes e depois da aplicao de um medicamento
que tem por finalidade o abaixamento de presso. Verificar se o medicamento teve efeito
significativo ao nvel de 1 % de probabilidade.
Indivduo 1 2 3 4 5 6 7
Antes 1,1 3,9 3,1 5,3 5,3 3,4 5,0
Depois 0,0 1,2 2,1 2,1 3,4 2,2 3,2
Resoluo:
Indivduo 1 2 3 4 5 6 7
Antes ( )
i 1
X 1,1 3,9 3,1 5,3 5,3 3,4 5,0
Depois ( )
i 2
X 0,0 1,2 2,1 2,1 3,4 2,2 3,2
i 1 i 2 i
X X d = -1,1 -2,7 -1,0 -3,2 -1,9 -1,2 -1,8
( ) ( )
( ) ( ) [ ]
( ) ( ) [ ]
( ) 84 , 0 7095 , 0 d s s
7095 , 0
1 7
7
8 , 1 1 , 1
8 , 1 1 , 1
1 n
n
d
d
s
84 , 1
7
9 , 12
7
8 , 1 1 , 1
n
d
m
2
2
2 2
2
n
1 i
i
n
1 i
2
i
2
n
1 i
i
= = =
=
+ +
+ +
=
=
=
=
+ +
= =
=
=
=
K
K
K

1
o
)
0 m : H
0 m : H
D
D 0
a
<
=
2
o
) % 1 = ; Teste t
3
o
) Grfico (regio crtica): 14 , 3 ) 6 ( t t
% 1 tab
= =

4
o
) 79 , 5
7
84 , 0
0 84 , 1
n
s
m m
t
calc
=

=
=
5
o
) Concluso: > 14 , 3 | 79 , 5 | Rejeita-se
0
H ao nvel de 1% de probabilidade pelo teste t,
portanto o medicamento teve efeito significativo no abaixamento
da presso.
O programa (prog_ex_teste_t_2_medias_dep.sas) contm o data step para criar o

DATA EX_T_2_MEDIAS_DEP;
INPUT ANTES DEPOIS;
CARDS;
1.1 0.0
3.9 1.2
3.1 2.1
5.3 2.1
5.3 3.4
3.4 2.2
5.0 3.2
;
RUN;
_____________________________________________________________________
28

Vamos neste exemplo usar o Analyst. Aps a execuo do data step, os passos so
semelhantes ao apresentado para os testes anteriores. Considerando ento que o arquivo de
trabalho foi identificado corretamente, vamos agora selecionar o teste apropriado. Para isto
proceda conforme as figuras apresentadas a seguir.

Para escolher o teste t para amostras dependentes, faa como apresentado a
seguir

Para verificar se o medicamento consegue reduzir a presso faa como
apresentado abaixo

Clique em OK. O resultado apresentado abaixo.

_____________________________________________________________________
29
4.2 Teste F
Este teste indicado para verificar se duas populaes, digamos 1 e 2, apresentam
igual valor para o parmetro varincia. Em termos de hipteses estatsticas teramos:
H
0
:
2
1
=
2
2
versus
H
a
:
2
1
>
2
2
ou
H
a
:
2
1
<
2
2
ou
H
a
:
2
1

2
2

A estatstica F usada para decidir entre Rejeitar ou No - Rejeitar Ho dada pelo
quociente entre as duas estimativas de varincia, ou seja:
2
2
2
1
s
s
F =
Sob a hiptese de nulidade, este quociente tem distribuio F, de Fisher-Snedecor,
com
2 1
n e n graus de liberdade, ou seja a distribuio de probabilidades da estatstica F
depende dos nmeros de graus de liberdade n
1
e n
2
. Um grfico para a distribuio F, para
trs diferentes pares de graus de liberdade ilustrado na figura a seguir.

A concluso do teste feita mediante a comparao do valor de F com o valor de
F
tab
= ( )
2 1
n , n F =
.
Se
tab
F F Rejeita-se
0
H ao nvel de probabilidade. Caso contrrio No-Rejeita-
se H
O

_____________________________________________________________________
30

Exemplo TF2V A qualidade de rebites tanto melhor quanto maior sua homogeneidade.
Seis rebites de duas marcas foram ensaiados ao cisalhamento, tendo-se obtido as seguintes
cargas de ruptura:

Rebites Estatsticas
1 2 3 4 5 6
m

S
2
Marca A 34,9 35,5 38,8 39,2 33,7 37,6 36,61 5,02
Marca B 38,5 39,0 40,7 42,9 37,8 41,4 40,05 3,79
Estes resultados ratificam a afirmao do produtor da marca B, de que seus rebites
so melhores? Use o nvel de 5% de significncia.

Soluo

H
0
:
2
A
=
2
B

H
a
:
2
A
>
2
B

33 , 1
79 , 3
02 , 5
s
s
F
2
B
2
A
= = =
05 , 5 ) 5 ; 5 ( F ) 1 6 ; 1 6 ( F F
% 5 % 5 tab
= = =

Concluso: 1,33 > 5,05 Rejeita-se H
0
a 5% de probabilidade. As duas marcas
apresentam qualidades idnticas quanto ao cisalhamento.

A soluo deste exerccio usando o SAS apresentada a seguir.

O programa (prog_ex_teste_F_2_variancias.sas) contm o data step para criar o

DATA EX_F_2_VARIANCIAS;
INPUT MARCA_A MARCA_B;
CARDS;
34.9 38.5
35.5 39.0
38.8 40.7
39.2 42.9
33.7 37.8
37.6 41.4
;
RUN;
Para testar a hiptese de igualdade de varincias pelo teste F, siga o que
apresentado nas figuras a seguir.

_____________________________________________________________________
31

Para lanar as hipteses descreva como apresentado a seguir e clique em OK.

O resultado apresentado a seguir
_____________________________________________________________________
32

4.3 Teste no-paramtrico para comparao entre dois grupos
Este teste verso no-paramtrica do teste para comparar as mdias de duas
populaes a partir de duas amostras independentes. Tal teste referido como Teste de
Mann-Whitney U.
Para ilustrar a aplicao deste teste, ser usado o exemplo apresentado no livro SAS
System for Elementary Statistics (pgina 207). Neste exemplo, pacientes so divididos em
dois grupos: com e sem lcera. Em cada um destes pacientes, foi avaliado o nvel da enzima
lysozime que destri a parede das clulas de alguns tipos de bactrias. O nvel da enzima
observado em cada um dos pacientes apresentado na Tabela 3. O objetivo de tal avaliao
avaliar se indivduos dos dois grupos apresentam o mesmo valor mdio para o nvel da
enzima.

Tabela 3 - Nvel de lysozime observados em indi vduos com (U) e sem (N) lcera
Grupo Nvel Grupo Nvel Grupo Nvel Grupo Nvel Grupo Nvel
N 0,2 N 4,8 N 20,7 U 5,3 U 42,2
N 0,3 N 5,4 N 33 U 7,5 U 50
N 0,4 N 5,7 U 0,2 U 9,8 U 60
N 0,7 N 5,8 U 0,3 U 10,4
N 1,2 N 7,5 U 0,4 U 10,9
N 1,5 N 8,7 U 1,1 U 11,3
N 1,5 N 8,8 U 2 U 12,4
N 1,9 N 9,1 U 2,1 U 16,2
N 2 N 10,3 U 3,3 U 17,6
N 2,4 N 15,6 U 3,8 U 18,9
N 2,5 N 16,1 U 4,5 U 20,7
N 2,8 N 16,5 U 4,8 U 24
N 3,6 N 16,7 U 4,9 U 25,4
N 4,8 N 20 U 5 U 40

_____________________________________________________________________
33
O programa SESA_Chapter_07_pag_207.sas apresenta a rotina a ser usada no SAS
para fazer a anlise dos valores que constam na Tabela 3 segundo o Teste de Mann-
Whitney U.

DATA GASTRIC;
INPUT GROUP $ LYSOLEVL @@;
DATALINES;
U 0.2 U 10.4 U 0.3 U 10.9 U 0.4 U 11.3 U 1.1 U 12.4 U 2.0
U 16.2 U 2.1 U 17.6 U 3.3 U 18.9 U 3.8 U 20.7 U 4.5
U 24.0 U 4.8 U 25.4 U 4.9 U 40.0 U 5.0 U 42.2 U 5.3
U 50.0 U 7.5 U 60.0 U 9.8
N 0.2 N 5.4 N 0.3 N 5.7 N 0.4 N 5.8 N 0.7 N 7.5 N 1.2 N 8.7
N 1.5 N 8.8 N 1.5 N 9.1 N 1.9 N 10.3 N 2.0 N 15.6 N 2.4 N 16.1
N 2.5 N 16.5 N 2.8 N 16.7 N 3.6 N 20.0
N 4.8 N 20.7 N 4.8 N 33.0
;
RUN;
PROC SORT DATA=GASTRIC;
BY GROUP LYSOLEVL;
RUN;
PROC PRINT DATA=GASTRIC;
RUN;
PROC NPAR1WAY DATA=GASTRIC WILCOXON;
CLASS GROUP;
VAR LYSOLEVL;
TITLE 'COMPARACAO DOS NIVEIS DA ENZIMA LYSOENSIM EM PACIENTES COM
E SEM ULCERA';
RUN;

5 Anlise estatstica de dados oriundos de experimentos
Ao instalar um experimento, o pesquisador deve distribuir os tratamentos s unidades
experimentais segundo um tipo de delineamento com o objetivo de diminuir o efeito do erro
experimental. Os diferentes delineamentos se diferem pelo uso que se faz dos trs
princpios bsicos da experimentao: repetio, casualizao e controle na casualizao.
Por outro lado, quando so avaliados em um mesmo experimento o efeito de dois ou
mais fatores, o pesquisador deve tambm escolher a maneira como os tratamentos sero
organizados, ou seja, escolher o esquema de instalao do experimento.
A escolha do delineamento est diretamente relacionada com a homogeneidade das
condies experimentais, enquanto que a escolha do esquema est relacionada com a
facilidade da instalao do experimento.
Os tipos de delineamento e esquema utilizados definem o modelo estatstico para a
anlise dos dados. No entanto, no existem no SAS rotinas pr-definidas para os diferentes
tipos de delineamento e esquema experimentais. O usurio deve fornecer estas informaes
durante a elaborao do programa na linguagem SAS. Portanto, pressupe-se que o usurio
seja capaz de identificar corretamente qual foi o delineamento e esquema utilizados para a
instalao dos experimentos. Os procedimentos do SAS mais utilizados para as anlises de
dados experimentais so os procedimentos: ANOVA e GLM. O procedimento ANOVA indicado
quando os dados so balanceados e no existem valores perdidos. Por outro lado, o
procedimento GLM indicado quando os dados so desbalanceados.
_____________________________________________________________________
34
A seguir so apresentados exemplos de programas para a anlise de dados oriundos
de experimentos instalados segundo os tipos de delineamentos e esquemas experimentais
mais comumente utilizados.
5.1 Delineamento Inteiramente Casualizado
No Delineamento Inteiramente Casualizado (DIC) a distribuio dos tratamentos s
unidades experimentais feita inteiramente ao acaso. O DIC utiliza apenas os princpios
bsicos da repetio e da casualizao.
Como no faz restries na casualizao, o uso do DIC pressupe que as unidades
experimentais esto sob condies homogneas. Estas condies homogneas geralmente
so obtidas em locais com ambientes controlados tais como laboratrios, estufas, casas de
vegetao, e etc. .
Para os dados oriundos de um experimento instalado segundo o DIC, o seguinte
modelo estatstico deve ser utilizado nas anlises estatsticas:
ij i ij
e t m Y + + =
em que,
ij
Y o valor observado para a varivel resposta obtido para o i-simo tratamento em
sua j-sima repetio;
m mdia de todos os valores possveis da varivel resposta;
i
t o efeito do tratamento i no valor observado
ij
Y ;
m m t
i i
=
ij
e o erro experimental associado ao valor observado
ij
Y ;
i ij ij
m Y e =
O erro experimental ocorre em todos os experimentos, porque no possvel controlar
o efeito de fontes de variaes que ocorrem de forma aleatria e desconhecida. Este erro o
responsvel pela variao observada entre as observaes obtidas nas repeties para cada
tratamento.
O quadro da anlise de varincia, geralmente denotada por ANOVA (ANalysis Of
VAriance) para a anlise de um experimento instalado segundo o DIC, com igual nmero de
repeties para todos os tratamentos do seguinte tipo

FV GL SQ QM F F

Tratamentos (I-1) SQTrat
1 I
SQTrat

s Re QM
QMTrat

[(I-1);I(J-1)]
Resduo I(J-1) SQRes
( ) 1 J I
s Re SQ

Total IJ - 1 SQTotal

As SQ so obtidas por
( )
IJ
Y
Y m
Y SQTotal
2
J , I
1 j , 1 i
ij
J , I
1 j , 1 i
2
ij
J , I
1 j , 1 i
2
ij
= =

= =
= = = =
( )

=
= =
= =
= =
I
1 i
2
J , I
1 j , 1 i
ij
2
i
J , I
1 j , 1 i
2
i
IJ
Y
J
T
m
SQTrat

SQRes = SQTotal - SQTrat
_____________________________________________________________________
35

Para se concluir se existe diferena entre tratamentos, calcula-se o valor de F, que
obtido pelo quociente do QMTrat com o QMRes. Este valor de F calculado deve ser
comparado com o valor de F tabelado, aqui identificado como F
. Este valor obtido na

tabela de distribuio da varivel aleatria F, de acordo com o nvel de significncia do teste,
graus de liberdade para tratamentos e graus de liberdade para resduo.
As hipteses para o teste F da anlise de varincia para tratamentos so as seguintes:
m m ... m m : H
I 2 1 0
= = = = , o que equivale a dizer que todos os possveis contrastes entre
as mdias dos tratamentos, so estatisticamente nulos, ao nvel de probabilidade que foi
executado o teste.
0 A
H no : H , o que equivale a dizer que existe pelo menos um contraste entre as mdias dos
tratamentos, estatisticamente diferentes de zero, ao nvel de probabilidade que foi
realizado o teste.
A regra decisria para o teste F a seguinte:
- Se F F
, ento se rejeita
0
H e conclui-se que os tratamentos tem efeito diferenciado
ao nvel de significncia em que foi realizado o teste;
- Se F < F
, ento no se rejeita
0
H e conclui-se que os tratamentos tm efeitos iguais
ao nvel de significncia em que foi realizado o teste.

O coeficiente de variao obtido por 100
m
s Re QM
CV =
Exemplo DIC. Consideremos as produes, em t/ha, de 4 cultivares de cana-de-acar (A, B,
C e D) obtidas com a instalao de um experimento instalado segundo o DIC com 6
repeties (GOMES, 1984). Os valores entre parnteses indicam a numerao da unidade
experimental em que os valores foram observados

Cultivares
Repetio A B C D
1 54 (10) 60 (19) 59 (12) 45 (14)
2 40 (05) 55 (20) 47 (18) 33 (04)
3 51 (17) 66 (02) 44 (24) 34 (13)
4 36 (15) 61 (06) 49 (21) 48 (08)
5 50 (03) 54 (09) 62 (01) 42 (22)
6 48 (07) 61 (11) 60 (16) 44 (23)
Totais 279 357 321 246

Proceda a anlise de varincia, usando o nvel de significncia de 5%.

Resoluo:

FV GL SQ QM F F
5%
Tratamentos 3 1174,12 391,37 9,47
*
(3;20)=3,10
Resduo 20 826,50 41,32
Total 23 2000,62
*
Significativo ao nvel de 5% de probabilidade
_____________________________________________________________________
36

- As somas de quadrados (SQ) foram obtidas por

( )
( )
62 , 2000
6 x 4
44 40 54
44 40 54 SQTotal
2
2 2 2
=
+ + +
+ + + =
K
K
( ) 12 , 1174 38 , 60300 5 , 61474
24
1203
246 279
6
1
SQTrat
2
2 2
= = + + = K
SQRes = SQTotal - SQTrat = 2000,62 - 1174,12 = 826,50

- Os quadrados mdios (QM) foram obtidos por

32 , 41
20
50 , 826
s Re GL
s Re SQ
s Re QM
37 , 391
3
12 , 1174
GLTrat
SQTrat
QMTrat
= = =
= = =

- O valor do F calculado ser: 47 , 9
32 , 41
37 , 391
s Re QM
QMTrat
F
calc
= = =

- Teste F:
0 a
4 3 2 1 0
H no : H
m m m m m : H = = = =
( ) 10 , 3 20 ; 3 F F
% 5
= =
> F F
calc
, rejeita-se H
0
ao nvel de 5% de probabilidade pelo teste F. Portanto existe
pelo menos um contraste entre as mdias dos cultivares de cana-de-acar estatisticamente
diferente de zero.

- Preciso do experimento
% 82 , 12 100
125 , 50
32 , 41
(%) . V . C = ==
125 , 50
24
1203
IJ
Y
N
G
m
j i
j i
= = = =

QMRes = 41,32

Testes de Mdias

1
o
) Teste de Tukey
j i para
m m : H
m m : H
j i a
j i o
=

- Clculo das mdias dos cultivares:

ha / t 0 , 41
6
246
m
; ha / t 5 , 53
6
321
m
; ha / t 5 , 59
6
357
m
; ha / t 5 , 46
6
279
m
D C B A
= = = = = = = =
_____________________________________________________________________
37

- Clculo da D.M.S.:

39 , 10
6
32 , 41
96 , 3
r
s Re QM
q = = = em que ( ) ( ) 96 , 3 20 , 4 q n , n q q
% 5 2 1
= = =

- Comparaes entre as mdias:

0 , 6 5 , 53 5 , 59 m
C B 1
= = = < , no se rejeita H
0

0 , 13 5 , 46 5 , 59 m
A B 2
= = = > , rejeita-se H
0

0 , 7 5 , 46 5 , 53 m
A C 3
0

5 , 12 0 , 41 5 , 53 m
D C 4
0

5 , 5 0 , 41 5 , 46 m
D A 5
0

- Mdias ordenadas (ordem decrescente):

5 , 59 m
B
=
a
5 , 53 m
c
=
a b
5 , 46 m
A
= b c
0 , 41 m
D
=
c

- Concluso: Mdias seguidas por pelo menos uma mesma letra, no diferem entre si ao
nvel de 5% de probabilidade pelo teste de Tukey. Os cultivares de cana-de-
acar B e C, apresentaram maiores produes.

2
o
) Teste de Duncan
j i para
m m : H
m m : H
j i a
j i o
=

ha / t 0 , 41 m
; ha / t 5 , 53 m
; ha / t 5 , 59 m
; ha / t 5 , 46 m
D C B A
= = = = QMRes = 41,32; r = 6

1 passo) Contraste abrangendo 4 mdias ordenadas:

5 , 18 0 , 41 5 , 59 m
D B 1
= = =

Para testar este contraste calculamos:

34 , 8
6
32 , 41
18 , 3
r
s Re QM
z D
4 4
= = =
( ) ( ) 18 , 3 20 , 4 z n , n z z
% 5 2 1 % 5 4
= = =

Como
4 1
D C
> , rejeita-se H
0
, ou seja,
D B
m m .

_____________________________________________________________________
38
2 passo) Contrastes abrangendo 3 mdias ordenadas

5 , 12 0 , 41 5 , 53 m
0 , 13 5 , 46 5 , 59 m
D C 3
A B 2
= = =
= = =

Para testar estes contrastes calculamos:

13 , 8
6
32 , 41
10 , 3
r
s Re QM
z D
3 3
= = =
( ) ( ) 10 , 3 20 , 3 z n , n z z
% 5 2 1 % 5 3
= = =

Como
3 2
D C
> , rejeita-se H
0
, ou seja,
A B
m m ;
Como
3 3
D C
> , rejeita-se H
0
, ou seja,
D C
m m .

3 passo) Contrastes abrangendo 2 mdias ordenadas

5 , 5 0 , 41 5 , 46 m
0 , 7 5 , 46 5 , 53 m
0 , 3 5 , 53 5 , 59 m
D A 6
A C 5
C B 4
= = =
= = =
= = =

Para testar estes contrastes calculamos:
74 , 7
6
32 , 41
95 , 2
r
s Re QM
z D
2 2
= = =
( ) ( ) 95 , 2 20 , 2 z n , n z z
% 5 2 1 % 5 2
= = =

Como
2 4
D C
< , no se rejeita H
0
, ou seja,
C B
m m = ;
Como
2 5
D C
< , no se rejeita H
0
, ou seja,
A C
m m = ;
Como
2 6
D C
< , no se rejeita H
0
, ou seja,
D A
m m = .

5 , 59 m
B
=
5 , 53 m
c
=
5 , 46 m
A
=
0 , 41 m
D
=

Concluso: Mdias abrangidas por uma mesma barra, no diferem entre si ao nvel de
5% de probabilidade pelo teste de Duncan. Os cultivares de cana-de-acar B e C,
apresentaram maiores produes.

Devido a facilidade computacional, podemos antes de partir propriamente para
ANOVA fazer uma anlise descritiva dos dados. Para isto devemos inicialmente entrar com o
_____________________________________________________________________
39
conjunto de dados e posteriormente usar o PROC UNIVARIATE. Estes passos so obtidos
com a execuo do seguinte programa (prog_ex_dic_analise_descritiva.sas)

OPTIONS NODATE CENTER PAGENO=1;
TITLE 'EXEMPLO - DIC';
DATA EX_DIC;
INPUT VARIED PROD @@;
CARDS;
1 54 2 60 3 59 4 45
1 40 2 55 3 47 4 33
1 51 2 66 3 44 4 34
1 36 2 61 3 49 4 48
1 50 2 54 3 62 4 42
1 48 2 61 3 60 4 44
;
RUN;
PROC SORT DATA=EX_DIC;
BY VARIED;
RUN;
TITLE2 'ANALISE DESCRITIVA POR VARIEDADE';
PROC UNIVARIATE DATA=EX_DIC PLOT;
BY VARIED;
VAR PROD;
RUN;
PROC PLOT DATA=EX_DIC;
PLOT PROD*VARIED;
RUN;
QUIT;
TITLE2 'ANALISE DESCRITIVA CONSIDERANDO TODAS AS VARIEDADES';
VAR PROD;
RUN;

Observaes:
- No data step existe uma coluna para cada varivel. No caso de um DIC, as variveis
so a que identifica os tratamentos e a que identifica a varivel resposta. Cada uma destas
fontes de variao tem o seu nome declarado na sentena INPUT. No Exemplo 1 DIC, a
varivel que identifica os tratamentos recebeu o nome de VARIED e a varivel resposta
recebeu o nome de PROD;
- a declarao OPTIONS estabelece algumas opes para a sada do SAS: NODATE
informa ao SAS que a data em que o programa foi executado no deve ser impressa;
CENTER significa que o SAS deve imprimir a sada centralizada e PAGENO=1 informa que a
sada deve iniciar a sua numerao de pgina a partir do nmero 1;
- a declarao TITLE permite ao usurio dar um ttulo para a sada de um
programa;
- a declarao DATA informa ao SAS que o arquivo de trabalho EX_1_DIC deve
ser criado;
- a declarao INPUT informa ao SAS o nome das variveis em que se encontram
em cada uma das colunas do conjunto de dados que est para ser informado. O
smbolo @@ informa ao SAS que cada linha de dados contm mais de uma
observao de cada varivel declarada;
- CARDS informa que o conjunto de dados ser informado a partir da prxima linha;
_____________________________________________________________________
40
- Ao final do conjunto de dados, o ; informa que o conjunto de dados chegou ao
fim;
- RUN executa o data step;

Antes de realizarmos a ANOVA, devemos inicialmente verificar se as pressuposies
(independncia e distribuio normal dos erros; e homogeneidade de varincias) so
satisfeitas. Para isto devemos executar o seguinte programa
(prog_ex_dic_pressuposicoes_ANOVA.sas)

TITLE;
TITLE1 'EXEMPLO - DIC';
/*
ENTRANDO COM OS DADOS
*/
DATA EX_DIC;
INPUT ORDEM VARIED PROD @@;
CARDS;
10 1 54 19 2 60 12 3 59 14 4 45
5 1 40 20 2 55 18 3 47 4 4 33
17 1 51 2 2 66 24 3 44 13 4 34
15 1 36 6 2 61 21 3 49 8 4 48
3 1 50 9 2 54 1 3 62 22 4 42
7 1 48 11 2 61 16 3 60 23 4 44
;
RUN;
/*
OBTENDO OS RESDUOS SEGUNDO O MODELO ESTATISTICO ASSOCIADO AO
DIC
*/
TITLE2 'VERIFICANDO INDEPENDENCIA DOS ERROS';
PROC GLM DATA=EX_DIC;
CLASS VARIED;
MODEL PROD = VARIED / SS3 P;
OUTPUT OUT=ARQ_1 P=PRED R=RES;
RUN;
QUIT;
/*
PLOTANDO OS RESDUOS EM FUNO DA ORDEM PARA VERIFICAR SE
EXISTE INDEPENDNCIA DOS ERROS
*/
PROC PLOT DATA=ARQ_1;
PLOT RES*ORDEM;
RUN;
QUIT;
TITLE2 'TESTE PARA A NORMALIDADE DOS ERROS';
/*
TESTANDO A NORMALIDADE DOS ERROS
*/
PROC UNIVARIATE DATA=ARQ_1 PLOT NORMAL;
VAR RES;
ID VARIED;
RUN;
/*
TESTANDO A HOMOGENEIDADE DE VARINCIAS
*/
PROC SORT DATA=EX_DIC;
_____________________________________________________________________
41
BY VARIED;
RUN;
/*
ANLISE GRFICA
*/
TITLE2 'ANALISE VISUAL DA HOMOGENEIDADE DE VARIANCIAS';
VAR PROD;
BY VARIED;
RUN;
/*
TESTE DE HIPTESES PARA A HOMOGENEIDADE DE VARINCIAS
*/
TITLE2 'TESTE DE HIPOTESES PARA A HOMOGENEIDADE DE VARIANCIAS';
PROC GLM DATA=EX_DIC;
CLASS VARIED;
MODEL PROD = VARIED / SS3;
MEANS VARIED / HOVTEST=BARTLETT;
RUN;
QUIT;

Observaes:
- PROC GLM solicita que o procedimento ANOVA seja inicializado;
- a declarao DATA informa ao SAS qual arquivo de trabalho deve ser utilizado
neste procedimento. No caso usado o arquivo de trabalho gerado no passo
anterior;
- A declarao CLASS informa quais fatores do modelo estatstico so qualitativos.
No exemplo, VARIED a varivel que identifica o fator qualitativo deste
experimento conforme declarado no data step;
- A declarao MODEL deve representar o modelo estatstico do experimento. Nesta
declarao no necessrio declarar os efeitos da mdia geral e do erro
experimental, pois estes efeitos esto presentes em todos os modelos estatsticos.
Portanto, no caso de um DIC os nicos componentes que devem ser declarados
so os que identificam a varivel resposta (PROD) e o que identifica o fator em
estudo (VARIED). Adicionalmente, as opes P e S3 solicitam que sejam
apresentados os preditos (e residuais) e a soma de quadrados do tipo III;
- A declarao OUTPUT solicita que os valores preditos e residuais sejam salvos no
arquivo de sada ARQ_1 atribuindo os nomes PRED e RES para os valores preditos
e residuais, respectivamente;
- A declarao MEANS opcional no PROC GLM. No programa acima ilustrado
como o usurio deve proceder para realizar o teste para a homogeneidade de
varincias usando a opo HOTVEST.

Ao analisarmos a sada do programa anterior, podemos concluir que as
pressuposies da ANOVA foram satisfeitas. Podemos ento realizar tal anlise e interpretar
os seus resultados.
_____________________________________________________________________
42
A ANOVA realizada por meio da execuo do seguinte programa
(prog_ex_dic_PROC_ANOVA.sas)

TITLE;
TITLE1 'EXEMPLO DIC';
TITLE2 'ANALISE DE VARIANCIA';
PROC ANOVA DATA=EX_DIC;
CLASS VARIED;
MODEL PROD = VARIED;
RUN;

Os resultados obtidos com a execuo deste programa so apresentados a seguir.

Exemplo - DIC
The ANOVA Procedure

Class Level Information

Class Levels Values
var 4 1 2 3 4

Number of Observations Read 24
Number of Observations Used 24

Nesta primeira pgina de sada, so informados quais so as variveis independentes,
ou seja, os fatores qualitativos e os respectivos nveis. Alm disso, so tambm informados o
nmero total de observaes lidas e usadas na anlise de varincia.
Recomenda-se que o usurio olhe sempre esta primeira pgina de sada, pois algum
erro de digitao nos dados pode ser resolvido ao observar esta sada. Por exemplo, se o
usurio digitar um valor 5 ao invs do valor 4 para identificar aquela variedade, esta pgina
mostrar que existem 5 variedades sendo testadas.

Exemplo - DIC 2
The ANOVA Procedure
Dependent Variable: prod
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 3 1174.125000 391.375000 9.47 0.0004
Error 20 826.500000 41.325000
Corrected Total 23 2000.625000

R-Square Coeff Var Root MSE prod Mean
0.586879 12.82484 6.428452 50.12500

Source DF Anova SS Mean Square F Value Pr > F
var 3 1174.125000 391.375000 9.47 0.0004

Observe nesta sada que a varivel dependente para a qual est sendo feita a anlise
de varincia identificada pela sentena Dependent Variable: prod.
A seguir, nesta mesma pgina apresentado o resultado da anlise de varincia. A
menos de erros de aproximao, os valores obtidos com o SAS so os mesmos
apresentados ao fazer os clculos manualmente.
Na ltima coluna do quadro da ANOVA (Pr > F) apresentado o p-value para o teste F.
O p-value menor nvel de significncia para o qual a hiptese de nulidade rejeitada. Se
por exemplo, o usurio adotar 5% como sendo o nvel de significncia para suas anlises,
_____________________________________________________________________
43
deve-se rejeitar a hiptese de nulidade se o valor apresentado em Pr > F, for menor que 0,05.
Caso contrrio a hiptese de nulidade no deve ser rejeitada.
A seguir, a sada apresenta a decomposio para os termos definidos na declarao
MODEL. Como o nico termo nesta declarao foi VARIED tem-se esta nica fonte de
variao e os valores apresentados para DF, Anova SS, Mean Square, F Value e Pr > F coincidem
com o apresentado na anlise anterior para a fonte de variao Model.
Os valores do CV, da raiz quadrada do resduo e da mdia geral do experimento so
apresentados nesta anlise sob as nomenclaturas Coeff Var, Root MSE e prod Mean.
Como o teste F para a fonte de variao VARIED foi significativo, podemos aplicar
testes de mdias para comparar as mdias de variedade. Para isto devemos executar as
seguintes linhas de programa para comparar as mdias de variedade pelo teste de Tukey a
5% de probabilidade.

TITLE2 'TESTE DE TUKEY';
MEANS VARIED / TUKEY ALPHA=0.05;
RUN;

Os resultados obtidos com a execuo so

Exemplo - DIC 3
The ANOVA Procedure

Tukey's Studentized Range (HSD) Test for prod
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 20
Error Mean Square 41.325
Critical Value of Studentized Range 3.95829
Minimum Significant Difference 10.388

Means with the same letter are not significantly different.
Tukey Grouping Mean N var
A 59.500 6 2
A
B A 53.500 6 3
B
B C 46.500 6 1
C
C 41.000 6 4

Caso se deseje aplicar o teste de Duncan, ao invs do teste de Tukey, deveramos
submeter as seguintes linhas de programa

TITLE2 'TESTE DE DUNCAN';
MEANS VARIED / DUNCAN ALPHA=0.05;
RUN;

A sada obtida apresentada a seguir

Exemplo - DIC 4
The ANOVA Procedure

Duncan's Multiple Range Test for prod
_____________________________________________________________________
44
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05

Number of Means 2 3 4
Critical Range 7.742 8.126 8.371


Duncan Grouping Mean N var
A 59.500 6 2
A
B A 53.500 6 3
B
B C 46.500 6 1
C
C 41.000 6 4

Para encerrar o PROC ANOVA execute a seguinte linha de programa

QUIT;

Exerccio Use o SAS para fazer a anlise estatstica dos dados obtidos do
experimento apresentado a seguir.
Nota: necessrio identificar qual foi o delineamento utilizado.

Um treinador de corrida rstica, objetivando melhorar o desempenho de seus atletas, testou
trs novas tcnicas de preparao. Para tanto trabalhou com um grupo de 15 atletas
completamente homogneos para as caractersticas essenciais. A designao das tcnicas
de preparao aos atletas foi feita totalmente ao acaso e de tal forma que o nmero de
atletas avaliados em cada uma das tcnicas fosse o mesmo. Os resultados obtidos, aps um
determinado perodo de tempo de aprendizado da tcnica pelos atletas, foram os seguintes
(minutos / 25 Km):

Tcnicas de Preparao
Repeties 1 2 3
1 130 125 135
2 129 131 129
3 128 130 131
4 126 129 128
5 130 127 130
Totais 643 642 653
De acordo com os resultados obtidos, pede-se.
a) Quais foram os tratamentos neste experimento?
b) Qual foi a unidade experimental nesta pesquisa?
c) Qual foi a varivel resposta neste experimento?
d) Quais foram os Princpios Bsicos da Experimentao utilizados pelo pesquisador neste
experimento?
e) Qual foi o delineamento utilizado na instalao deste experimento?
_____________________________________________________________________
45
f) possvel concluir que existe diferena entre as tcnicas de preparao com relao ao
tempo mdio gasto para percorrer a distncia de 25 km? ( ) % 1 =
g) Qual seria a tcnica a ser recomendada?
5.2 Delineamento em Blocos Casualizados
O principal objetivo do planejamento e execuo de um experimento apontar
diferenas significativas entre os efeitos os nveis de um fator. Inicialmente isto realizado
mediante o teste F para o fator. Se o teste F for significativo, conclumos que os efeitos so
estatisticamente iguais e nada mais precisa ser feito. Por outro lado, se o teste F for
significativo, conclumos que existe diferena significativa nos efeitos dos nveis do fator. O
passo seguinte seria o uso de um procedimento de comparaes mltiplas para identificar
quais nveis dos fatores proporcionam efeitos significativamente diferentes entre si do ponto
de vista estatstico.
Tal como o teste F, todos os procedimentos de comparao mltipla tem como base
para o clculo do valor da diferena mnima significativa a estimativa da variabilidade
associada ao efeito do erro experimental, a qual conhecida como Quadrado Mdio do
Resduo (QMRes). Sendo assim fica fcil entender que, para o pesquisador conseguir atingir
o seu objetivo, apontar diferenas significativas entre os efeitos de nveis do fator, ele deve
planejar e executar o seu experimento de tal forma que a influncia do erro experimental seja
a menor possvel.
O uso do delineamento inteiramente casualizado pressupe que, as unidades
experimentais sejam e estejam durante todo o experimento em condies ambientais
completamente homogneas. Caso o pesquisador perceba que algum fator perturbe a
homogeneidade das unidades experimentais necessrio que o pesquisador controle o
efeito deste fator perturbador. Entenda-se aqui fator perturbador como uma fonte de variao
indesejvel entre as unidades experimentais ou nas condies ambientais. Um exemplo seria
a situao em que um pesquisador deseja comparar o efeito de analgsicos em cobaias. No
entanto as cobaias no so de mesma idade. Se o pesquisador achar que a idade da cobaia
pode influenciar na avaliao dos analgsicos, ele deve controlar o efeito do fator
perturbador idade.
O controle do efeito do fator perturbador feito pela formao de grupos, ou seja,
blocos de unidades experimentais homogneas e fazendo com que todos os nveis do fator
em estudo sejam avaliados em cada nvel do fator perturbador. No delineamento em blocos
casualizados (DBC), a distribuio ao acaso dos nveis do fator em estudo s unidades
experimentais, sofre a restrio de ser feita dentro de cada bloco. Portanto o DBC faz uso
dos trs princpios bsicos da experimentao: repetio, casualizao e controle na
casualizao. Vale lembrar que no DIC, no existe nenhuma restrio na casualizao, uma
vez que os nveis do fator em estudo so distribudos inteiramente ao acaso em relao a
todas as unidades experimentais.
Em experimentos instalados segundo o DBC, espera-se que as unidades
experimentais de um bloco estejam sob condies experimentais diferentes dos demais
blocos. Contudo, espera-se que haja homogeneidade das condies experimentais dentro de
cada bloco.
Se um pesquisador instala o seu experimento segundo o DBC, o efeito do fator
perturbador controlado, possibilitando assim quantificar e eliminar o seu efeito. Caso o
pesquisador no controle o efeito do fator perturbador, o seu efeito absorvido pelo erro
experimental. Tal absoro tende a provocar um aumento no valor do QMRes, o que pode
_____________________________________________________________________
46
acarretar em no identificar nenhuma diferena nos efeitos dos tratamentos, quando de fato
uma ou mais diferenas possam existir.
No entanto, a instalao de um experimento no DBC quando o mesmo no necessrio,
pode implicar na perda de eficincia do experimento, pois quando se instala um experimento
no DBC com J blocos, quando na verdade o DIC seria suficiente, so perdidos (J-1) graus de
liberdade para o resduo. No DBC o n
o
de graus de liberdade para o resduo menor.
Conseqente o F tabelado maior. Portanto maior dever ser a diferena entre os efeitos
dos nveis do fator para que tais diferenas atinjam significncia estatstica.
Para o DBC o modelo estatstico :
ij j i ij
e b t m Y + + + =
em adio aos termos definidos no modelo estatstico do DIC temos
j
b o efeito do bloco j no valor observado
ij
Y :
m m b
j j
=
ij
e o erro associado a observao
ij
Y :
j i ij ij
m m m Y e + =
O quadro da ANOVA para a anlise de um experimento instalado segundo o DBC do
seguinte tipo:

FV GL SQ QM F F

Blocos (J-1) SQBlocos - -
Trat (I-1) SQTrat
1 I
SQTrat

s Re QM
QMTrat

[(I-1);(I-1)(J-1)]
Resduo (I-1)(J-1) SQRes
( )( ) 1 J 1 I
s Re SQ

-
Total IJ - 1 SQTotal - -

=
= =

=
J
1 j
2
J , I
1 j , 1 i
ij
2
j
IJ
Y
I
B
cos SQBlo e SQResduo = SQTotal - SQTratamentos - SQBlocos
Geralmente, o que interessa na anlise de um experimento, avaliar se existe diferena
entre os tratamentos, o que pode ser verificado por meio do teste F para tratamentos.

Exemplo 2 DBC. Num experimento de competio de variedades de milho, as produes
em kg/parcela de 60 m
2
foram:
Blocos
Variedades B
1
B
2
B
3
B
4
B
5
Totais
V
1
35,4 30,6 28,7 36,2 29,2 160,1
V
2
42,8 35,4 29,2 35,1 34,8 177,3
V
3
16,3 16,2 13,5 20,3 19,4 85,7
V
4
15,8 14,5 10,4 21,6 18,3 80,6
V
5
21,5 18,7 15,8 25,4 25,2 106,6
V
6
19,3 23,2 14,2 21,7 28,8 107,2
Totais 151,1 138,6 111,8 160,3 155,7 717,5

Resoluo:
Quadro da ANOVA
_____________________________________________________________________
47
FV GL SQ QM F F
1%
Blocos 4 252,96 - - -
Tratamentos 5 1592,50 318,50 36,57
* *
(5;20)=4,10
Resduo 20 174,12 8,71
Total 29 2019,58
* *

- As somas de quadrados (SQ) foram obtidas da seguinte maneira:
( )
( )
5 , 2019
5 x 6
8 , 28 4 , 35
8 , 28 4 , 35 SQTotal
2
2 2
=
+ +
+ + =
K
K
( ) 96 , 252
30
5 , 717
7 , 155 1 , 151
6
1
cos SQBlo
2
2 2
= + + = K
( ) 50 , 1592
30
5 , 717
2 , 107 1 , 160
5
1
SQTrat
2
2 2
= + + = K
SQRes = 2019,58 - 252,96 - 1592,50 = 174,12

- Os quadrados mdios (QM) foram obtidos da seguinte maneira:
71 , 8
20
12 , 174
s Re GL
s Re SQ
s Re QM
50 , 318
5
5 , 1592
GLTrat
SQTrat
QMTrat
= = =
= = =

- O valor do F calculado ser: 57 , 36
71 , 8
50 , 318
s Re QM
QMTrat
F
calc
= = =

- Teste F:

0 a
6 5 4 3 2 1 0
H no : H
m m m m m m m : H = = = = = =
( ) 10 , 4 20 , 5 F F
% 1 tab
= =

tab calc
F F > , rejeita-se H
0
pelo menos um contraste entre as mdias das variedades de milho estatisticamente diferente
de zero.

- Preciso do experimento:
% 34 , 12 100
92 , 23
71 , 8
100
m
s Re QM
(%) . V . C = = =
92 , 23
30
5 , 717
IJ
y
N
G
m
j i
j i
= = = =

QMRes = 8,71

- TESTE DE TUKEY:
Resoluo:
j i para
m m : H
m m : H
j i a
j i o
=

- Clculo das mdias dos cultivares:
_____________________________________________________________________
48
; kg 44 , 21
5
2 , 107
m
; kg 32 , 21
5
6 , 106
m
; kg 12 , 16
5
6 , 80
m
; kg 14 , 17
5
7 , 85
m
; kg 46 , 35
5
3 , 177
m
; kg 02 , 32
5
1 , 160
m
6 V 5 V 4 V
3 V 2 V 1 V
= = = = = =
= = = = = =


46 , 35 m
2 V
=
a
02 , 32 m
1 V
=
a
44 , 21 m
6 V
=
b
32 , 21 m
5 V
=
b
14 , 17 m
3 V
=
b
12 , 16 m
4 V
=
b
- Clculo da D.M.S.: 27 , 7
5
71 , 8
51 , 5
r
s Re QM
q = = =
( ) ( ) 51 , 5 20 , 6 q n , n q q
% 1 2 1
= = =

44 , 3 02 , 32 46 , 35 m
1 V 2 V 1
0

02 , 14 44 , 21 46 , 35 m
6 V 2 V 2
0

58 , 10 44 , 21 02 , 32 m
6 V 1 V 3
0

12 , 0 32 , 21 44 , 21 m
5 V 6 V 4
0

30 , 4 14 , 17 44 , 21 m
3 V 6 V 5
0
32 , 5 12 , 16 44 , 21 m
4 V 6 V 6
0

- Concluso: Mdias seguidas por pelo menos uma mesma letra, no diferem entre si
ao nvel de 1% de probabilidade pelo teste de Tukey. As variedades de milho V
1
e V
2

apresentaram maiores produes.
Os resultados obtidos para a anlise de varincia e aplicaes de testes de mdias
para os dados do Exemplo 2 DBC, podem ser obtidos no SAS com a execuo do seguinte
programa (prog_ex_dbc)
TITLE 'EXEMPLO - DBC';
DATA EX_DBC;
INPUT VARIED BLOCO PROD @@;
CARDS;
1 1 35.4 1 2 30.6 1 3 28.7 1 4 36.2 1 5 29.2
2 1 42.8 2 2 35.4 2 3 29.2 2 4 35.1 2 5 34.8
3 1 16.3 3 2 16.2 3 3 13.5 3 4 20.3 3 5 19.4
4 1 15.8 4 2 14.5 4 3 10.4 4 4 21.6 4 5 18.3
5 1 21.5 5 2 18.7 5 3 15.8 5 4 25.4 5 5 25.2
6 1 19.3 6 2 23.2 6 3 14.2 6 4 21.7 6 5 28.8
;
RUN;
PROC ANOVA DATA=EX_DBC;
CLASS VARIED BLOCO;
MODEL PROD = VARIED BLOCO;
MEANS VARIED / TUKEY ALPHA=0.05;
RUN;
_____________________________________________________________________
49
QUIT;

Em comparao com o programa elaborado para a anlise de um DIC, o programa
elaborado para a anlise dos dados oriundos de um DBC apresenta as seguintes diferenas:
- necessrio em INPUT declarar uma varivel que identifica os blocos, no presente
exemplo esta varivel foi identifica por BLOCO;
- necessrio ter nos dados uma coluna para identificar de qual bloco o valor da varivel
resposta foi coletado;
- necessrio tanto em CLASS como em MODEL declarar a varivel BLOCO para que
ela seja considerada como qualitativa na anlise de varincia.
A sada obtida com a execuo deste programa, por pgina de sada do SAS,

Pgina 1

Exemplo - DBC 1
The ANOVA Procedure

Class Levels Values
var 6 1 2 3 4 5 6
bloco 5 1 2 3 4 5


Observa-se que so listadas duas variveis classificatrias (var e bloco), pois estas
duas foram declaradas em CLASS.

Pgina 2

Exemplo - DBC 2
The ANOVA Procedure

Dependent Variable: prod
Sum of
Model 9 1845.458333 205.050926 23.55 <.0001
Error 20 174.123333 8.706167

R-Square Coeff Var Root MSE prod Mean
0.913782 12.33709 2.950621 23.91667

var 5 1592.501667 318.500333 36.58 <.0001
bloco 4 252.956667 63.239167 7.26 0.0009

Tambm em relao, ao DIC, pode-se observar que na primeira ANOVA a fonte de
variao Model composta pelos dois termos do modelo (var e bloco). Na segunda ANOVA
apresentada a decomposio para estas duas fontes de variao.

_____________________________________________________________________
50
Pgina 3

Exemplo - DBC 3
The ANOVA Procedure

Tukey's Studentized Range (HSD) Test for prod

Alpha 0.05



A 35.460 5 2
A
A 32.020 5 1
B 21.440 5 6
B
B 21.320 5 5
B
B 17.140 5 3
B
B 16.120 5 4

Nota: necessrio identificar qual foi o delineamento utilizado.

Um Engenheiro-Agrcola, com o objetivo de verificar qual tipo de pneu que proporciona
menor consumo de combustvel, para trabalhar em terrenos encharcados, testou 4 diferentes
tipos de pneus. Como a rea que dispunha para realizar o experimento era heterognea com
relao declividade, ele subdividiu a rea total em 3 subreas de tal forma que dentro de
cada uma delas existia uniformidade com relao declividade. Aps isto, dentro de cada
subrea realizou um sorteio ao acaso, dos tipos de pneus s unidades experimentais. Com a
realizao da pesquisa, obteve-se os seguintes resultados de consumo expressos em
litros/hora trabalhada.

Pneu
Sub-reas Tipo 1 Tipo 2 Tipo 3 Tipo 4
1 30 32 33 35
2 29 30 31 33
3 25 26 30 31

Por meio das informaes fornecidas acima, pede-se (use o nvel de 5% de
significncia, quando necessrio).
a) Quais foram os tratamentos neste experimento?
b) Qual foi a unidade experimental nesta pesquisa?
c) Qual foi a varivel resposta neste experimento?
_____________________________________________________________________
51
d) Quais foram os Princpios Bsicos da Experimentao utilizados pelo pesquisador
neste experimento?
e) Qual foi o delineamento utilizado na instalao deste experimento?
f)Em termos do consumo, conclua com relao aos tipos de pneus, por meio de uma
anlise de varincia.
g)Qual tipo de pneu que proporciona o pior consumo? Use o teste Duncan, se necessrio.
5.3 Delineamento em Quadrado Latino
No Delineamento em Quadrado Latino (DQL), alm dos princpios da repetio e da
casualizao, , tambm, utilizado o princpio do controle na casualizao para controlar o
efeito de dois fatores perturbadores que causam variabilidade entre as unidades
experimentais. Para controlar esta variabilidade, necessrio dividir as unidades
experimentais em blocos homogneos de unidades experimentais em relao a cada fator
perturbador. O nmero de blocos para cada fator perturbador deve ser igual ao nmero de
tratamentos. Por exemplo, se no experimento esto sendo avaliados I tratamentos, deve ser
formado para cada fator perturbador I blocos. Cada um destes blocos deve conter I unidades
experimentais. Ao final so necessrios I
2
unidades experimentais. Cada uma destas I
2

unidades experimentais classificada segundo cada um dos dois fatores perturbadores.
Uma vez formados os blocos, distribui-se os tratamentos ao acaso com a restrio que
cada tratamento seja designado uma nica vez em cada um dos blocos dos dois fatores
perturbadores.
Geralmente, na configurao de um experimento instalado segundo o DQL, os nveis de
um fator perturbador so identificados por linhas e os nveis do outro fator perturbador so
identificados por colunas num tabela de dupla entrada.
O delineamento em quadrado latino apresenta o seguinte modelo estatstico:
) k ( ij k j i ) k ( ij
e t c l m Y + + + + = ,
em que,
) k ( ij
Y o valor observado para a varivel em estudo referente ao k-simo tratamento, na
i-sima linha e na j-sima coluna;
m mdia de todas as unidades experimentais para a varivel em estudo;
i
l o efeito da linha i;
j
c o efeito da coluna j;
k
t o efeito do tratamento k;
) k ( ij
e o erro experimental.
Admitindo-se I tratamentos, conseqentemente I linhas e I colunas, o esquema da
anlise de varincia fica:

FV GL SQ QM F F

Linhas I-1 SQL - -
Colunas I-1 SQC - -
Tratamentos I-1 SQTrat
1 I
SQTrat

s Re QM
QMTrat

[(I-1);(I-1)(I-2)]
Resduo (I-1)(I-2) SQRes
( )( ) 2 I 1 I
s Re SQ

-
Total I
2
-1 SQTotal

_____________________________________________________________________
52
Considerando L
i
= Total da linha i; C
j
= Total da coluna j; T
k
= Total do tratamento k e G =
total geral, as somas de quadrados so obtidas por:
2
2 2
j , i
2
ij
I
G
I I
G
C onde , C Y SQTotal =
= =

C L
I
1
SQL
I
1 i
2
i
=

=
C C
I
1
SQC
J
1 j
2
j
=

=
C T
I
1
SQTrat
K
1 k
2
i
=

=

SQTrat SQC SQL SQTotal siduo Re SQ =
Exemplo 3 DQL. Num laboratrio devem ser comparados 5 mtodos de anlise (A, B, C, D
e E) quanto ao tempo gasto em uma reao qumica. Sabe-se que os fatores dia e perodo
podem causar variabilidade indesejada na avaliao dos mtodos. Por causa disso, cada
mtodo foi avaliado em cada um dos dias e tambm em cada um dos perodos. Os
resultados obtidos com a realizao do experimento so apresentados no quadro
apresentado a seguir

Dia
Perodo 1 2 3 4 5 Totais
1 40,8 57,3 61,8 38,6 50,6 249,1
A E C D B
2 66,3 46,5 54,8 38,7 30,2 236,5
C B E A D
3 33,4 70,6 53,2 41,7 50,1 249,0
D C A B E
4 60,2 35,6 54,2 64,0 45,3 259,3
E D B C A
5 51,7 48,7 29,8 55,3 65,7 251,2
B A D E C
Totais 252,4 258,7 253,8 238,3 241,9 1245,1

Proceda, usando = 5%
a) anlise de varincia;
b) Teste de Tukey
Resoluo:
a) Anlise de Varincia
Quadro da ANOVA
FV GL SQ QM F F
5%

Linhas 4 53,438 -
Colunas 4 58,718 -
Tratamentos 4 2853,958 713,490 31,19
*
(4:12)=3,26
Resduo 12 274,516 22,876
Total 24 3240,630
*

- As somas de quadrados (SQ) foram obtidas da seguinte maneira:
( )
( )
630 , 3240
25
7 , 65 8 , 40
7 , 65 8 , 40 SQTotal
2
2 2
=
+ +
+ + =
K
K
( ) 438 , 53
25
1 , 1245
2 , 251 1 , 249
5
1
SQL
2
2 2
= + + = K
_____________________________________________________________________
53
( ) 718 , 58
25
1 , 1245
9 , 241 4 , 252
5
1
SQC
2
2 2
= + + = K
( ) 958 , 2853
25
1 , 1245
7 , 277 7 , 226
5
1
SQTrat
2
2 2
= + + = K
Totais dos tratamentos:
7 , 277 1 , 50 3 , 55 8 , 54 3 , 57 2 , 60 T
6 , 167 2 , 30 6 , 38 8 , 29 6 , 35 4 , 33 T
4 , 328 7 , 65 0 , 64 8 , 61 6 , 70 3 , 66 T
7 , 244 6 , 50 7 , 41 2 , 54 5 , 46 7 , 51 T
7 , 226 3 , 45 7 , 38 2 , 53 7 , 48 8 , 40 T
E
D
C
B
A
= + + + + =
= + + + + =
= + + + + =
= + + + + =
= + + + + =

SQRes = SQTotal SQL - SQC - SQTrat = 3240,630 - 53,438 - 58,718 2853,958 = 274,516

- Os quadrados mdios (QM) foram obtidos da seguinte maneira:
876 , 22
12
516 , 274
s Re GL
s Re SQ
s Re QM
490 , 713
4
958 , 2853
GLTrat
SQTrat
QMTrat
= = =
= = =

- O valor do F calculado ser:
19 , 31
876 , 22
490 , 713
s Re QM
QMTrat
F
calc
= = =

- Teste F:

0 a
E D C B A 0
H no : H
m m m m m m : H = = = = =
( ) 26 , 3 12 , 4 F F
% 5 tab
= =

tab calc
0
pelo menos um contraste entre as mdias dos tratamentos estatisticamente diferente de
zero.

- Preciso do experimento:
% 60 , 9 100
804 , 49
876 , 22
100
m
s Re QM
(%) . V . C = = =
804 , 49
25
1 , 1245
IJ
Y
N
G
m
j i
j i
= = = =

QMRes = 22,876

b) Teste de Tukey
Resoluo:
j i para
m m : H
m m : H
j i a
j i o
=

_____________________________________________________________________
54

68 , 65
5
4 , 328
m
C
= =
a
54 , 55
5
7 , 277
m
E
= =
b
94 , 48
5
7 , 244
m
B
= =
b c
34 , 45
5
7 , 226
m
A
= =
c
52 , 33
5
6 , 167
m
D
= =
d

5
876 , 22
51 , 4
r
s Re QM
q = = =
( ) ( ) 51 , 4 12 , 5 q n , n q q
% 5 2 1
= = =

14 , 10 m
E C 1
= = > , rejeita-se H
0

60 , 6 m
B E 2
= = < , no se rejeita H
0

20 , 10 m
A E 3
0

60 , 3 m
A B 4
= = < , no se rejeita H
0

42 , 15 m
D B 5
0
82 , 11 m
D A 6
0

- Concluso: Mdias seguidas por pelo menos uma mesma letra, no diferem entre si ao
nvel de 5% de probabilidade pelo teste de Tukey.

No data step para a anlise dos dados oriundos de um DQL necessrio ter no
conjunto de dados uma coluna para cada uma das fontes de variao (tratamentos, linhas,
colunas e varivel resposta) e declarar o nome de cada uma delas em INPUT.
Posteriormente, nas declaraes CLASS e MODEL alm de declarar a varivel que identifique
os tratamentos necessrio tambm declarar as variveis que identificam as linhas e
colunas.
No programa abaixo (prog_ex_dql.sas), a varivel que identifica as linhas a varivel
PER; a que identifica as colunas a varivel DIA; e a que identifica os tratamentos a
varivel MET; e a varivel resposta a varivel TEMPO.

TITLE 'EXEMPLO - DQL';
DATA EX_DQL;
INPUT PER DIA MET $ TEMPO @@;
CARDS;
1 1 A 40.8 1 2 E 57.3 1 3 C 61.8 1 4 D 38.6 1 5 B 50.6
2 1 C 66.3 2 2 B 46.5 2 3 E 54.8 2 4 A 38.7 2 5 D 30.2
3 1 D 33.4 3 2 C 70.6 3 3 A 53.2 3 4 B 41.7 3 5 E 50.1
4 1 E 60.2 4 2 D 35.6 4 3 B 54.2 4 4 C 64.0 4 5 A 45.3
5 1 B 51.7 5 2 A 48.7 5 3 D 29.8 5 4 E 55.3 5 5 C 65.7
_____________________________________________________________________
55
;
RUN;
PROC ANOVA DATA=EX_DQL;
CLASS PER DIA MET;
MODEL TEMPO = PER DIA MET;
MEANS MET / TUKEY ALPHA=0.05;
RUN;
QUIT;

Observa-se no programa anterior que na anlise dos dados de um experimento instalado
segundo o DQL, necessrio tanto em CLASS como em MODEL declarar as variveis que
identificam as linhas e colunas.

Pgina 1

Exemplo - DQL 1
The ANOVA Procedure

Class Levels Values
per 5 1 2 3 4 5
dia 5 1 2 3 4 5
met 5 A B C D E


Observa-se que so listadas trs variveis classificatrias (per, dia e met), pois estas
trs foram declaradas em CLASS.

Pgina 2

Exemplo - DQL 2
The ANOVA Procedure

Dependent Variable: tempo
Sum of
Model 12 2966.112800 247.176067 10.80 0.0001
Error 12 274.516800 22.876400

R-Square Coeff Var Root MSE tempo Mean
0.915289 9.603502 4.782928 49.80400

per 4 53.437600 13.359400 0.58 0.6803
dia 4 58.717600 14.679400 0.64 0.6430
met 4 2853.957600 713.489400 31.19 <.0001

_____________________________________________________________________
56
Na segunda ANOVA apresentada a decomposio do efeito de Model da anlise
anterior.
Pgina 3

Exemplo - DQL 3
The ANOVA Procedure

Tukey's Studentized Range (HSD) Test for tempo

Alpha 0.05


Tukey Grouping Mean N met
A 65.680 5 C
B 55.540 5 E
B
C B 48.940 5 B
C
C 45.340 5 A
D 33.520 5 D


O objetivo de um experimento foi estudar o efeito da poca de castrao no desenvolvimento
e produo de sunos. Dispunha-se para esse estudo, de 5 matrizes da mesma raa, que
foram submetidas mesma alimentao e manejo durante o perodo de gestao. Os
tratamentos foram: (A) Castrao aos 56 dias de idade; (B) Castrao aos 7 dias de idade;
(C) Castrao aos 36 dias de idade; (D) Inteiros; (E) Castrao aos 21 dias de idade. Foi
utilizado o delineamento em quadrado latino buscando controlar a variao entre leitegadas
(linhas) e a variao no peso inicial dos leites (colunas), sendo a parcela experimental
constituda de um leito. Os ganhos de pesos, em kg, aps o perodo experimental (28
semanas), esto apresentados no quadro abaixo:

Faixas de Peso Inicial
Leitegadas 1 2 3 4 5 Totais
1 93,0(A) 115,4(C) 116,9(E) 110,2(D) 110,4(B) 545,9
2 110,6(C) 96,5(E) 108,9(B) 97,6(A) 112,0(D) 525,6
3 102,1(B) 108,6(D) 77,9(A) 102,0(E) 111,7(C) 502,3
4 115,4(D) 94,9(A) 114,0(C) 100,2(B) 118,5(E) 543,0
5 117,6(E) 114,1(B) 118,7(D) 108,8(C) 80,2(A) 539,4
Totais 538,7 529,5 536,4 518,8 532,8 2656,2

Considerando % 5 = , pede-se fazer a anlise de varincia e aplicar o teste de Tukey,
se necessrio
_____________________________________________________________________
57
5.4 Experimentos Fatoriais
Experimentos fatoriais so aqueles em que se estudam simultaneamente dois ou mais
fatores, cada um deles com dois ou mais nveis. O fatorial um tipo de esquema, ou seja,
uma das maneiras de organizar os tratamentos e no um tipo de delineamento, que
representa a maneira pela qual os tratamentos so distribudos s unidades experimentais.
Na verdade, os experimentos fatoriais so montados segundo um tipo de delineamento
experimental, como por exemplo: o DIC e o DBC.
Nos experimentos fatoriais, os tratamentos so obtidos pelas combinaes dos nveis
dos fatores. Num experimento fatorial completo, cada nvel de um fator combina com todos
os nveis dos outros fatores. A principal aplicao de experimentos fatoriais quando se quer
saber sobre o efeito de diversos fatores que influenciam na varivel em estudo e o
relacionamento entre eles.
Nos experimentos fatoriais, podem ser estudados os seguintes efeitos:
- Efeito Principal: o efeito de cada fator, independente do efeito dos outros fatores;
- Efeito de Interao: o efeito simultneo dos fatores sobre a varivel em estudo.
Dizemos que ocorre interao entre os fatores quando os efeitos dos nveis de um fator so
modificados pelos nveis do outro fator.
O efeito da interao pode ser mais facilmente compreendido por meio de grficos.
Para ilustrar o efeito da interao, considere um experimento fatorial 3x2, em que os fatores
em testes so Variedade (V) e Espaamento (E). Os tratamentos para este experimento so
V1E1; V2E1; V3E1; V1E2; V2E2 e V3E2.

Suponha os seguintes resultados fictcios, para a varivel altura de plantas (cm), deste
experimento, nas seguintes situaes:

1) No h interao

Variedades
Espaamentos V1 V2 V3
E1 8 10 12
E2 6 8 10

Quando no h interao as diferenas entre os resultados dos nveis de um fator so
estatisticamente iguais para todos os nveis do outro fator.
Altura de
plantas (cm)
0
2
4
6
8
10
12
V1 V2 V3
E1
E2

2) H interao
_____________________________________________________________________
58
Variedades
Espaamentos V1 V2 V3
E1 2 4 6
E2 5 10 2

Quando h interao as diferenas entre os nveis de um fator dependem dos nveis
do outro fator.
Altura de
plantas (cm)
0
1
2
3
4
5
6
7
8
9
10
V1 V2 V3
E1
E2

Considere um experimento fatorial, com dois fatores: o fator A com I nveis e o fator B
com J nveis, instalados segundo o DIC, com K repeties. O modelo estatstico para um
experimento como este :
( )
ijk ij j i ijk
e m Y + + + + =
em que,
ijk
Y o valor observado para a varivel em estudo referente a k-sima repetio da
combinao do i-simo nvel do fator A com o j-simo nvel do fator B;
m a mdia de todas as unidades experimentais para a varivel em estudo;
i
o efeito do i-simo nvel do fator A no valor observado
ijk
Y ;
j
o efeito do j-simo nvel do fator B no valor observado
ijk
Y ;
( )
ij
o efeito da interao do i-simo nvel do fator A com o j-simo nvel do fator B;

ijk
e o erro associado a observao
ijk
Y .

Para um experimento fatorial instalado segundo o DBC, com K blocos, o modelo
estatstico seria:
( )
ijk
e
k
ij
j i
m
ijk
Y + + + + + =
em que,
k
o efeito do k-simo bloco na observao
A anlise de varincia de um experimento fatorial feita desdobrando-se a soma de
quadrados de tratamentos nas partes devido aos efeitos principais de cada fator e na parte
devido interao entre os fatores.
O quadro abaixo apresenta como seria a anlise de um experimento fatorial, com 2
fatores A e B, com I e J nveis, respectivamente, e K blocos, instalado segundo o DBC.

_____________________________________________________________________
59
FV GL SQ QM F F
tab,
A (I-1) SQA - - -
B (J-1) SQB - - -
AxB (I-1)(J-1) SQAxB
( )( ) 1 J 1 I
SQAxB

s Re QM
QMAxB
[(I-1)(J-1); n
2
]
(Trat) (IJ-1) (SQTrat) - - -
Blocos K-1 SQBlocos - - -
Resduo n
2
=(IJ-1)(K-1) SQRes
( ) 1 K ) 1 IJ (
s Re SQ

- -
Total IJK - 1 SQTotal - - -

As frmulas para a obteno das somas de quadrados so as seguintes:
C Y SQTotal
K , J , I
1 k , 1 j , 1 i
2
ijk
=

= = =

IJK
Y
C
2
K , J , I
1 k , 1 j , 1 i
ijk

=

= = =

C
K
Y
SQTrat
J , I
1 j , 1 i
2
. ij
=

= =
C
JK
A
SQA
I
1 i
2
i
=
=
C
IK
B
SQB
J
1 j
2
j
=
=
C
IJ
W
cos SQBlo
K
1 k
2
k
=
=

SQInterao = SQTrat SQA SQB

SQRes = SQTotal SQTrat - SQBlocos

em que,
- Total do ij-simo tratamento:
= =
=
j i
K
1 k
ijk ij
Y Y ) AB (
- Total do i-simo nvel do fator A:

= =

= =
i
K , J
1 k , 1 j
ijk i
Y Y A
- Total do j-simo nvel do fator B:

= =

= =
j
K , I
1 k , 1 i
ijk j
Y Y B
- Total do k-simo bloco:
k
J , I
1 j , 1 i
ijk k
Y Y W

= =

= =

- Total Geral:
L
Y B A Y G
J
1 j
j
I
1 i
i
K , J , I
1 k , 1 j , 1 i
ijk
= = = =

= = = = =

- Mdia do i-simo nvel do fator A:
JK
A
m
i
A
i
=
- Mdia do j-simo nvel do fator B:
IK
B
m
j
B
i
= ,
- Mdia geral:
N
G
m
=
- Nmero total de parcelas: N=IJK

Na anlise dos dados oriundos de um experimento fatorial, para os dois tipos de
delineamentos, deve-se inicialmente proceder ao teste F para a interao entre os fatores.
As hipteses para o teste F da interao so:
_____________________________________________________________________
60
: H
0
Os fatores A e B atuam independentemente sobre a varivel resposta em estudo.
: H
a
Os fatores A e B no atuam independentemente sobre a varivel resposta em
estudo.
O resultado deste teste F para a interao indica como as comparaes dos nveis de um
fator devem ser realizadas. Temos dois resultados possveis para o teste F da interao os
quais sero apresentados a seguir.
5.4.1 Interao no-significativa
Este caso ocorre quando a hiptese
0
H para a interao entre os fatores no
rejeitada. Este resultado implica que os efeitos dos fatores atuam de forma independente.
Portanto recomenda-se que as comparaes dos nveis de um fator sejam feitas de
forma geral em relao ao outro fator, ou seja, independente dos nveis outro fator. O passo
seguinte na anlise estatstica dos dados experimentais proceder ao teste F para cada
fator como ilustrado na tabela apresentada a seguir para o caso do DBC.

FV GL SQ QM F F
tab,
A (I-1) SQA
( ) 1 I
SQA

s Re QM
QMA
[(I-1);n2]
B (J-1) SQB
( ) 1 J
SQB

s Re QM
QMB
[(J-1);n2]
( )( ) 1 J 1 I
SQAxB

no-siginificativo -
(Trat) (IJ-1) (SQTrat) - - -
Blocos K-1 SQBlocos - - -
Resduo n
2
=(IJ-1)(K-1) SQRes
( ) 1 K ) 1 IJ (
s Re SQ

- -

As hipteses para realizar o teste F para os efeitos principais so

Fator A

AI 2 A 1 A 0
m ... m m : H = = = ou seja, todos os possveis contrastes entre as mdias dos nveis do
fator A, so estatisticamente nulos, ao nvel de probabilidade em que foi executado o
teste.
0 a
H no : H ou seja, existe pelo menos um contraste entre as mdias dos nveis do fator A,
que estatisticamente diferente de zero, ao nvel de probabilidade em que foi executado
o teste.

Fator B

BJ 2 B 1 B 0
fator B, so estatisticamente nulos, ao nvel de probabilidade em que foi executado o
teste.
_____________________________________________________________________
61
0 a
H no : H ou seja, existe pelo menos um contraste entre as mdias dos nveis do fator B,
o teste.

Se os fatores A e B forem qualitativos, e o teste F para A e/ou B, for no significativo, a
aplicao do teste de mdias desnecessria. Se o teste F for significativo, para A e/ou B,
aplica-se um teste de mdias para comparar os nveis do fator. As estimativas das mdias
dos nveis dos fatores so obtidas por
Fator A
JK
A
m
i
Ai
=
Fator B
IK
B
m
j
Bj
=

Para realizar o teste de Tukey para comparar as medias dos nveis dos fatores em teste
temos que usar

q
A
JK
s Re QM
q (I;n
2
)
B
IK
s Re QM
q (J;n
2
)

Para o teste de Duncan temos que usar

D
i
z
A
JK
s Re QM
z (n
A
;n
2
)
B
IK
s Re QM
z (n
B
;n
2
)

Em que n
A
e n
B
so os nmeros de mdias ordenadas abrangidas pelo contraste sendo
testados.
As hipteses para os testes Tukey e Duncan para comparar as mdias dos nveis dos
fatores so

Fator A H
0
: m
Ai
= m
Au
versus H
A
: m
Ai
m
Au
para i u = 1, 2, 3, ... , I
Fator B H
0
: m
Bj
= m
Bu
versus H
A
: m
Bj
m
Bu
para j u = 1, 2, 3, ... , J

5.4.2 Interao significativa
Este caso ocorre quando a hiptese H
0
para a interao entre os fatores rejeitada.
Este resultado implica que os efeitos dos fatores atuam de forma dependente. Neste caso as
comparaes entre os nveis de um fator levem em considerao o nvel do outro fator, pois
_____________________________________________________________________
62
o resultado significativo para a interao indica que o efeito de um fator depende do nvel do
outro fator.
Portanto, no recomendado realizar o teste F para cada fator isoladamente tal como
foi apresentado para o caso da interao no-significativa. O procedimento recomendado
realizar o desdobramento do efeito da interao.
Para realizar este desdobramento deve-se fazer uma nova anlise de varincia em
que os nveis de um fator so comparados dentro de cada nvel do outro fator, tal como
apresentado nas tabelas a seguir.
Desdobramento para comparar os nveis de A dentro de cada nvel de B, ou seja
estudar A/B

FV GL SQ QM F F
tab,
A/B1 (I-1) SQA/B1
( ) 1 I
1 B / SQA

s Re QM
1 B / QMA
[(I-1);n
2
]
A/B2 (I-1) SQA/B2
( ) 1 I
2 B / SQA

s Re QM
2 B / QMA
[(I-1);n
2
]
... ... ... ... ... ...
A/BJ (I-1) SQA/BJ
( ) 1 I
BJ / SQA

s Re QM
BJ / QMA
[(I-1);n
2
]
Resduo n
2
QMRes -

As hipteses para testar as fontes de variao da tabela acima, para j=1, 2, 3, ..., J,
so

H
0
: m
A1/Bj
= m
A2/Bj
= ... = m
AI/Bj

0 a
H no : H
Desdobramento para comparar os nveis de B dentro de cada nvel de A, ou seja
estudar B/A

FV GL SQ QM F F
tab,
B/A1 (J-1) SQB/A1
( ) 1 J
1 A / SQB

s Re QM
1 A / QMB
[(J-1);n
2
]
B/A2 (J-1) SQB/A2
( ) 1 J
2 A / SQB

s Re QM
2 A / QMB
[(J-1);n
2
]
... ... ... ... ... ...
B/AI (J-1) SQB/AI
( ) 1 J
AI / SQB

s Re QM
AI / QMB
[(J-1);n
2
]
Resduo n
2
QMRes -

As hipteses para testar as fontes de variao da tabela acima, para i=1, 2, 3, ..., I,
so

H
0
: m
B1/Ai
= m
B2/Ai
= ... = m
BJ/Ai

0 a
H no : H
Em que as SQA/Bj e SQB/Ai podem ser obtidas usando a frmula geral para a soma
de quadrados dada por
_____________________________________________________________________
63
=
=
=
=
k
1 i
i
2
k
1 i
i
k
1 i i
2
i
r
X
r
X
SQT
Se os fatores forem qualitativos, procede-se ao teste F para cada fonte de variao do
desdobramento. Nas fontes de variao em que o teste F foi significativo e o fator tem mais
de dois nveis, recomenda-se a aplicao de um teste de mdias. As estimativas das mdias
Fator A
K
A
m
i
Ai
=
Fator B
K
B
m
j
Bj
=

Para realizar o teste de Tukey para comparar as mdias dos nveis dos fatores em teste
temos que usar

q
A
K
s Re QM
q (I;n
2
)
B
K
s Re QM
q (J;n
2
)


D
i
z
A
K
s Re QM
z (n
A
;n
2
)
B
K
s Re QM
z (n
B
;n
2
)

Em que n
A
e n
B
testados.
fatores so

Fator A H
0
: m
Ai/Bj
= m
Au/Bj
versus H
A
: m
Ai/Bj
m
Au/Bj
para i u = 1, 2, 3, ... , I e j = 1, 2,..., J
Fator B H
0
: m
Bj/Ai
= m
Bu/Ai
versus H
A
: m
Bj/Ai
m
Bu/Ai
para j u = 1, 2, 3, ... , J e i = 1, 2,..., I

_____________________________________________________________________
64
Exemplo EF1. Seguindo o exemplo apresentado por BANZATTO e KRONKA
(1989), vamos considerar os dados de um experimento inteiramente casualizado, no
esquema fatorial 3x2, para testar os efeitos de 3 recipientes para produo de mudas de 2
espcies de eucaliptos, quanto a altura das mudas. Os recipientes e as espcies testadas
foram:
R
1
- saco plstico pequeno E
1
- Eucalyptus citriodora
R
2
- saco plstico grande E
2
- Eucalyptus grandis
R
3
- laminado

As alturas mdias das mudas, em cm, aos 80 dias de idade, so apresentadas a
seguir:
Repeties
Tratamentos 1 2 3 4 Totais
1 1
E R 1
26,2 26,0 25,0 25,4 102,6
2 1
E R 2
24,8 24,6 26,7 25,2 101,3
1 2
E R 3
25,7 26,3 25,1 26,4 103,5
2 2
E R 4
19,6 21,1 19,0 18,6 78,3
1 3
E R 5
22,8 19,4 18,8 19,2 80,2
2 3
E R 6
19,8 21,4 22,8 21,3 85,3

Resoluo:
Para facilitar o clculo das somas de quadrados devemos organizar um Quadro
Auxiliar, tambm chamado Quadro de Interao, relacionando os nveis dos dois fatores:
Quadro de Interao (Quadro Auxiliar)
Recipientes
Espcies R
1
R
2
R
3
Totais
E
1
102,6
(4)
103,5 80,2 286,3
(12)
E
2
101,3 78,3 85,3 264,9
Totais 203,9
(8)
181,8 165,5 551,2
(24)

- Clculo das somas de quadrados (SQ):
( )
23 , 12659
24
2 , 551
4 x 2 x 3
3 , 21 2 , 26
IJK
Y
C
2 2
2
k j i
k j i
= =
+ +
=
=

K

( ) 79 , 198 23 , 12659 3 , 21 2 , 26 C Y SQTotal
2 2
k j i
2
k j i
= + + = =
K
( ) ( ) 70 , 175 23 , 12659 3 , 85 6 , 102
4
1
C AB
K
1
SQTrat
2 2
j i
2
j i
= + + = =

K
( ) 86 , 92 23 , 12659 5 , 165 9 , 203
8
1
C A
JK
1
SQA SQR
2 2
i
2
i
= + + = = =

K
( ) 08 , 19 23 , 12659 9 , 264 3 , 286
12
1
C B
IK
1
SQB SQE
2 2
j
2
j
= + = = =

_____________________________________________________________________
65
76 , 63 08 , 19 86 , 92 70 , 175 SQE SQR SQTrat SQRxE = = =
09 , 23 70 , 175 79 , 198 SQTrat SQTotal s Re SQ = = =

- Clculo dos quadrados mdios:
( )
43 , 46
2
86 , 92
1 I
SQR
QMR = =
=
( )( )
88 , 31
2
76 , 63
1 J 1 I
SQRxE
QMRxE = =

=
( )
08 , 19
1
08 , 19
1 J
SQE
QME = =
=
( )
28 , 1
18
09 , 23
1 K IJ
s Re SQ
s Re QM = =
=

Quadro da ANOVA
FV GL SQ QM F
Recipientes (R) 2 92,86 46,43 36,27
Espcie (E) 1 19,08 19,08 14,91
Interao RxE 2 63,76 31,88 24,91
* *
(Tratamentos) (5) (175,70) - -
Resduo 18 23,09 1,28
Total 23 198,79
* *

- Teste F:
1
o
) Teste F para Interao RxE:
: H
0
Os fatores atuam independentemente.
: H
a
Os fatores no atuam independentemente.

91 , 24
28 , 1
88 , 31
s Re QM
QMRxE
F F
RxE calc
= = = = ( ) ( ) 01 , 6 18 , 2 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F > , rejeita-se
0
H ao nvel de 1% de probabilidade pelo teste F. Portanto os
fatores Recipiente e Espcie no atuam independentemente.

Como o teste F para Interao RxE foi significativo, isto , os fatores R e E no atuam
independentemente, no podemos estud-los isoladamente (estudo dos efeitos principais).
Devemos fazer o desdobramento da interao.

- DESDOBRAMENTO DA INTERAO:
O desdobramento da Interao consiste em:
Recipiente dentro de Espcie - R(E): estudar (ou comparar) os trs recipientes para
cada espcie de Eucalipto;
Espcie dentro de Recipiente - E(R): estudar (ou comparar) as duas espcies em
cada recipiente utilizado no experimento.
1. R(E): este desdobramento consiste em estudar o comportamento dos Recipientes para
cada uma das espcies separadamente, ou seja, Recipiente dentro da Espcie 1 -
R(E
1
), e Recipiente dentro da Espcie 2 - R(E
2
). Neste caso, temos:
- ANOVA:
Quadro da ANOVA
_____________________________________________________________________
66
FV GL SQ QM F
R(E
1
) 2 87,12 43,56 34,03
* *
R(E
2
) 2 69,50 34,75 27,15
* *

Resduo 18 - 1,28
* *
- Clculo das Somas de Quadrados:
( ) ( ) 12 , 87
12
3 , 286
2 , 80 5 , 103 6 , 102
4
1
E SQR
2
2 2 2
1
= + + =
( ) ( ) 50 , 69
12
9 , 264
3 , 85 3 , 78 3 , 101
4
1
E SQR
2
2 2 2
2
= + + =

R(E
1
)
- Teste F:

0 a
) 1 E ( 3 R ) 1 E ( 2 R ) 1 E ( 1 R 0
H no : H
m m m : H = =
( ) ( ) 01 , 6 18 , 2 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F > , rejeita-se
0
H ao nvel de 1% de probabilidade pelo teste F. Portanto existe
pelo menos um contraste entre as mdias dos Recipientes, para a Espcie 1,
estatisticamente diferente de zero. Resumindo: no caso da espcie Eucalyptus citriodora,
existe diferena significativa entre os trs recipientes.
Neste caso, para identificar quais foram os melhores recipientes para o
desenvolvimento da muda, devemos aplicar um teste de mdias, por exemplo Teste de
Tukey.

- Teste de Tukey:

j i para
m m : H
m m : H
j i a
j i o
=

- Clculo das mdias dos R(E
1
):
05 , 20
4
2 , 80
m
875 , 25
4
5 , 103
m
65 , 25
4
6 , 102
m
) 1 E ( 3 R ) 1 E ( 2 R ) 1 E ( 1 R
= = = = = =


875 , 25 m
) 1 E ( 2 R
=
a
650 , 25 m
) 1 E ( 1 R
=
a
050 , 20 m
) 1 E ( 3 R
=
b

4
28 , 1
70 , 4
r
s Re QM
q = = =
( ) ( ) 70 , 4 18 , 3 q n , n q q
% 1 2 1
= = =

ao nvel de 1% de probabilidade pelo teste de Tukey. As mudas da espcie Eucalyptus
_____________________________________________________________________
67
citriodora, cresceram mais quando foram utilizados os recipientes 1 e 2 (saco plstico
pequeno e grande).

R(E
2
)
- Teste F:

0 a
) 2 E ( 3 R ) 2 E ( 2 R ) 2 E ( 1 R 0
H no : H
m m m : H = =
( ) ( ) 01 , 6 18 , 2 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F > , rejeita-se
0
H ao nvel de 1% de probabilidade pelo teste F. Portanto existe
pelo menos um contraste entre as mdias dos Recipientes, para a Espcie 2,
estatisticamente diferente de zero. Resumindo: no caso da espcie Eucalyptus grandis,
existe diferena significativa entre os trs recipientes.

- Teste de Tukey:

j i para
m m : H
m m : H
j i a
j i o
=

- Clculo das mdias dos R(E
2
):
325 , 21
4
3 , 85
m
575 , 19
4
3 , 78
m
325 , 25
4
3 , 101
m
) 2 E ( 3 R ) 2 E ( 2 R ) 2 E ( 1 R
= = = = = =


325 , 25 m
) 2 E ( 1 R
=
a
325 , 21 m
) 2 E ( 3 R
=
b
575 , 19 m
) 2 E ( 2 R
=
b

4
28 , 1
70 , 4
r
s Re QM
q = = =
( ) ( ) 70 , 4 18 , 3 q n , n q q
% 1 2 1
= = =

ao nvel de 1% de probabilidade pelo teste de Tukey. As mudas da espcie Eucalyptus
grandis, cresceram mais quando foi utilizado o recipiente 2 (saco plstico grande).

_____________________________________________________________________
68
2. E(R): este desdobramento consiste em estudar o comportamento das Espcies em
cada Recipiente separadamente, ou seja, Espcie dentro do Recipiente 1 - E(R
1
), Espcie
dentro do Recipiente 2 - E(R
2
) e Espcie dentro do Recipiente 3 - E(R
3
). Neste caso, temos:

- ANOVA:
Quadro da ANOVA
FV GL SQ QM F
E(R
1
) 1 0,21 0,21 0,16
E(R
2
) 1 79,38 79,38 62,02
* *
E(R
3
) 1 3,25 3,25 2,54
Resduo 18 - 1,28
* *

- Clculo das Somas de Quadrados:
( ) ( ) 21 , 0
8
9 , 203
3 , 101 6 , 102
4
1
R SQE
2
2 2
1
= + =
( ) ( ) 38 , 79
8
8 , 181
3 , 78 5 , 103
4
1
R SQE
2
2 2
2
= + =
( ) ( ) 25 , 3
8
5 , 165
3 , 85 2 , 80
4
1
R SQE
2
2 2
3
= + =

E(R
1
)
- Teste F:

0 a
) 1 R ( 2 E ) 1 R ( 1 E 0
H no : H
m m : H =
( ) ( ) 29 , 8 18 , 1 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F < , no se rejeita
0
H ao nvel de 1% de probabilidade pelo teste F. O contraste
entre as mdias das Espcies, no Recipiente 1, estatisticamente nulo. Resumindo: no caso
do recipiente 1 (saco plstico pequeno), no houve diferena significativa entre a altura das
mudas das duas espcies de eucalipto.

E(R
2
)
- Teste F:

0 a
) 2 R ( 2 E ) 2 R ( 1 E 0
H no : H
m m : H =
( ) ( ) 29 , 8 18 , 1 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F < , rejeita-se
0
entre as mdias das Espcies, no Recipiente 2, estatisticamente diferente de zero.
Resumindo: no caso do recipiente 2 (saco plstico grande), houve diferena significativa
entre a altura das mudas das duas espcies de eucalipto, e a espcie Eucalyptus citriodora
cresceu mais.

Obs.: Neste caso, para identificar qual foi a espcie que cresceu mais no recipiente 2
(saco plstico grande), no h necessidade de aplicar teste de mdias. Isto no necessrio
porque ns temos apenas duas espcies, ento o prprio teste F conclusivo.

_____________________________________________________________________
69
E(R
3
)
- Teste F:

0 a
) 3 R ( 2 E ) 3 R ( 1 E 0
H no : H
m m : H =
( ) ( ) 29 , 8 18 , 1 F n , n F F
% 1 2 1 tab
= = =

tab calc
F F < , no se rejeita
0
entre as mdias das Espcies, no Recipiente 3, estatisticamente nulo. Resumindo: no caso
do recipiente 3 (laminado), no houve diferena significativa entre a altura das mudas das
duas espcies de eucalipto.

No data step de um programa SAS, para a anlise de dados de um experimento fatorial,
necessrio ter no conjunto de dados uma coluna para cada uma das fontes de variao
(fator A, fator B e varivel resposta) de um experimento fatorial instalado segundo o DIC e
declarar o nome de cada uma delas em INPUT. Posteriormente, na declarao CLASS
declara-se a varivel que identifique cada fator. Adicionalmente em MODEL declara-se
tambm a interao entre os fatores.
Se o experimento tiver sido instalado no DBC, necessrio ter mais uma coluna do
conjunto de dados que identifique a repetio e declar-la em INPUT, CLASS e MODEL.
O programa (prog_ex_ef) abaixo realiza a anlise do exemplo apresentado anteriormente
em que os fatores em avaliao so RECIPIENTE e ESPCIE; e a varivel resposta
ALTURA.

TITLE 'EXEMPLO - EF1';
DATA EX_EF1;
INPUT RECIPIENTE ESPECIE ALTURA @@;
CARDS;
1 1 26.2 1 1 26.0 1 1 25.0 1 1 25.4
1 2 24.8 1 2 24.6 1 2 26.7 1 2 25.2
2 1 25.7 2 1 26.3 2 1 25.1 2 1 26.4
2 2 19.6 2 2 21.1 2 2 19.0 2 2 18.6
3 1 22.8 3 1 19.4 3 1 18.8 3 1 19.2
3 2 19.8 3 2 21.4 3 2 22.8 3 2 21.3
;
RUN;
PROC GLM DATA=EX_EF1;
CLASS RECIPIENTE ESPECIE;
MODEL ALTURA = RECIPIENTE ESPECIE RECIPIENTE*ESPECIE / SS3;
LSMEANS RECIPIENTE*ESPECIE / SLICE=ESPECIE;
LSMEANS RECIPIENTE*ESPECIE / SLICE=RECIPIENTE;
RUN;
QUIT;

Observe que no modelo anterior que, caso o usurio deseje avaliar o efeito da
interao entre os fatores, deve-se incluir este efeito na declarao MODEL.
A declarao LSMEANS com a opo SLICE permite realizar o desdobramento da
interao.

_____________________________________________________________________
70

Pgina 1

Exemplo - EF1 1
The GLM Procedure

Class Levels Values
recipiente 3 1 2 3
especie 2 1 2


Pgina 2

Exemplo - EF1 2
The GLM Procedure

Dependent Variable: altura
Sum of
Model 5 175.7033333 35.1406667 27.39 <.0001
Error 18 23.0900000 1.2827778

R-Square Coeff Var Root MSE altura Mean
0.883849 4.931485 1.132598 22.96667

Source DF Type III SS Mean Square F Value Pr > F
recipiente 2 92.86083333 46.43041667 36.20 <.0001
especie 1 19.08166667 19.08166667 14.88 0.0012
recipiente*especie 2 63.76083333 31.88041667 24.85 <.0001

Observe que na segunda ANOVA, realizado um teste F para cada um dos termos
declarados em MODEL. J que o teste F para a interao foi significativo, no faz sentido
interpretar o resultado do teste F apresentado pelo SAS para as fontes de variao recipiente
e espcie.

_____________________________________________________________________
71
Pgina 3

Exemplo - EF1 3
The GLM Procedure
Least Squares Means
altura
recipiente especie LSMEAN
1 1 25.6500000
1 2 25.3250000
2 1 25.8750000
2 2 19.5750000
3 1 20.0500000
3 2 21.3250000

Nesta Pgina 3, so apresentadas as mdias (Least Squares Means) obtidas para cada
um dos seis tratamentos do experimento.

Pgina 4

Exemplo - EF1 4
The GLM Procedure
Least Squares Means

recipiente*especie Effect Sliced by especie for altura

Sum of
especie DF Squares Mean Square F Value Pr > F
1 2 87.121667 43.560833 33.96 <.0001
2 2 69.500000 34.750000 27.09 <.0001

Nesta Pgina 4, apresentado o desdobramento da interao para comparar os
recipientes dentro de cada uma das duas espcies.

Pgina 5

Exemplo - EF1 5
The GLM Procedure
Least Squares Means

altura
recipiente especie LSMEAN
1 1 25.6500000
1 2 25.3250000
2 1 25.8750000
2 2 19.5750000
3 1 20.0500000
3 2 21.3250000
Nesta Pgina 5, novamente so apresentadas as mdias (Least Squares Means) obtidas
para cada um dos seis tratamentos do experimento, devido a segunda linha no programa
para LSMEANS.

_____________________________________________________________________
72
Pgina 6

Exemplo - EF1 6
The GLM Procedure
Least Squares Means

recipiente*especie Effect Sliced by recipiente for altura
Sum of
recipiente DF Squares Mean Square F Value Pr > F
1 1 0.211250 0.211250 0.16 0.6897
2 1 79.380000 79.380000 61.88 <.0001
3 1 3.251250 3.251250 2.53 0.1288

Nesta Pgina 6, apresentado o desdobramento da interao para comparar as
espcies dentro de cada um dos trs recipientes.

Quando a interao no-significativa, o recomendado estudar um fator
independente do outro. Neste caso as declaraes LSMEANS do programa anterior deveriam
ser substitudas pelas declaraes seguintes

LSMEANS RECIPIENTE / TUKEY;
LSMEANS ESPECIE / TUKEY;

5.5 Experimentos em Parcelas Subdivididas
Tal como no caso de fatorial, o termo parcelas subdivididas no se refere a um tipo de
delineamento e sim ao esquema do experimento, ou seja, a maneira pela qual os
tratamentos so organizados. Nos experimentos em parcelas subdivididas, em geral, estuda-
se simultaneamente dois tipos de fatores os quais so geralmente denominados de fatores
primrios e fatores secundrios.
Em um experimento em parcelas subdivididas, as unidades experimentais so
agrupadas em parcelas as quais devem conter um nmero de unidades experimentais
(subparcelas) igual ao nmero de nveis do fator secundrio. Na instalao os nveis do fator
primrio so distribudos s parcelas segundo um tipo de delineamento experimental (DIC,
DBC, etc.). Posteriormente os nveis do fator secundrio so distribudos ao acaso as
subpacerlas de cada parcela.
O modelo estatstico, para um experimento em parcelas subdivididas, varia de acordo
com o tipo de delineamento utilizado. Assim, para um experimento instalado segundo o DIC,
em que o fator A o fator primrio e o fator B o fator secundrio, o modelo estatstico :
( )
ijk ij j ik i ijk
e m Y + + + + + =
em que,
ijk
Y o valor observado para a varivel em estudo referente a k-sima repetio da
combinao do i-simo nvel do fator A com o j-simo nvel do fator B;
m a mdia de todas as unidades experimentais para a varivel em estudo;
i
o efeito do i-simo nvel do fator A no valor observado
ijk
Y ;
j
o efeito do j-simo nvel do fator B no valor observado
ijk
Y ;
( )
ij
o efeito da interao do i-simo nvel do fator A com o j-simo nvel do fator B;

ik
o efeito residual das parcelas, caracterizado como componente do erro (a);
_____________________________________________________________________
73
ijk
e o efeito residual das subparcelas, caracterizado como componente do erro (b).

Para um experimento em parcelas subdivididas instalado segundo o DBC, com K
blocos, o modelo estatstico seria:
( )
ijk
e
k
ij
j ik i
m
ijk
Y + + + + + + =
em que,
k
o efeito do k-simo bloco na observao.
O quadro a seguir, ilustra a tabulao de dados de um experimento em parcelas
subdivididas, com K repeties, no qual o fator primrio representado pelo fator A com I
nveis, e o fator secundrio representado pelo fator B com J nveis:

A1 A2 AI
Repetio B1 B2 ... BJ B1 B2 ... BJ ... B1 B2 ... BJ
1
111
Y
121
Y ...
1 J 1
Y
211
Y
221
Y ...
1 J 2
Y ...
11 I
Y
21 I
Y ...
1 IJ
Y
2
112
Y
122
Y ...
2 J 1
Y
212
Y
222
Y ...
2 J 2
Y ...
12 I
Y
22 I
Y ...
2 IJ
Y
... ... ... ... ... ... ... ... ... ... ... ... ... ...
K
K 11
Y
K 12
Y ...
JK 1
Y
K 21
Y
K 22
Y ...
JK 2
Y ...
K 1 I
Y
K 2 I
Y ...
IJK
Y
Total
11
Y
12
Y
...
J 1
Y

21
Y
22
Y
...
J 2
Y
...
1 I
Y
2 I
Y
...
IJ
Y

Deste quadro, pode-se tirar algumas informaes que posteriormente sero teis na
anlise de varincia:
- Total do ij-simo tratamento:
= =
=
j i
K
1 k
ijk ij
Y Y ) AB (
- Total do i-simo nvel do fator A:

= =

= =
i
K , J
1 k , 1 j
ijk i
Y Y A
- Total do j-simo nvel do fator B:

= =

= =
j
K , I
1 k , 1 i
ijk j
Y Y B
- Total Geral:
L
Y B A Y G
J
1 j
j
I
1 i
i
K , J , I
1 k , 1 j , 1 i
ijk
= = = =

= = = = =

- Total de Blocos:
= =
=
J , I
1 j , 1 i
ijk k
Y W
- Mdia do i-simo nvel do fator A:
JK
A
m
i
A
i
=
- Mdia do j-simo nvel do fator B:
IK
B
m
j
B
i
= ,
- Mdia geral:
N
G
m
=
- Nmero de parcelas Z = IK

- Nmero total de subparcelas: N
T
=IJK

_____________________________________________________________________
74
Para experimentos em parcelas subdivididas, pode-se montar dois quadros auxiliares.
O primeiro deles idntico ao visto para experimentos fatoriais que o quadro de totais de
tratamentos, cujos valores so obtidos pela soma de todas as repeties para o tratamento
em questo. Para a situao citada, o quadro de totais de tratamentos do seguinte tipo:

Fator A
Fator B
Totais
B1 B2 ... BJ
A1 Y
11.
Y
12.
... Y
1J.
A
1

A2 Y
21.
Y
22.
... Y
2J.
A
2

... ... ... ... ... ...
AI Y
I1.
Y
I2.
... Y
IJ.
A
I

Totais B
1
B
2
... B
j
G

O segundo quadro se refere ao quadro de totais de parcelas. Este quadro facilita o
clculo das somas de quadrados de parcelas. Para a situao acima, o quadro de totais de
parcelas do seguinte tipo:

Parcela
Fator A 1 2 ... Z Totais de A
A1 Y
1.1
Y
1.2
... Y
1.Z
A
1

A2 Y
2.1
Y
2.2
... Y
2.Z
A
2

... ... ... ... ... ...
AI Y
I.1
Y
I.2
... Y
I..
A
I

Totais de Parcelas P
1
P
2
... P
Z
G

Onde o total de Parcelas obtido por
=
=
J
1 j
ijk z
Y P

A anlise de varincia de um experimento em parcelas subdivididas feita
desdobrando os efeitos das parcelas e das subparcelas nas partes que as compem. Para
cada um destes desdobramentos, existe um resduo, o qual utilizado para testar o efeito
das fontes de variao pertinentes.
O quadro a seguir apresenta como seria a anlise de um experimento instalado segundo
o DBC com K repeties no esquema em parcelas subdivididas, em que o fator A com I
nveis foi designado s parcelas e o fator B com J nveis foi designado s subparcelas

_____________________________________________________________________
75
FV GL SQ QM F F
tab;
Blocos (K-1) SQBlocos - -
A (I-1) SQA
) 1 I (
SQA

-

Resduo(a) (I-1)(K-1) SQRes(a)
) 1 K )( 1 I (
) a ( sduo Re SQ

Parcelas IK-1 SQParcelas - -
B (J-1) SQB
) 1 J (
SQB

-

) 1 J )( 1 I (
SQAxB

) b ( s Re QM
QMAxB

[(I-1)(J-1); n
2
]
Resduo(b) n
2
= I(J-1)(K-1) SQRes(b)
) 1 K )( 1 J ( I
) b ( sduo Re SQ

-

Total IJ K- 1 SQTotal - -

em que:
C Y SQTotal
K , J , I
1 k , 1 j , 1 i
2
ijk
=

= = =

IJK
Y
C
K , J , I
1 k , 1 j , 1 i
ijk

=

= = =

C
IJ
W
cos SQBlo
K
1 K
2
K
=
=
C
J
P
SQParcelas
Z
1 z
2
z
=

=

C
K
Y
SQTrat
J , I
1 j , 1 i
2
. ij
=

= =
C
JK
A
SQA
I
1 i
2
I
=
=

C
IK
B
SQB
J
1 j
2
J
=
=
SQB SQA ) B , A ( SQ SQAxB =

SQRes(a) = SQParcelas - SQBlocos - SQA

SQRes(b) = SQTotal - SQParcelas - SQB - SQAxB

Tal como no esquema fatorial, na anlise dos dados oriundos de um experimento em
parcelas subdivididas deve-se inicialmente proceder ao teste F para a interao entre os
fatores. As hipteses para o teste F da interao so:
: H
0
Os fatores A e B atuam independentemente sobre a varivel resposta em estudo.
: H
a
Os fatores A e B no atuam independentemente sobre a varivel resposta em
estudo.
O resultado deste teste F para a interao indica como as comparaes dos nveis de
um fator devem ser realizadas. Temos dois resultados possveis para o teste F da interao
os quais sero apresentados a seguir.
5.5.1 Interao no-significativa
0
para a interao entre os fatores no
rejeitada. Este resultado implica que os efeitos dos fatores atuam de forma independente.
_____________________________________________________________________
76
Portanto recomenda-se que as comparaes dos nveis de um fator sejam feitas de
forma geral em relao ao outro fator, ou seja, independente dos nveis outro fator. O passo
seguinte na anlise estatstica dos dados experimentais proceder ao teste F para cada
fator como ilustrado na tabela apresentada a seguir para o caso do DBC.

FV GL SQ QM F F
tab;
Blocos (K-1) SQBlocos - -
A (I-1) SQA
) 1 I (
SQA

) a ( s Re QM
QMA

[(I-1); n
2
]
Resduo(a) n
2
= (I-1)(K-1) SQRes(a)
) 1 K )( 1 I (
) a ( s Re SQ

-
Parcelas IK-1 SQParcelas - -
B (J-1) SQB
) 1 J (
SQB

) b ( s Re QM
QMB

[(J-1); n
3
]
) 1 J )( 1 I (
SQAxB

no-signficativo -
Resduo(b) n
3
= I(J-1)(K-1) SQRes(b)
) 1 K )( 1 J ( I
) b ( s Re SQ

-
Total IJ K- 1 SQTotal - -

As hipteses para realizar o teste F para os efeitos principais so

Fator A

AI 2 A 1 A 0
fator A, so estatisticamente nulos, ao nvel de probabilidade em que foi executado o
teste.
0 a
H no : H ou seja, existe pelo menos um contraste entre as mdias dos nveis do fator A,
o teste.

Fator B

BJ 2 B 1 B 0
fator B, so estatisticamente nulos, ao nvel de probabilidade em que foi executado o
teste.
0 a
H no : H ou seja, existe pelo menos um contraste entre as mdias dos nveis do fator B,
o teste.

Se os fatores A e B forem qualitativos, e o teste F para A e/ou B, for no significativo, a
aplicao do teste de mdias desnecessria. Se o teste F for significativo, para A e/ou B,
aplica-se um teste de mdias para comparar os nveis do fator. As estimativas das mdias
Fator A
JK
A
m
i
Ai
=
_____________________________________________________________________
77
Fator B
IK
B
m
j
Bj
=

Para realizar o teste de Tukey para comparar as medias dos nveis dos fatores em teste
temos que usar

q
A
JK
) a ( s Re QM
q (I;n
2
)
B
IK
) b ( s Re QM
q (J;n
3
)


D
i
z
A
JK
s Re QM
z (n
A
;n
2
)
B
IK
s Re QM
z (n
B
;n
2
)

Em que n
A
e n
B
testados.
fatores so

Fator A H
0
: m
Ai
= m
Au
versus H
A
: m
Ai
m
Au
para i u = 1, 2, 3, ... , I
Fator B H
0
: m
Bj
= m
Bu
versus H
A
: m
Bj
m
Bu
para j u = 1, 2, 3, ... , J
5.5.2 Interao significativa
0
para a interao entre os fatores rejeitada.
Este resultado implica que os efeitos dos fatores atuam de forma dependente. Neste caso as
comparaes entre os nveis de um fator levem em considerao o nvel do outro fator, pois
o resultado significativo para a interao indica que o efeito de um fator depende do nvel do
outro fator.
Portanto, no recomendado realizar o teste F para cada fator isoladamente tal como
foi apresentado para o caso da interao no-significativa. O procedimento recomendado
realizar o desdobramento do efeito da interao.
Para realizar este desdobramento deve-se fazer uma nova anlise de varincia em
que os nveis de um fator so comparados dentro de cada nvel do outro fator, tal como
apresentado nas tabelas a seguir.
Para comparar os nveis de um fator principal em cada nvel do fator secundrio,
necessrio fazer uma combinao das duas estimativas obtidas para o erro experimental
bem como do nmero de graus de liberdade associado as mesmas. Esta combinao
denominada de resduo combinado (ResComb). A estimativa do quadrado mdio deste
resduo combinado obtida por
_____________________________________________________________________
78

( )
J
) b ( s Re QM 1 J ) a ( s Re QM
Comb s Re QM
+
=
O nmero de graus de liberdade associado a esta estimativa obtido pela frmula dos
graus de liberdade de Satterhwaitte (n*) dada por

( ) ( ) ( ) [ ]
( ) [ ]
( )
( ) ( ) [ ]
( ) b s Re . l . g
b s Re QM 1 J
a s Re . l . g
a s Re QM
b s Re QM 1 J a s Re QM
* n
2 2
2
+
+
=

Desdobramento para comparar os nveis de A dentro de cada nvel de B, ou seja
estudar A/B

FV GL SQ QM F F
tab,
A/B1 (I-1) SQA/B1
( ) 1 I
1 B / SQA

sComb Re QM
1 B / QMA
[(I-1);n*]
A/B2 (I-1) SQA/B2
( ) 1 I
2 B / SQA

sComb Re QM
2 B / QMA
[(I-1);n*]
... ... ... ... ... ...
A/BJ (I-1) SQA/BJ
( ) 1 I
BJ / SQA

sComb Re QM
BJ / QMA
[(I-1);n*]
ResComb n* QMResComb -

As hipteses para testar as fontes de variao da tabela acima, para j=1, 2, 3, ..., J,
so

H
0
: m
A1/Bj
= m
A2/Bj
= ... = m
AI/Bj

0 a
H no : H
Desdobramento para comparar os nveis de B dentro de cada nvel de A, ou seja
estudar B/A

FV GL SQ QM F F
tab,
B/A1 (J-1) SQB/A1
( ) 1 J
1 A / SQB

) b ( s Re QM
1 A / QMB

[(J-1);n
3
]
B/A2 (J-1) SQB/A2
( ) 1 J
2 A / SQB

) b ( s Re QM
2 A / QMB

[(J-1);n
3
]
... ... ... ... ... ...
B/AI (J-1) SQB/AI
( ) 1 J
AI / SQB

) b ( s Re QM
AI / QMB

[(J-1);n
3
]
Res(b) n
3
QMRes(b) -

As hipteses para testar as fontes de variao da tabela acima, para i=1, 2, 3, ..., I,
so

H
0
: m
B1/Ai
= m
B2/Ai
= ... = m
BJ/Ai

_____________________________________________________________________
79
0 a
H no : H
Em que as SQA/Bj e SQB/Ai podem ser obtidas usando a frmula geral para a soma
de quadrados dada por
=
=
=
=
k
1 i
i
2
k
1 i
i
k
1 i
i
2
i
r
X
r
X
SQT
Se os fatores forem qualitativos, procede-se ao teste F para cada fonte de variao do
desdobramento. Nas fontes de variao em que o teste F foi significativo e o fator tem mais
de dois nveis, recomenda-se a aplicao de um teste de mdias. As estimativas das mdias
Fator A
K
A
m
i
Ai
=
Fator B
K
B
m
j
Bj
=

Para realizar o teste de Tukey para comparar as mdias dos nveis dos fatores em teste
temos que usar

q
A

K
sComb Re QM
q (I;n
*
)
B

K
) b ( s Re QM
q (J;n
3
)


D
i
z
A

K
sComb Re QM
z (n
A
;n
*
)
B

K
) b ( s Re QM
z (n
B
;n
3
)

Em que n
A
e n
B
testados.
fatores so

Fator A H
0
: m
Ai/Bj
= m
Au/Bj
versus H
A
: m
Ai/Bj
m
Au/Bj
para i u = 1, 2, 3, ... , I e j = 1, 2,..., J
Fator B H
0
: m
Bj/Ai
= m
Bu/Ai
versus H
A
: m
Bj/Ai
m
Bu/Ai
para j u = 1, 2, 3, ... , J e i = 1, 2,.. , I

A declarao dos dados em DATA step idntica a dos experimentos fatoriais.
Porm, para um experimento em parcelas subdivididas, o programa deve indicar o quadrado
mdio do resduo correto para realizar o teste F para o fator principal, uma vez que o SAS
usa o quadrado mdio do Res(b) para testar todas as fontes de variao.
_____________________________________________________________________
80
Exemplo EPS1. Para se estudar o brix de mangas de acordo com a variedade e a posio
dos frutos em relao aos pontos cardeais, um pesquisador procedeu a coleta de 4 frutos,
cada um deles de um ponto cardeal, em cada um dos 3 exemplares de cada uma das 5
variedades em teste. Com base nos resultados (brix) fornecidos a seguir (GOMES, 1987),
pede-se usando o nvel de 5% de probabilidade, proceder a anlise de varincia e o teste
Tukey quando necessrio.

Variedades
B1
Norte
B2
Sul
B3
Leste
B4
Oeste
Totais
Parc
Totais
A1 Carlota
18,0 17,1 17,6 17,6 70,3
17,5 18,8 18,1 17,2 71,6
17,8 16,9 17,6 16,5 68,8
Totais Trat 53,3 52,8 53,3 51,3 210,7
A2 Extrema
16,3 15,9 16,5 18,3 67,0
16,6 14,3 16,3 17,5 64,7
15,0 14,0 15,9 15,2 60,1
Totais Trat 47,9 44,2 48,7 51,0 191,8
A3 Oliveira
16,0 16,2 17,9 16,1 66,2
19,5 14,9 15,0 15,3 64,7
16,3 16,4 16,0 16,4 65,1
Totais Trat 51,8 47,5 48,9 47,8 196,0
A4 Bourbon
16,6 15,2 14,2 15,5 61,5
15,9 13,2 18,0 17,3 64,4
17,5 15,8 16,7 18,4 68,4
Totais Trat 50,0 44,2 48,9 51,2 194,3
A5 Imperial
18,9 18,6 15,3 17,0 69,8
18,5 13,7 18,2 18,3 68,7
21,5 16,4 18,3 16,6 72,8
Totais Trat 58,9 48,7 51,8 51,9 211,3
Totais 261,9 237,4 251,6 253,2 1004,1 1004,1

Totais de Parcelas

(4) REP 1 REP 2 REP 3 Totais (12)
A1 70,3 71,6 68,8 210,7
A2 67,0 64,7 60,1 191,8
A3 66,2 64,7 65,1 196,0
A4 61,5 64,4 68,4 194,3
A5 69,8 68,7 72,8 211,3
1004,1 (60)

Totais de Tratamentos

(3) B1 B2 B3 B4 Totais (12)
A1 53,3 52,8 53,3 51,3 210,7
A2 47,9 44,2 48,7 51,0 191,8
A3 51,8 47,5 48,9 47,8 196,0
A4 50,0 44,2 48,9 51,2 194,3
A5 58,9 48,7 51,8 51,9 211,3
Totais (15) 261,9 237,4 251,6 253,2 1004,1 (60)

_____________________________________________________________________
81
O programa (prog_ex_eps) a seguir, se refere a anlise dos dados do Exemplo
EPS1.

TITLE 'EXEMPLO - EPS1';
DATA EX_EPS1;
INPUT VAR PONTO REP BRIX @@;
CARDS;
1 1 1 18.0 1 1 2 17.5 1 1 3 17.8
1 2 1 17.1 1 2 2 18.8 1 2 3 16.9
1 3 1 17.6 1 3 2 18.1 1 3 3 17.6
1 4 1 17.6 1 4 2 17.2 1 4 3 16.5
2 1 1 16.3 2 1 2 16.6 2 1 3 15.0
2 2 1 15.9 2 2 2 14.3 2 2 3 14.0
2 3 1 16.5 2 3 2 16.3 2 3 3 15.9
2 4 1 18.3 2 4 2 17.5 2 4 3 15.2
3 1 1 16.0 3 1 2 19.5 3 1 3 16.3
3 2 1 16.2 3 2 2 14.9 3 2 3 16.4
3 3 1 17.9 3 3 2 15.0 3 3 3 16.0
3 4 1 16.1 3 4 2 15.3 3 4 3 16.4
4 1 1 16.6 4 1 2 15.9 4 1 3 17.5
4 2 1 15.2 4 2 2 13.2 4 2 3 15.8
4 3 1 14.2 4 3 2 18.0 4 3 3 16.7
4 4 1 15.5 4 4 2 17.3 4 4 3 18.4
5 1 1 18.9 5 1 2 18.5 5 1 3 21.5
5 2 1 18.6 5 2 2 13.7 5 2 3 16.4
5 3 1 15.3 5 3 2 18.2 5 3 3 18.3
5 4 1 17.0 5 4 2 18.3 5 4 3 16.6
;
RUN;
PROC GLM DATA=EX_EPS1;
CLASS VAR PONTO REP;
MODEL BRIX = VAR PONTO VAR*PONTO REP(VAR)/ SS3;
TEST H=VAR E=REP(VAR);
MEANS VAR / TUKEY E=REP(VAR) ALPHA=0.05;
MEANS PONTO / TUKEY ALPHA=0.05;
RUN;
QUIT;

Observe neste programa que
- o correto teste F da anlise de varincia para o fator aplicado nas parcelas, obtido
com o uso da declarao TEST H=VAR E=REP(VAR);
- o Res(a) formado pelo efeito REP(VAR). Esta a razo pela qual necessrio
declarar a varivel que identifica as repeties na declarao CLASS. Alm disso,
necessrio declarar o Res(a) na declarao MODEL;
- para realizar o teste Tukey para o fator aplicado nas parcelas, necessrio informar
qual o resduo deve ser utilizado por meio da declarao E=.
_____________________________________________________________________
82

Pgina 1

Exemplo - EPS1 1
The GLM Procedure


Class Levels Values
var 5 1 2 3 4 5
ponto 4 1 2 3 4
rep 3 1 2 3


Pgina 2

Exemplo - EPS1 2
The GLM Procedure

Dependent Variable: brix

Sum of
Model 29 85.9715000 2.9645345 1.72 0.0720
Error 30 51.6050000 1.7201667

R-Square Coeff Var Root MSE brix Mean
0.624900 7.837175 1.311551 16.73500

var 4 29.54566667 7.38641667 4.29 0.0073
ponto 3 20.59783333 6.86594444 3.99 0.0167
var*ponto 12 20.11966667 1.67663889 0.97 0.4931
rep(var) 10 15.70833333 1.57083333 0.91 0.5340

Tests of Hypotheses Using the Type III MS for rep(var) as an Error Term

var 4 29.54566667 7.38641667 4.70 0.0215

O teste F correto para o fator var aplicado nas parcelas, aparece no final desta Pgina
2.
_____________________________________________________________________
83
Pgina 3

Exemplo - EPS1 3
The GLM Procedure

Tukey's Studentized Range (HSD) Test for brix

Alpha 0.05



A 17.6083 12 5
A
A 17.5583 12 1
A
A 16.3333 12 3
A
A 16.1917 12 4
A
A 15.9833 12 2

Observe que o teste Tukey para var usou o Res(a) conforme solicitado no programa.

Pgina 4

Exemplo - EPS1 4
The GLM Procedure
Tukey's Studentized Range (HSD) Test for brix

Alpha 0.05


Tukey Grouping Mean N ponto

A 17.4600 15 1
A
B A 16.8800 15 4
B A
B A 16.7733 15 3
B
B 15.8267 15 2

_____________________________________________________________________
84
6 Regresso Linear
Um fator em estudo num experimento pode ser classificado como qualitativo ou
quantitativo. Um fator qualitativo aquele onde os seus nveis diferem por algum atributo
qualitativo. Como exemplos tm-se variedades, tipos de defensivos, mtodos de conduzir
uma determinada tarefa, etc. Por outro lado, um fator quantitativo aquele onde os nveis se
diferem com relao a quantidade do fator. Como exemplos tm-se temperatura, umidade,
concentrao de um princpio ativo, nveis de insumo, pH, etc.
Quando o fator qualitativo, deve-se proceder anlise de varincia dos dados e s
comparaes entre mdias dos nveis do fator usando algum dos procedimentos para
comparaes mltiplas, quando o F for significativo. Para o caso de um fator quantitativo,
deve-se estudar o efeito do fator quantitativo p r meio de uma relao funcional entre o
mesmo e a varivel resposta. A tcnica indicada neste caso a anlise de regresso.
A anlise de regresso consiste na realizao de uma anlise estatstica com o
objetivo de verificar se a relao funcional estabelecida entre um fator quantitativo e uma
varivel resposta significativa. Em outras palavras, consiste na obteno de uma equao
que tenta explicar a variao significativa de uma varivel resposta em funo da variao
dos nveis de um ou mais fatores quantitativos.
Para tentar estabelecer uma equao que representa o fenmeno em estudo, pode-se
plotar um diagrama de disperso para verificar como se comportam os valores da varivel
resposta (Y) em funo da variao dos nveis do fator quantitativo (X).
O comportamento de Y em relao a X, pode se apresentar de diversas maneiras:
linear, quadrtico, cbico, exponencial, logartmico, etc. . Para se estabelecer o modelo para
explicar o fenmeno, deve-se verificar qual tipo de curva e equao de um modelo
matemtico que mais se aproxime dos pontos plotados no diagrama de disperso.
Contudo, pode-se verificar que os pontos do diagrama de disperso, no vo se
ajustar perfeitamente curva do modelo matemtico proposto. Haver na maioria dos
pontos, uma distncia entre os pontos do diagrama e aqueles obtidos quando a curva do
modelo proposto traada. Isto acontece, devido ao fato do fenmeno que est em estudo,
no ser um fenmeno matemtico e sim um fenmeno que est sujeito a influncias de
inmeros fatores. Assim, o objetivo da regresso obter um modelo matemtico que melhor
se ajuste aos valores observados de Y em funo da variao dos nveis da varivel X.
O modelo matemtico que ir ser ajustado deve satisfazer as seguintes condies:
- Modelo selecionado deve ser coerente para representar em termos prticos, o
fenmeno em estudo;
- Modelo deve conter apenas as variveis que so relevantes para explicar o fenmeno.
6.1 Modelo linear de 1 grau
O modelo estatstico para esta situao seria:
i i 1 0 i
e X Y + + =
em que
i
Y o valor observado para a varivel dependente Y no i-simo nvel da varivel
independente X;
0
a constante de regresso. Representa o intercepto da reta com o eixo dos Y;
1
o coeficiente de regresso. Representa a variao de Y em funo da variao de
uma unidade da varivel X;
i
X o i-simo nvel da varivel independente X ( ) n , , 2 , 1 i K = ; e
_____________________________________________________________________
85
i
e o erro que est associado distncia entre o valor observado Y
i
e o
correspondente ponto na curva, do modelo proposto, para o mesmo nvel i de X.
Utilizando o MMQ, no modelo de 1 grau, chegar-se- ao seguinte sistema de
equaes normais, para se obter as estimativas de
1 0
e :
+ =
+ =

= = =
= =
n
1 i
2
i 1
n
1 i
i 0
n
1 i
i i
n
1 i
i 1 0
n
1 i
i
X
X Y
X

n Y

Este sistema de equaes normais permite a obteno de estimativas de
1 0
e , que
minimizam a soma de quadrados dos erros. Uma vez obtidas estas estimativas, podemos
escrever a equao estimada usando
i 1 0 i
X

Y
+ =
6.2 Modelo linear de 2 grau
O modelo estatstico para esta situao seria:
i
2
i 2 i 1 0 i
e X X Y + + + =
em que,
i
Y o valor observado para a varivel dependente Y no i-simo nvel da varivel
independente X;
0
a constante de regresso;
1
o coeficiente de regresso;
i
X o i-simo nvel da varivel independente X ( ) n , , 2 , 1 i K = ;
2
o coeficiente de regresso;
2
i
X o i-simo nvel da varivel independente X, elevado ao quadrado;
i
e o erro que est associado distncia entre o valor observado Y
i
e o
correspondente ponto na curva para o mesmo nvel i de X.
Utilizando o MMQ, no modelo de 2 grau, chegar-se- ao seguinte sistema de
equaes normais, para se obter as estimativas de
2 1 0
e , :
+ + =
+ + =
+ + =

= = = =
= = = =
= = =
n
1 i
n
1 i
4
i 2
3
i 1
n
1 i
2
i 0
n
1 i
2
i i
n
1 i
n
1 i
3
i 2
2
i 1
n
1 i
i 0
n
1 i
i i
n
1 i
2
i 2
n
1 i
i 1 0
n
1 i
i
X
X Y
X
X Y
X
X

n Y

Uma vez obtidas estas estimativas, podemos escrever a equao estimada:
2
i 2 i 1 0 i
X
X

Y
+ + =
_____________________________________________________________________
86
6.3 Anlise de varincia da regresso
A equao estimada obtida, apenas estabelece uma relao funcional, entre a varivel
dependente e a varivel independente, para representar o fenmeno em estudo. Portanto a
simples obteno da equao estimada no responde ao pesquisador se a variao da
varivel independente influencia significativamente na variao da varivel dependente.
Para se responder a esta pergunta, necessrio realizar um teste estatstico para as
estimativas dos coeficientes da equao de regresso estimada. Um teste que pode ser
realizado para verificar tal fato o teste F da anlise de varincia. Portanto, necessrio
realizar uma anlise de varincia dos dados observados, em funo do modelo proposto.
Contudo, a estratgia da anlise de varincia depende se houve ou no repeties no
experimento.
6.3.1 Apenas um nico valor observado para cada nvel da varivel independente
Nesta situao no existe repetio. A nica estimativa da varincia residual aquela
dada pela falta de ajuste dos valores observados ao modelo ajustado. O quadro para a
anlise de varincia para a regresso para esta situao do seguinte tipo:

FV GL SQ QM F F
tab
Regresso p SQReg
p
g Re SQ
QMInd
g Re QM

( ) p 1 n ; p
Independente da Regresso n-1-p SQInd
p 1 n
SQInd

-
Total n-1 SQTotal

em que,
p = n
o
de coeficientes de regresso (no inclui o
0
)
n = n
o
de observaes.
As frmulas para a obteno das somas de quadrados total e da soma de quadrados
do independente da regresso so as mesmas, tanto para o modelo linear de 1
o
grau quanto
para o de 2
o
grau, as quais so dadas a seguir:
n
Y
Y SQTotal
2
n
1 i
i
n
1 i
2
i
=
=
SQInd = SQTotal - SQReg
J a soma de quadrados para a regresso varia de acordo com o modelo em teste.
Assim tem-se que, para o modelo linear de 1
o
grau, a soma de quadrados da regresso
obtida por:
n
Y
X Y
gresso Re SQ
2
n
1 i
i
n
1 i
i i 1
n
1 i
i 0
+ =

=
= =

Para o modelo linear de 2
o
grau, a soma de quadrados da regresso dada por:
n
Y
X Y
X Y
gresso Re SQ
2
n
1 i
i
n
1 i
2
i i 2
n
1 i
i i 1
n
1 i
i 0
+ + =

=
= = =

_____________________________________________________________________
87

As hipteses estatsticas para o teste F so as seguintes:

0 ... : H
p 2 1 0
= = = = , o que significa dizer que as p variveis independentes no exercem
influncia na varivel dependente, segundo o modelo proposto.
0 : H
i a
, para pelo menos um i, o que significa dizer que pelo menos uma das p variveis
independentes exerce influncia na varivel dependente, segundo o modelo proposto.
O valor de F da anlise de varincia, deve ser comparado, com o valor de F tabelado
( )
tab
F , o qual se obtm na tabela da distribuio F de acordo com o nvel de significncia do
teste, e o nmero de graus de liberdade para a regresso e independente da regresso, ou
seja:
( ) p 1 n ; p F F
tab
=

.
A regra decisria para o teste F :
- Se
tab
F F Rejeita-se
0
H ao nvel de significncia que foi realizado o teste. Pode-se
inferir que a varivel independente influncia significativamente a varivel
dependente Y.
- Se <
tab
F F No se rejeita
0
H ao nvel de significncia que foi realizado o teste. Pode-
se inferir que a varivel independente no influncia significativamente a varivel
dependente Y.
6.3.2 Mais de um valor observado para cada nvel da varivel independente
Nesta situao, existe mais de um valor observado para cada nvel da varivel
independente. Assim possvel obter uma estimativa da varincia residual tal como aquela
obtida em modelos de delineamento, o que no possvel quando se tem uma nica
observao para cada nvel da varivel independente.
Normalmente o que se faz numa situao como esta inicialmente proceder a uma
anlise de varincia usual considerando o efeito do fator quantitativo como se fosse a fonte
de variao tratamentos numa anlise de varincia usual. Isto realizado para que se
quantifique a varincia residual. Posteriormente, o efeito de tratamentos desdobrado nos
efeitos associado a um ajuste de um modelo de regresso e tambm a falta de ajuste deste
modelo. A escolha do modelo de regresso a ser ajustado aquele que mais se aproxima
dos pontos mdios observados para cada nvel da varivel independente. O quadro abaixo
resume o que acabou de ser descrito, para uma situao geral em que se est testando I
nveis da varivel independente em um experimento instalado segundo o delineamento
inteiramente casualizado com J repeties. Pressupe-se tambm que se est testando um
modelo de regresso com p coeficientes de regresso. O total de observaes neste
experimento igual a N=IJ.

_____________________________________________________________________
88
FV GL SQ QM F
Regresso p SQReg
p
g Re SQ

s Re QM
g Re QM

Falta de Ajustamento I 1 p SQFalta
1 I
SQFalta

s Re QM
QMFalta

(Tratamentos) I 1 SQTrat - -
Resduo I(J 1) SQRes
) 1 J ( I
s Re SQ

Total IJ 1 SQTotal - -

O teste F para a falta de ajustamento realizado para verificar se o modelo adotado
est se ajustando bem aos dados. Se o teste F para a falta de ajustamento for significativo,
indica que o modelo ajustado no apropriado e um novo modelo que se ajuste melhor aos
dados deve ser testado. Se por outro lado, a falta de ajustamento for no-significativa indica
que o modelo adotado se ajusta bem aos dados. Conseqentemente faz sentido analisar o
teste F para a fonte de variao regresso para saber se a varivel independente tem
influncia significativa sobre a varivel dependente. No caso de falta de ajustamento
significativa no faz sentido realizar o teste para a regresso, pois o modelo de regresso
no se ajustou significativamente aos dados.
As hipteses para a falta de ajustamento so:
H
o
: a falta de ajustamento no significativa
H
a
: a falta de ajustamento significativa
O valor tabelado de F para a falta de ajustamento encontrado usando
( ) p 1 I ; p F F
tab
=

A regra decisria para o teste F para a falta de ajustamento :

Se
tab
F F Rejeita-se
0
H ao nvel de significncia que foi realizado o teste. O
modelo adotado no se ajusta bem aos dados. Um novo modelo deve ser testado.

Se <
tab
F F No se rejeita
0
H ao nvel de significncia que foi realizado o teste. O
modelo adotado se ajusta bem aos dados. No h necessidade de se testar um novo
modelo. Procede-se ao teste F para regresso.

O teste F para a regresso idntico ao caso anterior, ou seja, com apenas uma
observao para cada nvel da varivel independente.
6.4 Coeficiente de determinao (R
2
)
O coeficiente de determinao fornece uma informao auxiliar ao resultado da
anlise de varincia da regresso, para verificar se o modelo proposto adequado ou no
para descrever o fenmeno.
Para o caso em que se tem uma nica observao para cada nvel da varivel
independente , o
2
R obtido por :
SQTotal
g Re SQ
R
2
=
J para o caso em que se tem mais de um valor observado para cada nvel da varivel
independente, o valor de
2
R obtido por:
_____________________________________________________________________
89
SQTrat
g Re SQ
R
2
=
O valor de
2
R varia no intervalo de 0 a 1. Valores prximos de 1 indicam que o
modelo proposto adequado para descrever o fenmeno.

Exemplo REG1. As produes mdias de leite de um grupo de vacas tratadas com
diferentes nveis de protena na rao foram as seguintes:
X 10 12 14 16 18 20 22 24 26 28
Y 11,8 12,0 12,1 13,2 14,1 14,4 15,6 16,0 16,4 17,0

em que,
X nvel de protena na rao em %;
Y produo de leite em kg.

Resoluo:
Do quadro acima, obtemos:
190 28 12 10 X
i
i
= + + + =
K 3940 28 12 10 X
2 2 2
i
2
i
= + + + =
K
6 , 142 0 , 17 8 , 11 Y
i
i
= + + =
K 38 , 2067 0 , 17 8 , 11 Y
2 2
i
2
i
= + + =
K
( ) ( ) ( ) 2814 0 , 17 28 0 , 12 12 8 , 11 10 Y X
i
i i
= + + + =
K n = 10

- Modelo proposto:
i i 1 0 i
e X Y + + =

- Obteno das estimativas dos coeficientes:
+ =
+ =
+ =
+ =

= = =
= =
1 0
1 0
n
1 i
2
i 1
n
1 i
i 0
n
1 i
i i
n
1 i
i 1 0
n
1 i
i
3940
190 2814
190
10 6 , 142
X
X Y
X

n Y

2370 , 8
3170 , 0
0
1
=
=

A equao de regresso estimada :
i i
X 3170 , 0 2370 , 8 Y
+ = ; esta equao obtida nos

indica que para cada aumento de 1% de protena na rao, espera-se, em mdia, um
aumento de 0,3170 kg na produo de leite. Porm, esta concluso vlida apenas no
intervalo estudado, ou seja, para nvel de protena na rao de 10 a 28%.

- Anlise de Varincia da regresso
FV GL SQ QM F
Regresso 1 33,1582 33,1582 355,77
* *
Independente da Regresso 8 0,7458 0,0932
Total 9 33,9040
* *

Clculo das somas de quadrados:
_____________________________________________________________________
90
9040 , 33
10
6 , 142
38 , 2067
n
y
y SQTotal
2
2
n
1 i
i
n
1 i
2
i
= =
=
=

1582 , 33
10
6 , 142
2814 3170 , 0 6 , 142 2370 , 8
n
Y
X Y
g Re SQ
2
2
n
1 i
i
n
1 i
i i 1
n
1 i
i 0
= + =
+ =

=
= =

SQInd = SQTotal - SQReg = 33,9040 - 33,1582 = 0,7458

Clculo do F: 77 , 355
0932 , 0
1582 , 33
QMInd
g Re QM
F
calc
= = =

Teste F:
0 : H
0 : H
1 0
1 0

=
( ) 26 , 11 ) 8 , 1 ( F p 1 n ; p F F
% 1 tab
= = =

tab calc
0
ao nvel de 1% de probabilidade pelo teste F. O modelo
proposto (1
o
grau) adequado para descrever a relao entre o nvel de protena na rao e
produo de leite.

Clculo do coeficiente de determinao
% 80 , 97 9780 , 0
9040 , 33
1582 , 33
SQTotal
g Re SQ
R
2
= = = =
Isto significa que 97,80% da variao total explicada pela regresso ajustada.

_____________________________________________________________________
91
Grfico:

O programa (prog_ex_reg_prim_grau) a seguir realiza a anlise de regresso linear
para os dados do Exemplo REG1.

TITLE 'EXEMPLO - REG1';
DATA AULA_SAS.EX_REG1;
INPUT X Y;
CARDS;
10 11.8
12 12.0
14 12.1
16 13.2
18 14.1
20 14.4
22 15.6
24 16.0
26 16.4
28 17.0
;
RUN;
PROC REG DATA=AULA_SAS.EX_REG1;
MODEL Y = X / XPX;
RUN;
QUIT;

Observaes:

- A declarao PROC REG solicita ao SAS que realize anlise de regresso com o
arquivo de trabalho EX_REG1;
- a declarao MODEL especifica que Y a varivel dependente e X a varivel
independente e tambm solicita que a matriz do sistema de equaes normais seja
apresentada.

0
5
10
15
20
0 5 10 15 20 25 30
Nvel de Protena (%)
P
r
o
d
u
o

d
e

L
e
i
t
e

(
k
g
)
Valores
observados
Equao
estimada
_____________________________________________________________________
92
Pgina 1

Exemplo - REG1 1
The REG Procedure
Model: MODEL1

Model Crossproducts X'X X'Y Y'Y
Variable Intercept x y
Intercept 10 190 142.6
x 190 3940 2814
y 142.6 2814 2067.38

Nesta Pgina 1 apresentada a os elementos do sistema de equaes normais.

Pgina 2

Exemplo - REG1 2
The REG Procedure
Model: MODEL1
Dependent Variable: y


Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 1 33.15503 33.15503 354.14 <.0001
Error 8 0.74897 0.09362

Root MSE 0.30598 R-Square 0.9779
Dependent Mean 14.26000 Adj R-Sq 0.9751
Coeff Var 2.14569

Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 8.23758 0.33433 24.64 <.0001
x 1 0.31697 0.01684 18.82 <.0001

Nesta Pgina 2 so apresentados a anlise de varincia, estimativas dos parmetros
da regresso bem como o teste t para cada um deles.

_____________________________________________________________________
93
Exemplo REG2. De acordo com os dados fornecidos abaixo para a varivel X (dose do
micronutriente Zn em ppm) e a varivel Y (matria seca em g/planta), verifique, usando o
nvel de 5% de probabilidade e o modelo linear de 2 grau, se a relao entre as variveis X
(independente) e Y (dependente) significativa.

X 1,0 2,5 4,0 5,5 7,0 8,5
Y 20,3 31,3 34,6 35,1 30,2 19,7

Para modelos de regresso de 2 grau, necessrio criar a 2 potncia da varivel
independente, na declarao INPUT. O programa (prog_ex_reg_seg_grau) abaixo faz a
anlise de regresso para os dados do Exemplo REG2 usando o modelo linear de 2
o
grau.

TITLE 'EXEMPLO - REG2';
DATA AULA_SAS.EX_REG2;
INPUT X Y;
X2 = X*X;
CARDS;
1.0 20.3
2.5 31.3
4.0 34.6
5.5 35.1
7.0 30.2
8.5 19.7
;
RUN;
PROC REG DATA=AULA_SAS.EX_REG2;
MODEL Y = X X2 / XPX;
RUN;
QUIT;

Pgina 1

Exemplo - REG2 1
The REG Procedure
Model: MODEL1

Model Crossproducts X'X X'Y Y'Y
Variable Intercept x x2 y
Intercept 6 28.5 174.75 171.2
x 28.5 174.75 1204.125 808.85
x2 174.75 1204.125 8832.1875 4734.425
y 171.2 808.85 4734.425 5121.08

_____________________________________________________________________
94

Pgina 2

Exemplo - REG2 2
The REG Procedure
Model: MODEL1
Dependent Variable: y


Analysis of Variance

Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 234.81498 117.40749 259.30 0.0004
Error 3 1.35836 0.45279

Root MSE 0.67289 R-Square 0.9942
Dependent Mean 28.53333 Adj R-Sq 0.9904
Coeff Var 2.35827

Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 11.24222 0.97376 11.55 0.0014
x 1 10.46770 0.47719 21.94 0.0002
x2 1 -1.11349 0.04895 -22.75 0.0002

7 Personalizando as sadas de programas
possvel que o usurio estabelea como os resultados de um programa sero
impressos. A seguir so dados algumas possibilidades.
7.1 Opes no DATA STEP
A declarao destas opes no obrigatria, no entanto, caso o usurio decida por
us-las, ele dever inform-las na primeira linha do seu programa, ou seja, antes do DATA
STEP. Algumas opes disponveis, bem como para que servem so fornecidas a seguir:

- CENTER | NOCENTER: esta opo possibilita centralizar ou descentralizar a sada;
- DATE | NODATE: esta opo permite que a data seja impressa ou no na sada;
- NUMBER | NONUMBER: esta opo permite que o nmero de pgina seja impresso
ou no na sada;
- LINESIZE=N largura: esta opo delimita o nmero de colunas em cada pgina
da sada;
- PAGESIZE=N; esta opo delimita o nmero de linhas em cada pgina da sada;
- PAGENO=N: esta opo delimita qual o primeiro nmero da pgina de sada.

Exemplo:
_____________________________________________________________________
95
Se para um determinado programa, desejamos que na sada no constasse a
data da execuo do programa, mas que o primeiro nmero da pgina de sada comece com
o nmero 5, ento deveramos escrever a seguinte linha antes do DATA STEP:

OPTIONS NODATE PAGENO=5;

7.2 Ttulos e notas de rodap
Os ttulos e notas de rodap podem ser definidos no DATA STEP ou no PROC step.
Vale lembrar que enquanto no forem definidas novas declaraes para ttulo e rodap, as
ltimas declaraes definidas ficam vigentes at que aquela sesso do SAS seja encerrada.
A forma geral para ttulo e rodap :

TITLEN TEXTO;
FOOTNOTEN TEXTO;

Fatos:
- o valor de n pode ser de 1 a 10;
- ttulos aparecem no topo da pgina;
- rodaps aparecem no fim da pgina;
- se nenhum ttulo especificado, o ttulo padro Sas System impresso;
- nenhum rodap impresso a no ser que algum seja especificado;

7.3 Descrevendo detalhadamente o nome das variveis
possvel descrever mais detalhadamente o nome de cada varivel por meio da
declarao LABEL.
A forma geral para a declarao LABEL :
LABEL VARIABLE1=LABEL
VARIABLE2=LABEL;
Fatos:
- as descries (labels) podem conter at 40 caracteres;
- so usadas automaticamente em muitos procedimentos;
- so permanentemente designadas s variveis se usadas no DATA STEP;
- existem para a durao de um step se designadas dentro de um PROC step.

8 Dicas que podem facilitar a edio de programas no SAS
8.1 Selecionar Texto
- uma simples palavra: duplo clique nela;
- uma linha inteira: mantenha pressionada a tecla CTRL enquanto voc seleciona a
linha;
- um bloco retangular de colunas no meio de uma linha: mantenha pressionada a
tecla ALT enquanto voc seleciona o bloco retangular de linhas;
- um grupo de linhas: mantendo a tecla SHIFT pressionada, clique onde a seleo
deve comear e onde ela deve terminar.
_____________________________________________________________________
96
8.2 Deletar texto
- a tecla DEL deleta o texto selecionado ou, se no houver nenhum texto a
selecionado, deleta o caractere direita.
- para deletar da corrente posio at o final da linha, pressione ALT+DEL;
- para deletar a corrente palavra, pressione CTRL+DEL;
- para deletar do cursor ao incio da corrente palavra, pressione CTRL+DEL.
8.3 Checar alguns erros de programao
Para checar a falta e/ou excesso de parnteses ou colchetes, posicione o cursor antes
do parnteses e pressione CTRL+]. Se nenhum outro parntese encontrado, o cursor no
se move.
8.4 Mover o cursor
Para ir a uma especfica linha, tecle CTRL+G e informe o nmero da linha desejada.
8.5 Criar marcadores de linhas
possvel criar marcadores de linha dentro de um programa para facilitar o encontro
de pontos de referncia dentro de um programa. A tabela abaixo indica como criar e eliminar
tais marcas.

Para... Pressione ...
Marcar uma linha CRTL + F2 numa linha no marcada
Desmarcar uma linha Ctrl + F2 numa linha marcada
Ir para a prxima marca F2
Ir para a marca anterior Shift + F2
8.6 Limpar Janelas
Para limpar uma janela e seu contedo pode-se usar:
- CTRL+E;
- selecionar CLEAR ALL no menu EDIT.
9 Bibliografia consultada

Cody, R. and R. Pass. 1995. SAS Programming by Example. SAS Inst. Inc. Cary, NC.
Littell, R. C., R. J. Freund, and P. C. Spector. 1991. SAS System for Linear Models
(3
rd
Ed.). SAS Inst. Inc., Cary, NC.
Littell, R. C., R. J. Freund, and P. C. Spector. 1991. SAS System for Regression (2
nd

Ed.). SAS Inst. Inc., Cary, NC.

Littell, R. C., G. A. Milliken, W. W. Stroup, and R. D. Wolfinger. 1996. SAS System for
Mixed Models. SAS Inst. Inc., Cary, NC.
Scholotzhauer, S. D., and R. C. Littell. 1997. SAS System for Elementary Statistical
Analysis (2
nd
Ed.) SAS Inst. Inc., Cary, NC.

10 Informaes complementares

_____________________________________________________________________
97
1) Manuai s do SAS podemser descar r egados na segui nt e HP:

ht t p: / / suppor t . sas. com/ document at i on/ onl i nedoc/ 91pdf / i ndex_913. ht ml

Nest a HP, i dent i f i que qual o pr odut o do SAS, por exempl o STAT, ETS, QC, et c . . . ,
voc desej a r ol ando a t el a. Demor a umpouco, poi s os manuai s so mui t o gr andes. Por
exempl o, o STAT t em5146 pgi nas. No ent ant o, val e a pena poi s os manuai s so
compl et os comr el ao a t eor i a, exempl os, et c . . .

2) O I nst i t ut o SAS, of er ece supor t e gr at ui t o a t odas as i nst i t ui es que compr ama
l i cena par a o uso do mesmo. Vi si t e a segui nt e HP par a saber as di ver sas opes ( e-
mai l , t el ef one, document ao, et c. . . ) par a consegui r supor t e do SAS
ht t p: / / www. sas. com/ of f i ces/ l at i namer i ca/ br azi l / suppor t . ht ml

3) HP do SAS no Br asi l : ht t p: / / www. sas. com/ of f i ces/ l at i namer i ca/ br azi l /

4) HP do SAS emUSA ht t p: / / www. sas. com

_____________________________________________________________________
98

T A B E L A S
Tabela 1 - Valores de t em nveis de 10% a 0,1% de probabilidade (Tabela Bilateral)

Graus de
liberdade
10% 5% 2% 1% 0,5% 0,1%
1 6,31 12,71 31,82 63,66 127,32 636,62
2 2,92 4,30 6,97 9,92 14,09 31,60
3 2,35 3,18 4,54 5,84 7,45 12,94
4 2,13 2,78 3,75 4,60 5,60 8,61
5 2,02 2,57 3,37 4,03 4,77 6,86
6 1,94 2,45 3,14 3,71 4,32 5,96
7 1,90 2,36 3,10 3,50 4,03 5,41
8 1,86 2,31 2,90 3,36 3,83 5,04
9 1,83 2,26 2,82 3,25 3,69 4,78
10 1,81 2,23 2,76 3,17 3,58 4,59
11 1,80 2,20 2,72 3,11 3,50 4,44
12 1,78 2,18 2,68 3,06 3,43 4,32
13 1,77 2,16 2,65 3,01 3,37 4,22
14 1,76 2,14 2,62 2,98 3,33 4,14
15 1,75 2,13 2,60 2,95 3,29 4,07
16 1,75 2,12 2,58 2,92 3,25 4,02
17 1,74 2,11 2,57 2,90 3,22 3,97
18 1,73 2,10 2,55 2,88 3,20 3,92
19 1,73 2,09 2,54 2,86 3,17 3,88
20 1,73 2,09 2,53 2,84 3,15 3,85
21 1,72 2,08 2,52 2,83 3,14 3,82
22 1,72 2,07 2,51 2,82 3,12 3,79
23 1,71 2,07 2,50 2,81 3,10 3,77
24 1,71 2,06 2,49 2,80 3,09 3,75
25 1,71 2,06 2,49 2,79 3,08 3,73
26 1,71 2,06 2,48 2,78 3,07 3,71
27 1,70 2,05 2,47 2,77 3,06 3,69
28 1,70 2,05 2,47 2,76 3,05 3,67
29 1,70 2,04 2,46 2,76 3,04 3,66
30 1,70 2,04 2,46 2,75 3,03 3,65
40 1,68 2,02 2,42 2,70 2,97 3,55
60 1,67 2,00 2,39 2,66 2,92 3,46
120 1,65 1,98 2,36 2,62 2,86 3,37
1,65 1,96 2,33 2,58 2,81 3,29

_____________________________________________________________________
100
Tabela 2 - Limites unilaterais de F ao nvel de 1% de probabilidade, para o caso de F > 1
n
1

n
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120

1 4052 5000 5403 5625 5764 5859 5928 5982 6022 6056 6082 6106 6125 6142 6157 6169 6209 6235 6261 6287 6313 6339 6366
2 98,50 99,00 99,17 99,25 99,30 99,33 99,36 99,37 99,39 99,40 99,41 99,42 99,42 99,43 99,43 99,44 99,45 99,46 99,47 99,47 99,48 99,49 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,98 26,92 26,87 26,83 26,69 26,60 26,50 26,41 26,32 26,22 26,13
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,30 14,24 14,20 14,15 14,02 13,93 13,84 13,75 13,65 13,56 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,83 9,77 9,72 9,68 9,55 9,47 9,38 9,29 9,20 9,11 9,02
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,66 7,60 7,56 7,52 7,40 7,31 7,23 7,14 7,06 6,97 6,88
7 12,25 9,55 8,45 7,85 8,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,41 6,35 6,31 6,27 6,16 6,07 5,99 5,91 5,82 5,74 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,74 5,67 5,61 5,56 5,52 5,48 5,36 5,28 5,20 5,12 5,03 4,95 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 5,05 5,00 4,96 4,92 4,81 4,73 4,65 4,57 4,48 4,40 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,78 4,71 4,65 4,60 4,56 4,52 4,41 4,33 4,25 4,17 4,08 4,00 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,34 4,29 4,25 4,21 4,10 4,02 3,94 3,86 3,78 3,69 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,10 4,05 4,01 3,98 3,86 3,78 3,70 3,62 3,54 3,45 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,90 3,85 3,82 3,78 3,66 3,59 3,51 3,43 3,34 3,25 3,17
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,75 3,70 3,66 3,62 3,51 3,43 3,35 3,27 3,18 3,09 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,61 3,56 3,52 3,48 3,37 3,29 3,21 3,13 3,05 2,96 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,61 3,55 3,50 3,45 3,41 3,37 3,26 3,18 3,10 3,02 2,93 2,84 2,75
17 8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,40 3,35 3,31 3,27 3,16 3,08 3,00 2,92 2,83 2,75 2,65
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,44 3,37 3,32 3,27 3,23 3,19 3,08 3,00 2,92 2,84 2,75 2,66 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,24 3,19 3,15 3,12 3,00 2,92 2,84 2,76 2,67 2,58 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,30 3,23 3,18 3,13 3,09 3,05 2,94 2,86 2,78 2,69 2,61 2,52 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,24 3,17 3,12 3,07 3,03 2,99 2,88 2,80 2,72 2,64 2,55 2,46 2,36
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 3,07 3,02 2,98 2,94 2,83 2,75 2,67 2,58 2,50 2,40 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07 3,02 2,97 2,93 2,89 2,78 2,70 2,62 2,54 2,45 2,35 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,09 3,03 2,98 2,93 2,89 2,85 2,74 2,66 2,58 2,49 2,40 2,31 2,21
25 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 3,05 2,99 2,94 2,89 2,85 2,81 2,70 2,62 2,54 2,45 2,36 2,27 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 3,02 2,96 2,91 2,86 2,81 2,77 2,66 2,58 2,50 2,42 2,33 2,23 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,98 2,93 2,88 2,83 2,78 2,74 2,63 2,55 2,47 2,38 2,29 2,20 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,95 2,90 2,85 2,80 2,75 2,71 2,60 2,52 2,44 2,35 2,26 2,17 2,06
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,92 2,87 2,82 2,77 2,73 2,68 2,57 2,49 2,41 2,33 2,23 2,14 2,03
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,90 2,84 2,79 2,74 2,70 2,66 2,55 2,47 2,39 2,30 2,21 2,11 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,66 2,61 2,56 2,52 2,49 2,37 2,29 2,20 2,11 2,02 1,92 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,45 2,40 2,35 2,32 2,20 2,12 2,03 1,94 1,84 1,73 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,40 2,34 2,29 2,24 2,19 2,16 2,03 1,95 1,86 1,76 1,66 1,53 1,38

6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,24 2,18 2,12 2,07 2,04 1,99 1,88 1,79 1,70 1,59 1,47 1,32 1,00

n
1
= nmero de graus de liberdade do numerador
n
2
= nmero de graus de liberdade do denominador

_____________________________________________________________________
101
Tabela 3 - Limites unilaterais de F ao nvel de 5% de probabilidade, para o caso de F > 1
n
1

n
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120

1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,0 243,9 244,4 245,0 245,9 246,0 248,0 249,1 250,1 251,1 252,2 253,3 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,42 19,42 19,43 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74 8,72 8,71 8,70 8,69 8,66 8,64 8,62 9,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91 5,89 5,87 5,86 5,84 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,66 4,64 4,62 4,60 4,56 4,53 4,50 4,46 4,43 4,40 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,98 3,96 3,94 3,92 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,57 3,55 3,52 3,51 3,49 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,25 3,23 3,22 3,20 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,04 3,02 3,01 2,98 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,88 2,86 2,85 2,82 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79 2,76 2,74 2,72 2,70 2,65 2,61 2,57 2,53 2,49 2,45 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,66 2,64 2,62 2,60 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60 2,57 2,55 2,53 2,51 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,56 2,53 2,50 2,48 2,46 2,44 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,45 2,43 2,40 2,39 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,45 2,42 2,39 2,37 2,35 2,33 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,35 2,33 2,31 2,29 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,29 2,27 2,25 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,28 2,26 2,23 2,21 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,25 2,23 2,20 2,18 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,22 2,20 2,18 2,15 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,26 2,23 2,20 2,18 2,15 2,13 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,24 2,20 2,17 2,14 2,13 2,10 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,22 2,18 2,15 2,13 2,11 2,09 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,20 2,16 2,13 2,11 2,09 2,06 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,12 2,10 2,07 2,05 1,99 1,95 1,90 1,85 1,80 1,75 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,16 2,13 2,10 2,08 2,06 2,03 1,97 1,93 1,88 1,84 1,79 1,73 1,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,15 2,12 2,09 2,06 2,04 2,02 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,07 2,05 2,03 2,00 1,94 1,90 1,85 1,81 1,75 1,70 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,12 2,09 2,06 2,04 2,01 1,99 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97 1,95 1,92 1,90 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89 1,86 1,84 1,81 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,09 2,02 1,96 1,91 1,86 1,83 1,80 1,77 1,75 1,73 1,66 1,61 1,55 1,50 1,43 1,35 1,25

3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,72 1,69 1,67 1,64 1,57 1,52 1,46 1,39 1,32 1,22 1,00

n
1
= nmero de graus de liberdade do numerador
n
2
= nmero de graus de liberdade do denominador

_____________________________________________________________________
102
Tabela 4 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, ao nvel de 1% de
probabilidade
I
n
2
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1 90,03 135,0 164,3 185,6 202,2 215,8 227,2 237,0 245,6 253,2 260,0 266,2 271,8 277,0 281,8 286,3 290,4 294,3
2 14,04 19,02 22,29 24,72 26,63 28,20 29,53 30,68 31,69 32,59 33,40 34,13 34,81 35,43 36,00 36,53 37,03 37,50
3 8,26 10,62 12,17 13,33 14,24 15,00 15,64 16,20 16,69 17,13 17,53 17,89 18,22 18,52 18,81 19,07 19,32 19,55
4 6,51 8,12 9,17 9,96 10,58 11,10 11,55 11,93 12,27 12,57 12,84 13,09 13,32 13,53 13,73 13,91 14,08 14,24
5 5,70 6,98 7,80 8,42 8,91 9,32 9,70 9,97 10,24 10,48 10,70 10,89 11,08 11,24 11,40 11,55 11,68 11,81
6 5,24 6,33 7,03 7,56 7,97 8,32 8,61 8,87 9,10 9,30 9,48 9,65 9,81 9,95 10,08 10,21 10,32 10,43
7 4,95 5,92 6,54 7,00 7,37 7,68 7,94 8,17 8,37 8,55 8,71 8,86 9,00 9,12 9,24 9,35 9,46 9,55
8 4,75 5,64 6,20 6,62 6,96 7,24 7,47 7,68 7,86 8,03 8,18 8,31 8,44 8,55 8,66 8,76 8,85 8,94
9 4,60 5,43 5,96 6,35 6,66 6,92 7,13 7,32 7,50 7,65 7,78 7,91 8,02 8,13 8,23 8,32 8,41 8,50
10 4,48 5,27 5,77 6,14 6,43 6,67 6,88 7,06 7,21 7,36 7,48 7,60 7,71 7,81 7,91 7,99 8,08 8,15
11 4,39 5,15 5,62 5,97 6,25 6,48 6,67 6,84 6,99 7,13 7,25 7,36 7,46 7,56 7,65 7,73 7,81 7,88
12 4,32 5,05 5,50 5,84 6,10 6,32 6,51 6,67 6,81 6,94 7,06 7,17 7,26 7,36 7,44 7,52 7,59 7,66
13 4,26 4,96 5,40 5,73 5,98 6,19 6,37 6,53 6,67 6,79 6,90 7,01 7,10 7,19 7,27 7,34 7,42 7,48
14 4,21 4,90 5,32 5,63 5,88 6,08 6,26 6,41 6,54 6,66 6,77 6,87 6,96 7,05 7,13 7,20 7,27 7,33
15 4,17 4,84 5,25 5,56 5,80 5,99 6,16 6,31 6,44 6,56 6,66 6,76 6,84 6,93 7,00 7,07 7,14 7,20
16 4,13 4,79 5,19 5,49 5,72 5,92 6,08 6,22 6,35 6,46 6,56 6,66 6,74 6,82 6,90 6,97 7,03 7,09
17 4,10 4,74 5,14 5,43 5,66 5,85 6,01 6,15 6,27 6,38 6,48 6,57 6,66 6,73 6,81 6,87 6,94 7,00
18 4,07 4,70 5,09 5,38 5,60 5,79 5,94 6,08 6,20 6,31 6,41 6,50 6,58 6,66 6,72 6,79 6,85 6,91
19 4,05 4,67 5,05 5,33 5,55 5,74 5,89 6,02 6,14 6,25 6,34 6,43 6,51 6,58 6,65 6,72 6,78 6,84
20 4,02 4,64 5,02 5,29 5,51 5,69 5,84 5,97 6,09 6,19 6,28 6,37 6,45 6,52 6,59 6,65 6,71 6,77
24 3,96 4,55 4,91 5,17 5,37 5,54 5,68 5,81 5,92 6,02 6,11 6,19 6,26 6,33 6,39 6,45 6,51 6,56
30 3,89 4,46 4,80 5,05 5,24 5,40 5,54 5,65 5,76 5,85 5,93 6,01 6,08 6,14 6,20 6,26 6,31 6,36
40 3,82 4,37 4,70 4,93 5,11 5,26 5,39 5,50 5,60 5,69 5,76 5,84 5,90 5,96 6,02 6,07 6,12 6,16
60 3,76 4,28 4,60 4,82 4,99 5,13 5,25 5,36 5,45 5,53 5,60 5,67 5,73 5,78 5,84 5,89 5,93 5,97
120 3,70 4,20 4,50 4,71 4,87 5,00 5,12 5,21 5,30 5,38 5,44 5,50 5,56 5,61 5,66 5,71 5,75 5,79
3,64 4,12 4,40 4,60 4,76 4,88 4,99 5,08 5,16 5,23 5,29 5,35 5,40 5,45 5,49 5,54 5,57 5,61

I = nmero de nveis do fator em teste
n
2
= nmero de graus de liberdade do resduo
_____________________________________________________________________
103
Tabela 4 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, ao nvel de 1% de probabilidade
(continuao)
I
n
2
20 22 24 26 28 30 32 34 36 38 40 50 60 70 80 90 100
1 298,0 304,7 310,8 316,3 321,3 326,0 330,3 334,3 338,0 341,5 344,8 358,9 370,1 379,4 387,3 394,1 400,1
2 37,95 38,76 39,49 40,15 40,76 41,32 41,84 42,33 42,78 43,21 43,61 45,33 46,70 47,83 48,80 49,64 50,38
3 19,77 20,17 20,53 20,86 21,16 21,44 21,70 21,95 22,17 22,39 22,59 23,45 24,13 24,71 25,19 25,62 25,99
4 14,40 14,68 14,93 15,16 15,37 15,57 15,75 15,92 16,08 16,23 16,37 16,98 17,46 17,86 18,20 18,50 18,77
5 11,93 12,16 12,36 12,54 12,71 12,87 13,02 13,15 13,28 13,40 13,52 14,00 14,39 14,72 14,99 15,23 15,45
6 10,54 10,73 10,91 11,06 11,21 11,34 11,47 11,58 11,69 11,80 11,90 12,31 12,65 12,92 13,16 13,37 13,55
7 9,65 9,82 9,97 10,11 10,24 10,36 10,47 10,58 10,67 10,77 10,85 11,23 11,52 11,77 11,99 12,17 12,34
8 9,03 9,18 9,32 9,45 9,57 9,68 9,78 9,87 9,96 10,05 10,13 10,47 10,75 10,97 11,17 11,34 11,49
9 8,58 8,72 8,85 8,97 9,08 9,18 9,27 9,36 9,44 9,52 9,59 9,91 10,17 10,38 10,57 10,73 10,87
10 8,23 8,36 8,48 8,60 8,70 8,79 8,88 8,97 9,04 9,12 9,19 9,49 9,73 9,93 10,10 10,25 10,39
11 7,95 8,08 8,20 8,30 8,40 8,49 8, 58 8,65 8,73 8,80 8,86 9,15 9,38 9,57 9,73 9,88 10,00
12 7,73 7,85 7,96 8,07 8,16 8,25 8,33 8,40 8,47 8,54 8,60 8,88 9,09 9,28 9,43 9,57 9,69
13 7,55 7,66 7,77 7,87 7,96 8,04 8,12 8,19 8,26 8,33 8,39 8,65 8,86 9,04 9,19 9,32 9,44
14 7,40 7,51 7,61 7,70 7,79 7,87 7,95 8,02 8,08 8,15 8,20 8,46 8,66 8,83 8,98 9,11 9,22
15 7,26 7,37 7,47 7,57 7,65 7,73 7,80 7,87 7,93 7,99 8,05 8,30 8,49 8,66 8,80 8,92 9,04
16 7,15 7,26 7,36 7,44 7,53 7,60 7,67 7,74 7,80 7,86 7,92 8,15 8,35 8,51 8,65 8,77 8,87
17 7,05 7,16 7,25 7,34 7,42 7,49 7,56 7,63 7,69 7,74 7,80 8,03 8,22 8,38 8,51 8,63 8,74
18 6,97 7,07 7,16 7,25 7,32 7,40 7,46 7,53 7,59 7,64 7,70 7,92 8,11 8,26 8,39 8,51 8,61
19 6,89 6,99 7,08 7,17 7,24 7,31 7,38 7,44 7,50 7,55 7,60 7,83 8,01 8,16 8,29 8,40 8,50
20 6,82 6,92 7,01 7,09 7,17 7,24 7,30 7,36 7,42 7,47 7,52 7,74 7,92 8,07 8,19 8,30 8,40
24 6,61 6,70 6,79 6,86 6,94 7,00 7,06 7,12 7,17 7,22 7,27 7,48 7,64 7,78 7,90 8,00 8,10
30 6,41 6,49 6,57 6,64 6,71 6,77 6,83 6,88 6,93 6,98 7,02 7,22 7,37 7,50 7,61 7,71 7,80
40 6,21 6,29 6,36 6,43 6,49 6,55 6,60 6,65 6,70 6,74 6,78 6,96 7,10 7,22 7,33 7,42 7,50
60 6,02 6,09 6,16 6,22 6,28 6,33 6,38 6,42 6,47 6,51 6,55 6,71 6,84 6,95 7,05 7,13 7,21
120 5,83 5,90 5,96 6,02 6,07 6,12 6,16 6,20 6,24 6,28 6,32 6,47 6,59 6,69 6,78 6,85 6,92
5,64 5,71 5,77 5,82 5,87 5,91 5,95 5,99 6,03 6,06 6,09 6,23 6,34 6,43 6,51 6,58 6,64
n
2
_____________________________________________________________________
104
Tabela 5 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, ao nvel de 5% de
probabilidade
I
n
2
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 17,97 26,98 32,82 37,08 40,41 43,12 45,40 47,36 49,07 50,59 51,96 53,20 54,33 55,36 56,32 57,22 58,04 58,83 59,56
2 6,09 8,33 9,80 10,88 11,74 12,44 13,03 13,54 13,99 14,39 14,75 15,08 15,38 16,65 15,91 16,14 16,37 16,57 16,77
3 4,50 5,91 6,83 7,50 8,04 8,48 8,85 9,18 9,46 9,72 9,95 10,15 10,35 10,53 10,69 10,84 10,98 11,11 11,24
4 3,93 5,04 5,76 6,29 6,71 7,05 7,35 7,60 7,83 8,03 8,21 8,37 8,53 8,66 8,79 8,91 9,03 9,13 9,23
5 3,64 4,60 5,22 5,67 6,03 6,33 6,58 6,80 7,00 7,17 7,32 7,47 7,60 7,72 7,83 7,93 8,03 8,12 8,21
6 3,46 4,34 4,90 5,31 5,63 5,90 6,12 6,32 6,49 6,65 6,79 6,92 7,03 7,14 7,24 7,34 7,43 7,51 7,59
7 3,34 4,17 4,68 5,06 5,36 5,61 5,82 6,00 6,16 6,30 6,43 6,55 6,66 6,76 6,85 6,94 7,02 7,10 7,17
8 3,26 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,29 6,39 6,48 6,57 6,65 6,73 6,80 6,87
9 3,20 3,95 4,42 4,76 5,02 5,24 5,43 5,60 5,74 5,87 5,98 6,09 6,19 6,28 6,36 6,44 6,51 6,58 6,64
10 3,15 3,88 4,33 4,65 4,91 5,12 5,31 5,46 5,60 5,72 5,83 5,94 6,03 6,11 6,19 6,27 6,34 6,41 6,47
11 3,11 3,82 4,26 4,57 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,81 5,90 5,98 6,06 6,13 6,20 6,27 6,33
12 3,08 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,40 5,51 5,62 5,71 5,80 5,88 5,95 6,02 6,09 6,15 6,21
13 3,06 3,74 4,15 4,45 4,69 4,89 5,05 5,19 5,32 5,43 5,53 5,63 5,71 5,79 5,86 5,93 6,00 6,06 6,11
14 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,55 5,64 5,71 5,79 5,85 5,92 5,97 6,03
15 3,01 3,67 4,08 4,37 4,60 4,78 4,94 5,08 5,20 5,31 5,40 5,49 5,57 5,65 5,72 5,79 5,85 5,90 5,96
16 3,00 3,65 4,05 4,33 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,44 5,52 5,59 5,66 5,73 5,79 5,84 5,90
17 2,98 3,63 4,02 4,30 4,52 4,71 4,86 4,99 5,11 5,21 5,31 5,39 5,47 5,54 5,61 5,68 5,73 5,79 5,84
18 2,97 3,61 4,00 4,28 4,50 4,67 4,82 4,96 5,07 5,17 5,27 5,35 5,43 5,50 5,57 5,63 5,69 5,74 5,79
19 2,96 3,59 3,98 4,25 4,47 4,65 4,79 4,92 5,04 5,14 5,23 5,32 5,39 5,46 5,53 5,59 5,65 5,70 5,75
20 2,95 3,58 3,96 4,23 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5,43 5,49 5,55 5,61 5,66 5,71
24 2,92 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 5,44 5,49 5,55 5,59
30 2,89 3,49 3,85 4,10 4,30 4,46 4,60 4,72 4,82 4,92 5,00 5,08 5,15 5,21 5,27 5,33 5,38 5,43 5,48
40 2,86 3,44 3,79 4,04 4,23 4,39 4,52 4,64 4,74 4,82 4,90 4,98 5,04 5,11 5,16 5,22 5,27 5,31 5,36
60 2,83 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 4,73 4,81 4,88 4,94 5,00 5,06 5,11 5,15 5,20 5,24
120 2,80 3,36 3,69 3,92 4,10 4,24 4,36 4,47 4,56 4,64 4,71 4,78 4,84 4,90 4,95 5,00 5,04 5,09 5,13
2,77 3,31 3,63 3,86 4,03 4,17 4,29 4,39 4,47 4,55 4,62 4,69 4,74 4,80 4,85 4,89 4,93 4,97 5,01

n
2
_____________________________________________________________________
105
Tabela 5 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, ao nvel de 5% de probabilidade
(continuao).
I
N
2
22 24 26 28 30 32 34 36 38 40 50 60 70 80 90 100
1 60,91 62,12 63,22 64,23 65,15 66,01 66,81 67,56 68,26 68,92 71,73 73,97 75,82 77,40 78,77 79,98
2 17,13 17,45 17,75 18,02 18,27 18,50 18,72 18,92 19,11 19,28 20,05 20,66 21,16 21,59 21,96 22,29
3 11,47 11,68 11,87 12,05 12,21 12,36 12,50 12,63 12,75 12,87 13,36 13,76 14,08 14,36 14,61 14,82
4 9,42 9,58 9,74 9,88 10,00 10,12 10,23 10,34 10,44 10,53 10,93 11,24 11,51 11,73 11,92 12,09
5 8,37 8,51 8,64 8,76 8,88 8,98 9,08 9,17 9,25 9,33 9,67 9,95 10,18 10,38 10,54 10,69
6 7,73 7,86 7,98 8,09 8,19 8,28 8,37 8,45 8,53 8,60 8,91 9,16 9,37 9,55 9,70 9,84
7 7,30 7,42 7,53 7,63 7,73 7,81 7,90 7,97 8,04 8,11 8,40 8,63 8,82 8,99 9,13 9,26
8 7,00 7,11 7,21 7,31 7,40 7,48 7,55 7,63 7,69 7,76 8,03 8,25 8,43 8,59 8,72 8,84
9 6,76 6,87 6,97 7,06 7,15 7,22 7,30 7,36 7,43 7,49 7,75 7,96 8,13 8,28 8,41 8,53
10 6,58 6,69 6,78 6,87 6,95 7,02 7,09 7,16 7,22 7,28 7,53 7,73 7,90 8,04 8,17 8,28
11 6,44 6,54 6,63 6,71 6,79 6,86 6,93 6,99 7,05 7,11 7,35 7,55 7,71 7,85 7,97 8,08
12 6,32 6,41 6,50 6,59 6,66 6,73 6,80 6,86 6,92 6,97 7,21 7,39 7,55 7,69 7,80 7,91
13 6,22 6,31 6,40 6,48 6,55 6,62 6,68 6,74 6,80 6,85 7,08 7,27 7,42 7,55 7,67 7,77
14 6,13 6,22 6,31 6,39 6,46 6,53 6,59 6,65 6,70 6,75 6,98 7,16 7,31 7,44 7,55 7,65
15 6,06 6,15 6,23 6,31 6,38 6,45 6,51 6,56 6,62 6,67 6,89 7,07 7,21 7,34 7,45 7,55
16 6,00 6,08 6,17 6,24 6,31 6,37 6,43 6,49 6,54 6,59 6,81 6,98 7,13 7,25 7,36 7,46
17 5,94 6,03 6,11 6,18 6,25 6,31 6,37 6,43 6,48 6,53 6,74 6,91 7,05 7,18 7,28 7,38
18 5,89 5,98 6,06 6,13 6,20 6,26 6,32 6,37 6,42 6,47 6,68 6,85 6,99 7,11 7,21 7,31
19 5,85 5,93 6,01 6,08 6,15 6,21 6,27 6,32 6,37 6,42 6,63 6,79 6,93 7,05 7,15 7,24
20 5,81 5,89 5,97 6,04 6,10 6,17 6,22 6,28 6,33 6,37 6,58 6,74 6,88 6,99 7,10 7,19
24 5,68 5,76 5,84 5,91 5,97 6,03 6,09 6,13 6,18 6,23 6,42 6,58 6,71 6,82 6,92 7,01
30 5,56 5,64 5,71 5,77 5,83 5,89 5,94 5,99 6,04 6,08 6,27 6,42 6,54 6,65 6,74 6,83
40 5,44 5,51 5,58 5,64 5,70 5,75 5,80 5,85 5,89 5,93 6,11 6,26 6,38 6,48 6,57 6,65
60 5,32 5,39 5,45 5,51 5,57 5,62 5,66 5,71 5,75 5,79 5,96 6,09 6,21 6,30 6,39 6,46
120 5,20 5,27 5,33 5,38 5,43 5,48 5,53 5,57 5,61 5,64 5,80 5,93 6,04 6,13 6,21 6,28
5,08 5,14 5,20 5,25 5,30 5,35 5,39 5,43 5,46 5,50 5,65 5,76 5,86 5,95 6,02 6,09

n
2
_____________________________________________________________________
106
Tabela 6 - Valores da amplitude total estudentizada (z), para uso no teste de Duncan, ao nvel de 1% de
probabilidade
n
n
2
2 3 4 5 6 7 8 9 10 12 14 16 18 20 50 100
1 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00 90,00
2 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00 14,00
3 8,26 8,50 8,60 8,70 8,80 8,90 8,90 9,00 9,00 9,00 9,10 9,20 9,30 9,30 9,30 9,30
4 6,51 6,80 6,90 7,00 7,10 7,10 7,20 7,20 7,30 7,30 7,40 7,40 7,50 7,50 7,50 7,50
5 5,70 5,96 6,11 6,18 6,26 6,33 6,40 6,44 6,50 6,60 6,60 6,70 6,70 6,80 6,80 6,80
6 5,24 5,51 5,65 5,73 5,81 5,88 5,95 6,00 6,00 6,10 6,20 6,20 6,30 6,30 6,30 6,30
7 4,95 5,22 5,37 5,45 5,53 5,61 5,69 5,73 5,80 5,80 5,90 5,90 6,00 6,00 6,00 6,00
8 4,74 5,00 5,14 5,23 5,32 5,40 5,47 5,51 5,50 5,60 5,70 5,70 5,80 5,80 5,80 5,80
9 4,60 4,86 4,99 5,08 5,17 5,25 5,32 5,36 5,40 5,50 5,50 5,60 5,70 5,70 5,70 5,70
10 4,48 4,73 4,88 4,96 5,06 5,13 5,20 5,24 5,28 5,36 5,42 5,48 5,54 5,55 5,55 5,55
11 4,39 4,63 4,77 4,86 4,94 5,01 5,06 5,12 5,15 5,24 5,28 5,34 5,38 5,39 5,39 5,39
12 4,32 4,55 4,68 4,76 4,84 4,92 4,96 5,02 5,07 5,13 5,17 5,22 5,24 5,26 5,26 5,26
13 4,26 4,48 4,62 4,69 4,74 4,84 4,88 4,94 4,98 5,04 5,08 5,13 5,14 5,15 5,15 5,15
14 4,21 4,42 4,55 4,63 4,70 4,78 4,83 4,87 4,91 4,96 5,00 5,04 5,06 5,07 5,07 5,07
15 4,17 4,37 4,50 4,58 4,64 4,72 4,77 4,81 4,84 4,90 4,94 4,97 4,99 5,00 5,00 5,00
16 4,13 4,34 4,45 4,54 4,60 4,67 4,72 4,76 4,79 4,84 4,88 4,91 4,93 4,94 4,94 4,94
17 4,10 4,30 4,41 4,50 4,56 4,63 4,68 4,72 4,75 4,80 4,83 4,86 4,88 4,89 4,89 4,89
18 4,07 4,27 4,38 4,46 4,53 4,59 4,64 4,68 4,71 4,76 4,79 4,82 4,84 4,85 4,85 4,85
19 4,05 4,24 4,35 4,43 4,50 4,56 4,61 4,64 4,67 4,72 4,76 4,79 4,81 4,82 4,82 4,82
20 4,02 4,22 4,33 4,40 4,47 4,53 4,58 4,61 4,65 4,69 4,73 4,76 4,78 4,79 4,79 4,79
22 3,99 4,17 4,28 4,36 4,42 4,48 4,53 4,57 4,60 4,65 4,68 4,71 4,74 4,75 4,75 4,75
24 3,96 4,14 4,24 4,33 4,39 4,44 4,49 4,53 4,57 4,62 4,64 4,67 4,70 4,72 4,74 4,74
26 3,93 4,11 4,21 4,30 4,36 4,41 4,46 4,50 4,53 4,58 4,62 4,65 4,67 4,69 4,73 4,73
28 3,91 4,08 4,18 4,28 4,34 4,39 4,43 4,47 4,51 4,56 4,60 4,62 4,65 4,67 4,72 4,72
30 3,89 4,06 4,16 4,22 4,32 4,36 4,41 4,45 4,48 4,54 4,58 4,61 4,63 4,65 4,71 4,71
40 3,82 3,99 4,10 4,17 4,24 4,30 4,34 4,37 4,41 4,46 4,51 4,54 4,57 4,59 4,69 4,69
60 3,76 3,92 4,03 4,12 4,17 4,23 4,27 4,31 4,34 4,39 4,44 4,47 4,50 4,53 4,66 4,66
100 3,71 3,86 3,98 4,06 4,11 4,17 4,21 4,25 4,29 4,35 4,38 4,42 4,45 4,48 4,64 4,65
3,64 3,80 3,90 3,98 4,04 4,09 4,14 4,17 4,20 4,26 4,31 4,34 4,38 4,41 4,60 4,68
n = n de mdias ordenadas abrangidas pelo contraste
n
2
= n de graus de liberdade do resduo
_____________________________________________________________________
107
Tabela 7 - Valores da amplitude total estudentizada (z), para uso no teste de Duncan, ao nvel de 5% de
probabilidade
n
n
2
2 3 4 5 6 7 8 9 10 12 14 16 18 20 50 100
1 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0
2 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09
3 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50
4 3,93 4,01 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02
5 3,64 3,74 3,79 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83
6 3,46 3,58 3,64 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68
7 3,35 3,47 3,54 3,58 3,60 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61
8 3,26 3,39 3,47 3,52 3,55 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56
9 3,20 3,34 3,41 3,47 3,50 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52
10 3,15 3,30 3,37 3,43 3,46 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,48 3,48 3,48
11 3,11 3,27 3,35 3,39 3,43 3,44 3,45 3,46 3,46 3,46 3,46 3,46 3,47 3,48 3,48 3,48
12 3,08 3,23 3,33 3,36 3,40 3,42 3,44 3,44 3,46 3,46 3,46 3,46 3,47 3,48 3,48 3,48
13 3,06 3,21 3,30 3,35 3,38 3,41 3,42 3,44 3,45 3,45 3,46 3,46 3,47 3,47 3,47 3,47
14 3,03 3,18 3,27 3,33 3,37 3,39 3,41 3,42 3,44 3,45 3,46 3,46 3,47 3,47 3,47 3,47
15 3,01 3,16 3,25 3,31 3,36 3,38 3,40 3,42 3,43 3,44 3,45 3,46 3,47 3,47 3,47 3,47
16 3,00 3,15 3,23 3,30 3,34 3,37 3,39 3,41 3,43 3,44 3,45 3,46 3,47 3,47 3,47 3,47
17 2,98 3,13 3,22 3,28 3,33 3,36 3,38 3,40 3,42 3,44 3,45 3,46 3,47 3,47 3,47 3,47
18 2,97 3,12 3,21 3,27 3,32 3,35 3,37 3,39 3,41 3,43 3,45 3,46 3,47 3,47 3,47 3,47
19 2,96 3,11 3,19 3,26 3,31 3,35 3,37 3,39 3,41 3,43 3,44 3,46 3,47 3,47 3,47 3,47
20 2,95 3,10 3,18 3,25 3,30 3,34 3,36 3,38 3,40 3,43 3,44 3,46 3,46 3,47 3,47 3,47
22 2,93 3,08 3,17 3,24 3,29 3,32 3,35 3,37 3,39 3,42 3,44 3,45 3,46 3,47 3,47 3,47
24 2,92 3,07 3,15 3,22 3,28 3,31 3,34 3,37 3,38 3,41 3,44 3,45 3,46 3,47 3,47 3,47
26 2,91 3,06 3,14 3,21 3,27 3,30 3,34 3,36 3,38 3,41 3,43 3,45 3,46 3,47 3,47 3,47
28 2,90 3,04 3,13 3,20 3,26 3,30 3,33 3,35 3,37 3,40 3,43 3,45 3,46 3,47 3,47 3,47
30 2,89 3,04 3,12 3,20 3,25 3,29 3,32 3,35 3,37 3,40 3,43 3,44 3,46 3,47 3,47 3,47
40 2,86 3,01 3,10 3,17 3,22 3,27 3,30 3,33 3,35 3,39 3,42 3,44 3,46 3,47 3,47 3,47
60 2,83 2,98 3,08 3,14 3,20 3,24 3,28 3,31 3,33 3,37 3,40 3,43 3,45 3,47 3,48 3,48
100 2,80 2,95 3,05 3,12 3,18 3,22 3,26 3,29 3,32 3,36 3,40 3,42 3,45 3,47 3,53 3,53
2,77 2,92 3,02 3,09 3,15 3,19 3,23 3,26 3,29 3,34 3,38 3,41 3,44 3,47 3,61 3,67
n = n de mdias ordenadas abrangidas pelo contraste
n
2
= n de graus de liberdade do resduo

SAS Introducao Y2008 m12 d10

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SAS Introducao Y2008 m12 d10

Enviado por

Direitos autorais:

Formatos disponíveis

Introduo ao Uso do Programa SAS

. Este valor obtido na

o efeito da interao do i-simo nvel do fator A com o j-simo nvel do fator B;

o efeito da interao do i-simo nvel do fator A com o j-simo nvel do fator B;

+ = ; esta equao obtida nos

1,65 1,96 2,33 2,58 2,81 3,29

Você também pode gostar