Você está na página 1de 122

Rogrio Faria Vieira

Embrapa/ Epamig
Curso online em ingls:
online.stanford.edu/courses/
You Tube => redao
cientfica ou escrita cientfica
Livro => 2011, 320p.

Apresenta em ordem
alfabtica os principais
erros que ocorrem em
teses e artigos
cientficos
Mitos e lendas => 99% dos 250 mil
anos na Terra
Filosofia => Surgiu h 2500 anos
CINCIA => Surgiu h pouco mais de
300 anos
Definio de emprico:
Derivado de
experimento ou de
observao da
realidade (baseada em
dados)

Na cincia, qualquer
concluso, qualquer ideia,
s aceita se sustentada
por dados (base emprica
ou concreta)

Argumento => conjunto de premissas e concluses
Premissa => fato ou princpio que serve de base
concluso de um raciocnio

Argumento 1
Introduo (elementos
geradores de ideias)
Premissas (uma em cada
pargrafo)
Concluso (objetivo)

Argumento 2 (testamos as
ideias)
Material de Mtodos (premissa 1)
Resultados (premissa 2)
Discusso (premissa 3)
Concluso


Concluso
Objetivo
O discurso cientfico baseia-se em dois mtodos lgicos:
Dedutivo (premissas universais => concluso particular)
Indutivo (premissas particulares => concluso universal)


Dedutivo
Premissa 1: O ser
humano mortal
Premissa 2: Joo um
ser humano
Concluso: Joo
mortal
Se as premissas so verda-
deiras, a concluso
verdadeira
Fornece concluses slidas,
mas no avana mais que os
contedos das premissas



Indutivo => Premissas verdadeiras no
garantem uma concluso verdadeira:
O ganso 1 branco (premissa)
O ganso 2 branco
O ganso 3 branco
O ganso 1000 branco (premissas)
Logo, todos os gansos so brancos
(concluso)
O que se verifica na amostra
provavelmente verdadeiro na
populao de que se obteve a
amostra
Amplia o conhecimento


David Hume o passado no fornece
pista para o que acontecer no futuro
No temos fundamentos para supor que as
coisas continuaro a comportar-se como no
passado
A concluso de Hume mostrou que a base
emprica da cincia baseava-se em
expectativa e no na lgica
Nessa poca achava-se que a Cincia
originava verdades, era impessoal e
oriunda dos dados

Com base no
raciocnio
indutivo os
cientistas
alcanaram
coisas
extraordinrias.

Karl Popper => a cincia, em vez de progredir
por teorias que so confirmadas indutivamente,
ela progride por teorias que so falseadas
dedutivamente
Teorias no falseadas pelos testes => mantm-se
Falseadas => constri-se nova teoria que
escapa falsificao. Tambm esta testada e,
se falsificada, posta a parte, e assim
sucessivamente
Como a falsificao no envolve raciocnio
indutivo, o problema da induo de David
Hume contornado
Temos que aceitar a ideia de que no temos
justificao para supor qualquer teoria cientfica
como verdadeira
Mesmo que o falsificacionismo no fornea
descrio correta do modo como a cincia
procede ou deve proceder, o teste da falsificao
mantm a sua importncia
Logo, o cientista deve buscar a negao de sua
hiptese. Caso no consiga neg-la, deve aceit-
la, provisoriamente

Bilhes e bilhes de
confirmaes no
tornam certa uma
teoria
Apenas um fato
negativo falseia a
teoria
Essa a base da
ordem metodolgica
da falsificao

Cincia acmulo de conhecimento?
Quando Newton disse: eu me apoiei em ombros
de gigantes, ele se referia aos pesquisadores que
vieram antes dele
Quando se fala em progresso da cincia
pensamos como Newton: cada nova descoberta
simplesmente adicionada a descobertas antigas, o
que resulta num acmulo gradual de
conhecimento
Thomas Kuhn (1970) sugere que esse ponto de
vista no totalmente correto
Kuhn prope que a cincia progride atravs de
uma srie de revolues
Paradigmas => so grandes teorias que orientam
a viso que o cientista tem do mundo
As pesquisas so feitas sem questionar os
paradigmas (cincia normal)
De tempos em tempos surgem anomalias,
fenmenos (= fato de interesse cientfico) que
no se encaixam no paradigma
Novo paradigma (revoluo) => aceitao lenta,
pois os cientistas antigos no mudam de ideia.
Coprnico => a Terra no o centro do Universo

Preparo do solo
convencional
plantio direto
Um no exclui o anterior, mas
foi um avano
No novo paradigma o
crescimento do conhecimento
maior, pois fatos antigos
comeam a ser interpretados
sob nova tica (calagem,
controle de doenas)


A cincia, a cada passo que d, nos aproxima da verdade...
A cincia uma empreitada social, mas na viso de cada
cientista, idiossincrasias (= maneira de ver, reagir, prpria de
cada pessoa) e pendores pessoais so decisivos...
O psiclogo Michael Shermer chama isso de realismo
dependente da crena (o crebro mquina de gerar crenas).
As crenas vm em primeiro lugar. Em seguida, elaboramos as
explicaes que as justificam. E, uma vez as crenas estejam
formadas, o crebro passa a procurar evidncias que as
confirmem, desprezando as que as desmintam
por essas e outras que Max Planck certa vez afirmou que a
cincia avana de funeral em funeral
Pioneiro
Desbravador ( se aventuram
nas novidades)
Arriscam (no tm medo do
novo)
Fazem cincia (novidade)
Colono
Chegam depois (locais j
descobertos)
Preferem pisar em terreno
conhecido
Fazem testes (confirmaes)
Em qual categoria voc quer ficar?
H uma pea fundamental
entre os resultados (base
emprica) e as concluses: o
crebro do cientista, seu
mundo subjetivo (= relativo
ao sujeito)
Para construir cincia temos
que construir generalizaes
com base nos resultados.
nesse salto entre o
observado e as concluses
que o carter subjetivo atua


Nessa poca
(antes de Karl
Popper) achava-se
que a Cincia
originava
verdades, era
impessoal e
oriunda dos dados


Ao publicar um artigo
cientfico, o cientista
est, na realidade,
publicando uma ideia
Convencer a
comunidade cientfica
As respostas so
provisrias, pois embora
os dados possam estar
corretos a interpretao
pode estar equivocada

Lamark
A girrafa tem o
pescoo comprido
devido ao uso e
desuso
Darwin
H variabilidade do
tamanho do
pescoo na
populao de
girrafas (seleo
natural)
No necessariamente impessoal =>
uso de ns comum (veja nas boas
revistas)
A concluso cientfica pode ser negada
no futuro
Cincia => dados + interpretao
Temos que convencer a comunidade
cientfica de que nossa concluso
correta


Field Crops Research 134:153, 2012
Qual a populao-alvo? Como
amostr-la adequadamente?
Das amostras (passado) =>
inferimos para a populao
(presente)
As amostras representam a
populao?
Caracterizar bem a amostra
em Material e Mtodos
Discusso => convencer o
leitor que com base na
amostra pode-se concluir para
a populao

Numa pesquisa, geralmente o interesse do pesquisador pela populao
Raramente possvel obter informao sobre cada indivduo da
populao
Ento, a ateno do pesquisador restrita amostra tirada da populao







Concluso: O espaamento que mais desfavorece doenas e
no compromete o rendimento do feijo 0,6 m
Material e Mtodos: foi usado o cultivar Pel
A populao deveria ser um dos tipos de feijo
apresentados ao lado
Concluso: O espaamento que menos favorece doenas e
no compromete o rendimento do feijo do tipo III 0,6 m
Estatstica descritiva descreve, quantitativamente, as principais
caractersticas dos dados (tabelas, figuras, texto). Ela simplifica
os resultados. No permite concluir com base numa hiptese
Medidas de tendncia central (mdia, mediana, moda)
Medidas de disperso [posio (range), varincia, desvio-
padro, CV]
Estatstica inferencial visa buscar informaes sobre a
populao que os dados da amostra representam. Baseia-se
na teoria da probabilidade
Mesmo quando a concluso tem como base a anlise dos
dados com o uso de estatstica inferencial, as estatsticas
descritivas geralmente so apresentadas
Estatstica inferencial => usa amostra para
obter informaes sobre a populao da qual
a amostra foi tirada
Se amostras so retiradas da populao ao
acaso, ento as mdias das amostras tendem
a ser normalmente distribudas
Distribuio normal => definida por duas
quantidades: mdia e desvio-padro (s)
A pergunta na estatstica inferencial : como a
estatstica das amostras (mdia e s) combina
com os parmetros (mdia e s reais) da
populao
s
mdia
< mdia
> mdia


0,5 0,5
34%
34%
3, 7, 15, 7, 24, 14

3, 7, 7, 14, 15, 24

3, 7, 15, 7, 24, 14
Mdia = 3+7+15+7+24+14 / 6

Mediana = 7 + 14 / 2

Moda = 7
1. Symmetrical distribution:

2. Negatively skewed distribution:

3. Positively skewed distribution:


Soma dos quadrados
dos desvios (SQD)
(-110)
2
= 12100
100
19600
3600
400
3600
39400

Desvio em
relao mdia
1200-1310 =-110
-10
+140
-60
-20
+60
0

Produtividade
(kg/ha)
Obs. 1 1200
Obs. 2 1300
Obs. 3 1450
Obs. 4 1250
Obs. 5 1290
Obs. 6 1370
Total 7860
Mdia 1310

Varincia = s
2
= SQD / n-1 = 39400/5 = 7880 (no tem a mesma
unidade de grandeza dos dados)
1310 89 kg/ha
1450 1200 = 250
GL QM
desvio-padro = s = 7880 = 88,8 (mesma unidade dos dados)
Varincia = s
2
= SQD / n-1 = 500000/5 = 100000
Desvio-padro = s = 100000 = 316,2
Produtividade
(kg/ha)
Obs. 1 1200
Obs. 2 1750
Obs. 3 1100
Obs. 4 1200
Obs. 5 1650
Obs. 6 960
Total 7860
Mdia 1310

Desvio em
relao mdia
- 110
+440
- 210
-110
+340
-350
0
1310 316 kg/ha
Soma dos quadrados
dos desvios (SQD)
(-110)
2
= 12100
193600
44100
12100
115600
122500
500000

1750 960 = 790


Mdia s => 1310 89



Mdia s => 1310 316

1310 89 = 1221
1310 + 89 = 1399
68 % dos dados
esto entre 1221 e
1399 kg/ha
1200
1250
1290
1300
1370
1450
1221
1399
960
1100
1200
1200
1650
1750
994
1626
Como trabalhamos com
a probabilidade de
95%, ento usamos 2s
Em razo da distribuio normal ser definida pela
mdia e desvio-padro (DP), estas regras se aplicam:
68,3% da distribuio fica no limite de 1 DP (mdia - 1
DP e mdia + 1DP)
95,4% da distribuio cai entre mdia - 2 DP e mdia +
2 DP
99,7% cai entre mdia - 3 DP e mdia + 3 DP
O desvio-padro (s) mede a disperso dos dados em torno da
mdia de uma amostra
O erro-padro da mdia (s
x
) reflete a variabilidade de mdias,
se o estudo fosse repetido muitas vezes
H uma frmula simples que permite obter o s
x
sem ser preciso
obter muitas amostras: s / n

s
x
= 89/ 6 = 36 s
x
= 316/ 6 = 129
O desvio-padro mede a variabilidade entre dados dentro de
uma nica amostra
O erro-padro da mdia mede a preciso da mdia de uma nica
amostra como estimativa da mdia da populao ()
Como us-los?
Se o objetivo descritivo, use desvio-padro (s)
Se o objetivo estimar, use erro-padro da mdia (s
x
)
Lembrar que o Intervalo de Confiana (IC) pode ser interpretado
de forma mais direta que o s
x

IC
95%
= mdia 2 s
x
mdia + 2 s
x


Intervalo de Confiana
Faixa de possveis valores em torno da mdia amostral, e a
probabilidade de que essa faixa realmente contenha o valor real da
mdia da populao
O Intervalo de confiana ter certa probabilidade chamada de
nvel de confiana (simbolizada por 1 ) de conter a mdia da
populao
x
1
/2
/2
Intervalo de confiana
1 = nvel de confiana
= nvel de significncia (probabilidade de
erro)
H uma probabilidade de 1
da mdia estar contida no
intervalo definido
H uma probabilidade de a mdia
amostral estar fora do intervalo definido
(rea hachurada)
Fonte: Amintas Paiva Afonso

Intervalo de Confiana Fonte: Amintas Paiva Afonso

X
50
40 30 20 80 70 60
Amostra
1
2
3
...
45
46
47
...
98
99
100
=50
Se em um estudo forem
retiradas vrias amostras
aleatrias de tamanho n
da populao e que, para
cada amostra, seja
construdo um intervalo
de (1-) de confiana
Os intervalos obtidos
sero diferentes, mas
(1-)% dos intervalos
contero entre os seus
valores o valor real do
parmetro
Ao nvel de 95% de confiana espera-se que em 100
intervalos para as amostras, 95 deles contenham a mdia
Interpretao:
Distribuio dos dados aproximadamente normal




As varincias dos dados (dos grupos comparados)
devem ser semelhantes
(homogeneidade de varincias)
0
5
10
15
20
25
30
F
r
e
q
u
e
n
c
y
A pesquisa tem incio com uma pergunta
Pergunta ligada a um problema
Formular o problema de forma clara e
objetiva (aps estudo da literatura)
Hiptese => resposta lgica a tal pergunta,
que precisa ser testada
Exemplo de pergunta: O ndice de cncer de
pulmo maior entre os fumantes ou entre os
no fumantes?
Hiptese: O ndice de cncer pulmonar
maior entre os fumantes que entre os no
fumantes ( apresentada em forma
afirmativa)




Hiptese
Em uma pesquisa podemos ter uma ou mais
hipteses
Falha grave => formular hipteses sem ter
revisado com cuidado a literatura
Apenas com a prtica que uma ideia
interessante pode ser reescrita na forma de
hiptese testvel (geralmente especfica)
Mesmo para cientista experientes, a transio
entre hiptese geral e hiptese especfica requer
muita ateno
Requisitos da hiptese
Devem ser testadas em um universo ou contexto
bem definido
Hip1: A aspirina eficaz no combate dor de cabea
vaga e indefinida (quais tipos de dores?)
Hip2: A aspirina combate todos os tipos de dores de
cabea
definida, mas ampla
Hip3: A aspirina eficaz no combate a dores de
cabea decorrentes da m digesto
definida e sua comprovao ou negao acrescentar
informao cientfica vlida
Hiptese de pesquisa = > formulada acerca do
comportamento da populao e enunciada depois
da formulao do problema na Introduo
Hiptese estatstica => baseada no teste de
hipteses => permite decidir pela aceitao ou
rejeio da hiptese de pesquisa, com base na
informao obtida na amostra
Deciso sobre a hiptese estatstica permite
deciso sobre a hiptese de pesquisa

Ao usarmos amostras para inferir sobre a populao, nos sujeitamos a
erros
Quanto deciso sobre a hiptese de nulidade Ho h dois tipos de
erro:
Tipo I (): rejeito Ho quando deveria aceit-lo, i.e., quando decidimos
que o TRATAMENTO teve efeito sobre um RESULTADO, e, na
verdade, o efeito no ocorreu
Tipo II (): aceito Ho quando deveria rejeit-lo, i.e., quando
conclumos que o TRATAMENTO no teve efeito sobre um
RESULTADO, e na verdade, o efeito ocorreu
Em ambos os casos ocorreu deciso errada ou erro de julgamento
Ao testar uma hiptese, a probabilidade mxima de risco de cometer um
erro do tipo I denominada de nvel de significncia do teste ( P < 0,05)


H0 => TRATAMENTO no influencia RESULTADO => Essa
a teoria vlida hoje e que vamos tentar falsear
H1 => TRATAMENTO influencia RESULTADO
Quando terminam os experimentos e as anlises, ento:
Rejeito H0 e aceito H1 => resultado (P = 0,04) menor
que o nvel de significncia escolhido (P 0,05)
Aceito H0 e rejeito H1 => resultado (P > 0,07) maior que
o nvel de significncia escolhido (P 0,05)
Aceitar H0 => falhar em rejeitar Ho (melhor), i.e., no temos
evidncias para rejeitar Ho
P = 0,05 (5%) => 5 em 100 chances de que H0 seja
correto => significativo
P = 0,01 (1%) => 1 em 100 chances de que H0 seja
correto => altamente significativo
P = 0,001 (0,1%) = 1 em 1000 chances
Pequenos valores de P so fortes evidncias contra
H0
Nossos dados no provam determinada hiptese =>
eles sustentam ou no H0

Quando vemos em artigo cientfico =>
F = 5,78; P < 0,01
F = 5,78 => QMtrat (varincia do tratamento) 5,78
vezes maior que o QMerro (varincia do erro)
P < 0,01 => a chance de cometer o erro do tipo I menor
que 1 em 100
F (1, 48) = 21,54; p = 0,001
1 = GL tratamento
48 = GL erro
Quando se tem dois nveis de um tratamento
(com ou sem fungicida), por que usar teste de
mdias (5%)?
O valor do F = QMtrat / QMerro e/ou do P so
mais informativos

Resposta
significativa
* ou p 0,05 (5%)
** ou p 0,01 (1%)
*** ou p 0,001

Significado
da resposta
0,011 p 0,05 (1,1 a 5%)
0,0011 p 0,01 (0,11 a 1%)
p < 0,001 (0,1%)

Resposta no
significativa
n.s. (p > 0,05)



Significativo O que informa?
No
significativo

Formas de apresentao Resposta significativa Resposta no significativa
Usual * ou p < 0,05 n.s.
Descritiva p = 0,011, p = 0,049 p = 0051, p = 0,999

Ambos so significativos a
5%, mas 0,011 expressa
significncia maior que 0,049

embora n.s.
valor muito
indicativo

praticamente
no expressa
significncia

Logo: A forma descritiva permite
quantificar a significncia, em vez
de simplesmente informar se a
resposta foi ou no significativa

No artigo, o valor exato de p
pode vir em tabelas e figuras
ou constar do texto

No significativo Significativo Formas de apresentao
Functional Plant Biology 34:41, 2007

Geralmente no
necessrio
apresentar o
valor exato de P
menor que
0,001
Resultados
Tratamentos
Definio = uma caracterstica de um objeto. Pode ter 2 ou
+ valores. Essa variao pode ser medida, contada ou
observada
A maioria das pesquisas estuda a relao entre variveis
Exemplos de variveis:
Sexo, altura, idade e massa (descrevem pessoas)
Produtividade, altura, resistncia a doenas (plantas,
animais)
Nmero de empregados, faturamento, vendas anuais
(empresas)

Pergunta: h associao entre educao (varivel
1) e sucesso financeiro (varivel 2)?
Hiptese: pessoas mais educadas (varivel 1) tm
maior sucesso financeiro (varivel 2).

A hiptese aponta a direo para a qual a
pesquisa deve seguir. Ela delimita a rea
da pesquisa e mantm o pesquisador no
rumo correto
Com base na hiptese planeja-se a
metodologia, o tipo de anlise dos dados e
as Tabelas e Figuras
Hiptese: O ndice de cncer pulmonar
maior entre os fumantes que entre os no
fumantes
Varivel 1: ndice de cncer pulmonar
Varivel 2: relaes com o fumo

Ocorre em dois nveis:

Terico




Operacional

Nosso entendimento no nvel terico: Educao
leva ao sucesso financeiro
Educao e sucesso financeiro so conceitos gerais,
abstratos (= existem s no domnio das ideias, ou
seja, no tm base material)
Por isso, no possvel medir diretamente essas
variveis numa pesquisa


As atividades (coletas de dados) so conduzidas no nvel operacional,
pois o pesquisador avalia casos mensurveis (variveis operacionais)
com instrumentos ou mtodos de coleta
Nmero de anos de estudo a medida operacional de educao
(terico)
O salrio uma medida operacional de sucesso financeiro (terico)
Geralmente dispomos de vrias definies operacionais de uma
varivel terica => escolher as que do mais informaes, se adaptem
melhor ao contexto do estudo e sejam mais precisas, amplas e baratas
A definies operacionais geralmente definem certo aspecto do
conceito original => ver na literatura quais so usadas em artigos de
boas revistas cientficas => usar mais de uma definio operacional


Os registros do instrumento de medio representam
valores observveis (empricos) de conceitos
abstratos
Essa medio faz sentido quando o instrumento de
coleta de dados representa, pelo menos em parte, as
variveis tericas que temos em mente
Se no assim, a medio deficiente
No h medio perfeita (devemos nos aproximar)
Toda medio ou instrumento de coleta de dados deve
proporcionar: confiabilidade e validade

o grau em que a aplicao repetida de um
instrumento de medio ao mesmo fenmeno gera
resultados similares




Em que grau a varivel operacional escolhida representa a
varivel terica?
A varivel terica o verdadeiro alvo da cincia e da inferncia
Quanto mais direta a forma de medir um fenmeno, mais vlido
o mtodo. Exemplo: consumo de caloria (qual mais vlido?)
Observar e anotar o que uma pessoa come durante a
refeio
Perguntar a posteriori o que a pessoa comeu
Se o mtodo (varivel operacional) se destina a medir certo
conceito (varivel terica), ento ele deve correlacionar-se
fortemente com outros mtodos existentes para medir o mesmo
conceito

Um instrumento pode ser confivel, mas
no necessariamente vlido
Por exemplo: o instrumento coerente
nos resultados, porm no mede o que se
pretende
O instrumento de medio deve ser
confivel e vlido. Caso contrrio, os
resultados da pesquisa no devem ser
levados em conta
Saber diferenciar varivel operacional de
varivel terica essencial para a prtica da
boa redao cientfica
No texto, h sees em que os autores
abordam variveis operacionais (avaliadas
diretamente); em outras abordam s
variveis tericas
Terica
Crescimento
Estresse
Vigor de semente

Operacional
Altura, massa, rea foliar
Nveis de cortisol
PCG, EA, TF, IVE


Ttulo e Introduo => variveis tericas
Material & Mtodos e Resultados => variveis
operacionais
Discusso e Concluso => variveis tericas

Ttulo, Introduo, Discusso e Concluso =>
crescimento
Material & Mtodos e Resultados => altura, massa,
rea foliar
O objetivo foi avaliar os efeitos da
adubao fosfatada sobre a germinao, o
EA, o TF e o IVE
O objetivo foi avaliar os efeitos da
adubao fosfatada sobre a qualidade
fisiolgica da semente

Conclumos que o produto aumenta a
a altura, a massa e a rea foliar
Conclumos que o produto aumenta o
crescimento
Sem hiptese
Descritivas (estuda
uma nica varivel)
Exemplos: descrio de
uma planta, de uma
doena, perfil de
indivduo de certa
sociedade

Com hiptese
Hiptese de
associao (s interessa
saber se as variveis esto
associadas)
Hiptese de
associao de causa e
efeito (as variveis esto
associadas e uma delas
interfere na outra)

Quando se conhece pouco sobre determinado
fenmeno, geralmente til simplesmente
observar o fenmeno ocorrer naturalmente e obter
ideias gerais do que est envolvido no processo
Inicialmente, consegue-se isso pela observao e
descrio do que ocorre
Exemplo: observaes feitas por Darwin em
Galpagos => alicerce da teoria da evoluo.
Associao no implica, necessariamente, causa
X => n
o
de TVs
Y => taxa de mortalidade infantil (TMI)
Possibilidades em relao a qual varivel a causa:
X causa Y => TVs (X) do informaes que levam a
mais cuidados no pr-natal e reduzem a TMI (Y)
Y causa X => alta TMI (Y) atrai mais verbas
internacionais que permite a compra de mais TVs (X)
Z poderia causar X e Y => a prosperidade do pas (Z)
permite a compra de mais TVs (X) e leva a mais
cuidados no pr-natal que reduzem a TMI (Y)
O coeficiente de correlao de
Pearson (r) uma medida do grau
de relao linear entre duas
variveis quantitativas com
distribuio dos dados normal ou
aproximadamente normal

til num exame preliminar de grande
nmero de variveis para observar quais
variveis esto associadas



Direo: positiva, negativa, 0
Magnitude: quanto mais perto de 1, mais forte a
correlao ou associao
0.0 |r| < 0,3 correlaao fraca (weak)
0.3 |r| < 0,7 correlao moderada (moderate)
0.7 |r| < 1,0 correlao forte (strong)
|r| = 1,0 correlao perfeita
Informaes adicionais podem ser obtidas do
coeficiente de correlao: quando se eleva ao
quadrado o r e multiplica por 100, voc tem a
quantidade de varincia em uma varivel devido
outra varivel
EXEMPLOS:
r = 0,71 => r
2
= 0,50 x 100 = 50% (strong)
r = 0,40 => r
2
= 0,16 x 100 = 16% (moderate)
r = 0,20 => r
2
= 0,04 x 100 = 4% (weak)


Positive significant correlation between stem lesion length and stem diameter (r = 0.05, P < 0.001,
n = 5040) was observed in experiment 1. However, the value of this Pearson correlation coefficient
was so low that this relationship between stem lesion length and stem diameter was of very little
importance.
Correlao positiva e significativa entre comprimento de
leso e dimetro de caule (r = 0,05; P < 0,001; n = 5040)
foi observada no experimento 1. No entanto, o valor do
coeficiente dessa correlao foi to baixo que a
correlao entre essas variveis foi de muito pouca
importncia
PSA => antgeno
prosttico especifico
Cerca de 80% dos
pacientes com cncer de
prstata tm valores de
PSA pr-tratamento mais
altos que 4 ng/ml
Avaliaes e testes
adicionais => toque retal e
bipsia de prstata
(confirmar o cncer)



A alegao de que h causao (X
causa Y) pode ser logicamente feita
se X e Y esto associados, X
precede (vem antes de)Y e no h
explicao alternativa plausvel para
a associao
Causa
Variveis independentes
(tratamentos, escolhidos
pelo pesquisador) :

doses de boro
densidade de plantas
fungicidas
cultivares

Efeito
Variveis dependentes
ou variveis respostas
(resultados, obtidos nos
ensaios):
teor de boro na folha
incidncia de doena
produtividade
altura de planta

Qual vem antes?
Esto associados
H explicao
alternativa?
Se vamos avaliar o desempenho de
10 cultivares de soja.
Varivel Independente (VI) =>
cultivares (escolhido pelo pesquisador,
tratamentos) CAUSA
Varivel Dependente (VD)/ Varivel
resposta => produtividade, resistncia
a doenas (resultado obtido no ensaio)
EFEITO

VI => manipulada pelo pesquisador (o nvel mnimo de
manipulao 2: ausncia e presena)
Posso estudar 2 ou mais VI => experimentos fatoriais
Doses de boro (4 nveis)
Gentipos (2 nveis)



VD => a varivel medida no laboratrio, casa de vegetao
ou campo

Fatorial = 4 x 2 = 8 tratamentos
Interao Dose de B x Gentipo
fator ou VI
Verde: VI
Vermelho: VD
Tabela 2.
Gentipos Altura de
planta
(cm)
Comprimento
de vagem (cm)
Produti-
vidade
(kg/ha)
Massa de
100
sementes (g)
O. Verde MG-2 34,6 ab

7,4 c 980 5,1 c
VC 4080A 28,8 bc 9,0 ab 691 7,2 ab
VC 6148-B-16 31,7 abc 9,7 a 547 7,7 a
MGS Esmeralda 30,4 abc 8,7 ab 876 6,5 ab
Tifton 37,1 a 8,1 bc 1056 5,3 bc
VC 3890B 31,9 abc 8,9 ab 884 6,4 b
VC 3902A 35,0 ab 9,1 ab 893 7,0 ab
VC 5734A 26,1 c 9,0 ab 786 6,7 b
CV (%) 10,3 5,1 29,3 5,5
1
As mdias seguidas da mesma letra no apresentam diferena significativa, a
5 %, pelo teste de Tukey.
Gentipo
VI = causa = tratamento
V
a
r
i

v
e
l

D
e
p
e
n
d
e
n
t
e

(
Y
)

Varivel Independente (X)
Intercepto = a
Inclinao = b
Regresso
equao:
Y = a + b.X
Doses de molibdnio (Mo): VI (x)
g de Mo por semente: VD(y)
2,774
0,604
2,774 0,604 = 2,17
2,17 / 1000 = 0,00217
R
2
=> indica a
proximidade dos
dados da linha de
tendncia
Mede a proporo
da variao em y
que explicada
pela variao em x
Y = 0,604 + 0,00217X => a cada 1 g de Mo que
se aplica, o teor de Mo na semente aumenta
0,00217 g (0,604 + 0,00217 = 0,606)
89% da variao do Mo
da semente explicada
pelas doses de Mo
Permitem estudar qualquer nvel intermedirio
de um fator mesmo que no seja includo
diretamente no estudo
Doses: 20 40 80 160
29 135
Quantitativa =>
doses de boro (0, 20,
40, 60 e 80 g/ha),
densidade de plantas
(4, 8, 12, 16 plantas/m)
=>regresso
Qualitativa =>
fungicidas (A, B, C, D),
cultivares (A, B, C, D)
=> teste de Dunnett,
contrastes, teste de
mdias
Saber se a varivel independente
quatitativa ou qualitativa tem implicao na
estatstica a que os dados sero submetidos
A => B => C => D => E
Causa Efeito
Mecanismos
(como as causas produzem efeitos)
Quais os meios pelos quais educao causa sucesso financeiro?
Causa (vem antes) = educao (VI) Efeito = sucesso financeiro (VD)
Educao proporciona conhecimento e habilidades que
tm valor no mercado de trabalho (MECANISMO)
Pesquisadores descobriram que esquentar levemente o
tumor baguna o sistema de regenerao do cncer.
Essa tcnica abre caminho para que tratamentos como
quimioterapia e radioterapia funcionem melhor.
Temperatura (VI) => X
Regenerao do cncer (VD) => Y
O efeito benfico do calor sobre os tumores j era
conhecido pelos cientistas, mas ningum sabia o porqu.
Porqu => MECANISMO
O calor inibe um sistema de regenerao do DNA
das clulas, mais especificamente, inutiliza a
protena BRCA2 => este o mecanismo

O mesmo estudo pode contemplar
mais de um tipo de pesquisa
(descritiva, de associao e de
associao de causa e efeito)

Validade interna
Validade externa
Em experimentos de causa e efeito, manipulamos X (VI) e
observamos efeito em Y (VD)
Quando h evidncia de que a causa (VI) produziu um efeito
(VD), deve haver garantia de que a causa que produziu o efeito
foi a interveno do investigador, e no a interveno associada
a outras causas (vieses)
A pesquisa tem alta validade interna quando feita de modo
planejado para evitar vieses (erros sistemticos,
confundimentos).
O delineamento bem planejado da pesquisa permite atribuir
VI (e no VI associada a vieses) o efeito sobre a VD
Quando controlamos vieses na pesquisa (pela lgica, bom
senso, literatura), conseguimos alta validade interna da
pesquisa

So meios eficientes de controlar vieses:
Casualizao (distribuio aleatria das
parcelas na rea experimental)
Grupo controle (no submetido VI,
mas submetido a vieses)

Bordadura em
experimentos com cvs.
de portes diferentes

Teste de cultivares =>
gentica, sanitria,
germinao, vigor

Aplicao de produtos
via gua de irrigao

Produzir
sementes sadias
Tratar
sementes com
fungicida
Irrigar antes
da
quimigao
Armazenar
semente em
cmara fria
Parcela com
quatro fileiras
Usar
sementes de
mesma idade
tipo II
Na pesquisa, procuramos relaes causais que
sejam verdadeiras, no s para a amostra mas
tambm para a populao-alvo
A pesquisa tem validade externa quando ela
permite generalizar as concluses para a
populao-alvo
A melhor estratgia para garantir validade externa
compor a amostra com sujeitos selecionados
aleatoriamente da populao. Assim, a amostra
representativa da populao
Repetio do estudo
Donald Campbell, que introduziu a ideia de
validade interna e externa, enfatiza a
importncia de repetir os experimentos
Se o estudo repetido, no tempo e/ou no
espao, com resultados similares, ento
h garantia de que os resultados tm
validade externa (podem ser
generalizados)
Fazem parte da Discusso do
artigo em relao a pontos
fortes e fracos do estudo
FIM da parte 1