Você está na página 1de 113

MINISTRIO DA EDUCAO

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE


CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR
PROFESSOR: ROBERTO QUEIROGA

ESTATSTICA EXPERIMENTAL 2014.2

POMBAL, OUTUBRO DE 2014.


1

ESTATSTICA EXPERIMENTAL: 2014.1


UNIDADE I - Importncia da Estatstica Experimental.
* Importncia: a Estatstica Experimental tem por objetivo o estudo dos experimentos, incluindo
planejamento, execuo, anlise dos dados e a interpretao dos resultados.
* Tipos de pesquisa:
A - Pesquisa de levantamento:
Observam-se diversas caractersticas dos elementos de certa populao ou amostra, utilizando-se
questionrios ou entrevistas. A observao feita naturalmente e sem interferncia do pesquisador. Ex:
censo.
B - Pesquisa experimental:
O pesquisador exerce controle sobre o tratamento que vai ser aplicado a cada elemento da amostra. H,
portanto, interferncia do pesquisador. Ex: experimentos de campo ou laboratrio.
* Experimento ou ensaio:
Trabalho previamente planejado, que segue determinados princpios bsicos e no qual se faz
comparaes do efeito dos tratamentos.
* Tratamento:
uma denominao genrica, para designar qualquer mtodo, elemento ou material, cujo efeito
desejamos medir e comparar.
Por exemplo, o tratamento pode ser:
A - um adubo nitrogenado para a cultura do melo;
B - uma variedade de alface;
C - um tratamento de solo para a cultura da melancia;
D - um biofertilizante para a cultura do pimento;
E - uma dosagem de calcrio para a cultura da cenoura;
F - um fungicida para a cultura do tomate;
* Parcela ou unidade experimental:
a unidade na qual o tratamento aplicado.
na parcela que obtemos os dados que devero refletir o efeito de cada tratamento.
EX: composio da parcela: uma rea com um grupo de plantas; um ou mais vasos numa casa de
vegetao; uma placa de Petri com um meio de cultura; um tubo de ensaio com uma soluo, etc.

Exemplo de caracterstica avaliada e tratamentos:


Ex: - Determinao da quantidade de leite produzida em funo do tipo de rao.
- Avaliao do dimetro do caule e da altura de plantas de Eucaliptus em diferentes variedades.
- Avaliao da vida til de frutos de morango armazenados em diferentes temperaturas.
Varivel resposta:
a varivel mensurada usada para avaliar o efeito de tratamentos.
Ex: Produtividade de feijo, rea foliar, slidos solveis etc.
* Tamanho das parcelas depende:
- Material que se est trabalhando.
Ex: Parcelas com a cultura da cana de acar devem ser maiores que aquelas com a alface.
- Nmero de tratamentos em estudo:
Em experimentos de melhoramento vegetal o tamanho da parcela deve ser reduzido.
- Quantidade de material disponvel:
Ensaio de novos materiais.
- Uso de mquinas agrcolas:
Parcelas grandes.
- rea disponvel para pesquisa:
Ajustamento ao tamanho da rea.
- Custo, tempo e mo de obra:
- Recurso financeiro, tempo disponvel para amostragem e mo de obra.
* Forma das parcelas:
Retangulares, quadradas, cilndricas, etc.
BLOCO
1
2
3
4

A
D
B
C

TRATAMENTOS
C
D
B
A
C
D
A
B

B
C
A
D

Tratamentos
A 0 kg ha-1 de N;
B 90 kg ha-1 de N;
C 180 kg ha-1 de N;
D 270 kg ha-1 de N.
* Delineamento experimental
o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes
tratamentos devero ser distribudos nas parcelas experimentais, e como sero analisados os dados a
serem obtidos.
3

DIC
TRATAMENTOS
C
A
B
A
C
D
B
C

A
D
B
D

C
B
A
D

DBC
BLOCO
1
2
3
4

A
D
B
C

TRATAMENTOS
C
D
B
A
C
D
A
B

B
C
A
D

DQL
LINHAS
1
2
3
4

COLUNAS
A
D
B
C

C
B
D
A

D
A
C
B

B
C
A
D

* Populao e amostra:
Populao
o conjunto constitudo por todos os dados possveis com relao caracterstica em estudo.
Amostra
uma parte representativa da populao, subconjunto do conjunto universo.
Experimentos: indivduos da rea til da parcela.
* Fatores no controlveis:
Variao nos espaamentos entre plantas.
Variao na infestao em parcelas pelas pragas.
Variao na profundidade de semeadura.
Variao na fertilidade do solo dentro da parcela.
Variao na dose de adubos, inseticidas etc.
Variao na quantidade de gua aplicada.
Precipitao
Luminosidade
Temperatura
Umidade relativa do ar
* Medidas utilizadas na experimentao
Medidas de posio
4

Mdia, mediana, moda, quartis etc.

Ex: Calcule a altura mdia de seis alunos da turma de agronomia de acordo com a amostra a seguir:
1,80 m, 1,65 m, 1,62 m, 1,90 m 1,40 m e 1,72 m

Medidas de disperso
Varincia, desvio padro e coeficiente de variao.

* Planejamento experimental:
Planejamento, conduo do experimento, coleta de dados, anlise dos dados e interpretao dos
resultados obtidos.
* Tipos de experimentos:
Experimento preliminar:
O nmero de tratamentos pode ser grande.
O nmero de repeties pode ser pequeno.
Auxilia na escolha de tratamentos em experimentos crticos.
Experimento crtico:
So experimentos em que as respostas aos tratamentos so comparadas.
O n0 de observaes suficiente para dar segurana na determinao de diferenas significativas.
Experimento demonstrativo:
Experimentos conduzidos em trabalhos de extenso com objetivo de comparar um novo tratamento com
um padro (tradicional).
Qual deles usar?
5

* Objetivos de um experimento:
Questes a serem respondidas.
Hipteses a serem testadas.
- O investigador decide quais comparaes entre tratamentos oferecem informaes relevantes.
- Conduz o experimento para testar hipteses relativas s diferenas entre tratamentos.
* Etapas do Planejamento experimental:
Quais as caractersticas que sero analisadas?
EX: bovinos (% de gordura na carne, produo de leite, etc).
Ex: Acerola (teor de vitamina C, vida til de prateleira, perda de peso, etc).
EX: Eucaliptus (dimetro do caule, altura da planta, produo de madeira, etc).
Quais fatores que afetam estas caractersticas?
EX: raa, variedade, espaamento, adubao, irrigao, etc.
Quais desses fatores sero estudados no experimento?
Experimentos simples: apenas um tipo de tratamento pode ser estudado de cada vez.
EX: testar espaamentos (adubao, variedade, irrigao devem ser constantes).
Experimentos complexos: dois ou mais fatores.
EX: embalagens x temperaturas.
EX: fonte da gua x quantidade aplicada.
EX: variedades x espaamentos x adubao.
Como ser constituda a unidade experimental?
EX: nico indivduo ou grupo deles.
EX: Produtividade de alface (variedades A, B, C, D e E)

*Quantas repeties deveram ser utilizadas?


6

Depende do nmero de tratamentos e do delineamento experimental.


Quanto maior o nmero de repeties melhor a preciso do experimento.
Recomenda-se: nmero de parcelas 20.
* Projeto de pesquisa:
A - Ttulo: simples e coerente com o objetivo.
Ex: Produo de milho em funo de doses de nitrognio.
B - Responsvel e colaboradores:
EX: Indicar pessoas (orientador, professores, bolsistas, voluntrios) e instituies.
C - Introduo com justificativa:
Reviso de literatura.
- Importncia scio-econmica, nutricional.
- Problema a ser estudado.
- Hipteses a serem testadas.
D Objetivos:
Questes a serem respondidas.
E - Material e mtodos:
Localizao: coordenadas geogrficas, tipo de solo, topografia etc.
Materiais: calagem adubao, drenagem irrigao.
Tratamentos: identificar os tratamentos a serem testados.
Conduo da cultura: semeadura, podas, pulverizaes, colheita, adubao, irrigao etc.
Caractersticas avaliadas: produo de gros, teor de gordura na carne, vida til do fruto etc.
Delineamento experimental:
(DIC, DBC, DQL).
Anlise estatstica (Software utilizado e procedimentos ps-anlise de varincia).

F - Cronograma:
7

Especificar o tempo para execuo da pesquisa.


ATIVIDADES
Coleta e anlise qumica do solo
Preparo da rea
Aquisio de materiais
Semeadura
Transplantio
Conduo e tratos culturais
Amostragem de plantas e frutos
Colheita de frutos
Coleta de dados
Avaliaes de ps-colheita
Tabulao e anlise de dados
Apresentao de relatrio
Envio de relatrio
Resumo em congresso
Publicao em peridicos
Orientao de PIBIC
Orientao de monografia

Jul
X
X
X
X

Ago

X
X

Set

2013
Out

X
X
X

X
X

X
X

X
X

Nov

X
X
X

X
X

X
X
X
X
X

X
X

G - Oramento.
Discriminao

Unid.

Quant.

Valor

Valor total

1 Material de consumo em campo e

unitrio
-

kg
kg

0,5
100

1800,00
1,50

900,00
150,00

laboratrio
- Sementes [melo (cultivar Torreon)].
- Fertilizantes (uria),

Dez

X
X
X
X
X

- Fertilizante (Cloreto de potssio).


Fertilizante (Superfosfato simples).

kg

80

1,00

80,00

- Defensivos (Daconil)
- Defensivos (Lanate)
- Bandejas de poliestireno: 128 clulas
- Substrato agrcola para produo de

kg
kg
L
unid
unid

200
1,0
1,0
10
5

1,20
50,00
75,00
12,00
15,00

240,00
50,00
75,00
120,00
75,00

mudas.
- Manta (TNT)
- Sacos plsticos 50 x 100 cm.
- sacos de papel 15 x 25 cm
- Plaquetas para identificao de

unid
unid
unid
Unid

2
1000
2000
200

1.000,00
0,20
0,10
1,5

2.000,00
200,00
200,00
300,00

2,0

120,00

240,00

kg
g

1,0
100

150,00
5,00

150,00
500,00

2.000,00

2.250,00
9.730,00

parcelas
- Reagentes (cido sulfrico)
- Reagentes (hidrxido de sdio).
- reagentes (antrona)
2 Servios de terceiros pessoa
jurdica.
- Manuteno

conserto

de

equipamentos
- Taxas de inscrio em eventos,
publicao de artigos em peridicos,
confeco de posters, outros.
Total

* Referncias:
Literatura que serviu de embasamento para a realizao da pesquisa.
ESTATSTICA EXPERIMENTAL
UNIDADE II - PRINCPIOS BSICOS DA EXPERIMENTAO.
A Repetio:

Consideraes sob o erro experimental.


Variao entre observaes realizadas em unidades experimentais que receberam o mesmo tratamento.

10

Escolha dos tratamentos


EX: Produes de duas variedades de milho A e B.
A

B
A produziu mais do que B
Ser que A mais produtiva do que B?
(A : rea mais frtil, melhor condio de umidade).

EX: Produes de duas variedades de milho A e B com 4 repeties.


A
B
B
A
A

B
A
A
B
B

Repeties e suas funes


A Permitem a estimao do erro experimental.

B Reduzem a varincia da amostra (preciso).


11

C Aumenta a abrangncia do experimento:

Fatores que afetam o nmero de repeties


Grau de preciso desejado:

Recursos financeiros e tempo disponvel:

12

B Casualizao:
O princpio da casualizao consiste na distribuio dos tratamentos s parcelas de
forma casual, para se evitar que um determinado tratamento venha a ser beneficiado ou
prejudicado por sucessivas repeties em parcelas melhores ou piores.
Sorteio dos tratamentos nas parcelas
Croqui de um experimento
A
B
C

A
B
C

A
B
C

A
B
C

A
B
C

Desta maneira os tratamentos A, B e C tm a mesma probabilidade de ser destinado a qualquer parcela.


O que fazer?
Casualizao das repeties dos tratamentos.
B
C
B

A
B
C

C
C
A

B
A
A

A
B
C

Finalidade?
Propiciar a todos os tratamentos a mesma chance de serem designados as parcelas.
Evita: favorecimento ou no ocasionado por fatores externos.
Vale ressaltar que sem os princpios bsicos da repetio e da casualizao no existe experimentao.
C - Controle Local:
O princpio do controle local s obrigatrio quando as condies experimentais assim o exigir
(heterogeneidade das condies experimentais).
EX: experimentos no campo. (heterogneo).
EX: experimentos em estufas e laboratrio (homogneo).

13

EX: rea com manchas de solo bem definidas


Distino entre condies experimentais: necessria a casualizao nessas reas (controle local).
reas so chamadas de blocos.

EX: blocos seriam as manchas de solo.


Os blocos podero ser espalhados por toda rea ou agrupados.
Poder haver ou no grande variabilidade de um bloco para outro.
Cada bloco seja to uniforme quanto possvel.
Ex: Experimentos zootcnicos visando melhoria na qualidade da carne.
(teste de raes).
14

Bovinos com idades diferentes.


Podem apresentar taxa de crescimento diferenciado e, portanto no podemos distribuir as raes
inteiramente ao acaso.

O controle local consiste em dividir grupo heterogneo quanto a idade em sub-grupos homogneos.
Sub-grupos so chamados de blocos.
Raes so distribudas de maneira casualizada dentro de cada bloco.
Delineamentos diferem quanto aplicao destes princpios bsicos.
DIC (2 princpios repetio, casualizao)
DBC (3 princpios repetio, casualizao e controle local).
DQL (3 princpios repetio, casualizao e controle local).

EXEMPLOS PRTICOS DE EXPERIMENTOS:


1 - Um extensionista, desejando comparar 10 raes para ganho de peso em animais, procedeu da
seguinte forma:
- Tomou 10 animais de uma propriedade rural. Estes 10 animais visivelmente no eram homogneos
entre si, porque foram oriundos de diferentes cruzamentos raciais e apresentavam idades diferentes. As
15

raes que o extensionista julgou ser as melhores foram designadas aos melhores animais, e as raes
que o extensionista julgou ser as piores foram designadas aos piores animais, de tal forma que cada
animal recebeu uma nica rao. Ao final de sua pesquisa, o extensionista recomendou a rao que
proporcionou maior ganho de peso nos animais.
- Baseado nestas informaes, pergunta-se:
A Quantos e quais foram os tratamentos em teste nesta pesquisa?Justifique sua resposta.
10 tratamentos: raes. Esta foi fonte de variao introduzida pelo pesquisador.
B Qual foi constituio de cada unidade experimental nesta pesquisa?Justifique sua resposta.
Cada animal. Cada animal recebeu um dos tratamentos.
C - Qual(is) foi(ram) o(s) princpio(s) bsico(s) da experimentao utilizados nesta pesquisa?
Nenhum.
D possvel estimar o erro experimental nesta pesquisa? Justifique sua resposta.
No. Pois o experimento no teve repetio.
E - A concluso dada pelo extensionista ao final da pesquisa estatisticamente aceitvel? Justifique
sua resposta.
No, pois no foram usados os princpios bsicos da experimentao.
2 Um pesquisador de uma indstria de alimentos desejava verificar se seis sabores de sorvete
apresentavam o mesmo o teor de glicose. O pesquisador, baseado em experimentos anteriores, sabia
que duas outras fontes de variao indesejveis poderiam influenciar o valor mensurado do teor de
glicose: o tipo de recipiente utilizado para armazenagem do sorvete e o equipamento utilizado para
mensurao do teor de glicose. Para controlar estas duas fontes de variao o pesquisador decidiu que
cada sabor deveria ser avaliado em cada um dos seis equipamentos disponveis; e armazenado em cada
um dos seis tipos de recipientes disponveis. Com esta finalidade, o pesquisador planejou o
experimento da seguinte maneira:
-

Preparar 6 lotes de100 ml de cada sabor. O total de lotes a serem preparados seria de 36 lotes;

- Os lotes de sorvetes deveriam ser distribudos ao acaso aos recipientes, com a restrio de que cada
tipo de recipiente recebesse todos os 6 sabores uma nica vez;
- Os lotes de sorvetes seriam designados ao acaso aos equipamentos para a anlise do teor de glicose,
com a restrio de que cada equipamento avaliasse cada um dos seis sabores uma nica vez.
- Baseando-se nestas informaes, pergunta-se:
1 - Quais foram os tratamentos em teste neste experimento?Justifique a sua resposta.
Os seis sabores de sorvete. Esta foi fonte de variao introduzida pelo pesquisador neste
experimento.
16

2 - O princpio da repetio foi utilizado neste experimento? Justifique a sua resposta.


Sim, pois cada sabor apareceu seis vezes no experimento.
3 - O princpio do controle local foi utilizado neste experimento? Justifique a sua resposta. Se a
resposta for afirmativa, quantas vezes o mesmo foi utilizado? Se a resposta for negativa, discuta sobre
a necessidade do mesmo ser utilizado neste experimento.
Sim, pois houve controle na casualizao. Dois controles foram utilizados na casualizao.

ESTATSTICA EXPERIMENTAL
UNIDADE III
Delineamento inteiramente casualizado (DIC)
1 Caractersticas
As unidades experimentais devem ser essencialmente homogneas.
EX: Trabalhos em laboratrio, estufas (temperatura e UR).

EX: Pouco comum em ensaios agrcolas de campo.

A casualizao feita inteiramente ao acaso.

Princpios bsicos: repetio e casualizao.

Casualizao dos tratamentos (DIC).


Experimento: 5 variedades de feijoeiro (A, B, C, D e E) e quatro repeties por tratamento.
C
B
E
D

B
A
B
A

D
C
B
E

A
D
A
E

C
E
D
C

2 - Vantagens
No exige, embora seja prefervel, que os tratamentos tenham todos os mesmos nmeros de repeties.
Flexvel: qualquer nmero de tratamentos ou repetio.
A anlise de varincia simples, mesmo se o nmero de repetio variar entre os tratamentos.
3 - Desvantagens
No fcil manter total homogeneidade das condies durante a toda
a realizao do experimento.
17

Quando as condies experimentais no so uniformes, as variaes que no sejam atribudas a


tratamentos so incorporadas ao erro (afeta a preciso do experimento).
4 - Modelo matemtico
Yij = + ti + ij
Yij = valor observado na parcela que recebeu o tratamento i na repetio j.
= mdia geral do experimento.
ti = efeito do tratamento i aplicado na parcela.
ij = erro dos fatores no controlados na parcela.
5 - Anlise de varincia (ANOVA)
- uma tcnica de anlise estatstica que permite decompor a variao total, ou seja, a
variao existente entre todas as observaes, na variao devido diferena entre os efeitos dos
tratamentos e na variao devido ao acaso, que tambm denominada de erro experimental ou resduo.
- um procedimento utilizado para verificao de efeito significativo entre tratamentos. Aqui saberemos
se os tratamentos diferem ou no com relao determinada caracterstica avaliada.
- Porm, no sabemos qual o melhor ou pior dos tratamentos testados.
A ANOVA baseia-se na decomposio da variao total da varivel resposta em partes que podem ser
atribudas aos tratamentos (varincia entre tratamentos) e ao erro experimental (varincia dentro dos
tratamentos).

Composio da anlise de varincia


FV
Trat.
Erro
(resduo)
Total

GL
I1
I(J 1)

SQ
SQTR
SQTO SQTR

QM
SQTR/GL
SQR/GL

IJ -1

SQTO

Especificaes
18

F
QMTR/QMR

1a coluna: Fontes de variao (FV): tratamento + resduo = total.


2a coluna: Graus de liberdade: tratamento + erro (resduo) = total.
GLTR = I 1 (Grau de liberdade de tratamento).
GLTO = IJ 1 (Grau de liberdade total).
GLR = GLTO - GLTR (Grau de liberdade do resduo).
I = nmero de tratamentos.
J = nmero de repeties por tratamento.
3a coluna: SQ: tratamento + resduo = total.
SQTO = YIJ2 C
C = G2 / IJ (Soma de quadrado total)
YIJ2 = Somatrio das observaes ao quadrado.
C = Correo das parcelas.
J = nmero de repeties por tratamento.
I = nmero de tratamentos.
SQTR = 1 / J (TOTRAT2) C (Soma de quadrado de tratamento).
TOTRAT2 = Somatrio dos totais de tratamento ao quadrado.
SQR = SQTO - SQTR (Soma de quadrado do resduo)
4a coluna: QM ou varincia: tratamento e resduo.
QMTR = SQTR/GLTR (Quadrado mdio de tratamento).
SQTR = Soma de quadrado de tratamentos.
GLTR = Grau de liberdade de tratamentos.
QMR = SQR/GLR (Quadrado mdio do resduo)
SQR = Soma de quadrado do resduo.
GLR = Grau de liberdade do resduo.
5a coluna: Teste F
F = QMTR/QMR.
H0: m1 = m2 = m3 = ... = mi ao nvel de probabilidade.
H1: rejeita-se H0: pelo menos a mdia de dois tratamentos difere entre s ao nvel de probabilidade.
Regra de deciso
Fcal Ftab aceita-se H0.
Fcal > Ftab rejeita-se H0.
7 - Pressuposies bsicas da anlise de varincia (ANOVA)
Os erros experimentais devem ter uma varincia comum. (homocedsticos).
19

S12/S22 4
Erros experimentais devem ser independentes e normalmente distribudos.
8 - Transformao de dados
Utilizados quando no se consegue atender as pressuposies bsicas da ANOVA.
Raiz quadrada X
Logartmica
Potencial
Amostra: 9, 16, 4, 25, 36 Amplitude = 32
Raiz quadrada:
Raiz 9 = 3; Raiz 16 = 4; Raiz 4 = 2; Raiz 25 = 5; Raiz 36 = 6;
Amplitude: 4 CV (coeficiente de variao).
EX1: Para comparar a produtividade de cinco variedades de milho, um agrnomo tomou 20 parcelas
similares e distribuiu inteiramente ao acaso. Cada uma das cinco variedades em quatro parcelas
experimentais. A partir dos dados experimentais fornecidos abaixo, possvel concluir que existe
diferena significativa entre variedades com relao produtividade, utilizando o nvel de significncia
de 5 %?
- Croqui do experimento no campo:
Var 1

Var 4

Var 2

Var 4

1,12
Var 3

1,05
Var 2

1,15
Var 5

1,23
Var 5

1,27
Var 5

1,18
Var 3

2,17
Var 1

1,93
Var 2

1,90
Var 3

1,31
Var 5

0,98
Var 2

1,05
Var 1

1,12
Var 4

1,80
Var 1

0,97
Var 4

0,97
Var 3

1,12
0,85
- Tabulao dos dados do experimento:

1,25

1,10

Tratamentos
1 - Variedade 1
2 Variedade 2
3 Variedade 3
4 Variedade 4
5 Variedade 5

I
0,85
0,97
1,10
1,12
1,80

Repeties
II
III
0,97
0,98
1,05
1,18
1,12
1,31
1,25
1,05
1,90
2,17

20

IV
1,12
1,15
1,27
1,23
1,93

Totais
3,92
4,35
4,80
4,65
7,80
G = 25,52

Grau de liberdade
Total: IJ 1 = 5 x 4 1 = 19.
Tratamento: I 1 = 5 1 = 4.
Residual: GLTO GLTR = 19 4 = 15.
I = nmero de tratamentos.
J = nmero de repeties por tratamento.
Soma de quadrados
Total: SQT0 = YIJ2 C C = G2 / IJ
YIJ2 = Somatrio das observaes ao quadrado.
C = Correo das parcelas.
C = 25,522 / 20 = 32,5635
SQTO = (0,852 + 0,972 + ...+ 1,932) 32,5635
SQTO = 35,1460 32,5635 = 2,5825
Tratamento: SQTR = 1 / J (TR2 C)
J = nmero de repeties por tratamento.
TR2 = Somatrio dos totais de cada tratamento ao quadrado.
C = Correo das parcelas.
SQTR = 1 / 4 (3,922 + 4,352 + ...+ 7,802) - 32,5635
SQTR = 34,9479 32,5635 = 2,3844
Residual: SQR = SQTO SQTR
SQR = 2,5825 2,3844 = 0,1981
Quadrados mdios
Tratamento: QMTR = SQTR / GLR
SQTR = Soma de quadrado de tratamentos.
GLTR = Grau de liberdade de tratamentos.
QMTR = 2,3844 / 4 = 0,5961
Residual: QMR = SQR / GLR
SQTR = Soma de quadrado do resduo.
GLR = Grau de liberdade do resduo.
QMR = 0,1981 / 15 = 0,0132
Valor de F
F = QMTR / QMR
21

QMTR = Quadrado mdio de tratamentos.


QMR = Quadrado mdio do resduo.
F = 0,5961 / 0,0132 = 45,16
Testar a significncia de F
Regra de deciso
Fcal F aceita-se H0.
Fcal > F rejeita-se H0.
Ftabelado ou F.
F (I, GLR) a determinado nvel . (Tabela de F).
F(4,15) 5% = 3,06.

F(4,15) 1% = 4,89.

Fcal > Ftab 45,16 > 3,06 (5%)


Fcal > Ftab 45,16 > 4,89 (1%).
Fcal > Ftab (rejeita-se H0) pelo menos as mdias de dois tratamentos diferem estatisticamente entre s
ao nvel de 1 e 5 % de probabilidade.
Concluso do teste F da ANOVA: foi observado diferena significativa entre variedades de milho com
relao a caracterstica de produtividade da cultura a 5 % pelo teste F.
Teste F indica que h diferena mais no discrimina quais so.
Quadro 1 Resumo da ANOVA para acidez total de 5 hbridos de melo.
FV
Hbridos
Resduo
Total

GL
4
15
19

SQ
2,3844
0,1981
2,5825

QM
0,5961
0,0132

F
45,16**

9 - Procedimento ps anlise de varincia (ANOVA):


Teste de mdias e desdobramento da soma de quadrados de tratamentos em contrastes ortogonais:
tratamentos qualitativos.
EX: variedades, tipos de adubos, embalagens, espaamentos etc.
Anlise de regresso: tratamentos quantitativos.
Ex: doses de nitrognio, lminas de irrigao, temperatura de armazenamento de frutos, populaes de
plantas etc.
10 - Utilizao de contratstes ortogonais:
1 - Decomposio da SQTR em contrastes ortogonais.

22

O estudo de contrastes muito importante na Estatstica Experimental, principalmente


quando o experimento em anlise composto por mais do que dois tratamentos. Com o uso de
contrastes possvel ao pesquisador estabelecer comparaes, entre tratamentos ou grupos de
tratamentos, que sejam de interesse.
Contraste: funo linear (se a soma algbrica dos coeficientes das variveis igual a zero).
(Y = a1x1 + a2x2 +...+ anxn an = 0).
Contrastes ortogonais: soma algbrica dos produtos dos coeficientes de mesma varivel for tambm
igual a zero.
(Y1 = a1x1 + a2x2 +...+ anxn an = 0).
(Y2 = b1x1 + b2x2 +...+ bnxn bn = 0).
a1b1 + a2b2 ++ anbn = 0
Se anbn = 0, os contrastes Y1 e Y2 sero ortogonais caso os tratamentos tenham o mesmo nmero de
repeties.

Caso contrrio, a condio de ortogonalidade: anbn/rn, onde rn o nmero de repeties do


tratamento n.

Regra prtica para estabelecer grupo de contrastes.


1 Escrevemos as mdias dos tratamentos envolvidos na comparao.
2 Atribumos sinal positivo a mdia de um grupo e negativo as mdias de outro grupo.
3 Verificar nmero de tratamentos do grupo 1 e 2. Calculamos o mmc entre n1 e n2.
4 Dividimos o mmc por n1. O resultado ser o coeficiente de cada mdia do primeiro grupo.
5 - Dividimos o mmc por n2. O resultado ser o coeficiente de cada mdia do segundo grupo.
Regra prtica: ortogonalidade.
1 Dividimos os tratamentos em dois grupos para estabelecer a primeira comparao.
2 Para estabelecer as novas comparaes, no podemos mais comparar tratamento de um grupo com os
de outro.
3 - Somente poderemos comparar tratamentos dentro de cada grupo. Dividimos cada grupo em
subgrupos e s comparamos dentro de cada subgrupo.
EX: De acordo com os dados do exemplo anterior compare os seguintes contrastes:
Hbrido 5 vs demais (1, 2, 3 e 4).
23

Hbridos 1 + 2 vs 3 + 4
Hbrido 1 vs 2
Hbrido 3 vs 4
n1 = 1 e n2 = 4; mmc (1,4)
n1 = 2 e n2 = 2; mmc (2,2)
n1 = 1 e n2 = 1; mmc (1,1)
n1 = 1 e n2 = 1; mmc (1,1)
M1 = 3,92 / 4 = 0,98
M2 = 4,35 / 4 = 1,09
M3 = 4,80 / 4 = 1,20
M4 = 4,65 / 4 = 1,16
M5 = 7,80 / 4 = 1,95

C1 = 4 x 1,95 1 x 0,98 1 x 1,09 1 x 1,20 1 x 1,16 = 3,37.


an2 = 42 + 12 + 12 + 12 + 12 = 20

C2 = 1 x 0,98 + 1 x 1,09 1 x 1,20 + 1 x 1,16 = - 0,29.


an2 = 12 + 12 + 12 + 12 = 4

C3 = 1 x 0,98 - 1 x 1,09 = - 0,11.


an2 = 12 + 12 = 2

C4 = 1 x 1,20 - 1 x 1,16 = 0,04.


an2 = 12 + 12 = 2
24

QMC1 = SQC1/GLC1 = 2,2717/1 = 2,2714


QMC2 = SQC2/GLC2 = 0,0841/1 = 0,0841
QMC3 = SQC3/GLC3 = 0,0242/1 = 0,0242
QMC4 = SQC4/GLC4 = 0,0032/1 = 0,0032
FC1 = QMC1/QMERRO = 2,2714/0,0132 = 172,08
FC2 = QMC2/QMERRO = 0,0841/0,0132 = 6,37
FC3 = QMC3/QMERRO = 0,0242/0,0132 = 1,83
FC4 = QMC2/QMERRO = 0,0032/0,0132 = 0,35
Tabela 2 Decomposio da soma de quadrados de tratamentos em contrastes ortogonais relativo a
valores mdios da produtividade de milho de cinco variedades em Pombal PB. CCTA/UFCG, 2013.
Contrastes
V5 vs V1 + V2 + V3 + V4
V1 + V2 vs V3 + V4
V1 vs V2
V3 vs V4
Tratamentos
Resduo

GL
1
1
1
1
(4)
15

SQ
2,2714
0,0841
0,0242
0,0032
2,3843
-

QM
2,2714
0,0841
0,0242
0,0032
0,0132

F
172,08*
6,37*
1,83ns
0,35ns

Ftabelado = F5% (1, 15) = 4,54.


Fcal > FTab o contraste dito significativo.
Fcal FTab o contraste dito no significativo.
Concluso:
- A produtividade de milho na variedade 1 foi superior comparado mdia de produtividade das demais
variedaes (2, 3, 4 e 5).
- A produtividade de milho foi inferior em mdia nas variedades 1 e 2 comparado a mdia de
produtividade das variedades 3 e 4.
No foi observada diferena significativa quanto a produtividade de milho entre as variedades 1 e 2 e
entre as variedades 3 e 4.
DIC: CASO DE PARCELAS PERDIDAS.
Exista condio de igualdade entre tratamentos.
Problemas de perda de parcelas
Perda de parcelas (plantas):
25

Destruio de plantas por animais


Corte de plantas por formiga
Doenas no solo e ataque de pragas
Germinao de sementes
Perda de parcelas (morte de animais):
Aplicao errada do tratamento.
Incidncia de fungos e bactrias
Observao no realizada na parcela no momento certo.
DIC: No necessria a estimao das parcelas perdidas. Pode-se fazer a ANOVA com diferente
nmero de repeties por tratamento.
EX2: Com o objetivo de diminuir o consumo dos motores gasolina, uma determinada indstria
petroqumica testou 4 novas formulaes de gasolina, as quais se diferenciavam pelo tipo de aditivo
que era acrescentado mesma durante o seu processo de fabricao. Para efetuar o teste, a indstria
petroqumica utilizou carros completamente homogneos para todas as caractersticas. A designao
das formulaes aos carros foi feita ao acaso. Aps os testes de rodagem, os resultados obtidos foram
(km/l):

- A (cido forte); B (cido fraco); C (base forte) e D (base fraca).


A

20,00
C

17,44
D

19,42
C

18,80
C

20,32
B

23,40
D

18,80
D

18,96
C

19,42
A

20,32
D

XXX
A

18,18
C

18,48
B

23,26
D

22,40
B

19,18
A

20,68
C

23,14
A

18,22

18,74

18,24

21,26

19,20

XXX

Repeties
Form.
A
B
C
D

I
20,00
17,44
19,20
18,74

II
23,40
19,42
23,26
19,18

III
22,40
20,32
23,14
18,48

IV
20,68
18,24
20,32
18,96
26

Totais
V
21,26
18,22
19,42
18,18

VI
18,80
18,80

107,74
93,64
124,14
112,34
437,86

Grau de liberdade
- Total: N 1 = 22 1 = 21.
- Tratamento: I 1 = 4 1 = 3.
- Residual: GLTO GLTR = 21 3 = 18.
Soma de quadrados
- Total: SQT0 = YIJ2 C C = G2 / N
C = 437,862 / 22 = 8714,6082
SQTO = (20,002 + 23,402 + ...+ 18,802) 8714,6082
SQTO = 8780,4388 8714,6082 = 65,8306
- Tratamento: SQTR = 1 / J (tR2 C)
SQTR = 1 / 5 (107,742 + 93,642) + 1 / 6 (124,142 + 112,342) 8714,6082 = 32,4991
- Residual: SQR = SQTO SQTR
SQR = 65,8306 32,4991 = 33,3315

Quadrados mdios
- Tratamento: SQTR / GL
QMTR = 32,4991 / 3 = 10,8330
- Residual: SQR / GL
QMR = 33,3315 / 18 = 1,8518
Valor de F
F = QMTR / QMR = 10,8330 / 1,8518 = 5,85
F(3,18) 5% = 3,16.
F(3,18) 1% = 5,09.
Fcal > Ftab (rejeita-se H0) pelo menos as mdias de dois tratamentos diferem estatisticamente entre s
ao nvel de 1 e 5 % de probabilidade.
Concluso do teste F da ANOVA: foi observada diferena significativa entre as formulaes com relao
a distncia percorrida pelo veculo a 5 % pelo teste F.
Quadro 1 Resumo da ANOVA para distncia percorrida pelo veculo em quatro formulaes de
combustvel. Pombal PB, CCTA/UFCG, 2013.
FV
Formulaes
Resduo
Total

GL
3
18
21

SQ
32,4991
33,3315
65,8306

27

QM
10,8330
1,8518

F
5,85*

No Caso de nmero de repeties diferentes por tratamento, a condio de ortogonalidade: anbn/rn,


onde rn o nmero de repeties do tratamento n.

EX: Com os dados do exemplo anterior, faa os seguintes contrastes.


FORM A vs demais (B, C e D).
FORM B vs (C e D)
FORM C vs FORM D
C1 = 3mA mB mC - mD n1 = 1, n2 = 3; mmc (1,3)
C2 = 2mB mC - mD

n2 = 1, n2 = 2; mmc (1,2)

C3 = mC - mD

n3 = 1, n2 = 1; mmc (1,1)
MA = 107,74 / 5 = 21,55
MB = 93,64 / 5 = 18,73
MC = 124,14 / 6 = 20,69
MD = 112,34 / 6 = 18,72

C1 = 3mA mB mC - mD
C1 = 3 x 21,55 1 x 18,73 1 x 20,69 1 x 18,72 = 6,51.
SQ(C1) = (6,51)2 / (32/5 + 12 / 5 + 12 / 6 + 12 / 6) = 18,1629.

C2 = 2mB mC - mD
C2 = 2 x 18,73 1 x 20,69 1 x 18,72 = - 1,95.
SQ(C2) = (-1,95)2 / (22/5 + 12 / 6 + 12 / 6) = 3,3551

C3 = mC - mD
C3 = 1 x 20,69 1 x 18,72 = 1,97.
SQ(C3) = (1,97)2 / (12 / 6 + 12 / 6) = 11,0427.
28


QMC1 = 18,1629 / 1 = 18,1629
QMC2 = 3,3551 / 1 = 3,3551
QMC1 = 11,6427 / 1 = 11,0427

Valor de F
FC1 = 18,1629 / 1,8518 = 9,81.
FC2 = 3,3551 / 1,8518 = 1,81.
FC3 = 11,0427 / 1,8518 = 5,96.
Tabela 2 Decomposio da soma de quadrados de tratamentos em contrastes ortogonais relativo a
distncia percorrida em funo de diferentes formulaes de combustveis. Pombal PB, CCTA/UFCG,
2013.
mA vs (mB + mC + mD)
mB vs (mC + mD)
mC vs mD
Resduo

GL
1
1
1
(3)
18

SQ
18,1629
3,3551
11,0427
-

QM
18,1629
3,3551
11,6427
1,8518

F
9,81*
1,81ns
5,96*

Ftabelado = F5% (1, 18) = 4,41.


Fcal > FTab (significativo) e Fcal FTab (no significativo).
Concluso:
- A distncia percorrida pelo veculo foi superior na formulao A comparado a mdia da distncia
percorrida nas demais formulaes (B, C e D).
- A distncia percorrida pelo veculo no diferiu quando comparada a formulao B da mdia das
formulaes C e D.
- A distncia percorrida pelo veculo foi superior na formulao C quando comparada formulao D.
Consideraes sobre o CV (coeficiente de variao).
O coeficiente de variao calculado da seguinte maneira:
CV (%) = (QMERRO / MG) X 100
QMERRO = Quadrado mdio do erro
MG = G /IJ mdia geral
O CV utilizado para avaliao da preciso de experimentos. Quanto menor o CV mais preciso tende
a ser o experimento. A ttulo de classificao geral pode-se utilizar a seguinte tabela:
CV

Avaliao
29

Preciso

< 10%
10 a 20 %
20 a 30 %
> 30 %

Baixo
Mdio
Alto
Muito alto

Alta
Mdia
Baixa
Muito baixa

OBS: Porm o valor do CV no tem nada de absoluto, pois existe uma variabilidade inerente a
cada rea de pesquisa. Por exemplo, experimentos realizados em locais com ambiente controlado
geralmente so mais precisos e podem apresentar CV menores que 5%.

ESTATSTICA EXPERIMENTAL
UNIDADE IV - TESTE DE COMPARAES MLTIPLAS DE MDIAS EXPERIMENTAIS.
Generalidades
Teste de comparaes mltiplas (PS ANOVA).

ANOVA: Testar pelo teste F a aceitao ou rejeio da hiptese H0.


Anlise de varincia (rejeio da hiptese nula).

Evidncias que existem diferenas entre mdias populacionais.


Mais entre que mdias se registra estas diferenas? (Teste de Comparaes Mltiplas).
Procedimento PS-ANOVA:
Teste de mdias: tratamentos qualitativos.
Anlise de regresso: tratamentos quantitativos.
Teste de comparaes mltiplas de mdias.
(Tukey, Duncan, Newmam Keulls, Dunnett, Sheff, t de Student).
1 - TESTE TUKEY
Usado para testar todo e qualquer contraste entre duas mdias.
O teste exato e de uso simples quando o n0 de repeties o mesmo para todos os tratamentos.
N0 de repeties diferente apenas aproximado.
No permite comparar grupos entre s
Tem por base a DMS:
Diferena mnima significativa.

30

= diferena mnima significativa


(valor limite para diferena entre mdias de dois tratamentos no diferirem estatisticamente entre s).
q = amplitude total estudentizada.
Tabelas de Tukey: nvel , nmero de tratamentos (I) e do grau de liberdade do resduo (n).
QMR = quadrado mdio do resduo.
ri e ru = nmero de repeties.
Tabela do teste de Tukey: (I, GLR)

Hipteses estatsticas
H0: mI = mJ

H1: mI mJ, I J

Regra de deciso
Y = |mI mJ|
Aceita-se H0. (contraste no significativo).
Y = |mI mJ| >
Rejeita-se H0. (contraste significativo).
EX: Experimento DIC: A altura de plntulas de Eucaliptus (cm) submetidos a cinco tipos de substratos.
Substrato 1

Substrato 3

Substrato 2

Substrato 3

5,5
Substrato 5

6,9
Substrato 4

6,8
Substrato 5

6,7
Substrato 4

31

6,6
Substrato 2

5,9
Substrato 5

6,8
Substrato 1

5,7
Substrato 2

7,1
Substrato 5

6,4
Substrato 1

5,8
Substrato 3

7,2
Substrato 4

5,8
Substrato 3

5,1
Substrato 4

7,2
Substrato 1

4,9
Substrato 2

5,8

5,6

4,6

6,0

Quadro 1: Dados coletados no experimento.


Substratos
1
2
3
4
5

Repeties
1
4,6
6,0
5,8
5,6
5,8

2
5,1
7,1
7,2
4,9
6,4

3
5,8
7,2
6,9
5,9
6,6

4
5,5
6,8
6,7
5,7
6,8

Quadro 2 Resumo da ANOVA para a altura da plntula de Eucalipstus.


FV
Substratos
Resduo
Total

GL
4
15
19

SQ
7,60
3,91
11,51

QM
1,90
0,26

F
7,31*

F5%(4,15) = 3,06.
Fcal > Ftab (rejeita-se H0) existe pelo menos um contraste entre mdias de tratamentos, que difere entre
s ao nvel de 5 % de probabilidade.
Concluso do teste F da ANOVA: foi observada diferena significativa entre os substratos com relao
altura da plntula de Eucaliptus a 5 % pelo teste F.
EX: Comparar as mdias pelo teste Tukey.
H0: mi = mJ
H1: m1 mJ.
Teste de Tukey
1)

Colocar as mdias em ordem decrescente:


m2 = 27,1/4 = 6,77
m3 = 26,6/4 = 6,65
m5 = 25,6/4 = 6,40
32

m4 = 22,1/4 = 5,52
m1 = 21,0/4 = 5,25
2) Formar e calcular o valor de cada contraste:
Y1 = |m2 m3| = 6,77 6,65 = 0,12ns
Y2 = |m2 m5| = 6,77 6,40 = 0,37ns
Y3 = |m2 m4| = 6,77 5,52 = 1,25*
Y4 = |m2 m1| = 6,77 5,25 = 1,52*
Y5 = |m3 m5| = 6,65 6,40 = 0,25ns
Y6 = |m3 m4| = 6,65 5,52 = 1,13*
Y7 = |m3 m1| = 6,65 5,25 = 1,40*
Y8 = |m5 m4| = 6,40 5,52 = 0,88ns
Y9 = |m5 m1| = 6,40 5,25 = 1,15*
Y10 = |m4 m1| = 5,52 5,25 = 0,27ns
3) calcular o valor da DMS:
= q QMR / J = 4,37 0,26 / 4 = 1,11 dias
q5% (5,15) = 4,37
4) Colocar a significncia nos contrastes (passo 2) comparando o valor do contraste com o valor DMS.
5) Colocar as letras nas mdias dos tratamentos.
m2 = 27,1/4 = 6,77 a
m3 = 26,6/4 = 6,65 a
m5 = 25,6/4 = 6,40 ab
m4 = 22,1/4 = 5,52 bc
m1 = 21,0/4 = 5,25 c
Calcular o coeficiente de variao

6) Concluso.
A maior altura de plntulas de Eucaliptus foi observada nas plantas cultivadas nos substratos 2, 3 e 5
comparado a aquelas plantas cultivadas nos substratos 4 e 1 ao nvel de 5 % de probabilidade.
Tabela 1 Valores mdios da altura de plntulas de Eucaliptus submetidos a diferentes tipos de
substratos em Londrina - PR. UFPR, 2012.
Substratos
2
3
5

Altura da plntula (cm)


6,77 a
6,65 a
6,40 ab
33

4
5,52 bc
1
5,25 c
DMS
1,11
CV (%)
8,33
* Nas colunas, as mdias seguidas pela mesma letra no diferem entre s ao nvel de 5 % de
probabilidade.
2 - TESTE DUNCAN
Usado para testar contraste entre duas mdias.
menos rigoroso que o teste Tukey em termos de rejeitar H0. Pode indicar resultados significativos que
Tukey no indicaria. (aplicao mais trabalhosa).
Exige que as mdias sejam colocadas em ordem decrescente e que tenham o mesmo nmero de
repeties para ser exato.
A significncia do teste indicada ligando-se por uma barra ou letras as mdias que no diferem entre s.
Baseia-se na amplitude total mnima significativa (Di)
Di = diferena mnima significativa
Zi = amplitude total estudentizada
Zi = f (, i e n).
= nvel de significncia (1 e 5 %).
i = n0 de mdias ordenadas abrangidas pelo contraste.
n = nmero de grau de liberdade do resduo.
Tabela do teste de Duncan: (n, GLR)

34

Hipteses estatsticas
H0: mi = mJ H1: m1 mJ, I J.
Regra de deciso
Y = |mI mJ| Di
Aceita-se H0. (contraste no significativo).
Y = |mI mJ| > Di
Rejeita-se H0. (contraste significativo).
Ex: Aplicar o teste de Duncan nas mdias abaixo.
1) Colocar as mdias em ordem decrescente:
m2 = 6,77
m3 = 6,65
m5 = 6,40
m4 = 5,52
m1 = 5,25
2)

Formar e calcular o valor de cada contraste envolvendo grupo de mdias: calcular o valor da
DMS e comparar com o valor de cada contraste para testar o contraste.
Contrastes envolvendo grupo com 5 mdias
Z5% (5,15) = 3,31
D5 = 3,31 0,26/4 = 0,84
Y5 = |m2 m1| = 6,77 5,25 = 1,52*
Contrastes envolvendo grupo com 4 mdias
Z5% (4,15) = 3,25
D4 = 3,25 0,26/4 = 0,83
Y4 = |m2 m4| = 6,77 5,52 = 1,25*
Y4 = |m3 m1| = 6,65 5,25 = 1,40*
Contrastes envolvendo grupo com 3 mdias
Z5% (3,15) = 3,16
35

D3 = 3,16 0,26/4 = 0,80


Y3 = |m2 m5| = 6,77 6,40 = 0,37ns
Y3 = |m3 m4| = 6,65 5,52 = 1,13*
Y3 = |m5 m1| = 6,40 5,25 = 1,15*
Contrastes envolvendo grupo com 2 mdias
Z5% (2,15) = 3,01
D2 = 3,01 0,26/4 = 0,77
Y2 = |m2 m3| = 6,77 6,65 = 0,12ns
Y2 = |m3 m5| = 6,65 6,40 = 0,15ns
Y2 = |m5 m4| = 6,40 5,52 = 0,88*
Y2 = |m4 m1| = 5,52 5,25 = 0,27ns
3) Concluso.
A altura da plntula de Eucaliptus no diferiu entre s quando foi utilizado os substratos 2, 3 e 5, porm
apresentaram plantas com altura superior quando comparados com aquelas plantas cultivadas nos
substratos 4 e 1 ao nvel de 5 % de probabilidade.
Tabela 2 Valores mdios da altura de plntulas de Eucaliptus submetidos a diferentes tipos de
substratos em Londrina - PR. UFPR, 2010.

3 - TESTE DE NEWMAM-KEULLS
Usado para testar contraste entre duas mdias.
Rigor: intermedirio entre Tukey e Duncan.
Usa-se a metodologia do Duncan com a tabela de Tukey.
A significncia do teste indicada ligando-se por uma barra ou letras as mdias que no diferem entre s.

i = diferena mnima significativa


36

QMR = Quadrado mdio do resduo.


qi = amplitude total estudentizada.
qi = f (, i e n).
= nvel de significncia
i = n0 de mdias ordenadas abrangidas pelo contraste.
n = nmero de grau de liberdade do resduo.
Tabela do teste: Tukey

Hipteses estatsticas
H0: mI = mJ

H1: mI mJ, I J

Regra de deciso
Y = |m1 m2| i
Aceita-se H0. (contraste no significativo).
Y = |m1 m2| > i
Rejeita-se H0. (contraste significativo).
Ex: Aplicar o teste de Newman-Keuls nas mdias.
1) Colocar as mdias em ordem decrescente:
m2 = 6,77
m3 = 6,65
m5 = 6,40
m4 = 5,52
m1 = 5,25
2) Formar e calcular o valor de cada contraste envolvendo grupo de mdias: calcular o valor da DMS e
comparar com o valor de cada contraste para testar o contraste.
Contrastes envolvendo grupo com 5 mdias
q5% (5,15) = 4,37
5 = 4,37 0,26/4 = 1,11
Y5 = |m2 m1| = 6,77 5,25 = 1,52*
37

Contrastes envolvendo grupo com 4 mdias


q5% (4,15) = 4,08
4 = 4,08 0,26/4 = 1,04
Y4 = |m2 m4| = 6,77 5,52 = 1,25*
Y4 = |m3 m1| = 6,65 5,25 = 1,40*
Contrastes envolvendo grupo com 3 mdias
q5% (3,15) = 3,67
3 = 3,67 0,26/4 = 0,93
Y3 = |m2 m5| = 6,77 6,40 = 0,37ns
Y3 = |m3 m4| = 6,65 5,52 = 1,13*
Y3 = |m5 m1| = 6,40 5,25 = 1,15*
Contrastes envolvendo grupo com 2 mdias
q5% (2,15) = 3,01
2 = 3,01 0,26/4 = 0,77
Y2 = |m2 m3| = 6,77 6,65 = 0,12ns
Y2 = |m3 m5| = 6,65 6,40 = 0,15ns
Y2 = |m5 m4| = 6,40 5,52 = 0,88*
Y2 = |m4 m1| = 5,52 5,25 = 0,27*
3)

Concluso.

As plantas de Eucaliptus no apresentaram diferena significativa em sua altura quando cultivadas


nos substratos 2, 3 e 5, porm as plantas cultivadas nestes substratos apresentaram altura superior
aquelas plantas cultivadas nos substratos 4 e 1 que no diferiram entre s a 5 % de probabilidade.
Tabela 3 Valores mdios da altura de plntulas de Eucaliptus submetidos a diferentes tipos de
substratos em Londrina - PR. UFPR, 2012.

4 - TESTE DE DUNNETT
Usado quando h interesse em comparar media de um tratamento padro (testemunha) com os demais
tratamentos.
38

No h interesse na comparao dos demais tratamentos entre s.


Um experimento com I tratamentos permite a aplicao do teste a (I 1) comparaes.
Aplicao do teste Dunnett
Calcular a estimativa de cada contraste.
Y1 = mi - mP
Y2 = mi - mP
Y(I 1) = m(I 1) - mP
Calcular a estimativa de varincia de cada contraste.
V(Y) = (1 / ri + 1/rp) QMR
Calcular o desvio padro do contraste.
S(Y) = V(Y)
Calcular o valor do teste d.
d = td x s(Y)
td = valor tabelado para teste Dunnett (1 e 5 %).
td = f (, i e n).
= nvel de significncia
i = n0 de grau de liberdade de tratamentos (I 1).
n = nmero de grau de liberdade do resduo.
Regra de deciso
Y = |mI mJ| d
Aceita-se H0. (contraste no significativo).
Y = |mI mJ| > d
Rejeita-se H0. (contraste significativo).
Ex: Aplicar o teste Dunnett para o exerccio anterior, admitindo o tratamento 1 como sendo a
testemunha.
1) Calcular a estimativa de cada constraste.
Y1 = m2 m1 = 6,77 5,25 = 1,52*
Y2 = m3 m1 = 6,65 5,25 = 1,40*
Y3 = m4 m1 = 5,52 5,25 = 0,27ns
Y4 = m5 m1 = 6,40 5,25 = 1,15*
2) Calcular a estimativa da varincia de cada contraste.
V(Y) = (1/4 + 1/4) x 0,26 = 0,13
3) Calcular o erro padro do contraste.
39

S(Y) = V(Y) = 0,13 = 0,36.


4) Calcular o valor do teste d.
d = td x S(Y)
td (5%,4,15) = 2,73

d = 2,73 x 0,36 = 0,98

5) Concluso.
Verifica-se maior altura de plntulas de Eucaliptus quando utilizou-se os substratos 2, 3 e 5 comparado a
testemunha (substrato 1). No houve diferena significativa na altura da plntula de Eucaliptus quando
se usou o substrato 4 comparado a testemunha (substrato 1) ao nvel de 5 % de probabilidade pelo teste
de Dunnett.
5 - TESTE DE SHEFF
Aplicado para testar todo e qualquer contraste de mdias.
Frequentemente utilizado para testar contraste que envolve grupos de mdias.
Mais rigoroso que o teste t, porm mais flexvel.
(ortogonalidade e estabelecimento dos contrastes).
OBS: a estatstica do teste denotada por S.

I = nmero de tratamentos do experimento.


F = valor tabelado; F = f(n1, n2).
n1 = grau de liberdade para tratamento.
n2 = grau de liberdade para resduo.
V(C) = Varincia do contraste.
Regra de deciso
|C | S
Aceita-se H0. (contraste no significativo).
|C| > S
Rejeita-se H0. (contraste significativo).
EX: Um experimento testou adubos nitrogenados para o abacaxizeiro com 6 tratamentos (5 tipos de
adubo e 1 testemunha) e 4 repeties no DIC.
Mdias de produo em kg / parcela.
1 Testemunha

m1 = 21,57
40

2 Sulfato de amnio
3 Salitre do Chile
4 Uria
5 Nitrato de clcio
6 Nitrato de potssio

m2 = 27,76
m3 = 24,58
m4 = 28,44
m5 = 28,85
m6 = 28,30

- Estimativa da varincia residual: QMR = 0,64.

- Esquema da ANOVA:
FV
Tratamento
Resduo
Total

GL
5
18
23

1) Calcular o valor do contraste.


C = 5 m1 m2 m3 m4 m5 m6
C = 5 (21,57) 27,76 24,58 28,44 28,85 28,30
C = - 30,08 kg / parcela
2) Calcular o valor da DMS.
- Clculo de S:
I = 6; F5% (5,18) = 2,77

3) Comparar o valor do contraste com a DMS.


|C| S: rejeita-se H0.
4) Concluso.
Os adubos nitrogenados proporcionaram, em mdia, um aumento de produo de 6,02 kg / parcela (C/5)
em relao testemunha.
6 - TESTE t DE STUDENT
Usado tambm para comparaes de mdias.
As comparaes devem ser escolhidas antes de serem examinados os dados.
N0 de comparaes = GL para tratamentos.
Os contrastes devem ser ortogonais.
41

Contraste: funo linear (se a soma algbrica dos coeficientes das variveis igual a zero).
(Y = a1x1 + a2x2 +...+ anxn an = 0).
Contrastes ortogonais: a soma algbrica dos produtos dos coeficientes de mesma varivel for tambm
igual zero.
(Y1 = a1x1 + a2x2 +...+ anxn an = 0).
(Y2 = b1x1 + b2x2 +...+ bnxn bn = 0).
a1b1 + a2b2 ++ anbn = 0
Experimento com 3 mdias (m1, m2, m3) 2 graus de liberdade para tratamentos (2 contrastes).
Y1 = m1 m2
Y2 = m1 + m2 2m3
EX 1: Se as estimativas das mdias forem:
m1 = 26,0; m2 = 24,8; m3 = 22,8;
Vejamos agora o caso do contraste Y1
Y1 = 26,0 24,8 = 1,20.
Dado um contraste: Y = c1m1 + c2m2 +...+ cnmn
Tratamento 1, 2, ... n (ri)
Estimativa da varincia

Varincia o quadrado do desvio padro.


S(Y) = V(Y)
6 (nmero de repeties para todos os tratamentos).
V(Y1) = (1/6 + 1/6) S2 = 1/3 S2
Supondo S2 = 1,44
S(Y1) = 1/3 x 1,44 = 0,693

Testando o contraste pelo teste t :


Hipteses
H0: Y1 = 0

H1: Y1 0

t = 1,20 / 0,693 = 1,73 t5%,9 = 2,09


tcal < ttab contraste no significativo, as mdias dos tratamentos no diferem entre s (m1 = m2) a 5 % de
probabilidade pelo teste t.
42

Vejamos agora o caso do contraste Y2


Y2 = m1 + m2 2m3 = 26,0 + 24,8 2 x (22,8) = 5,2.
V(Y) = (1/6 + 1/6 + 4/6) S2
S(Y2) = S2 = 1,44 = 1,20.

Tcalc = 5,20 / 1,20 = 4,33.

t5%,9 = 2,09.

tcal > ttab contraste significativo. (m1 + m2 m3).


Concluso: as mdias dos tratamentos (1 e 2) apresentaram superioridade em comparao a mdia do
tratamento 3 a 5 % de probabilidade.
ESTATSTICA EXPERIMENTAL
UNIDADE V - REGRESSO LINEAR SIMPLES
Consideraes
- 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.
EX: variedades, tipos de defensivos, mtodos de conduzir uma determinada tarefa, etc.
- Um fator quantitativo aquele onde os nveis se diferem com relao a quantidade do fator.
EX: temperatura, umidade, concentrao de um princpio ativo, nveis de insumo, pH, etc.
- Fator qualitativo: 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.
- Fator quantitativo: estudar o efeito do fator quantitativo por meio de uma relao funcional entre o
mesmo e a varivel resposta. A tcnica indicada neste caso a anlise de regresso.

Modelo Matemtico: Y = 0 + 1X + i
Y = 0 + 1X + 2X2 + i
Y varivel dependente (resposta).
X varivel independente (explanatria).
43

Y = 2,5 + 2,0 x

X = 1; Y = 4,5;

Modelo de regresso linear simples:


Relaciona uma varivel aleatria Y com uma varivel X.

Yi = 0 + 1Xi

A parte da variao de X no explicada atribuda ao acaso e constitui a variao residual.


OBS: o n0 de observaes disponveis deve ser maior que o nmero de parmetros da equao de
regresso.

44

R2: O coeficiente de determinao fornece uma informao auxiliar visando verificar se o


modelo proposto adequado ou no para descrever o fenmeno.
Trata-se do indicador de qualidade do ajustamento.
R2 = VE/VT
0 R2 1, ou 0 a 100 %.
Ex 1: Os dados da tabela a seguir referem-se ao efeito das doses do inseticida Vertimec sob mosca
branca em condies de laboratrio.
Doses (X)
ml

X2

Mortalidade (Y) %
45

Y2

XY

0.5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Total
22,5

3
9
44
68
79
82
85
94
100
564

0,25
1,00
2,25
4,00
6,25
9,00
12,25
16,00
20,25
71,25

9
81
1936
4624
6241
6724
7225
8836
10000
45676

1,5
9,0
66,0
136,0
197,5
246,0
297,5
376,0
450,0
1779,5

* Com base nesses dados, calcule as estimativas dos parmetros da equao de regresso:

= y / n = 564/9 = 62,66
= x / n = 22,5/9 = 2,5
0 = 62,66 24,63 * 2,5 = 1,09.

Pode-se fazer ento o diagrama de disperso e traar a reta da equao de regresso linear.

Coeficiente de determinao (R2)


46

Trata-se do indicador de qualidade do ajustamento.


R2 = VE/VT
a Varincia total (VT):
VT = y2 - (y)2 / n.
b Variao explicada pela varivel independente (VE):
VE = 1 * xy (x * y) / n

0 R2 1, ou 0 a 100 %.
Ex 2: Calcular o R2 para o exemplo anterior.
VT = y2 - (y)2 / n = 45676 (564)2/9 = 10332.
VE = 1 * xy - (x * y) / n
VE = 24,63 * [1779,5 (22,5 * 564)/9] = 9100,79.
R2 = VE/VT = 9100,79/ 10332
R2 = 0,8808 ou 88,08 %.
Concluso: O uso das doses do inseticida (x) explica 88,08 % da variao da mortalidade de insetos (Y).

ESTATSTICA EXPERIMENTAL
UNIDADE VI
DELINEAMENTO EM BLOCOS AO ACASO - DBC
Caractersticas
Caracterizado pela introduo do princpio do controle local, representado pelos blocos.
DIC (repetio + casualizao).
DBC (repetio + casualizao + controle local)

Quando usar o controle local?


Distino entre condies experimentais.
(heterogeneidade do ambiente (fertilidade do solo, temperatura, etc...).

EX: Quando o 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.

47

O controle do efeito do fator pertubador 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 pertubador, ou seja, em cada bloco de unidades homogneas.

Os blocos podero ser espalhados por toda rea ou agrupados.

Poder haver ou no grande variabilidade de um bloco para outro.

Em experimentos instalados segundo o DBC, espera-se que as condies experimentais de um bloco


sejam diferentes das condies experimentais do outro bloco e que haja homogeneidade das
condies experimentais dentro de cada bloco.
Cada bloco seja to uniforme quanto possvel.

Caso o pesquisador no controle o efeito do fator perturbador por meio da formao de blocos de
unidades experimentais homogneas e controle na casualizao, o efeito do fator pertubador
absorvido pelo erro experimental. Tal absoro tende a provocar um aumento no valor do QMRes, o
que pode acarretar em no identificar nenhuma diferena nos efeitos dos tratamentos, quando de fato
uma ou mais diferenas possam existir.

Evitar uso de blocos grandes (variabilidade do ambiente falta de uniformidade).


EX: Em ensaios agrcolas de campo.
Os tratamentos so atribudos aos blocos (sorteio dentro dos bloco).
A casualizao feita independentemente para cada bloco.
EXPERIMENTO COM 3 TRATAMENTOS E 5 REPETIES (BLOCOS) = 15 PARCELAS.
48

DBC
BLOCOS
1
2
3
4
5

A
B
A
C
C

TRATAMENTOS
C
A
B
B
A

B
C
C
A
B

Os blocos: horizontal ou vertical.


DIC
B
C
B

A
B
C

C
C
A

B
A
A

A
B
C

OBS 1: em experimentos zootcnicos cada bloco ser constitudo por animais com caractersticas
semelhantes (peso, idade etc).

OBS 2: o DBC usado quando se deseja controlar uma causa de variao alm do efeito de tratamentos:
- Falta de uniformidade do terreno
- Coleta de amostra em dias diferentes
- Uso de mais de um equipamento.

Vantagens
1 - Se o controle local se fizer necessrio ento esse delineamento mais eficiente do que o DIC (a
formao dos blocos isola esta causa de heterogeneidade diminuindo a variao do acaso).
2 - No h restrio no nmero de tratamentos (quadrado latino) ou de blocos, e no exige condies
experimentais uniformes (DIC).
3 - Anlise estatstica simples.
Desvantagens
1 - O delineamento perde eficincia quando o controle local for dispensvel (o n0 de graus de liberdade
do erro menor que o obtido no DIC).
2 - Quando a variao entre unidades experimentais dentro do bloco grande, o erro experimental
grande.
Modelo matemtico
YIJ = + tI + J + IJ
YIJ = valor observado na parcela que recebeu o tratamento i no bloco j.
= mdia geral do experimento.
49

tI = efeito de tratamento.
J = efeito de blocos.
IJ = erro dos fatores no controlados na parcela.
Anlise de varincia
FV
Bloco
Trat.

GL
J-1
I1

SQ
SQB
SQTR

QM
SQTR/GL

Res.
Total

(I 1) (J 1)
IJ -1

SQTO SQTR - SQBL


SQTO

SQR/GLR
-

F
QMTR
/QMR
-

Especificaes
1a coluna: bloco, tratamento, resduo e total.
2a coluna: GL: bloco, tratamento, resduo e total.
3a coluna: SQ: blocos, tratamento, resduo e total.
SQTO = YIJ2 C C = G2 / IJ
SQTR = 1 / J (TR2) C
SQB = 1 / I (BL2 ) C
SQR = SQTO - SQTR SQBL
4a coluna: QM ou varincia: bloco, tratamento e resduo.
QMB = SQB / GLBL
QMTR = SQTR/GLTR
QMR = SQR/GLR
5a coluna: teste F (quociente: = QMTR/QMR).
(quociente: = QMB/QMR).
OBS 1: efeito do bloco significativo indica que a preciso do experimento foi aumentada pelo uso desse
delineamento em relao ao uso do DIC.
OBS 2: A abrangncia do experimento pode ser aumentada, porque os tratamentos foram testados em
variadas condies experimentais.
Hipteses estatsticas
H0: m1 = m2 = m3 = ... = mi, aceita-se H0 ao nvel de probabilidade.
H0: m1 m2 m3 ... mi rejeita-se H0: pelo menos um contraste entre mdias de tratamentos
diferem entre s ao nvel de probabilidade.
Regra de deciso
Fcal F aceita-se H0.
Fcal > F rejeita-se H0.
50

EX: A rea foliar da planta um dos indicadores da eficincia do processo fotossinttico de uma
determinada espcie. Em funo disso foi realizado um experimento que avaliou a rea foliar
(cm2.planta-1) de quatro espcies indicadas para utilizao em reas de reflorestamento 1 ms aps a
emergncia da plntula. O experimento foi realizado no DBC com 3 repeties.

Tratamentos
Espcie A
Espcie B
Espcie C
Espcie D
Totais Blocos

I
4,07
3,91
4,90
3,79
16,67

rea foliar (cm2.planta-1)


Blocos
II
III
3,80
3,86
3,77
3,46
5,31
4,73
3,50
3,46
16,38
15,51
Grau de liberdade

- Bloco: J 1 = 3 1 = 2.
- Total: IJ 1 = 4 x 3 1 = 11.
- Tratamento: I 1 = 4 1 = 3.
- Residual: GLTO GLTR GLBL = 11 3 2 = 6.
Soma de quadrados
- Total: SQT0 = YIJ2 C C = G2 / IJ
C = 48,562 / 12 = 196,5061
SQTO = (4,072 + 3,802 + ...+ 3,462) 196,5061
SQTO = 200,5418 196,5061 = 4,0357
- Tratamento: SQTR = 1 / J (TR2) C
SQTR = 1 / 3 (11,732 + ...+ 10,752) 196,5061
SQTR = 200,1529 196,5061 = 3,6468
- Blocos: SQB = 1 / I (BJ2) C
SQB = 1 / 4 (16,672 + + 15,512) 196,5061
SQB = 196,6884 196,5061 = 0,1823
- Residual: SQR = SQTO SQTR - SQB
SQR = 4,0357 3,6468 0,1823 = 0,2066
Quadrados mdios
51

Totais Trat.
11,73
11,14
14,94
10,75
48,56

- Tratamento: SQTR / GL
QMTR = 3,6468 / 3 = 1,2156
- Blocos: SQB / GL
QMB = 0,1823 / 2 = 0,0912
- Residual: SQR / GL
QMR = 0,2066 / 6 = 0,0344
Valor de F
FB = QMB / GLB = 0,50
F = QMTR / QMR = 1,2156 / 0,0344 = 35,34
F(3,6) 5% = 4,76; F(3,6) 1% = 9,78.
Quadro 1 Resumo da ANOVA para rea foliar da planta em diferentes espcies florestais.
FV
Blocos
Espcies
Resduo
Total

GL
2
3
6
11

SQ
0,1823
3,6468
0,2066
4,0357

QM
0,0912
1,2156
0,0344

F
0,50ns
35,34*

F indica que h diferena mais no discrimina quais so.


Procedimento ps ANOVA
Teste de mdias e contrastes: tratamentos qualitativos.
Anlise de regresso: tratamentos quantitativos.
Teste de mdias (Tukey, t, Duncan, Scheff, Dunett, Newman Keulls etc).
Aplicao do teste de Tukey
Dados do exemplo anterior.
Colocar as mdias em ordem decrescente:
MC = 14,94/3 = 4,98 a
MA = 11,73/3 = 3,91 b
MB = 11,14/3 = 3,71 b
MD = 10,75/3 = 3,58 b
Calcular o valor de cada contraste:
Y = |MC MA| = 4,98 3,91 = 1,07*
Y = |MC MB| = 4,98 3,71 = 1,27*
52

Y = |MC MD| = 4,98 3,58 = 1,40*


Y = |MA MB| = 3,91 3,71 = 0,20ns
Y = |MA MD| = 3,91 3,58 = 0,33ns
Y = |MB MD| = 3,71 3,58 = 0,13ns
Calcular a DMS do teste:
= q QMR / J = 4,90 0,0344 / 3 = 0,52 cm2.planta-1
q5% (4,6) = 4,90
Concluso: A rea foliar das plantas foi superior na espcie C comparado a utilizao das demais
espcies, que no diferiram entre si ao nvel de 5 % de probabilidade pelo teste Tukey.
CV = S / mg x 100 = 0,1855 / 4,047 x 100 = 4,58 %.
Tabela 1 Valores mdios da rea foliar de diferentes espcies florestais. Pombal PB. CCTA/UFCG,
2012.
Tratamentos
rea foliar (cm2.planta-1)
Espcie A
3,91 b
Espcie B
3,71 b
Espcie C
4,98 a
Espcie D
3,58 b
DMS
0,52
CV (%)
4,58
* Nas colunas, as mdias seguidas pela mesma letra no diferem entre s pelo teste de Tukey ao
nvel de 5 % de probabilidade.
Exerccio extra aula: com as mdias do exemplo anterior aplique os testes de Duncan e Dunnett (utilize
o tratamento D como testemunha).
Decomposio da SQTR em contrastes ortogonais.
Se anbn = 0, os contrastes Y1 e Y2 sero ortogonais: tratamentos tenham o mesmo nmero de
repeties.

Caso contrrio:

EX: Com os dados do exemplo anterior teste os contrastes abaixo: (Caracterstica avaliada = rea foliar
de diferentes espcies florestais).
Espcie A e B vs C e D.
Espcie A vs B
Espcie C vs D
53

n1 = 2 e n2 = 2; mmc (2,2)
n1 = 1 e n2 = 1; mmc (1,1)
n1 = 1 e n2 = 1; mmc (1,1)
Mdias dos tratamentos:
Ma = 3,91
Mb = 3,71
Mc = 4,98
Md = 3,58
C1 = ma + mb mc md = 3,91 + 3,71 4,98 3,58 = - 0,94

C2 = ma - mb = 3,91 - 3,71 = 0,20

C3 = mc md = 4,98 3,58 = 1,40

Quadro da ANOVA:
Contrastes
(MA+MB) vs (MC+MD)
MA vs MB
MC vs MD
Tratamento
Resduo
F5% (1, 6) = 5,99.

GL
1
1
1
(3)
6

SQ
0,6627
0,0600
2,9400
3,6627
-

QM
0,6627
0,0600
2,9400

F
19,26*
1,74ns
85,46*

0,0344

Concluso: Em media, as espcies A e B proporcionaram plantas com menor rea foliar comparado
mdia da rea foliar observadas nas plantas das espcies C e D. Nas plantas da espcie C observou-se
maior rea foliar comparado as plantas da espcie D. As espcies A e B no diferiram com relao rea
foliar da planta, a 5 % de probabilidade pelo teste F.
DBC: caso de parcelas perdidas.
Estimao da parcela perdida

54

I: Nmero de tratamentos.
J: nmero de repeties.
B: totais das observaes restantes no bloco contendo a parcela perdida.
T: totais das observaes restantes no tratamento contendo a parcela perdida.
G: total geral das observaes disponveis.
2 - O valor estimado colocado na planilha (valor perdido) e a ANOVA executada.
3 A SQTR fica sobreestimado Fazer a correo.

SQTR(aj) = SQT U
4 O nmero de GLR fica reduzido de uma unidade.
GLR = (I 1) ( J 1) 1
5 Se as comparaes das mdias forem feitas pelo teste Tukey exige o clculo de duas DMSs.

(Contraste sem parcela perdida)

Contrastes com parcela perdida.


EX: Um melhorista de plantas instalou um experimento visando selecionar as melhores prognies para
dar continuidade ao seu programa de melhoramento. Na instalao do experimento, ele verificou que a
rea a ser utilizada no era completamente homognea. Ento dividiu a rea em 3 sub-reas de tal forma
que cada uma fosse completamente homognea e pudesse conter todas as 4 prognies em teste. Aps
esta diviso, as prognies foram distribudas ao acaso dentro de cada sub-rea. Na poca da colheita ele
avaliou a produo de gros por planta (kg/planta), cujos resultados foram:

Prognies
Prognie A
Prognie B
Prognie C
Prognie D
Totais Bloco

I
5,0
4,0
3,0
3,5
15,5

Blocos
II
X
4,5
5,0
4,5
14,0 + X

Totais Trat.
III
8,0
6,5
6,0
5,0
25,5

1 Clculo da estimativa da parcela perdida


55

13,0 + X
15,0
14,0
13,0
55,0 + X

X = 6,5
2 Anlise de varincia
Prognies
Prognie A
Prognie B
Prognie C
Prognie D
Totais Bloco

Blocos
II
6,5
4,5
5,0
4,5
20,5

I
5,0
4,0
3,0
3,5
15,5

Totais Trat.
III
8,0
6,5
6,0
5,0
25,5

Grau de liberdade
- Blocos: J 1 = 3 1 = 2.
- Tratamento: I 1 = 4 1 = 3.
- Residual: (I 1) ( J 1) 1 = (4 1) ( 3 1) 1 = 5.
- Total = 2 + 3 + 5 = 10.
Soma de quadrados
- Total: SQT0 = YIJ2 C C = G2 / IJ
C = 61,52 / 12 = 315,1875
SQTO = (52 + 6,52 + ...+ 5,02) 315,1875
SQTO = 337,25 315,1875 = 22,0625
- Tratamento: SQTR = 1 / J (ti2) C
SQTR = 1 / 3 (19,52 + ...+ 13,02) 315,1875
SQTR = 323,4167 315,1875 = 8,2292
SQTR (AJ) = SQT U

U = 2,52
SQTR (AJ) = 8,2292 2,52 = 5,7092
- Blocos: SQB = 1 / I (B2) C
SQB = 1 / 4 (15,52 + + 25,52) 315,1875
SQB = 327,6875 315,1875 = 12,5000
- Residual: SQR = SQTO SQB - SQTR (AJ) SQR = 22,0625 12,50 5,7092 = 3,8533
Quadrados mdios
56

19,5
15,0
14,0
13,0
61,5

- Tratamento: SQTR / GL
QMTR = 5,7092 / 3 = 1,9031
- Blocos: SQB / GL
QMB = 12,5000 / 2 = 6,2500
- Residual: SQR / GL
QMR = 3,8533 / 5 = 0,7707
Valor de F
F = QMTR / QMR = 1,9031 / 0,7707 = 2,47ns
F(3,5) 5% = 5,41.
Fcal Ftab(5%) (aceita-se H0) no existe diferena significativa na produo de gros das quatro
prognies avaliadas ao nvel de 5 % de probabilidade pelo teste F.
Quadro 1 Resumo da ANOVA da produo de gros em diferentes prognies. CCTA/UFCG, 2011.
FV
Blocos
Prognie
Resduo
Total

GL
2
3
5
10

SQ
12,5000
5,7092
3,8533
22,0625

QM
6,2500
1,9031
0,7707

Aplicao do teste Tukey


As estimativas das mdias dos contrastes seriam:
m1 = 6,50
m2 = 5,00
m3 = 4,67
m4 = 4,33
Clculo das DMSs:
= q x QMR/J =
= 5,22 0,7707 / 3 = 2,65
q5% (4,5) = 5,22

= 3,05
Y = |m1 m2| = 6,5 5,0 = 1,50 < 3,05ns
Y = |m1 m3| = 6,5 4,67 = 1,83 < 3,05ns
57

F
2,47ns

Y = |m1 m4| = 6,5 4,33 = 2,17 < 3,05ns


Y = |m2 m3| = 5,0 4,67 = 0,33 < 2,65ns
Y = |m2 m4| = 5,0 4,33 = 0,67 < 2,65ns
Y = |m3 m4| = 4,67 4,33 = 0,34 < 2,65ns
CV (%) = (S / m) x 100 =
CV (%) = (0,8778 / 5,125) x 100 = CV = 17,13 %.
Tabela 1 Valores mdios para a produo de gros em diferentes prognies. CCTA/UFCG, 2012.
Prognies
Mdia
Prognie A
6,50* a
Prognie B
5,00 a
Prognie C
4,67 a
Prognie D
4,33 a
DMS = 2,65 e DMS = 3,05
CV (%)
17,13
* Nas colunas, as mdias seguidas pela mesma letra no diferem entre s pelo teste Tukey ao nvel
de 5 % de probabilidade.
Concluso: No houve diferena significativa quanto a produo de gros das quatro prognies avaliadas
a 5 % de probabilidade pelo teste de Tukey.

ESTATSTICA EXPERIMENTAL
DELINEAMENTO EM QUADRADO LATINO (DQL)
(UNIDADE VII)
Consideraes:
Os ensaios em DBC: controla a heterogeneidade em um s sentido.
(1 controle local representado pelos blocos).

OBS: Quando h variao em sentido perpendicular na realizao do experimento em campo ou


laboratrio
(Utiliza-se mais 1 controle local).

No Delineamento em Quadrado Latino (DQL), alm dos princpios da repetio e da casualizao,


utilizado tambm duas vezes o princpio do controle na casualizao para controlar o efeito de dois
fatores perturbadores que causam variabilidade entre as unidades experimentais.
Dois controles: considerando 1 no sentido da linha + 1 no sentido da coluna.
58

Geralmente, na configurao de um experimento instalado segundo o DQL, os nveis de um fator


perturbador so identificados por linhas em uma tabela de dupla entrada e os nveis do outro fator
perturbador so identificados por colunas na tabela.

Quadrado latino
EX: Em experimentos com animais este delineamento bastante usado.

Experimentos em campo ou laboratrio apresentam limitaes quando o nmero de tratamentos for


grande.

Dois blocos: sentido linha e coluna.


No DQL o nmero de linhas, colunas e tratamentos so iguais.
Caractersticas
Colunas
Linhas

B
D
A
C

C
A
B
D

D
B
C
A

A
C
D
B

Utilizado: quando as unidades experimentais puderem ser agrupadas com os nveis das 2 fontes de
variao.

Ex 2: Num experimento com sunos pretende-se testar 4 tipos de rao (A,B,C e D), em 4 raas e 4
idades de animais. Sendo interesse fundamental o comportamento dos 4 tipos de rao, toma-se a raa
e a idade como blocos, ou seja:
Raa
Idade
I1
I2
I3
I4

R1
Rao A
Rao B
Rao D
Rao C

R2
Rao B
Rao C
Rao A
Rao D

R3
Rao D
Rao A
Rao C
Rao B

R4
Rao C
Rao D
Rao B
Rao A

O nmero total de unidades experimentais igual a I2, sendo I o nmero de tratamentos.


Cada tratamento representado uma nica vez em cada linha e em cada coluna.

N0 de tratamentos = N0 de repeties (menos flexvel)


> de 8 tratamentos: no recomendado (n0 de repeties).
59

Dentro das linhas e das colunas: uniformidade.

O DQL 2 x 2, 3 x 3 e 4 x 4 apresentam 0, 2 e 6 GLR.


DQL: 5 x 5 a 8 x 8 (mais utilizados).

Casualizao do DQL
Sorteio da ordem das linhas e depois das colunas.
Aplicao de quatro raes em vacas em lactao.
Colunas
Linhas

A
D
C
B

B
A
D
C

C
B
A
D

D
C
B
A

* Admitindo que o sorteio da ordem das linhas tenha sido:


4,2,1 e 3.
Colunas
Linhas

B
D
A
C

C
A
B
D

D
B
C
A

A
C
D
B

* Admitindo que o sorteio da ordem das colunas tenha sido:


2,3,1 e 4.
Colunas
Linhas

C
A
B
D

D
B
C
A

B
D
A
C

Modelo matemtico
Yijk = m + li + cj + (tk)ij + eijk
Yijk = observao relativa ao tratamento k na linha i e na coluna j.
m = mdia geral
li = efeito da linha i
cj = efeito da coluna j
(tk)ij = efeito do tratamento k na linha i e na coluna j.
eijk = erro experimental associado a observao Yijk.
60

A
C
D
B

Anlise de varincia
De acordo com o modelo matemtico:
FV
Linhas
Colunas
Tratamentos
Resduo
Total

GL
I1
I1
I1
(I 2) (I 1)
I2 - 1

SQ
SQL
SQC
SQTR
SQR
SQTO

QM

QMTR
QMR

QMTR / QMR

Especificaes
1a coluna: FV: linhas, colunas, tratamentos, resduo e total.
2a coluna: GL: linhas, colunas, tratamentos, resduo e total.
3a coluna: SQ: linhas, colunas, tratamentos, resduo e total.
SQTO = YIJK2 C C = G2 / I2
SQTR = 1 / I ( TR2) C
SQL = 1 / I (LI2) C
SQC = 1 / I (CO2) C
SQR = SQTO SQTR SQL SQC
4a coluna: QMR: tratamento e resduo.
QMTR = SQTR/GLT
QMR = SQR/GLR
5a coluna: teste F (quociente = QMTR/QMR).
Hipteses estatsticas
H0: 12 = 22
H1: 12 22
Termos prticos
H0: aceita-se H0: m1 = m2 = m3 = ... = mi ao nvel de probabilidade.
H1: rejeita-se H0: pelo menos a mdia de dois tratamentos difere entre s ao nvel de probabilidade.
Regra de deciso
Fcal F aceita-se H0.
Fcal > F rejeita-se H0.
Exemplo prtico Um experimento foi realizado visando avaliar o efeito da utilizao de 4 tipos de
compostos orgnicos sob o acmulo de massa seca em mudas de Eucaliptus para produo de madeira
para indstria.
Tratamentos:
61

A = restos vegetais + esterco bovino.


B= restos vegetais + esterco caprino.
C = restos vegetais + esterco de aves.
D = restos vegetais.
Colunas
Linhas
1
2
3
4
Totais Colunas

1
93,0 A
115,4 B
102,1 C
112,6 D
423,1

2
108,6 B
96,5 D
94,9 A
114,1 C
414,1

Totais Linhas
3
108,9 C
77,6 A
116,9 D
118,7 B
422,1

4
102,0 D
100,2 C
96,0 B
97,6 A
395,8

Graus de liberdade
Linhas, colunas e tratamentos = I 1 = 4 1 = 3.
Total = I2 -1 = 42 1 = 15
GLR = GLto GLLinhas GLcolunas GLTrat. =
GLR = 15 3 3 3= 6.
Soma de quadrado de linhas
SQL = 1 /4 (412,52 + ...+ 443,02) 1655,12/16 = 362,5869.
Soma de quadrado de colunas
SQC = 1 /4 (423,12 + ...+ 395,82) 1655,12/16 = 119,8669.
Soma de quadrado de tratamentos
TA = 363,1; TB = 438,7; TC = 425,3; TD = 428,0
SQTR = 1 /4 (363,12 + ...+ 428,02) 1655,12/16 = 881,0969.
Soma de quadrado total
SQTO = (93,02 + ...+ 97,62) 1655,12/16 = 1812,6794.
Soma de quadrado do resduo
SQR = SQTO SQTR SQL SQC
SQR = 1812,6794 881,0969 362,5869 119,8669 = 449,1287.
Quadrados mdios
Tratamento
QMTR = SQTR / GLTR = 881,0969 / 3 = 293,6989
Resduo
QMR = SQR / GLR = 449,1287 / 6 = 74,8548
Valor de F
FCAL = QMTR / QMR = 293,6989 / 74,8548 = 3,92ns
62

412,5
389,7
409,9
443,0
1655,1

F (3,6) 5 % = 4,76
Quadro da Anova:
FV
Linhas
Colunas
Compostos
Resduo
Total

GL
3
3
3
6
15

SQ
362,5869
119,8669
881,0969
449,1287
1812,6794

QM

293,6989
74,8548

3,92ns

Concluso: no foi observada diferena significativa na massa seca de plntulas de Eucaliptus em


funo dos compostos orgnicos avaliados pelo teste F a 5 % de probabilidade.
Tabela 1 Massa seca em plantas de Eucaliptus submetidos a diferentes tipos de compostos orgnicos
em Pombal-PB. CCTA/UFCG, 2011.
Tratamentos
Massa seca (g.planta-1)
RV+EC (B)
*109,68 a
RV (D)
108,25 a
RV+EA (C)
106,32 a
RV+EB (A)
90,85 a
DMS
20,33
CV (%)
7,99
* Nas colunas, as mdias seguidas pela mesma letra no diferem entre s ao nvel de 5 % de
probabilidade pelo teste de Tukey.
A = restos vegetais + esterco bovino.
B= restos vegetais + esterco caprino.
C = restos vegetais + esterco de aves.
D = restos vegetais.
OBS 1: Se as comparaes das mdias forem feitas pelo teste Tukey exige o clculo de duas DMSs.
= q QMR / J
(Contraste sem parcela perdida)

Contrastes com parcela perdida.


OBS 2: Se as comparaes das mdias forem feitas pelo teste Duncan exige o clculo de duas DMSs.
D = Z QMR / J
(Contraste sem parcela perdida)

63

Contrastes com parcela perdida.


DQL com parcela perdida
Exista condio de igualdade entre tratamentos
Perda de parcelas
Estimao da parcela perdida.

r = nmero de repeties.
G = total geral das parcelas mensuradas
L, C e T so os totais das linhas, colunas e tratamento que ocorreu parcela perdida.
Anlise de varincia
De acordo com o modelo matemtico:
FV
Linhas
Colunas
Tratamentos
Resduo
Total

GL
I1
I1
I1
(I 2) (I 1) - 1
Soma

SQ
SQL
SQC
SQT
SQR
SQTO

QM

QMT
QMR

QMT / QMR

DBC: o procedimento feito leva a um valor no correto para SQTR.


Correo: SQTR

Subtrao de U da SQTR.
Prossegue a anlise de varincia de forma usual.
Exercitando:
Exemplo 2: Os dados abaixo so de um experimento que foi realizado no DQL e avaliou o efeito de 4
espcies indicadas para reas de reflorestamento sob o acmulo de matria orgnica no solo.
Colunas
Linhas

Totais L
3

64

1
2
3
4
Totais C

93,0 A
*B
102,1 C
112,6 D
307,7

108,6 B
96,5 D
94,9 A
114,1 C
414,1

108,9 C
77,6 A
116,9 D
118,7 B
422,1

102,0 D
100,2 C
96,0 B
97,6 A
395,8

412,5
274,3
409,9
443,0
1539,7

Y = 90,3
Colunas
Linhas
1
2
3
4
Totais C

1
93,0 A
90,3 B
102,1 C
112,6 D
398,0

2
108,6 B
96,5 D
94,9 A
114,1 C
414,1

Totais L
3
108,9 C
77,6 A
116,9 D
118,7 B
422,1

4
102,0 D
100,2 C
96,0 B
97,6 A
395,8

Graus de liberdade
Linhas, colunas e tratamentos = I 1 = 4 1 = 3.
GLR = (I 2) (I 1) - 1 = (4 2) (4 1) - 1 = 5.
Soma de quadrado de linhas
SQL = 1 /4 (412,52 + ...+ 443,02) 16302/16 = 782,8550.
Soma de quadrado de colunas
SQC = 1 /4 (398,02 + ...+ 395,82) 1655,12/16 = 120,9650.
Soma de quadrado de tratamentos
TA = 363,1; TB = 413,6; TC = 425,3; TD = 428,0

SQTR = 1 /4 (363,12 + ...+ 428,02) 1630,02/16 = 686,4150.


Correo: SQTR

U = 4,1344
SQTR (AJ) = SQTR U = 686,4150 4,1344 = 682,2806
Soma de quadrado total
SQTO = (93,02 + ...+ 97,62) 16302/16 = 1803,1100.
Soma de quadrado do resduo
65

412,5
364,6
409,9
443,0
1630,0

SQR = SQTO SQTR (AJ) SQL SQC


SQR = 1803,1100 682,2806 782,8550 120,9650 = 217,0094.
Quadrados mdios
Tratamento
QMTR = SQTR (AJ) / GLTR = 682,2806 / 3 = 227,4269
Resduo
QMR = SQR / GLR = 217,0094 / 5 = 43,4019
Valor de F
FCAL = QMTR / QMR = 227,4269 / 43,4019 = 5,24ns
F (3,5) 5 % = 5,41
FV
Linhas
Colunas
Espcies
Resduo
Total

GL
3
3
3
5
14

SQ
782,8550
120,9650
682,2806
217,0094
1803,1100

QM

227,4269
43,4019

5,24ns

F (3,5) 5 % = 5,41
Fcal < Ftab (Contrastes no significativo).
Concluso: no foi observada diferena significativa no acmulo de matria orgnica do solo em funo
das quatro espcies avaliadas pelo teste F a 5 % de probabilidade.

UNIDADE VIII - EXPERIMENTOS FATORIAIS


Conceitos bsicos
Experimento fatorial: aquele que compara todos os tratamentos que podem ser formados pela
combinao de nveis nos seus diferentes fatores.
Fator
um tipo de tratamento.
EX: variedade, espaamento, doses de potssio... etc.
Nvel
Refere-se aos diversos tratamentos dentro de qualquer fator.
EX: Fator: doses de K (nveis: 0, 50, 100 kg ha-1).
Fator: Temperaturas (nveis: 5, 10, 15 e 20 0C).
Tratamentos
Consistem de todas as combinaes possveis entre os diversos fatores nos seus diferentes nveis.
66

Fatorial: tipo de esquema, ou seja, uma maneira de organizar os tratamentos e no um tipo de


delineamento, que representa a maneira de como os tratamentos sero distribudos s parcelas.
A principal aplicao dos experimentos fatoriais quando se quer saber sobre o efeito de diversos
fatores que influenciam na varivel em estudo e o relacionamento entre eles.
A simbologia comumente utilizada, para experimentos fatoriais indicar o produto dos
nveis dos fatores em teste. Por exemplo: Experimento Fatorial 2 x 4 x 6. O produto 2 x 4 x 6
informa que no experimento foram testados simultaneamente 3 fatores. O primeiro possui 2 nveis, o
segundo 4 nveis e o terceiro 6 nveis.
Ex: Avaliar a vida til de morango em 4 temperatura de armazenamento e 3 tipos de embalagem.
T1E1 (tratamento).
Caractersticas
So mais eficientes que os experimentos simples permitindo tirar concluses mais gerais.
Agronomia
Fatorial 4 x 3 (4 Variedades e 3 espaamentos).
EX: Variedades V1, V2, V3 e V4 x Espaamento E1, E2 e E3.
V1E1
V2E1
V3E1
V4E1

V1E2
V2E2
V3E2
V4E2

V1E3
V2E3
V3E3
V4E3

Ambiental
Fatorial 3 x 3 (3 compostos e 3 doses).
EX: Composto C1,C2 e C3 x Doses D1, D2 e D3.
C1 D 1
C1 D 2
C1 D 3

C2 D1
C2 D2
C2 D3

C3 D 1
C3 D 2
C3 D 3

Fatorial: cada nvel de um fator se combina com cada um dos nveis de outros fatores.
Alimentos
Fatorial 4 x 4 (4 tipos de conservantes e 4 temperaturas de armazenamento).
C1T1
C2T1
C3T1
C4T1

C1T2
C2T2
C3T2
C4T2

C1T3
C2T3
C3T3
C4T3

67

C1T4
C2T4
C3T4
C4T4

Cada combinao de tratamentos constitui uma parcela (unidade de material ao qual aplicado um
tratamento).
EX: um animal, 20 plantas etc.
Fatorial: 4 x 4, com 4 repeties = 64 parcelas.
Os experimentos fatoriais no constituem um delineamento experimental.
Podem ser instalados: DIC, DBC, DQL.
Estudam-se os efeitos dos fatores individuais e da interao dos fatores.
CROQUI DO EXPERIMENTO
Fatorial 2 x 4, com 4 repeties.
Fator A: 2 nveis

Fator B: 4 nveis

DIC
A1B1
A2B2
A1B4
A1B2
A2B1
A2B3
A1B4
A2B2
A1B2
A2B3
A2B4
A1B3
A2B2
A1B3
A2B1
A1B4

A1B1
A1B2
A2B4
A1B1
A2B2
A2B1
A1B3
A2B3
A1B1
A2B4
A2B1
A1B4
A1B2
A2B4
A1B3
A2B3
CROQUI DO EXPERIMENTO
Fatorial 2 x 4, com 3 repeties.
Fator A: 2 nveis

Fator B: 4 nveis

DBC
I
A1B1
A2B1
A1B2
A1B3
A2B4
A1B4
A2B2
A2B3

II
A1B3
A2B2
A1B4
A1B1
A2B1
A2B3
A1B2
A2B4

III
A1B1
A2B3
A1B2
A2B2
A1B4
A2B1
A1B3
A2B4
68

Classificao
Qualitativos: Diferentes tipos de categorias (variedades, tratos culturais, mtodos de cultivo, tipos de
conservantes qumicos).
Quantitativos: podem ser dosados ou quantificados (doses de N, temperaturas etc).
Vantagens
As concluses so mais generalizadas.
possvel se testar qualquer tipo de combinao, obtendo a informao sobre a interao entre fatores.
Maior eficincia na utilizao de recursos materiais e humanos.
o

O n

de GL associado ao resduo alto quando comparado com os experimentos

simples dos mesmos fatores, o que contribui para diminuir a varincia residual, aumentando
a preciso do experimento.
Desvantagens
A anlise estatstica em alguns casos se torna bastante complexa com o aumento de nveis e de fatores.
medida que cresce o n0 de fatores ou nveis, cresce o n0 de combinaes de tratamentos, implicando
em perda de eficincia (homogeneidade das parcelas).
Requer maior nmero de unidades experimentais em relao aos experimentos simples.
Classificao dos efeitos
Efeito principal: o efeito de cada fator, independente da influncia de outros fatores.
EX: Temperatura e/ou embalagens.
Efeito da interao: o efeito simultneo dos fatores sobre a varivel em estudo. R esposta diferencial
da combinao de tratamentos que no se deve a efeitos principais.
Interao: ocorre quando os efeitos dos nveis de um fator so modificados por nveis de outro fator.
EX: variedade x doses de esterco.
O efeito da interao pode ser mais facilmente compreendido por meio dos grficos. Para ilustrar o
efeito da interao, considere um experimento fatorial 3x2, em que os fatores em testes so Variedade
(A) e Espaamento (B).
No h interao
B1
B2

A1
2
5

A2
4
7

69

A3
6
9

Tratamento A no exerce influncia em B e vice versa.


H interao
B1
B2

A1
2
5

A2
4
7

A3
6
4

Tratamento A exerce influncia em B e vice versa.


Modelo matemtico
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 :
YIJK = + I + J + ()IJ + eIJK (DIC)
YIJK = valor observado que recebeu os nveis do fator e os nveis do fator .
= uma constante (mdia) comum a todas as observaes.
I = efeito do nvel do fator com i = 1,... a.
J = efeito do nvel do fator com j = 1,... b.
IJ = efeito da interao do nvel do fator com o efeito do nvel do fator .
eIJK = erro experimental associado a observao YIJK.
Anlise de varincia
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.
Quadro da ANOVA: DIC
FV
A
B
AxB

GL
I1
J1
(I 1)(J 1)

SQ
SQA
SQB
SQ(AxB)
70

QM
QMA
QMB
QMAB

F
QMA/ QMR
QMB/QMR
QMAB/QMR

Trat.
Resduo
Total

(IJ 1)
Diferena
IJK - 1

SQT
SQR
SQTO

QMR
-

Quadro da ANOVA: DBC


FV
A
B
AxB
Trat.
Bloco
Resduo
Total

GL
I1
J1
Diferena
(IJ 1)
K1
Diferena
IJK - 1

SQ
SQA
SQB
SQ(AxB)
SQTR
SQBL
SQRES
SQTO

QM
QMA
QMB
QMAxB
QMR
-

F
QMA/ QMR
QMB/QMR
QMAB/QMR
-

SQTO = Y2IJK C C = G2 / IJK


SQA = 1 / JK TAI2 C
SQB = 1 / IK TBI2 C
SQ(A X B) = SQ(A,B) SQA SQB
SQ(A,B) = SQTR = 1 / K (TAIBj)2 C
SQR = SQTO - SQTR
Se for em DBC
SQR = SQTO - SQTR SQBL
QMA = SQA / GLA
QMB= SQB/ GLB
QM A X B = SQ A X B / GLA X B
FA = QMA / QMR
FB = QMB / QMR
FA X B = QM A X B / QMR
EX: Experimento fatorial do tipo 3 x 4, com 3 repeties. Fator A (tipos de filme plstico) e fator B
(tipos de cera). Vida til do fruto de goiaba (dias). Interao no significativa.
TRATAMENTOS
1 - A1B1
2 - A1B2
3 - A1B3
4 - A1B4
5 A2B1
6 A2B2
7 A2B3
8 A2B4
9 A3B1
10 A3B2

I
35
45
51
45
38
40
55
58
45
44

REPETIES
II
45
48
54
50
44
50
56
66
48
60
71

III
40
39
45
67
44
51
51
47
51
46

TOTAIS
120
132
150
162
126
141
162
171
144
150

11 A3B3
12 - A3B4

50
62

65
65

56
59

171
186

SQTO = Y2IJK C = (352 + 452...+ 592) (1815)2 / 36 = 2450,75.


C = G2 / IJK = (1815)2 / 3*4*3 = 91506,25.
SQA = 1/JK AI2 C = 1/12 (5642 +...+ 6512) 91506,25 = 318,5.
SQB = 1/IK BI2 C = 1/9 (3902 +...+ 5192) 91506,25 = 92631 91560,25 = 1124,75.
SQ(AxB) = SQ(A,B) SQA SQB
SQ(A,B) = 1/K (A1Bj)2 C = 1/3 (1202 ++ 1862) - 91506,25 = 92961 91506,25 = 1454,75.
SQ(AxB) = SQ(A,B) SQA SQB
SQ(AxB) = 1454,75 318,5 1124,75 = 11,50.
SQR = SQTO - SQTR
SQR = 2450,75 1454,75 = 996,00.
QMA = SQA / GLA = 318,5 / 2 = 159,25
QMB = SQB / GLB = 1124,75 / 3 = 374,91
QM A X B = SQ A X B / GLA X B = 11,5 / 6 = 1,92
FA = QMA / QMR = 159,25 / 41,5 = 3,84
FB = QMB / QMR = 374,91 / 41,5 = 9,03
FA X B = QM A X B / QMR = 1,92 / 41,5 = 0,05
FV
Plstico (P)
Cera (C)
PxC
Trat.
Resduo
Total

GL
2
3
6
11
24
35

SQ
318,5
1124,75
11,5
1454,75
996,00
2450,75

QM
159,25
374,91
1,92

F
3,84**
9,03**
0,05ns

41,5

Fator A: F5% (2,24) = 3,40


Fator B: F5% (3,24) = 3,01
Fator A x B: F5% (6,24) = 2,51
Concluses
Existe pelo menos um contraste entre mdias dos nveis do fator A e do fator B com efeito significativo,
ao nvel de 5 % de probabilidade.
No houve interao entre os fatores A e B. Os fatores podem ser estudados isoladamente.
72

Interao no significativa
Este resultado indica que os efeitos entre os fatores ocorre de forma independente. Portanto recomendase 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.
Procedimento ps ANOVA
Teste de comparaes mltiplas (Tukey, Duncan etc).
Fator A
mA3 = 54,25 a
mA2 = 50,00

ab

mA1 = 47,00

Y1 = mA3 mA2 = 54,25 50,00 = 4,25ns


Y2 = mA3 mA1 = 54,25 47,00 = 7,25*
Y3 = mA2 mA1 = 50,00 47,00 = 3,00ns
= q QMR/ JK
= 3,53 41,5 / 12 = 6,56;

q5% (3, 24) = 3,53.

Concluso: Os frutos de goiaba obtiveram maior vida til quando acondicionados na embalagem 3
comparado aqueles acondicionados na embalagem 1 a 5 % de probabilidade pelo teste Tukey.
Fator B
mB4 = 57,66 a
mB3 = 53,66 ab
mB2 = 47,00

bc

mB1 = 43,33

Y1 = mB4 mB3 = 57,66 53,66 = 4,00ns


Y2 = mB4 mB2 = 57,66 47,00 = 10,66*
Y3 = mB4 mB1 = 57,66 43,33 = 14,66*
Y4 = mB3 mB2 = 53,66 47,00 = 6,66ns
Y5 = mB3 mB1 = 53,66 43,33 = 10,33*
Y6 = mB2 mB1 = 47,00 43,33 = 3,67ns
= q QMR/ IK
= 3,90 41,5 / 9 = 7,25
q5% (4, 24) = 3,90
Concluso: Os frutos de goiaba obtiveram maior vida til quando utilizou a cera tipo 4 comparado as
ceras 2 e 1 a 5 % pelo teste Tukey.
Tabela 1 Valores mdios da vida til de frutos de goiaba em funo de tipos de filmes plsticos e tipos
de cera em Pombal PB. CCTA/UFCG, 2012.
73

Tipos de Filmes
Vida til (dias)
Filme (1)
47,00 b
Filme (2)
50,00 ab
Filme (3)
54,25 a
DMS
6,56
Tipos de Cera
Cera (1)
43,33 c
Cera (2)
47,00 bc
Cera (3)
53,66 ab
Cera (4)
57,66 a
DMS
7,25
CV (%)
2,68
* Nas colunas, as mdias seguidas pela mesma letra no diferem entre s pelo teste de Tukey
ao nvel de 5 % de probabilidade.

CV = S / mg x 100 = 41,5 / 50,42 x 100 = 12,78 %.


CASO O MESMO EXPERIMENTO FOSSE FEITO NO DBC TERIA QUE CALCULAR A
SOMA DE QUADRADOS DE BLOCOS

TRATAMENTOS
1 - A1B1
2 - A1B2
3 - A1B3
4 - A1B4
5 A2B4
6 A2B4
7 A2B4
8 A2B4
9 A3B1
10 A3B2
11 A3B3
12 - A3B4
TOTAIS DE

I
35
45
51
45
38
40
55
58
45
44
50
62
568

REPETIES
II
45
48
54
50
44
50
56
66
48
60
65
65
651

III
40
39
45
67
44
51
51
47
51
46
56
59
596

BLOCOS
SQBLOCOS = 1 / IJ (TB2) C
SQBLOCOS = 1 / 12 (5682 + ... + 5962) 18152 / 36 = 297,17
SQR = SQTO - SQTR - SQBL
SQR = 2450,75 1454,75 297,17 = 698,83.
QMR = 698,83 / 22 = 31,77
FA = QMA / QMR = 159,25 / 31,77 = 5,01
74

TOTAIS
120
132
150
162
126
141
162
171
144
150
171
186
1815

FB = QMB / QMR = 374,91 / 31,77 = 204,87


FA X B = QM A X B / QMR = 1,92 / 31,77 = 1,05
FV
Plstico (P)
Cera (C)
PxC
Trat.
Bloco
Resduo
Total
Fator A: F5% (2,24) = 3,40
Fator B: F5% (3,24) = 3,01
Fator A x B: F5% (6,24) = 2,51

GL
2
3
6
11
2
22
35

SQ
318,50
1124,75
11,50
1454,75
297,17
698,83
2450,75

QM
159,25
374,91
1,92

F
5,01**
11,80**
0,06ns

31,77

NESTE CASO, COMO OS FATORES A e B FORAM SIGNIFICATIVOS A 5 % PELO TESTE F,


DEVE-SE APLICAR UM TESTE DE COMPARAES MLTIPLAS DE MDIAS (EX.TESTE DE
TUKEY) PARA OS FATORES ISOLADOS. ESTE PROCEDIMENTO J FOI FEITO NO EXEMPLO
ANTERIOR, NO HAVENDO A NECESSIDADE DE SE FAZER NOVAMENTE.
Interao significativa
Este resultado implica que os efeitos dos fatores atuam de forma dependente. Neste caso as comparaes
entre os nveis de um fator levam 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.
UM EXEMPLO COM A INTERAO DOS FATORES A e B SIGNIFICATIVA
EX: Experimento fatorial do tipo 3 x 4, com 3 repeties. Fator A (Fontes de adubos N F1, F2 e F3) e
fator B (Espaamento E1, E2, E3 e E4). Avaliar a massa seca da folhas de mudas de Eucaliptus.

Interao significativa.
FV
A

GL
2

SQ
148,8039
75

QM
74,4019

F
66,43**

B
AxB
Trat.
Blocos
Resduo
Total

3
6
11
2
22
35

22,4097
44,3228
215,5364
24,60
-

7,4699
7,3871
1,1200
-

6,67**
6,59**
-

Fator A: F1% (2,22) = 5,72


Fator B: F1% (3,22) = 4,82
Fator A x B: F1% (6,22) = 3,76
Concluses
Houve interao entre os fatores A e B a 1 % de probabilidade. Estudo da interao (desdobramento de
A dentro de B e de B dentro de A).
A Fator A dentro dos nveis do fator B

SQ(A/B1) = 1/3 (69,42 +...+ 64,52) (208,4)2/9 = 16,6689


SQ(A/B2) = 1/3 (74,52 +...+ 63,52) (217,4)2/9 = 44,2022
SQ(A/B3) = 1/3 (78,42 +...+ 65,22) (228,4)2/9 = 66,5955
SQ(A/B4) = 1/3 (82,62 +...+ 62,82) (216,9)2/9 = 65,6600
QM A/B1 = SQ A/B1 / GL A/B1 = 16,6689 / 2 = 8,3344
QM A/B2 = SQ A/B2 / GL A/B2 = 44,2022 / 2 = 22,1011
QM A/B3 = SQ A/B3 / GL A/B3 = 66,5955 / 2 = 33,2977
QM A/B4 = SQ A/B3/ GL A/B3 = 65,6600 / 2 = 32,8300

F A/B1 = QM A/B1 / QMR = 8,3344 / 1,1200 = 7,44


F A/B2 = QM A/B2 / QMR = 22,1011 / 1,1200 = 19,73
F A/B3 = QM A/B3 / QMR = 33,2977 / 1,1200 = 29,73
F A/B4 = QM A/B4 / QMR = 32,8300 / 1,1200 = 29,31
Desdobramento de A dentro de B
76

FV
GL
SQ
A/B1
2
16,6689
A/B2
2
44,2022
A/B3
2
66,5955
A/B4
2
65,6600
Trat.
Bloco
Resduo
Total
* Significativo a 5 % de probabilidade. F5% (2,22) = 3,44.

QM
8,3344
22,1011
33,2977
32,8300

F
7,44*
19,73*
29,73*
29,31*

1,1200

Concluso
Dentro de cada nvel de B, h pelo menos um contraste entre mdias dos nveis de A, que apresenta
efeito significativo, ao nvel de 5 % de probabilidade.

Mtodos de comparaes mltiplas: A/B nveis.


Teste Tukey
= 3,55 1,12/3 = 2,17.
q5% (3,22) = 3,55.
mA2/B1 = 24,83 a

mA2/B2 = 26,47 a

mA1/B1 = 23,13 ab

mA1/B2 = 24,83 a

mA3/B1 = 21,50 b

mA3/B2 = 21,17 b

mA2/B3 = 28,27 a

mA1/B4 = 27,53 a

mA1/B3 = 26,13 a

mA2/B4 = 23,83 b

mA3/B3 = 21,73 b

mA3/B4 = 20,93
YA/B1

Y1 = mA2/B1 - mA1/B1 = 24,83 23,13 = 1,70NS


Y2 = mA2/B1 - mA3/B1 = 24,83 21,50 = 3,33*
Y3 = mA1/B1 - mA3/B1 = 23,13 21,50 = 1,63NS
YA/B2
Y1 = mA2/B2 - mA1/B2 = 26,47 24,83 = 1,64NS
Y2 = mA2/B2 - mA3/B2 = 26,47 21,17 = 5,30*
Y3 = mA1/B2 - mA3/B2 = 24,83 21,17 = 3,66*
YA/B3
77

Y1 = mA2/B3 - mA1/B3 = 28,27 26,13 = 2,14NS


Y2 = mA2/B3 - mA3/B3 = 28,27 21,73 = 6,54*
Y3 = mA1/B3 - mA3/B3 = 26,13 21,73 = 4,40*
YA/B4
Y1 = mA1/B4 - mA2/B4 = 27,53 23,83 = 3,70*
Y2 = mA1/B4 - mA3/B4 = 27,53 20,93 = 6,60*
Y3 = mA2/B4 - mA3/B4 = 23,83 20,93 = 2,90*
Concluso YA/B1
No espaamento 1 foi observado maior massa seca da planta de Eucaliptus quando foi utilizada a fonte
de adubo 2 comparado com a fonte de adubo 3 a 5 % de probabilidade pelo teste F.
Concluso YA/B2 e YA/B3
Nos espaamentos 2 e 3 foi observado maior massa seca da planta de Eucaliptus quando com as fontes
de adubo 2 e 1 comparado com a fonte de adubo 3 a 5 % de probabilidade pelo teste F.
Concluso YA/B4
No espaamento 4 foi observado maior massa seca da planta de Eucaliptus quando foi utilizada a fonte
de adubo 1 comparado com as demais fontes de adubo (2 e 3) a 5 % de probabilidade pelo teste F.
B Fator B dentro dos nveis do fator A

SQ(B/A1) = 1/3 (69,42 +...+ 82,602) (304,9)2/12 = 31,6425


SQ(B/A2) = 1/3 (74,52 +...+ 71,502) (310,20)2/12 = 33,9633
SQ(B/A3) = 1/3 (64,502 +...+ 62,802) (256,00)2/12 = 1,1266
QM B/A1 = SQ B/A1 / GL B/A1 = 31,6425 / 3 = 10,5475
QM B/A2 = SQ B/A2 / GL B/A2 = 33,9633 / 3 = 11,3211
QM B/A3 = SQ B/A3 / GL B/A3 = 1,1266 / 3 = 0,3755
F B/A1 = QM B/A1 / QMR = 10,5475 / 1,1200 = 9,42
F B/A2 = QM B/A2 / QMR = 11,3211 / 1,1200 = 10,11
F B/A3 = QM B/A3 / QMR = 0,3755 / 1,1200 = 0,34
Desdobramento de B dentro de A
78

FV
GL
SQ
B/A1
3
31,6425
B/A2
3
33,9633
B/A3
3
1,1266
Trat.
Bloco
Resduo
Total
* Significativo a 5 % de probabilidade. F5% (3,22) = 3,05.

QM
10,5475
11,3211
0,3755

F
9,42*
10,11*
0,34NS

1,1200

Concluso
Dentro de cada nvel de A1 e A2, h pelo menos um contraste entre mdias dos nveis de B, que apresenta
efeito significativo, ao nvel de 5 % de probabilidade.
Mtodos de comparaes mltiplas: A/B nveis.
Teste Tukey
mB4 / A1 = 27,53 A

mB3 / A2 = 28,27 A

mB3 / A1 = 26,13 AB

mB2 / A2 = 26,47 AB

mB2 / A1 = 24,83 BC

mB1 / A2 = 24,83 BC

mB 1 /A1 = 23,13

mB 4 /A2 = 23,83 C

mB3 / A3 = 21,73 A
mB1 / A3 = 21,50 A
mB2 / A3 = 21,17 A
mB 4 /A3 = 20,93 A
YB/A1
Y1 = mB4/A1 mB3/A1 = 27,53 26,13 = 1,40ns
Y2 = mB4/A1 mB2/A1 = 27,53 24,83 = 2,70*
Y3 = mB4/A1 mB1/A1 = 27,53 23,13 = 4,40*
Y4 = mB3/A1 mB2/A1 = 26,13 24,83 = 1,30ns
Y5 = mB3/A1 mB1/A1 = 26,13 23,13 = 3,30*
Y6 = mB2/A1 mB1/A1 = 24,83 23,13 = 1,70ns
YB/A2
Y1 = mB3/A2 mB2/A2 = 28,27 26,47 = 1,80ns
Y2 = mB3/A2 mB1/A2 = 28,27 24,83 = 3,44*
Y3 = mB3/A2 mB4/A2 = 28,27 23,83 = 4,44*
Y4 = mB2/A2 mB1/A2 = 26,47 24,83 = 1,64ns
Y5 = mB2/A2 mB4/A2 = 26,47 23,83 = 2,64*
79

Y6 = mB1/A2 mB4/A2 = 24,83 23,83 = 1,00ns


YB/A3
Y1 = mB3/A3 mB1/A3 = 21,73 21,50 = 0,23ns
Y2 = mB3/A3 mB2/A3 = 21,73 21,17 = 0,56ns
Y3 = mB3/A3 mB4/A3 = 21,73 20,93 = 0,80ns
Y4 = mB1/A3 mB2/A3 = 21,50 21,17 = 0,33ns
Y5 = mB1/A3 mB4/A3 = 21,50 20,93 = 0,57ns
Y6 = mB2/A3 mB4/A3 = 21,17 20,93 = 0,24ns
= 3,93 1,12/3 = 2,40
q5% (4,22) = 3,93.
Concluso YB/A1
Na fonte de adubo 1 foi observado maior massa seca da planta de Eucaliptus quando as plantas foram
cultivadas no espaamento 4 comparado aquelas cultivadas no espaamento 2 e 1 a 5 % de
probabilidade pelo teste F.
Concluso YB/A2
Na fonte de adubo 2 foi observado maior massa seca da planta de Eucaliptus quando as plantas foram
cultivadas no espaamento 3 comparado aquelas cultivadas no espaamento 1 e 4 a 5 % de
probabilidade pelo teste F.
Concluso YB/A3
Na fonte de adubo 3 no foi observada diferena significativa na maior massa seca da planta de
Eucaliptus quando as plantas foram cultivadas no diferentes espaamentos de plantio a 5 % de
probabilidade pelo teste F.
Tabela 1 Valores mdios da massa seca da folha de Eucaliptus em funo da fonte do adubo N e do
espaamento da cultura em Pombal PB. CCTA/UFCG, 2012.
Massa seca (g.planta-1)
Espaamentos
Fontes de Adubos N
E1
E2
E3
F1
23,13 ab C
24,83 a BC
26,13 a AB
F2
24,83 a BC
26,47 a AB
28,27 a A
F3
21,50 b A
21,17 b A
21,73 b A
Nas colunas, as mdias seguidas pela mesma letra minscula, e nas linhas pela
maiscula no diferem entre s pelo teste de Tukey ao nvel de 5 % de probabilidade.

80

E4
27,53 a A
23,83 b C
20,93 c A
mesma letra

UNIDADE IX - EXPERIMENTOS EM PARCELAS SUB-DIVIDIDAS


Generalidades
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.

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 subparcerlas de cada parcela.

CROQUI DO EXPERIMENTO
Parcela subdividida 3 x 3, com 3 repeties.
Fator A (Parcela): 3 nveis
Fator B (subparcela): 3 nveis

DIC
A1B1
A1B3
A1B2
A2B1
A2B3
A2B2
A1B2
A1B3
A1B1

A2B2
A2B3
A2B1
A3B1
A3B2
A3B3
A3B3
A3B2
A3B1

CROQUI DO EXPERIMENTO
Parcela subdividida 2 x 4, com 3 repeties.
Fator A (Parcela): 2 nveis
Fator B (subparcela): 4 nveis
81

A2B3
A2B2
A2B1
A1B1
A1B2
A1B3
A3B2
A3B1
A3B3

DBC
I
A1B1
A1B4
A1B2
A1B3
A2B4
A2B1
A2B2
A2B3

II
A1B3
A1B2
A1B4
A1B1
A2B1
A2B3
A2B2
A2B4

III
A2B1
A2B3
A2B2
A2B4
A1B4
A1B1
A1B3
A2B2

Tratamentos principais (nveis do fator A colocados nas parcelas).


Tratamentos secundrios (nveis do fator B casualizado nas sub-parcelas de cada parcela).
Tipos de ensaio em parcelas subdivididas
No espao: quando em cada parcela h uma subdiviso de reas em sub-reas, constituindo, cada uma
delas uma sub-parcela.
EX: Parcelas (variedades); sub-parcelas (espaamentos).

No tempo: a parcela no se subdivide em sub-reas (so tomados dados periodicamente ao longo do


tempo em cada uma delas, constituindo as sub-parcelas).
Ex: Parcelas (diferentes variedades) e a cada 15 dias retirar amostras (pocas sub-parcelas) para
anlise de crescimento.
Caractersticas
As parcelas podero estar dispostas em qualquer tipo de delineamento: DIC, DBC, DQL.
Sub-parcelas so distribudas aleatoriamente em cada parcela.

Dois resduos distintos:


Resduo a (parcelas)
Resduo b (subparcelas dentro das parcelas)
Efeitos dos tratamentos secundrios so determinados com maior preciso).

Como a variao residual entre subparcelas esperada ser menor do que entre parcelas, deve-se escolher
como fator secundrio, o fator que se espera apresentar menor diferenas, ou para o qual deseja-se
maior preciso.

82

Casualizao em dois estgios:


Nveis do fator A nas parcelas de cada bloco.
Nveis do fator B nas subparcela de cada parcela.

s vezes o pesquisador pode optar entre um experimento com parcelas subdivididas e um


experimento fatorial. Para a escolha do esquema em parcelas subdivididas, o pesquisador pode se
basear nos seguintes critrios:
1 - A parcela uma unidade "fsica" (um vaso, um animal, uma pessoa)
que pode receber vrios nveis de um fator secundrio;
2 - o fator principal exige "grandes parcelas" - como o caso da irrigao e de processos
industriais;
3 - o pesquisador quer comparar nveis de um fator secundrio com maior preciso.
Vantagens
As concluses so mais generalizadas (DIC, DBC).

Maior facilidade de instalao comparado aos fatoriais.

possvel se testar combinao de tratamentos, obtendo a informao sobre a interao entre fatores.

Maior eficincia na utilizao de recursos materiais e humanos (DIC, DBC, DQL).


Desvantagens
Anlise estatstica mais complicada (DBC, DIC, DQL).

medida que cresce o n0 de fatores ou nveis, cresce o n0 de tratamentos, implicando em perda de


eficincia (homogeneidade das parcelas).

Existe duas estimativas de varincia residual: uma associada s parcelas e outra associada s
subparcelas. Este desdobramento da varincia residual faz com que o nmero de graus de liberdade
associado a cada um dos resduos seja menor do o associado ao resduo se o experimento tivesse sido
instalado segundo o esquema fatorial.

H uma tendncia de se obter maior valor para a estimativa do erro experimental. Portanto, em
experimentos com parcelas subdivididas, todos os efeitos so avaliados com menor preciso que nos
experimentos fatoriais correspondentes.
83

Modelo matemtico
De acordo com o delineamento utilizado (DIC, DBC, DQL) com j repeties:
YIJK = + I + SIK + J + ()IJ + eIJK (DIC)
YIJK = + I + RK + (SRIK) + J + ()IJ + eIJK (DBC)
= uma constante (mdia geral).
I = efeito do nvel do fator . (Parcela)
J = efeito do nvel do fator . (Subparcela)
SIK = (erro A). (DIC)
Rk = efeito do bloco.
(SRIK) = (erro A). (DBC)
IJ = efeito da interao do nvel do fator com o nvel do fator .
eIJK = efeito do erro aleatrio.

I = NVEIS DO FATOR A (PARCELA)


J = NVEIS DO FATOR B (SUBPARCELA).
K = NMERO DE REPETIES OU BLOCOS

Anlise de varincia
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
84

desdobramentos, existe um resduo, o qual utilizado para testar o efeito das fontes de variao
pertinentes.
Quadro da ANOVA: DIC:
FV
A
Erro a
Parcelas
B
AxB

GL
I1
(I 1)( K 1)
(IK 1)
(J 1)
(I 1)(J 1)

SQ
SQA
SQRA
SQPARC.
SQB
SQ (A x B)

QM
QMA
QMRA
QMB
QM (A x B)

Erro b
Total

I(K 1) (J 1)
IJK - 1

SQRB
SQTOTAL

QMRB
-

F
QMA/QMRA
QMB/QMRB
QM (A x B)/
QMRB

Quadro da ANOVA: DBC:


FV
Bloco
A
Erro a
Parcelas
B
AxB

GL
K-1
I1
(I 1)( K 1)
(IK 1)
(J 1)
(I 1)(J 1)

SQ
SQBL
SQA
SQRA
SQPARC.
SQB
SQ (A x B)

QM
QMA
QMRA
QMB
QM (A x B)

Erro b
Total

I(K 1) (J 1)
IJK - 1

SQRB
SQTOTAL

QMRB
-

SQTO = Y2IJK C C = G2 / IJK


SQA = 1 / JK AI2 C
SQBL = 1 / IJ BLJ2 C
SQPar = 1 / K T2Parc C
SQerro A = SQPparc SQBL SQA
SQB = 1 / IK BK2 C
SQ (A x B) = SQ (A,B) SQA SQBL
SQ (A,B) = SQTRAT = 1 / K (AIBK)2 C
SQRB = SQTO SQPARC SQB SQ (A x B).
QMA = SQA / GLA
QMRA = SQRA / GLA
QMB= SQB/ GLB
QMRB = SQRB / GLB
QM A X B = SQ A X B / GLA X B
FA = QMA / QMRA
85

F
QMA/QMRA
QMB/QMRB
QM (A x B)/
QMRB

FB = QMB / QMRB
FA X B = QM A X B / QMRB
Interao no significativa
Este resultado indica que os efeitos entre os fatores ocorre de forma independente. Portanto recomendase 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.
Interao significativa
Este resultado implica que os efeitos dos fatores atuam de forma dependente. Neste caso as comparaes
entre os nveis de um fator levam 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.
Procedimentos para os testes de comparaes de mdia
Tem-se que considerar quais tratamentos esto em comparao e se a interao foi significativa ou no.
Aps a anlise de varincia (interesse comparar mdias)
Quatro tipos de contrastes entre mdias.
Problema: consiste em usar a estimativa da varincia apropriada.
A Entre duas mdias de tratamentos primrios:
Interao no significativa entre tratamentos primrios e secundrios.
Informaes da varincia amostral e do GLRA que so utilizadas para realizar o teste desejado so
pertinentes ao resduo (a) da ANOVA.

q = f [ I; GLRA ]
B Entre duas mdias de tratamentos secundrios:
Interao no significativa entre tratamentos primrios e secundrios.
Informaes da varincia amostral e do GLRB que so utilizadas para realizar o teste desejado so
pertinentes ao resduo (b) da ANOVA.

q = f [ J; GLRB ]
C Entre duas mdias de tratamentos secundrios num mesmo tratamento primrio:
Interao significativa entre tratamentos primrios e secundrios.
86

Informaes da varincia amostral e do GLRB que so utilizadas para realizar o teste desejado so
pertinentes ao resduo (b) da ANOVA.

q = f [ J; GLRB ]
D Entre duas mdias de tratamentos primrios num mesmo tratamento secundrio:
Interao significativa entre tratamentos primrios e secundrios.
Informaes da varincia amostral e do GLR so obtidos por uma composio do resduo (a) com o
resduo (b) denominado (QMR combinado).

q = f [ I; n]
Por uma composio do resduo (A) e do resduo (b) denominado de GL de Satterhwaitte (n).

Ex 1: Para se estudar o brix de mangas de acordo com a variedade e a posio dos


frutos na planta, um pesquisador procedeu a coleta de 4 frutos, cada um deles de um ponto
cardeal, em cada um das 3 r e p e t i e s de cada uma das 5 variedades em teste. Com base
nos resultados (brix) fornecidos a seguir, pede-se usando o nvel de 5% de probabilidade,
proceder a anlise de varincia.
VAR
1
2
3
4
5

NORTE

SUL

LESTE

OESTE

18,0
17,5
17,8
16,3
16,6
15,0
16,0
19,5
16,3
16,6
15,9
17,5
18,9
18,5
21,5
261,9

17,1
18,8
16,9
15,9
14,3
14,0
16,2
14,9
16,4
15,2
13,2
15,8
18,6
13,7
16,4
237,4

17,6
18,1
17,6
16,5
16,3
15,9
17,9
15,0
16,0
14,2
18,0
16,7
15,3
18,2
18,3
251,6

17,6
17,2
16,5
18,3
17,5
15,2
16,1
15,3
16,4
15,5
17,3
18,4
17,0
18,3
16,6
253,2

87

TOTAIS
PARC.
70,3
71,6
68,8
67,0
64,7
60,1
66,2
64,7
65,1
61,5
64,4
68,4
69,8
68,7
72,8
1004,1

TOTAIS
VAR.
210,7
191,8
196,0
194,3
211,3
1004,1

C = (1004,1)2 / 60 = 16.803,61
SQVA = 1 /12 (210,72 +...+ 211,32) C = 29,55
SQPARC = 1 / 4 (70,32 +...+ 72,82) C = 45,26
SQRA = SQPARC SQV = 45,26 29,55 = 15,71
SQFA = 1 / 15 (261,92 +...+ 253,22) C = 20,60
SQTO = (18,02 + 17,12 +...+ 16,62) C = 137,58
Calcular a SQ (VA x FA): quadro auxiliar:

SQ (VA x FA) = SQ (VA,FA ) SQVA SQFA


SQ (VA,FA ) = 1 / 3 (53,32 + 47,92 +...+ 51,92) C = 70,27
SQ (V x FA) = 70,27 29,55 20,60 = 20,12
SQRB = SQTO SQP SQFA SQ (V x FA).
SQRB = 137,58 45,26 20,60 20,12 = 51,60
QMVA = SQV / GLV = 29,55 / 4 = 7,39
QMRA = SQRA / GLA = 15,71 / 10 = 1,57
QMFA = SQFA / GLFA = 20,60 / 3 = 6,87
QMRB = SQRB / GLB = 51,60 / 30 = 1,72
QM V X FA = SQ V X FA / GLV X FA = 20,12 / 12 = 1,68
FVA = QMV / QMRA = 7,39 / 1,57 = 4,71
FFA = QMFA / QMRB = 6,87 / 1,72 = 3,99
FV X FA = QM V X FA / QMRB = 1,68 / 1,72 = 0,97
Quadro da ANOVA:
FV
VA
Erro a
Parcelas
FA
VA x FA
Erro b
Total

GL
4
10
14
3
12
30
59

SQ
29,55
15,71
45,26
20,60
20,12
51,60
137,58

Variedade: F5% (4,10) = 3,48


Faces: F5% (3,30) = 2,92
88

QM
7,39
1,57

F
4,71*

6,87
1,68
1,72

3,99*
0,97ns

Interao V x FA: F5% (12,30) = 2,09


Concluses
Existe pelo menos um contraste entre mdias dos nveis da variedade e da face da rvore, com efeito
significativo, ao nvel de 5 % de probabilidade.
No houve interao entre os fatores VA x FA. Os fatores podem ser estudados isoladamente.
Procedimento ps ANOVA
Aplicando o teste Tukey para os fatores V e FA, temos:
Variedades
A Entre duas mdias de tratamentos primrios:
1 Colocar as mdias em ordem decrescente.
m5 = 17,61 a
m1 = 17,56 ab
m3 = 16,33 ab
m4 = 16,19 ab
m2 = 15,90 b
2 Formar e calcular o valor de cada contraste.
Y1 = m5 m1 = 17,61 17,56 = 0,05ns
Y2 = m5 m3 = 17,61 16,33 = 1,28ns
Y3 = m5 m4 = 17,61 16,19 = 1,42ns
Y4 = m5 m2 = 17,61 15,90 = 1,71*
Y5 = m1 m3 = 17,56 16,33 = 1,23ns
Y6 = m1 m4 = 17,56 16,19 = 1,37ns
Y7 = m1 m2 = 17,56 15,90 = 1,66ns
Y8 = m3 m3 = 16,33 16,19 = 0,14ns
Y9 = m3 m2 = 16,33 15,90 = 0,43ns
Y10 = m4 m2 = 16,19 15,90 = 0,29ns
q = f [ I; GLRA ]
= 4,65 1,57/12 = 1,67
q5% (5, 10) = 4,65
Concluso: foi observado maior teor de slidos solveis em frutos de plantas proveniente da variedade
5 comparado com os frutos da variedade 2 a 5 % de probabilidade pelo teste Tukey.
B Entre duas mdias de tratamentos secundrios:
Faces da planta
1 Colocar as mdias em ordem decrescente.
89

mN = 17,46 a
mO = 16,88 a b
mL = 16,77 a b
mS = 15,83

2 Formar e calcular o valor de cada contraste.


Y1 = mN mO = 17,46 16,88 = 0,58ns
Y2 = mN mL = 17,46 16,77 = 0,69ns
Y3 = mN mS = 17,46 15,83 = 1,63*
Y4 = mO mL = 16,88 16,77 = 0,11NS
Y5 = mO mS = 16,88 15,83 = 1,05NS
Y6 = mL mS= 16,77 15,83 = 0,94NS

q = f [ J; GLRB ]
= 3,85 1,72/15 = 1,30
q5% (4, 30) = 3,85
Concluso: foi observado maior teor de slidos solveis em frutos de plantas proveniente da face norte
da planta comparado com os frutos da face sul a 5 % de probabilidade pelo teste Tukey.
Tabela 1 Valores mdios para o TSS (%) de frutos da manga em funo da variedade e da face da
planta. CCTA/UFCG, Pombal-PB, 2012.
Variedades
Brix
1
17,56 a
2
15,98 b
3
16,33 a
4
16,19 a
5
17,61 a
Faces
Norte
17,46 a
Sul
15,83 b
Leste
16,77 ab
Oeste
16,80 ab
* As mdias seguidas pela mesma letra no diferem entre s ao nvel de 5% de probabilidade,
pelo teste Tukey.
- Coeficiente de variao da parcela:

- Coeficiente de variao da subparcela:


90

EX 2: Os dados do experimento foram coletados em laboratrio. Na parcela constaram de 4 tipos de


cera (C1, C2, C3 e C4) e na subparcela de 4 filmes plsticos (F1, F2, F3, e F4) para acondicionar frutos
de morango. O experimento foi feito no DIC com 4 repeties. Os dados abaixo (dados aleatrios)
referem-se ao teor de vitamina C do fruto.
CER
C1

C2

C3

C4

REP

F1

F2

F3

F4

1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

42,9
53,8
49,5
44,4
53,3
57,6
59,8
64,1
62,3
63,4
64,5
63,6
75,4
70,3
68,8
71,6
965,3

41,6
58,5
53,8
41,8
69,6
69,6
65,8
57,4
58,5
50,4
46,1
56,1
65,6
67,3
65,3
69,4
936,8

28,9
43,9
40,7
28,3
45,4
42,4
41,4
44,1
44,6
45,0
62,6
52,7
54,0
57,6
45,6
56,6
733,8

30,8
46,3
39,4
34,7
35,1
51,9
45,4
51,6
50,3
46,7
50,3
51,8
52,7
58,5
51,0
47,4
743,9

TOTAIS
PARC.
144,2
202,5
183,4
149,2
203,4
221,5
212,4
217,2
215,7
205,5
223,5
224,2
247,7
253,7
230,7
245,0
3.379,8

C = (3.379,8)2 / 64 = 178.485,13
SQC = 1 /16 (679,32 +...+ 977,12) C = 2.848,02
SQPARC = 1 / 4 (144,22 +...+ 245,02) C = 3.590,61
SQRA = SQC SQV = 3.590,61 2.848,02 = 742,59
SQF = 1 / 16 (965,32 +...+ 743,92) C = 2.842,87
SQTO = (18,02 + 17,12 +...+ 16,62) C = 7.797,39
- Para calcular a SQ interao, vamos estruturar o quadro:

SQ (P x F) = SQ (P,F) SQC SQF


91

TOTAIS
PREP.
679,3

854,5

868,9

977,1

SQ (C,F) = 1 / 4 (190,62 + ...+ 209,62) C = 6.309,19


SQ (C x F) = 6.309,19 2.848,02 2.842,87 = 618,30
SQRB = SQTO SQPARC SQF SQ (C x F).
SQRB = 7.797,39 3.590,61 2.842,87 618,30 = 745,61
QMC = SQC / GLP = 2848,02 / 3 = 947,34
QMRA = SQRA / GLRA = 742,59 / 12 = 61,88
QMF = SQF / GLF = 2842,87 / 3 = 947,62
QMRB = SQRB / GLRB = 745,61 / 36 = 20,71
QM C X F = SQ C X F / GLP X F = 618,3 / 9 = 68,70
FC = QMC / QMRA = 947,34 / 61,88 = 15,31
FF = QMF / QMRB = 947,62 / 20,71 = 45,75
FC X F = QM C X F / QMRB = 68,70 / 20,71 = 3,32
Quadro da ANOVA:
FV
C
Erro a
Parcelas
F
CxF
Erro b
Total

GL
3
12
15
3
9
36
63

SQ
2.848,02
742,59
3.590,61
2.842,87
618,30
745,61
7.797,39

QM
947,34
61,88

F
15,31*

947,62
68,70
20,71

45,75*
3,32*

Cera: F5% (3,12) = 3,49


Filmes: F5% (3,36) = 2,84
Interao C x F: F5% (9,36) = 2,12
Concluses
Houve interao entre os fatores C x F. Deve-se fazer o desdobramento da interao dos fatores C e F.
Procedimento ps ANOVA
Comparaes entre duas mdias de tratamentos primrios num mesmo tratamento secundrio:
Mtodos de comparaes mltiplas: A/B nveis.

MC4/F1 = 71,53 a
mC3/F1 = 63,45 ab
mC2/F1 = 58,70 b
MC1/F1 = 47,65 c

MC4/F3 = 53,45 a

mC4/F2 = 66,90 a
mC2/F2 = 65,60 a
mC3/F2 = 52,78 b
mC1/F2 = 48,92 b

MC4/F4 = 52,40 a
92

MC3/F3 = 51,22 a
MC2/F3 = 43,33 ab
MC1/F3 = 35,45 b

MC3/F4 = 49,78 a
MC2/F4 = 46,00 ab
MC1/F4 = 37,80 b
YC/F1

Y1 = mC4/F1 mC3/F1 = 71,53 63,45 = 8,08 ns


Y2 = mC4/F1 mC2/F1 = 71,53 58,70 = 12,83*
Y3 = mC4/F1 mC1/F1 = 71,53 47,65 = 23,88*
Y4 = mC3/F1 mC2/F1 = 63,45 58,70 = 4,75ns
Y5 = mC3/F1 mC1/F1 = 63,45 47,65 = 15,80*
Y6 = mC2/F1 mC1/F1 = 58,70 47,65 = 11,05*
YC/F2
Y1 = mC4/F2 mC2/F2 = 66,90 65,60 = 1,30NS
Y2 = mC4/F2 mC3/F2 = 66,90 52,78 = 14,12*
Y3 = mC4/F2 mC1/F2 = 66,90 48,92 = 17,98*
Y4 = mC2/F2 mC3/F2 = 65,60 52,78 = 12,82*
Y5 = mC2/F2 mC1/F2 = 65,60 48,92 = 16,68*
Y6 = mC3/F2 mC1/F2 = 52,78 48,92 = 3,86NS
YC/F3
Y1 = mC4/F3 mC3/F3 = 53,45 51,22 = 2,23NS
Y2 = mC4/F3 mC2/F3 = 53,45 43,33 = 10,12NS
Y3 = mC4/F3 mC1/F3 = 53,45 35,45 = 18,00*
Y4 = mC3/F3 mC2/F3 = 51,22 43,33 = 7,89NS
Y5 = mC3/F3 mC1/F3 = 51,22 35,45 = 15,77*
Y6 = mC2/F3 mC1/F3 = 43,33 35,45 = 7,88NS
YC/F4
Y1 = mC4/F4 mC3/F4 = 52,40 49,78 = 2,62NS
Y2 = mC4/F4 mC2/F4 = 52,40 46,00 = 6,40NS
Y3 = mC4/F4 mC1/F4 = 52,40 37,80 = 14,60*
Y4 = mC3/F4 mC2/F4 = 49,78 46,00 = 3,78NS
Y5 = mC3/F4 mC1/F4 = 49,78 37,80 = 11,98*
Y6 = mC2/F4 mC1/F4 = 46,00 37,80 = 8,20NS

; q = f [ I; n]

93

n = 28,86 29 GL.
q 5% (4, 29) = 3,85

Concluso YC/F1
Quando foi utilizado o tipo de filme plstico 1 foi observado maior teor de vitamina C na polpa do fruto
da goiaba associado com o tipode cera 4 comparado aqueles frutos que receberam o tipo de cera 2 e 1 a
5 % de probabilidade pelo teste Tukey.
Concluso YC/F2
Quando foi utilizado o tipo de filme plstico 2 foi observado maior teor de vitamina C na polpa do fruto
da goiaba associado com o tipo de cera 4 e 2 comparado aqueles frutos que receberam o tipo de cera 2 e
1 a 5 % de probabilidade pelo teste Tukey.
Concluso YC/F3 e YC/F4
Quando foi utilizado o tipo de filme plstico 3 e 4 foi observado maior teor de vitamina C na polpa do
fruto da goiaba associado com o tipo de cera 4 comparado aqueles frutos que receberam o tipo de cera 1
a 5 % de probabilidade pelo teste Tukey.
Comparaes entre duas mdias de tratamentos secundrios num mesmo tratamento primrio:
Mtodos de comparaes mltiplas: B/A nveis.
mF2/c1 = 48,92 A
mF1/c1 = 47,65 A
mF4/c1 = 37,80 B
mF3/c1 = 35,45 B

mF2/c2 = 65,60 A
mF1/c2 = 58,70 A
mF4/c2 = 46,00 B
mF3/c2 = 43,33 B

mF1/c3 = 63,45 A
mF2/c3 = 52,78 B
mF3/c3 = 51,22 B
mF4/c3 = 49,78 B

mF1/c4 = 71,53 A
mF2/c4 = 66,90 A
mF3/c4 = 53,45 B
mF4/c4 = 52,40 B
YF/C1
94

Y1 = mF2/C1 mF1/C1 = 48,92 47,65 = 1,27NS


Y2 = mF2/C1 mF4/C = 48,92 37,80 = 11,12*
Y3 = mF2/C1 mF3/C1 = 48,92 35,45 = 13,45*
Y4 = mF1/C1 mF4/C1 = 47,65 37,80 = 9,85*
Y5 = mF1/C1 mF3/C1 = 47,65 35,45 = 12,2*
Y6 = mF4/C1 mF3/C1 = 37,80 35,45 = 2,35NS
YF/C2
Y1 = mF2/C2 mF1/C2 = 65,60 58,70 = 6,90NS
Y2 = mF2/C2 mF4/C2= 65,60 46,00 = 19,60*
Y3 = mF2/C2 mF3/C2 = 65,60 43,33 = 22,27*
Y4 = mF1/C2 mF4/C2 = 58,70 46,00 = 12,70*
Y5 = mF1/C2 mF3/C2 = 58,70 43,33 = 15,37*
Y6 = mF4/C2 mF3/C2 = 46,00 43,33 = 2,67NS
YF/C3
Y1 = mF1/C3 mF2/C3 = 63,45 52,78 = 10,67*
Y2 = mF1/C3 mF3/C3= 63,45 51,22 = 12,23*
Y3 = mF1/C3 mF4/C3 = 63,45 49,78 = 13,67*
Y4 = mF2/C3 mF3/C3 = 52,78 51,22 = 1,56NS
Y5 = mF2/C3 mF4/C3 = 52,78 49,78 = 3,00NS
Y6 = mF3/C3 mF4/C3 = 51,22 49,78 = 1,44NS
YF/C4
Y1 = mF1/C3 mF2/C3 = 71,53 66,90 = 4,63NS
Y2 = mF1/C3 mF3/C3= 71,53 53,45 = 18,08*
Y3 = mF1/C3 mF4/C3 = 71,53 52,40 = 19,13*
Y4 = mF2/C3 mF3/C3 = 66,90 53,45 = 13,45*
Y5 = mF2/C3 mF4/C3 = 66,90 52,40 = 14,50*
Y6 = mF3/C3 mF4/C3 = 53,45 52,40 = 1,05NS

q = f [ J; GLRB ]
= 3,79 20,71/4 = 8,62
Q5% (4, 36) = 3,79
Concluso YF/C1 e YF/C2

95

Quando foi utilizado o tipo de ceras 1 e 2 foi observado maior teor de vitamina C na polpa do fruto da
goiaba associado com o tipo de filme plstico 2 e 1 comparado aqueles frutos que foram acondicionados
com o tipo de filme plstico 4 e 3 a 5 % de probabilidade pelo teste Tukey.
Concluso YF/C3
Quando foi utilizado o tipo de cera 3 foi observado maior teor de vitamina C na polpa do fruto da goiaba
associado com o tipo de filme plstico 1 comparado aqueles frutos que foram acondicionados nos
demais tipos de filmes plsticos (2, 3 e 4) a 5 % de probabilidade pelo teste Tukey.
Concluso YF/C4
Quando foi utilizado o tipo de cera 4 foi observado maior teor de vitamina C na polpa do fruto da goiaba
associado com o tipo de filme plstico 1 e 2 comparado aqueles frutos que foram acondicionados nos
filmes plsticos 3 e 4 a 5 % de probabilidade pelo teste Tukey.
Tabela 1 Valores mdios de teor de vitamina C em funo do tipo de cera e do filme plstico em frutos
de goiaba em Pombal PB. CCTA/UFCG, 2012.
Teor de Vitamina C (mg.100 g de amostra)
Filme plstico
Preparo
F1
F2
F3
F4
P1
47,65 c A
48,92 b A
35,45 b B
37,80 b B
P2
58,70 ab A
65,60 a A
43,33 ab B
46,00 ab B
P3
63,45 a A
52,78 b B
51,22 a B
49,78 a B
P4
71,53 a A
66,90 a A
53,45 a B
52,40 a B
Nas colunas, as mdias seguidas pela mesma letra minscula e nas linhas pela mesma letra
maiscula, no diferem entre s pelo teste de Tukey ao nvel de 5 % de probabilidade.

MINISTRIO DA EDUCAO
CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR
DISCIPLINA: ESTATSTICA EXPERIMENTAL -2013.2
LISTA DE EXERCCIOS 1a AVALIAO
PROFESSOR: ROBERTO QUEIROGA
96

Questo 1:
a Defina ensaio experimental, tratamentos, parcelas e delineamento experimental.
b Faa um croqui (disposio dos tratamentos no plano experimental) de um experimento no
delineamento inteiramente casualizado que testou 4 temperaturas de armazenamento (2, 4, 6 e 80C) sob a
vida til de frutos de morango com 5 repeties por tratamento. Cada parcela constava de 8 frutos e uma
rea de 0,40m2. Com base nos dados acima, responda:
- Qual a caracterstica avaliada:
- Quais e quantos so os tratamentos:
- Qual o nmero de unidades experimentais:
- Calcule a rea do experimento e o nmero de frutos necessrios para a realizao do experimento:
- Faa o croqui do experimento no DIC:
c Quais os 3 princpios bsicos da experimentao? Defina e comente a finalidade destes.
d Quais as vantagens e desvantagens de um delineamento inteiramente casualizado.
e Qual a finalidade do teste F da anlise de varincia.
f Cite 3 fatores que podem influenciar no momento de determinar o tamanho de uma parcela.
g Diferencie populao e amostra.
Questo 2:
- Um fabricante de mveis realizou um experimento para verificar qual dentre cinco marcas de verniz
proporciona maior brilho. Com esta finalidade, procedeu da seguinte forma:
- Em sua fbrica identificou amostras de madeira que estariam disponveis para a realizao deste
experimento. Verificou que possua cinco tbuas de Jatob, cinco tbuas de Cerejeira, cinco tbuas de
Mogno, cinco tbuas de Goiabo e cinco tbuas de Castanheira. Constatou tambm que as cinco tbuas
de cada tipo de madeira eram homogneas para as caractersticas essenciais e que havia uma grande
variedade de cores entre os cinco tipos de madeira (Jatob, Cerejeira, Mogno, Goiabo e Castanheira).
Sabe-se que a cor da madeira pode influenciar muito o brilho da mesma quando envernizada;
- Resolveu ento distribuir ao acaso as cinco marcas de verniz s tbuas de madeira, de tal
forma que cada tipo de madeira fosse testada com todas as marcas de verniz;
- O brilho foi medido por meio de um aparelho que mede a refletncia da luz branca projetado sobre a
tbua de madeira envernizada;
- Baseado nas informaes deste experimento, pergunta-se:
a - Qual foi a unidade experimental utilizada neste experimento? Justifique sua resposta.
b - Quais foram os tratamentos comparados neste experimento? Justifique a sua resposta.
c - Quais foram os princpios bsicos da experimentao utilizados neste experimento? Justifique a sua
resposta.
d - possvel estimar o erro experimental neste experimento? Justifique a sua resposta. Se a resposta
for afirmativa, a estimativa do erro vlida? Justifique. Se a resposta foi negativa, explique o que
deveria ser feito para obter uma estimativa vlida para o erro experimental.
e - O que faz surgir o erro num experimento? possvel eliminar totalmente o efeito do erro
experimental em um experimento? Justifique a sua resposta.
f - O procedimento adotado pelo pesquisador de distribuir as marcas de verniz ao acaso dentro de cada
tipo de madeira foi realmente necessrio? Justifique a sua resposta.
97

Questo 3:
Os dados abaixo so de um experimento realizado no delineamento inteiramente casualizado (DIC)
que avaliou a produtividade do meloeiro (t.ha-1) em funo de quatro espaamentos de plantio com
quatro repeties por tratamento.

Tratamentos
1 2,0 x 0,5 m
2 2,0 x 0,75 m
3 2,0 x 1,0 m
4 2,0 x 1,25 m

Produtividade do meloeiro (t.ha-1)


Repeties
I
II
III
IV
26,3
27,5
26,1
26,6
26,4
24,4
25,7
28,2
19,1
22,2
23,1
20,5
18,3
17,6
21,6
19,8

Totais

G=
a - Faa a anlise de varincia do experimento e conclua.
b Calcule o coeficiente de variao da caracterstica em anlise.
c - Faa a decomposio da soma de quadrados de tratamento em contrastes ortogonais. Testar os
seguintes contrastes (C1 = 3m1 m2 m3 m4; C2 = 2m2 m3 m4; C3 = m3 m4) e conclua.
d - Aplique o teste de Tukey, Duncan, Newman-Keuls, Dunnett, teste t (C = 2m 2 m3 m4) e de Sheff
(C = m3 m4) e conclua. Utilizar para o teste Dunnett o tratamento 4 (2,0 x 1,25 m) como testemunha.
Questo 4:
Os dados da tabela so de um experimento realizado no delineamento inteiramente casualizado que
avaliou a massa do fruto (g.fruto -1) de tomate cultivado em estufa em hidroponia submetido a 3 solues
nutritivas composta por diferentes concentraes de nutrientes: solues 1, 2 e 3.

Tratamentos
1 Soluo nutritiva 1 (Test.)
2 Soluo nutritiva 2
3 Soluo nutritiva 3

I
70,5
64,4

Massa do fruto (g.fruto-1)


Repeties
II
III
62,7
61,5
71,5
72,2
65,5
66,9

IV
62,3
74,2
-

Totais

G=
a-) Faa a anlise de varincia e conclua.
b-) Faa a decomposio da soma de quadrados de tratamento em contrastes ortogonais. Testar os
contrastes (C1 = 2m2 m1 m3; C2 = m1 m3) e conclua.
c-) Aplique o teste de Tukey, Duncan, Newmann Keulls, Dunnett, t de student (C = 2m 2 m1 m3) e
Sheff (C = m1 m3). Utilizar para o teste Dunnett o tratamento 1 (soluo nutritiva 1) como
testemunha.
Questo 5:
Os dados abaixo so de um experimento que avaliou o teor de slidos solveis em frutos de melancia
em funo de 5 dosagens de nitrognio aplicadas as plantas (0, 50, 100, 150 e 200 kg/ha) em quatro
repeties.
98

Dose de N (kg/ha)
0
50
100
150
200

I
9,80
10,50
11,50
12,50
13,50

Teor de slidos solveis


Repeties
II
III
10,20
11,30
10,90
11,55
11,60
12,00
12,80
13,10
14,00
14,50

IV
10,70
10,95
12,90
13,50
14,20

Totais

G=
a-) Faa a anlise de varincia para a caracterstica em anlise.
b-) Faa a anlise de regresso obtendo os parmetros da equao de regresso linear simples..
c-) Qual o valor estimado do teor de slidos solveis dos frutos de melancia caso a cultura fosse adubada
com uma dose de 130 kg ha-1 de N.
d) Calcule e interprete o coeficiente de determinao.
e-) Calcule o coeficiente de variao da caracterstica em anlise.
Questo 6:
- Num experimento, 4 novos tipos de herbicida foram comparados para verificar se so eficazes
para combater ervas daninhas e assim manter a produo de milho em nveis elevados. Um
resumo do experimento dado a seguir:
Herbicida

Mdia de produo (kg/ha)

1 Biolgico
2 Qumico base de nitrognio e enxofre
3 Qumico base de nitrognio e fsforo
4 Qumico base de inativadores enzimticos

Repeties

46
31
32
25

4
4
4
4

Suponha que seja de interesse testar o seguinte contraste entre as mdias de


tratamentos C1 = 3m1 m 2 m 3 m 4 . Suponha ainda que todos os tratamentos possuam
2

uma mesma varincia e que sua estimativa igual a 35 (kg / ha) . Pergunta-se:
a - Qual a comparao que est sendo feita pelo contraste C1? Qual a estimativa para este
contraste?
b - Por meio da estimativa obtida para o contraste C1 pode-se AFIRMAR que exista um grupo
melhor de herbicidas do que outro? Justifique a sua resposta.
c - Qual a estimativa da varincia para a estimativa do contraste C1?
d - Forme um grupo de contrastes ortogonais a partir do contraste C1. Descreva qual comparao
que est sendo feita por cada contraste que voc obteve. Baseando-se nos dados amostrais
fornecidos, obtenha tambm a estimativa para cada um dos contrastes.
Questo 7:
- Os seguintes dados referem-se a ganhos de peso, em kg, de animais durante um perodo
experimental.
99

Raes
A
B
C
D
E

1
7,1
6,2
6,0
11,1
7,0

Repeties
2
3
8,9
6,0
8,8
4,9
5,0
9,1
10,8
10,2
11,3
10,0

4
7,0
6,1
3,9
11,9
11,7

Totais
29,0
26,0
24,0
44,0
40,0
163,0

- Tais dados so descritos segundo o modelo estatstico: Yij = m + ti + eij. Baseando nas
informaes fornecidas, pede-se:
a - Proceda a anlise de varincia dos dados (use = 5%).
b - De acordo com o resultado do teste F pode-se concluir que existe efeito significativo de
raes com relao ao ganho de peso mdio proporcionado pelas mesmas?
c - Proponha um contraste que compare as raes B e C juntas contra as raes D e E. Obtenha
a estimativa para este contraste.
d - Calcule o coeficiente de variao e interprete-o.
Questo 8:
- Um experimento para avaliar a influncia de 4 tipos de aleitamento no ganho de peso de leites
foi conduzido utilizando-se o delineamento inteiramente casualizado com 4 repeties. Foram
obtidos os seguintes resultados parciais:
Tratamentos
Totais

1
37,2

2
44,8

3
31,6

4
32,8

FV
Tratamento
Resduo
Total

GL

SQ
26,76

QM

33,82

e, considerando-se
- Complete o quadro da ANOVA
= 1%, responda qual(is) o(s)
melhor(es)
tipo(s) de aleitamento.
(Use o teste de Tukey, se necessrio).
quadroquadro
e
Questo 9:
- Para o seguinte conjunto de valores de X (varivel independente) e Y (varivel dependente),
faa a anlise de regresso segundo o modelo linear de 1 grau e obtenha a equao de regresso
estimada.
X
Y

2
10,3

4
18,2

6
25,1

8
35,6

10
43,0

Questo 10:

100

12
50,0

14
59,1

16
67,8

18
75,2

20
85,0

- Para verificar se existe uma relao linear de 1 grau entre Umidade Relativa (UR) do ar da
secagem de sementes e a germinao das mesmas, um pesquisador realizou um teste com 4
diferentes valores para a % de UR do ar que atravessava as sementes armazenadas, obtendo-se os
seguintes valores amostrais:

UR (%)
Germinao (%)

20
94

30
96

101

40
97

50
99

MINISTRIO DA EDUCAO
CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR
DISCIPLINA: ESTATSTICA EXPERIMENTAL -2013.2
LISTA DE EXERCCIOS 2a AVALIAO
PROFESSOR: ROBERTO QUEIROGA

Questo 1:
Faa um croqui (disposio dos tratamentos no plano experimental) de um experimento no
delineamento de blocos ao acaso e outro no delineamento em quadrado latino com 5 tratamentos e 5
repeties. Os tratamentos constaram de 5 tipos de adubos orgnicos (estercos) aplicados no solo
visando a melhoria de suas qualidades fsico-qumicas, codificados por letras (A, B, C, D e E).
Considere a rea da parcela igual a 2,0 m 2 e que em cada parcela sero aplicados 20 kg de esterco.
Com base nessas afirmaes responda para o DBC e depois para o DQL:
a) Qual o nmero de parcelas do DBC e DQL?
b) Qual a rea total do experimento nos dois delineamentos?
c) Quantos kg de estercos sero necessrios para utilizao no experimento nos dois delineamentos?
d) Cite duas diferenas entre DBC e DQL.
Questo 2:
Os dados abaixo so de um experimento realizado no delineamento blocos casualizados que avaliou
a concentrao de P em quatro tipos de substratos utilizados para produo de mudas de espcies
florestais destinadas a rea de reflorestamento, em 4 repeties.

Substratos
1
2
3
4
Totais Blocos

I
26,3
26,4
19,1
18,3

Concentrao de P
Blocos
II
III
27,5
24,4
22,2
17,6

26,1
25,7
23,1
21,6

IV

Totais de
substratos

26,6
28,2
20,5
19,8
G=

a - Faa a anlise de varincia do experimento.


b - Faa a decomposio da soma de quadrados de tratamento em contrastes ortogonais. Testar os
contrastes (C1 = 3mA mB mC mD; C2 = 2mB mC mD; C3 = mC mD) e conclua.
c - Aplique o teste de Tukey e Duncan e conclua.
Questo 3:
- Os dados abaixo, se referem a um experimento instalado segundo o DBC, em que os tratamentos, 5
produtos comerciais para suprir deficincia de micronutriente em caprinos, foram fornecidos aos
animais os quais foram separados em 3 grupos segundo a idade. Os resultados obtidos, expressos
em ppm de micronutriente/ml de sangue, foram os seguintes:
Produtos comerciais

Bloco
1
1
83
2
63
3
55
Totais
201
- Pede-se proceder a ANOVA e aplicar
probabilidade.

2
86
69
61
216
o teste

3
103
79
79
261
Tukey e

4
5
116
132
81
98
79
91
276
321
Duncan, usando o

Totais
520
390
365
1275
nvel de 5% de

Questo 4:
- Os dados abaixo so de um experimento realizado no delineamento blocos casualizados que avaliou
a altura de mudas de Pinus (cm) quando as plantas foram submetidas a 4 doses de nitrognio em 4
repeties.

Doses de nitrognio
(kg.ha-1)
0
40
80
160
Totais Blocos

I
14,3
18,4
19,1
22,2

Altura de mudas (cm)


Blocos
II
III
15,5
18,7
22,2
24,6

16,1
19,9
20,5
23,6

IV

Totais Doses

15,6
17,5
20,7
24,1
G=

a - Faa a anlise de varincia.


b - Aplique o procedimento ps-anlise de varincia recomendado para o experimento.
Questo 5:
Os dados da tabela so de um experimento realizado no delineamento blocos casualizados que
apresentou uma parcela perdida e avaliou a produtividade (t ha -1) de madeira de Eucaliptus cultivado
em diferentes solos (1 argilo arenoso, 2 argiloso, e 3 arenoso) com 4 repeties.

Tipos de solos

1 - Argilo - arenoso
2 - Argiloso
3 - Arenoso
Totais Blocos

72,5
66,4

Produtividade
Blocos
II
III
64,7
73,5
67,5

63,5
74,2
68,9

IV

Totais
Tratamentos

64,3
76,2
66,7
G=

a - Calcule o valor da parcela perdida


b - Faa a anlise de varincia e conclua com base no valor de F.
b-) Faa a decomposio da soma de quadrados de tratamento em contrastes ortogonais. Testar os
contrastes (C1 = 2m2 m1 m3; C2 = m1 m3) e conclua.
c-) Aplique o teste de Tukey e Duncan e conclua.
Questo 6:

- Com a finalidade de aumentar a produo de l de suas ovelhas, por meio de uma alimentao mais
apropriada um criador separou 28 ovelhas de sua criao. Como as ovelhas eram de idades diferentes,
dividiu-as em 7 grupos, sendo que dentro de cada um destes grupos havia 4 ovelhas de mesma idade e
homogeneidade para as demais caractersticas. Dentro de cada grupo foi realizado um sorteio para
distribuir ao acaso, os 4 Tipos de Alimentao (TA) s ovelhas do grupo. O experimento se iniciou
logo aps as ovelhas terem sido submetidas a uma tosquia e se encerrou quando j era o momento de
se realizar uma nova tosquia da qual foram obtidos os seguintes resultados, expressos em unidade
de medida de l por animal:
TA
1
2
3
4
Totais

1
30
29
43
23
125

2
32
31
47
25
135

3
33
34
46
21
134

grupos
4
34
31
47
19
131

5
29
33
48
20
130

6
30
33
44
21
128

7
33
29
47
22
131

Totais
221
220
322
151
914

- Com base nas informaes anteriores, pede-se ( = 1% ):


a - Qual o tipo de delineamento experimental que o criador utilizou? Justifique sua
resposta.
b - Existe diferena entre os tipos de alimentao fornecidos s ovelhas com relao a
produo de l?
c Com base no teste Tukey, qual (is) seria (m) o (s) tipo (s) de alimentao a ser (em) recomendados
as ovelhas?
Questo 7:
- O resumo da Anlise de Varincia de um experimento instalado segundo o Delineamento em Blocos
Casualizados, para verificar se existe diferena entre 5 tipos de Levedura na produo de cerveja,
fornecido a seguir:
FV
Blocos
Tratamentos
Resduo
Total

GL
3

QM
---

F
---

4,895

- Totais de tratamentos: T1 = 12,0; T1 = 25,2; T1 = 22,0; T1 = 24,0; T1 = 45,6.


- Ao nvel de 5% de probabilidade, pede-se:
a - Existe diferena entre os 5 tipos de Levedura, na produo de cerveja?
B - Pelo teste Tukey, qual(is) o(s) tipo(s) de Levedura que apresentou(aram) maior produo?
C - Pelo teste Duncan, qual(is) o(s) tipo(s) de Levedura que apresentou(aram) menor produo?

Questo 8:

Num experimento de competio de variedades de cana-de-acar foram usadas 5 variedades (A, B,


C, D e E) dispostas em um quadrado latino de 5 x 5. A rea foliar formada em g por parcela foi dada
na tabela seguinte:
rea foliar (g por parcela)
Totais de
linhas
D 447
C 739
E 509
B 504
A 525

A 528
E 498
B 394
D 515
C 675

B 468
A 534
C 571
E 333
D 453

C 598
B 560
D 312
A 496
E 414

E 351
D 415
A 430
C 516
B 328

Total de
colunas
a - Faa a anlise de varincia.
b - Aplique o teste de Tukey e Duncan e conclua.
c Calcule e interprete o coeficiente de variao.
Questo 9:
Foi realizado um experimento que avaliou o dimetro do caule de plantas de Sabi em funo de
quatro espaamentos de plantio que foram dispostos em um quadrado latino de 4 x 4. O dimetro do
caule (cm) dado na tabela seguinte:
Totais de linhas
D 2,55
C 1,25
B 3,33
A 3,45

A 3,87
B 3,39
D 3,06
C 1,46

B 3,45
A 1,54
*C
D 2,87

C 1,89
D 2,61
A 4,55
B 3,66

Total de colunas
* Parcela perdida.
a - Calcule o valor da parcela perdida.
b - Faa a anlise de varincia e conclua com base no valor de F.
c - Aplique o teste de Tukey e Duncan e conclua.
Questo 10:
- Um experimento foi conduzido numa regio do Pantanal com o objetivo de selecionar forrageiras
que garantissem uma maior produo de matria seca. Foi utilizado o delineamento em quadrado
latino, buscando controlar diferenas de fertilidade em duas direes, sendo avaliadas 7 forrageiras
(A, B, C, D, E, F, G). Foram obtidos os seguintes resultados parciais com a realizao do experimento:
Tratamentos
Totais
Linhas
Totais

A
30,8

1
18,9

2
19,9

B
25,2
3
14,5

C
19,6
4
18,1

D
14,0
5
15,6

E
13,3
6
17,4

F
9,8

G
8,4

7
16,7

SQTotal = 72,36 e SQColunas=1,27.


- Verificar se existe efeito significativo de forrageiras, pelo teste F, e concluir para =1%.

Questo 11:
- Um pesquisador instalou um experimento para comparar 5 tipos de bacilos (A, B, C, D, e E) usados
para produo de iogurte. No momento da instalao do experimento, o pesquisador verificou que o
material experimental disponvel (25 unidades de 1 litro de leite) no era completamente homogneo
entre si, pois apresentavam variao quanto ao teor de gordura e grau de acidez. Para controlar estas
duas fontes de variao, o pesquisador distribuiu os bacilos ao acaso s amostras de leite de tal forma
que cada bacilo pudesse ser testado em todas as condies de teor de gordura e grau de acidez. O
quadro dado a seguir ilustra a distribuio dos bacilos s amostras de leite bem como o volume (em
ml) de iogurte produzido:

Teor de
gordura
1
2
3
4
5
Totais

Grau de acidez
3
4

450 A
750 C
750 D
650 E
750 B
3350

620 E
990 B
910 C
890 D
720 A
4130

680 C
750 E
690 A
835 B
850 D
3805

TB = 4345

TC = 4080

TA = 3395

620 D
660 A
990 B
850 C
770 E
3890
TD = 3940

Totais

780 B
830 D
760 E
875 A
890 C
4135

3150
3980
4100
4100
3980
19310

TE = 3550

- Com base nas informaes fornecidas, pergunta-se:


a - Qual foi a unidade experimental utilizada?
b - Quais foram os tratamentos em teste?
c - Quantas vezes o princpio do controle local foi utilizado neste experimento?
d - Qual foi o Delineamento experimental utilizado nesta pesquisa?
e - Usando os dados experimentais fornecidos anteriormente e o teste F para testar a fonte de
variao bacilos, pode-se concluir que ao nvel de 5% de probabilidade que:
- Existe pelo menos um contraste entre mdias de bacilos estatisticamente diferente de zero
- O teste de Tukey indica que o(s) bacilo(s) que proporciona(m) maior(es) mdia(s)
de produo de iogurte (so) (use o nvel de 5% de significncia) foi(ram):
a) o bacilo A
b) o bacilo B
c) o bacilo C
d) o bacilo D
e) o bacilo E
f) os bacilos A, B e C
g) os bacilos B, C e D h)
os bacilos C, D e E i)
os bacilos A, D e E
j) nenhuma das alternativas anteriores

MINISTRIO DA EDUCAO
CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR
DISCIPLINA: ESTATSTICA EXPERIMENTAL -2013.2
LISTA DE EXERCCIOS 3a AVALIAO
PROFESSOR: ROBERTO QUEIROGA
Questo 1:
Faa um croqui (disposio dos tratamentos no plano experimental) de um experimento
montado no DIC e no DBC em fatorial do tipo 3 x 3 [fator A: 3 tipos de adubos qumicos (A 1,
A2 e A3) e fator B: 3 espaamentos de plantio (E 1, E2 e E3) e outro croqui no DIC e DBC em
parcelas subdivididas do tipo 2 x 3 [parcela: 2 tipos de substrato (S 1 e S2) e na subparcela : 3
variedades de sabi (V1, V2 e V3). Em todos os experimentos constam 3 repeties.
OBS 1: no experimento em fatorial cada parcela constava de uma rea de 5,0 m 2. Qual a rea
total ocupada com as parcelas do experimento?
OBS 2: No experimento em parcelas subdivididas cada subparcela constava de uma rea de
2,0 m2. Qual a rea total ocupada com as parcelas do experimento?
Questo 2:
Defina tratamentos, fator, nvel, parcela, subparcela, coeficiente de variao e interao
entre fatores.
Questo 3:
Os dados abaixo so de um experimento realizado no delineamento inteiramente
casualizados em fatorial 2 x 4 com 5 repeties. O fator A constava de duas variedades de
milho (V1 e V2) e o fator B de quatro doses de N (0, 50, 100 e 150 kg.ha -1). Os resultados
abaixo so referentes produtividade (kg/parcela).
Tratamentos
Variedades
Doses de N
V1
0
V1
50
V1
100
V1
150
V2
0
V2
50
V2
100
V2
150

I
12
15
16
24
8
12
18
22

II
11
14
19
23
7
14
17
24

Repeties
III
10
16
19
21
6
13
19
23

IV
11
17
20
20
8
16
16
21

V
11
18
21
26
7
11
20
20

a) Faa a anlise de varincia. De acordo com os resultados do teste F, tome a deciso


correta para a complementao da anlise estatstica do experimento aplicando o
procedimento Ps Anova recomendado.
b) Qual a produtividade estimada de milho se fosse aplicada uma dose de 135 kg.ha -1 de
N
Questo 4:
Os dados abaixo so de um experimento realizado no delineamento de blocos ao acaso em
fatorial 2 x 2 com 5 repeties. O fator A constava de gua captada de fontes diferentes (F 1 e

F2) e o fator B de dois mtodos de irrigao (M1 e M2). Os resultados abaixo so referentes
altura de plantas (cm) de Eucaliptus aos 2 anos de cultivo.
Tratamentos
Fontes gua
Mtodos
F1
M1
F1
M2
F2
M1
F2
M2

I
100
112
102
111

II
104
115
105
115

Blocos
III
100
115
105
116

IV
105
115
106
119

V
102
114
104
115

a) Faa a anlise de varincia. De acordo com os resultados do teste F, tome a deciso


correta para a complementao da anlise estatstica do experimento aplicando o
procedimento Ps Anova recomendado.
b) Calcule e interprete o coeficiente de variao para a caracterstica em anlise.
Questo 5:
- Foi realizada uma pesquisa para testar dois tipos de ambiente (com luz artificial e sem
luz artificial no perodo da noite) e dois tipos de rao (com clcio e sem clcio). Para
tanto foram utilizadas 24 poedeiras similares, escolhidas aleatoriamente. Ao final da
avaliao foram obtidos os seguintes resultados (ovos/poedeira):
Rao
com clcio
sem clcio

com luz artificial


50 52 48 54 52
42 44 46 43 44

50
45

sem luz artificial


49 52 50 48 46 45
40 40 38 39 41 43

- Ao nvel de 1% de probabilidade e admitindo que se trata de um experimento


instalado segundo o DIC, pede-se:
a) Pode-se afirmar que o tipo de Rao e o tipo de Ambiente atuam
independentemente na produo de ovos?
b) Qual seria o tipo de Rao recomendada? (Use o teste Tukey se
necessrio).
c) Qual seria o tipo de Ambiente recomendado? (Use o teste Tukey se
necessrio).
Questo 6:
- Para se avaliar o comportamento de 4 espcies de fungos (A, B, C e D) com relao ao
crescimento em meio mnimo (m.m.) com (c/) ou sem (s/) a fonte nutritiva extrato de
levedura, foi realizado um experimento fatorial 4x2 no D.B.C. com 5 repeties. Aps a
coleta e tabulao dos dados (numa unidade de medida qualquer) foi montado o seguinte
quadro de interao de totais de tratamentos:
Meio
m.m.c/
m.m s/
Totais

Fungo A
52
50
102

Fungo B
60
56
116

Fungo C
60
40
100

Fungo D
90
40
130

Totais
262
186
448

A anlise de varincia dos dados no computador forneceu o seguinte


quadro (incompleto) da ANOVA:

F.V.
Fator A
Fator B
Int. AxB
(Trat)
Blocos
Resduo
Total

G.L.
1
3

QM
144,40
19,40
49,20
------10,00

- Com base nos resultados fornecidos acima, pede-se: (obs.: use =1%).
a) Cada valor interno no quadro de interao acima veio de quantas
observaes? Justifique.
b) Complete a coluna de G.L. do quadro acima, explicando como obteve cada um
deles.
c) A que se refere o Fator A do quadro da ANOVA acima? E o Fator B? Justifique
suas respostas.
d) Os fatores em estudo atuam independentemente na varivel em anlise
(crescimento)? Justifique sua resposta.
e) Qual meio de cultura (meio mnimo com extrato de levedura ou meio mnimo sem
extrato de levedura) voc usaria para propiciar um maior crescimento do fungo B?
Justifique sua resposta.
Questo 7:
- Em um experimento no esquema fatorial, com dois fatores qualitativos A e B, em que se
deseja estudar os efeitos dos dois fatores, qual procedimento deve-se adotar quando:
A) A interao for no significativa.
B) A interao for significativa
Questo 8:
- Em um experimento fatorial em que foram combinados 4 nveis do fator A com 2 nveis
do fator B, no delineamento em Blocos Casualizados com 5 repeties, so dados:
Nveis de A
A1
A2
A3
A4
Totais
198
184
162
154
SQResduo = 223,9680
- Admitindo que os fatores atuam independentemente, aplicar o teste
Tukey aos nveis do fator A a 5 %.
Questo 9:
- Uma fbrica de automveis realizou um experimento fatorial segundo o delineamento
inteiramente casualizado com seis repeties, para verificar o efeito de dois fatores sobre o
consumo de combustvel. O primeiro fator se refere ao mtodo de acelerao: eletrnica
(A1) ou via cabo mecnico (A2). O outro fator se refere ao porte do motor: pequeno (B1),
mdio (B2) ou grande (B3). Os nveis destes dois fatores foram combinados, obtendo-se um
total de seis tratamentos. Foram montados 36 carros e o consumo destes carros, expresso em
km/l, foram medidos. Os totais observados para cada tratamento foram

Totais de Tratamentos
Fator A
Fator B
B1
B2
B3
Totais

FV
A
B
A*B
Tratamentos
Resduo
Total

A1
73
85
58
216

GL

A2
69
79
52
200

Totais
142
164
110
416

SQ
7,11
122,99

QM

48,67
178,89

- Baseado nestas informaes e usando o nvel de 1% de signficncia, pede-se:


a) Os fatores mtodo de acelerao e porte do motor atuam independentemente
sobre o consumo de combustvel dos carros? Justifique a sua resposta.
b) Qual mtodo de acelerao proporciona maior consumo? Utilize o teste de Duncan se
necessrio. Justifique a sua resposta.
Questo 10:
- Em um experimento instalado segundo o delineamento inteiramente casualizado, com 4
repeties, foram estudados os fatores A e B, com 3 e 2 nveis respectivamente. Deste
experimento, so fornecidas as seguintes informaes:
FV
A
B
AxB
(Trat)
Resduo
Total

Fator B
B1
B2
Totais

GL

SQ
92,86
19,08

QM

(175,70)
198,70

A1
102,6
101,3
203,9

Fator A
A2
103,5
78,3
181,8

A3
80,2
85,3
165,5

Totais
286,3
264,9
551,2

- Com base nas informaes fornecidas, pede-se (use o nvel de 1% de


significncia:
a) Os fatores A e B atuam independentemente?

b) Existe diferena entre os nveis de A dentro do nvel B1?


c) Qual o nvel de B apresenta maior mdia dentro do nvel A2? Use o
teste de Tukey, se necessrio.
Questo 11:
Os dados abaixo so de um experimento realizado no delineamento inteiramente
casualizado em parcelas subdivididas 2 x 3. Na parcela constou de 2 variedades de Ip
Amarelo (V1 e V2) e nas subparcelas 3 mtodos de plantio (M 1, M2 e M3) com 4 repeties. Os
resultados abaixo so referentes ao dimetro (cm) de plantas de Eucaliptus medido a 1,80m do
solo.

V1
V1
V1
V2
V2
V2

Tratamentos
Variedades
Mtodos plantio
M1
M2
M3
M1
M2
M3

I
40
35
30
50
44
40

Repeties
II
III
45
44
33
34
33
32
51
54
45
47
38
34

IV
48
36
34
49
41
35

a) Faa a anlise de varincia. De acordo com os resultados do teste F, tome a deciso


correta para a complementao da anlise estatstica do experimento aplicando o
procedimento Ps Anova recomendado.
b) Calcule o coeficiente de variao da parcela e da subparcela para a caracterstica em
anlise.
Questo 12:
- Um pesquisador, com o objetivo de verificar o efeito da dose de adubao
fosfatada e o seu tipo de aplicao na cultura do milho, instalou um experimento no
qual cada uma as doses de adubao fosfatada constituram as parcelas as quais foram
distribudas segundo o DBC e o tipo de aplicao as subparcelas. Com base nos
resultados fornecidos abaixo, referentes a produo de milho (kg/ha), pede-se ao
nvel de 5% de probabilidade, proceder a anlise de varincia e ao teste Tukey
quando necessrio.
Blocos
Doses Tipos de
Aplicao
cov
0
sulc
a
o
lan
o
Totais de
Parcelas
cov
40
sulc
a
o
lan
o
Totais de
parcelas
cov
80
sulc
a
o
lan
o
Totais de
parcelas
cov
120
sulc
a
o
lan
o
Totais de
parcelas
Totais de
blocos

I
3778
3467
3422
10667
3302
3653
3711
10666
2938
3800
2702
9440
3013
3338
3156
9507
40280

II
3618
4284
3760
11662
2671
2653
3284
8608
2813
4356
3520
10689
3787
3369
4369
11525
42484

II
I
2164
3773
2747
8684
2782
3529
2556
8867
2560
3560
3382
9502
3142
2507
2831
8480
35493

I
Totais de
V
tratamentos
3996
1355
3280
1480
6
4
2853
1278
2
10129
2502
1125
2258
1209
7
3
3284
1283
5
8044
3049
1136
4013
1572
0
9
3524
1312
8
10586
3604
1354
4200
1341
6
4
4222
1457
8
12026
40785
15908
2

Questo 13:
- Suponha que para um experimento instalado segundo o delineamento inteiramente
casualizado e no esquema de parcelas subdivididas com 3 repeties, foram obtidos os
seguintes resultados:
FV
Fator A
Resduo(a)
(Parcelas)
Fator B
Interao A*B
Resduo(b)
Total

GL

SQ
29,55
15,71
(45,26)
20,60
20,12
51,60
137,58

QM

Totais de Tratamentos
B1
B2
B3
B4
Totais
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 261,9 237,4 251,6 253,2 1004,1
- Usando o nvel de 5% de significncia quando necessrio, pede-se:
a) Os fatores A e B atuam independentemente? Justifique sua resposta.
b) Existe diferena entre os nveis de B pelo teste F da anlise de varincia?
c) Se o objetivo obter menores mdias, qual(is) o(s) nvel(is) de B que devem ser
recomendados? (Use o teste de Duncan, se necessrio).
Questo 14:
- Considere um experimento em parcelas subdivididas no delineamento inteiramente
casualizado com 4 repeties, onde o fator A foi casualizado nas parcelas e fator B
casualizado nas subparcelas, sendo dados:
Totais de Tratamentos
A1
A2

B1
20,4
11,3
31,7

B2
19,7
10,6
30,3

B3
32,3
18,0
50,3

72,4
39,9
112,3

SQParcelas = 55,9836 e SQTotal = 121,4907.


- Efetue o teste F para a interao AxB e proceda s comparaes dos nveis dos
fatores A e B pelo teste de T u k e y a 5 % , se necessrio, de acordo com o
resultado de significncia para a interao.
Questo 15:
Escolher a equao de regresso linear utilizando os dados amostrais fornecidos abaixo,
se a temperatura tem influncia significativa sobre o comprimento de uma barra de ao.
Temperatura (C)
Comprimento (mm)

10
1003

15
1005

20
1010

25
1011

30
1014

Questo 16:
- Para o seguinte conjunto de valores de X (varivel independente) e Y (varivel
dependente), faa a anlise de regresso segundo o modelo linear de 1 grau e obtenha a
equao de regresso estimada. Use o nvel de significncia de 5%.
X
Y

2
10,3

4
18,2

6
25,1

8
35,6

10
43,0

12
50,0

14
59,1

16
67,8

18
75,2

20
85,0

Questo 17:
- Para se avaliar o efeito de diferentes dosagens de um micronutriente no desenvolvimento de
duas espcies vegetais, foi realizado em experimento fatorial 4x2 no D.B.C. com 5
repeties. Aps a coleta e tabulao dos dados (em produo de matria verde por
determinada unidade de rea) foi montado o seguinte quadro de totais de tratamentos:
Espcie 1
Espcie 2

Dose 1
60
56
116

Dose 2
52
50
102

Dose 3
60
40
100

Dose 4
90
40
130

262
186
448

- A anlise de varincia dos dados no computador forneceu o seguinte quadro (incompleto)


da ANOVA:
F.V.
Fator A
Fator B
Int. AxB
(Trat.)
Blocos
Resduo
Total

G.L.
1
3

S.Q.
58,2
----------------

Q.M.
49,20
10,00

Com base nos dados apresentados acima, pede-se: (obs.: use = 5%):
a) Obtenha a soma de quadrados para o fator A. Apresente os clculos.
b) Os fatores em estudo atuam independentemente na varivel em anlise? Justifique.
c) Qual espcie deveria ser usada de modo a termos uma maior produo de massa verde,
quando for usada a dose 3 do micronutriente? Justifique.
d) Como deveramos continuar a anlise caso fosse de nosso interesse determinar a melhor
dose do micronutriente? Descreva a estratgia de anlise de maneira resumida, apresentando
a seqncia dos procedimentos a serem realizados, mas sem precisar fazer nenhum tipo de
clculo.