1

I - CONCEITOS E PRINCPIOS BSICOS DE EXPERIMENTAO AGRCOLA

INTRODUO:
A estatstica a parte da matemtica aplicada que se preocupa em obter concluses a partir de dados
experimentais. Hoje so feitos experimentos em quase todas as reas de trabalho, as tcnicas experimentais
so universais e se aplicam em diferentes reas, tais como: Agronomia, Medicina, Engenharia e Psicologia, e
os mtodos so sempre os mesmos, porem as origens da Estatstica Experimental so agrcolas, e se devem a
Sir Ronald A. Fischer (1890 - 1962) que formalizou boa parte do que existe hoje em Experimentao. Fischer
foi um estatstico que trabalhou na Estao Experimental de Agricultura de Rothamstead, Inglaterra.
Na pesquisa agronmica, a Estatstica Experimental uma ferramenta que pode e deve ser utilizada
pelos pesquisadores na soluo de problemas agrcolas, e para empreg-la eficientemente faz se necessrio
uma completa compreenso do assunto na qual se vai aplic-la, portanto as consideraes prticas so to
importantes como os requisitos tericos para determinar o enfoque estatstico ao problema.

1. CINCIA E PESQUISA.
Temos vrias definies de CINCIA, entre elas:
Conhecimento sistemtico dos fenmenos da natureza e das leis que os regem, obtidos atravs da
investigao pelo raciocnio e pela experimentao intensiva
Estudo de problemas solveis mediante mtodo cientfico.
Como PESQUISA define-se: Investigao e estudo sistemticos, com o fim de descobrir ou estabelecer
fatos ou princpios relativos a um campo qualquer de conhecimento.
2. TIPOS DE PESQUISA.
No se pode fazer uma pesquisa pela simples razo de faz-la. H a necessidade de buscar respostas a
todo um desenrolar de dvidas. Para uma pesquisa apresentar um desenvolvimento, ela deve comear pelo
interesse do pesquisador. A motivao deve estar presente. Como a pesquisa visa um fim, ele requer
planejamento.
Pesquisar, num sentido amplo, procurar uma informao que no se sabe e que se precisa saber.
Podemos ter os seguintes tipos de pesquisa:
2.1 Pesquisa Bibliogrfica
Na pesquisa bibliogrfica, os livros so a ferramenta bsica para o pesquisador fundamentar o assunto
em questo. Este o tipo de pesquisa mais usual, por oferecer facilidades na busca do material, mas no se
pode esquecer que todos os tipos de pesquisa devem apresentar seu referencial bibliogrfico.
2.2 Pesquisa Descritiva

A pesquisa descritiva usada, sobretudo, nas cincias humanas e sociais. Tem por finalidade explicar e
interpretar as relaes sociais e culturais da sociedade. A grande vantagem desta modalidade de investigao
a possibilidade de apresentar coisas novas e atuais. Por se tratar de um trabalho de campo, os resultados s
podem ser alcanados mediante uma interpretao dos dados localizados.
2.3 Pesquisa Experimental
A pesquisa experimental se caracteriza por manipular diretamente as variveis relacionadas com o
objeto de estudo. Neste tipo de pesquisa, a manipulao das variveis proporciona o estudo da relao entre
causas e efeitos de um determinado fenmeno. Atravs da criao de situaes de controle, procura-se evitar a
interferncia de variveis intervenientes. Interfere-se diretamente na realidade, manipulando-se a varivel
independente a fim de observar o que acontece com a dependente.

3. CIRCULARIDADE DO MTODO CIENTFICO.

Em uma pesquisa cientfica, o procedimento geral o de formular hipteses e verific-las, diretamente,
ou atravs de suas conseqncias. Para tanto, necessrio um conjunto de observaes ou dados e o
planejamento de experimentos essencial para indicar o esquema sob o qual as hipteses possam ser testadas.
As hipteses so testadas por meio de mtodos de anlise estatstica que dependem do modo como as
observaes ou dados foram obtidos e, desta forma, o planejamento de experimentos e a anlise dos resultados
esto intimamente ligados e devem ser utilizados em uma certa seqncia nas pesquisas cientficas, como pode
ser visualizado no esquema abaixo.

PLANEJAMENTO

(2)
OBSERVAES

(1)
FORMULAO DE
HIPTESES

ANLISE ESTATSTICA

(3)
TESTES DAS HIPTESES
FORMULADAS

(4)
DESENVOLVIMENTO
DA TEORIA

4. O USO DA ANLISE ESTATSTICA

O que nos obriga a utilizar a anlise estatstica para testar as hipteses formuladas a presena, em
todas as observaes, de efeitos de fatores no controlados (que podem ou no ser controlveis), que causam
variao, como exemplo destes fatores temos:
Pequenas diferenas de fertilidade do solo;
Profundidade de semeadura um pouco maior, ou menor, que o previsto;
Ligeiras variaes de espaamentos;
Variao na constituio gentica das plantas ou animais;
Pequenas variaes nas doses de adubos, inseticidas, fungicidas, herbicidas etc.
Esses efeitos, que sempre ocorrem, no podem ser conhecidos individualmente e tendem a mascarar o
efeito do tratamento em estudo. O conjunto dos efeitos de fatores no controlados denominado de variao
do acaso, variao aleatria ou erro experimental.
Visando tornar mnima a variao do acaso, deve-se fazer o planejamento do experimento de tal forma
que consiga isolar os efeitos de todos os fatores que podem ser controlados.
5. CONCEITOS BSICOS DE ESTATSTICA EXPERIMENTAL.

a) Experimento ou ensaio: um trabalho previamente planejado que segue determinados princpios bsicos e
no qual se faz a comparao dos efeitos dos tratamentos.

b) Tratamento: o mtodo, elemento ou material cujo efeito desejamos medir ou comparar em um

experimento. Exemplos: hbrido de milho; adubao para a cultura do milho; inseticida para controle de um
determinado inseto; arao na engorda de determinada espcie animal; diferentes mtodos de plantio etc.

c) Unidade Experimental ou Parcela: a unidade que vai receber o tratamento e fornecer os dados que
devero refletir seu efeito. Exemplos: uma rea de terreno com plantas; um vaso com plantas, um nico
animal, ou um grupo deles, um lote de sementes, uma placa de petri com meio de cultura. etc.

d) Delineamento Experimental: o plano utilizado na experimentao e implica na forma como os

tratamentos sero designados s parcelas. Exemplos: delineamento inteiramente casualizado; delineamento
em blocos casualizados; delineamento em quadrado latino.
6. PRINCPIOS BSICOS DA EXPERIMENTAO
A pesquisa cientfica est constantemente utilizando-se de experimentos para provar suas hipteses.
claro que os experimentos variam de uma pesquisa para outra, porm, todos eles so regidos por alguns
princpios bsicos, que so necessrios para que as concluses que venham a ser obtidas se tornem vlidas.
6.1 Princpio da repetio
o nmero de vezes que um tratamento ocorre no experimento.
Ao se comparar, por exemplo, duas variedades de milho (A e B) plantadas em 2 parcelas constitudas
por 3 linhas de 10m de comprimento, apenas o fato da variedade A ter apresentado uma maior produo que a
variedade B, no suficiente para concluir que a variedade A mais produtiva que B, pois esse seu melhor

desempenho poder ter ocorrido por simples acaso, ou ter sido influenciado por fatores estranhos. Por outro
lado, se as duas variedades tivessem sido plantadas em vrias parcelas e ainda assim, verificarmos que a
variedade A apresentou, em mdia, maior rendimento, ento, j existe um indcio de que ela seja mais
produtiva.
Em condies de campo temos:
Sem repetio
PARCELA 1

PARCELA 2

Com repetio
PARCELA 1

A
PARCELA 6

PARCELA 2

PARCELA 3

A
PARCELA 7

A
PARCELA 8

PARCELA 4

PARCELA 5

A
PARCELA 9

A
PARCELA 10

Atravs da repetio que nos possvel estimar o erro experimental. Num experimento sem repetio,
no sabemos dizer se uma diferena constatada entre tratamentos pode ser explicada como uma diferena entre
tratamentos ou entre parcelas experimentais.
6.2 Princpio da casualizao
Apesar de ter usado a repetio, pode acontecer que a variedade A tenha produzido mais por ter sido
beneficiada por qualquer fator, como por exemplo, ter todas as suas parcelas em reas de maior fertilidade.
Para evitar que uma das variedades seja sistematicamente favorecida por qualquer fator externo,
procedemos a casualizao das variedades s parcelas. Pela casualizao cada tratamento tem a mesma
probabilidade de ser destinado a qualquer parcela experimental, seja ela favorvel ou no.
A casualizao tem por objetivo nos assegurar uma estimativa no viciada do erro experimental, das
mdias dos tratamentos e das diferenas entre mdias.
Em condies de campo, temos:
Sem casualizao (com repetio)
PARCELA 1

A
PARCELA 6

PARCELA 2

A
PARCELA 7

PARCELA 3

A
PARCELA 8

PARCELA 4

A
PARCELA 9

PARCELA 5

A
PARCELA 10

Com casualizao (com repetio)

PARCELA 1

PARCELA 2

PARCELA 3

PARCELA 6

PARCELA 7

PARCELA 4

PARCELA 8

PARCELA 5

PARCELA 9

PARCELA 10

Se, aps a repetio e casualizao, a variedade A apresentar maior produtividade, de se esperar que
esta concluso seja realmente vlida.
6.3 Princpio do controle local
um princpio muito usado, mas no obrigatrio, pois podemos realizar experimentos sem utiliz-lo.
Ele consiste em distribuir as variedades no campo sempre em reas mais homogneas possveis, quanto s
condies de tipo de solo, fertilidade, umidade, porosidade, etc., podendo haver variao acentuada de uma
rea para outra. Estas reas assim formadas so chamadas BLOCOS.
Em condies de campo, temos:
Sem repetio, sem casualizao, sem controle local.
Parcela 1

Parcela 2

Com repetio, com casualizao, com controle local.

BLOCO 1

BLOCO 2

BLOCO 4
A

BLOCO 3

BLOCO 5
B

BLOCO 6
B

A finalidade do controle local dividir um ambiente heterogneo em sub-ambientes homogneos. Este

procedimento torna o experimento mais eficiente porque reduz o erro experimental.

7. RELAO ENTRE OS PRINCPIOS BSICOS BASICOS DA EXPERIMENTAO E OS

DELINEAMENTOS EXPERIMENTAIS.

Para podermos utilizar a metodologia estatstica nos resultados de um experimento, necessrio que o
mesmo tenha considerado pelo menos os princpios da repetio e da casualizao, a fim de que possamos
obter uma estimativa vlida para o erro experimental, permitindo assim a aplicao dos testes de significncia.
O controle local constitui restries impostas na casualizao para corrigir os efeitos da variao
conhecida ou suspeita do material experimental. Considerando o controle local temos os seguintes tipos de
delineamentos:
a) Delineamento inteiramente casualizado (DIC) - sem controle local
o mais simples de todos, sendo recomendado quando as condies experimentais so muito
homogneas. prprio para experincias de laboratrio ou recintos similares onde se possa garantir a
uniformidade. Nestes experimentos a nica variao admitida a variao devida aos diferentes tratamentos
que sero estudados. Todas as outras variaes conhecidas ou no so tomadas como variaes do acaso (erro
experimental).
Os tratamentos so designados as parcelas de maneira totalmente ao acaso, atravs de sorteio, para que
cada unidade experimental tenha a mesma probabilidade de receber qualquer um dos tratamentos, sem
qualquer restrio no critrio de casualizao.
Neste tipo de delineamento temos duas causas ou fontes de variao, que so:
1 Tratamentos: que a causa conhecida ou fator controlado
2 Resduo ou erro: que a causa desconhecida, que reflete o efeito dos fatores no controlados.
Exemplo: Um agrnomo planejou um experimento para comparar a produo de milho, em Kg/parcela,
de 4 variedades (A = Cateto roxo, B = Cateto vermelho, C = Pirano, D = Agroceres 90), como a rea era
homognea optou-se por um DIC com 5 repeties. A rea de cada parcela era de 100 m.
O agrnomo dever ento:
1. Numerar as parcelas de 1 a 20,
2. Colocar os tratamentos em seqncia:
A1, A2, A3, A4, A5, - B1, B2, B3, B4, B5, - C1, C2, C3, C4, C5, - D1, D2, D3, D4, D5.
3. Sortear os tratamentos nas parcelas, atravs de: fichas numeradas, tabela de nmeros aleatrios,
calculadoras etc.
4. Montar o esquema de disposio do experimento no campo, que poderia ficar:
A3
D4
B3
D2
A4

C1
B2
D1
C5
C2

B4
A1
C3
B5
D5

D3
C4
A5
A2
B1

b) Delineamento em blocos casualizados (DBC) controle feito atravs de blocos horizontais.

O DBC considera os princpios da repetio, casualizao e controle local. o mais empregado de

todos os delineamentos experimentais. prprio para as situaes onde existe heterogeneidade do material
experimental ou do ambiente, onde se vai realizar o ensaio. Como exemplos de variveis de blocagem temos:
Diferenas de fertilidade de solo;
Diferenas em idade de animais;
Diferenas de ventilao e exposio;
Diferenas em pesos iniciais;
Neste tipo de delineamento devemos observar que cada bloco deve conter todos os tratamentos, que
devem ser designados de forma aleatria (sorteio) dentro dos blocos.
A finalidade do bloco, como j vimos, quebrar um ambiente heterogneo em sub ambientes
homogneos. As parcelas dentro de cada bloco devem ser o mais homognea possvel, sendo que pode existir
heterogeneidade de um bloco para outro, e quanto maior for essa heterogeneidade de condies de um bloco
para outro, maior ser a eficincia deste delineamento.
Neste caso temos mais uma fonte de variao, ou fator controlado que so os blocos.
Exemplo: Considere o exemplo anterior, porem agora o agrnomo vai comparar as 4 variedades de
milho (A = Cateto roxo, B = Cateto vermelho, C = Pirano, D = Agroceres 90) em uma rea heterognea,
ento ele dever:
1. Dividir a rea em cinco blocos o mais homogneos possvel,
2. Dividir cada bloco em 4 parcelas,
3. Sortear para cada bloco uma variedade por parcela.
A2
B1
D5

C3
B4

D2
D3
A4
C1

C4
B2

A1
D4

A5
B5
D1

C2
B3
A3

C5

II - PLANEJAMENTO DE EXPERIMENTOS

1. INTRODUO
O estudo dos experimentos, desde o seu planejamento at o relatrio final, constitui o objetivo da
Estatstica Experimental, ou Experimentao Agrcola.
Existem trs tipos de experimentos:
1. Preliminar: aquele conduzido dentro de estaes experimentais para a obteno de novos fatos. E
cientfico, mas apresenta baixa preciso. Prprio para ensaios de introduo de variedades de espcies
cultivadas, ou quando se dispe de um elevado nmero de tratamentos e necessrio fazer uma triagem.
2. Crtico: aquele que tem por Objetivos negar ou confirmar uma hiptese obtida no experimento
preliminar e conduzido dentro ou fora das fronteiras estaes experimentais. cientfico e apresenta

maior preciso que o experimento anterior. Serve para comparar vrios tratamentos por meio dos
delineamentos experimentais, usando as tcnicas estatsticas recomendadas.
3. Demonstrativo: aquele lanado pela rede de extenso rural. E de cunho demonstrativo. o pois tem por
objetivo demonstrar junto aos agricultores os melhores resultados do experimento crtico. Geralmente
apenas comparativo, pois compara, uma nova tcnica agrcola com uma tradicional.
A figura 1, abaixo apresenta. esquematicamente, os trs tipos de experimento. na cultura do feijo.
Inicialmente foram introduzidas 100 variedades de feijo e selecionadas as dez melhores (Experimento
Preliminar), posteriormente as dez melhores variedades de feijo mais a variedade local foram avaliadas no
delineamento em blocos casualizados com trs repeties (Experimento Critico), em seguida, as duas melhores
variedades de feijo foram comparadas com a variedade local junto aos agricultores (Experimento
Demonstrativo).

FAZENDA

ESTAO
EXPERIMENTAL

ESTAO
EXPERIMENTAL

INTRODUO DE VARIEDADES DE FEIJO

100

EXPERIMENTO
PRELIMINAR

SELEO DAS 10 MELHORES VARIEDADES

7

89

27

VL

54

33

64

29

93

VL

29

33

93

27

89

54

64

27

54

64

33

89

29

93

VL

VL

64

EXPERIMENTO
CRTICO

EXPERIMENTO
DEMONSTRATIVO

Figura 1. Exemplo de experimentos preliminar, crtico e demonstrativo. Fonte: adaptado de Ferreira, 2000.

2. PLANEJAMENTO
Planejar o experimento um mtodo que visa auxiliar o pesquisador na execuo de um projeto de
pesquisa, na qual se faz necessrio a realizao de experimentos, e tm como objetivo determinar, como

antecedncia, como ser o experimento e como sero analisados os dados do mesmo. A experimentao
preocupa-se com a elaborao do projeto de pesquisa porque faz parte da pesquisa experimental.
O planejamento constitui a etapa inicial de qualquer trabalho e, portanto, um experimento tambm deve
ser devidamente planejado, de modo a atender aos interesses do experimentador e s hipteses bsicas
necessrias para a validade da anlise estatstica.
Ao iniciar o planejamento de um experimento, o experimentador deve formular uma srie de quesitos e
buscar respond-los. Como exemplo, podemos citar:
A) Quais as caractersticas que sero analisadas
Num experimento, vrias caractersticas podem ser estudadas; por exemplo, num experimento com a
cultura de milho, podemos determinar: altura das plantas, altura de insero da primeira espiga, resistncia do
colmo penetrao, porcentagem de plantas acamadas, produo de gros, relao gros/sabugo etc.
Portanto, devemos definir quais as caractersticas de interesse, para que as mesmas possam ser determinadas
no decorrer do experimento.
B) Quais os fatores que afetam essas caractersticas?
Relacionar todos os fatores que possuem efeito sobre as caractersticas que sero estudadas, como por
exemplo: variedade ou hbrido, adubao, espaamento, irrigao, sistema de cultivo, controle de pragas e
doenas etc.
C) Quais desses fatores sero estudados no experimento?
Nos experimentos simples, apenas um tipo de tratamento ou fator pode ser estudado de cada vez, sendo
os demais fatores mantidos constantes. Por exemplo, quando fazemos um experimento de competio de
espaamentos para uma determinada cultura, todos os outros fatores, como cultivar, adubao, irrigao e
tratos culturais devem ser os mesmos para todos os espaamentos. No caso de experimentos mais complexos,
como os experimentos fatoriais e em parcelas subdivididas, podemos estudar simultaneamente os efeitos de
dois ou mais tipos de tratamentos ou fatores, como por exemplo, cultivares e adubaes.
D) Como ser a unidade experimental?
A unidade experimental ou parcela poder ser constituda por uma nica planta ou por um grupo delas.
Quando utilizamos uma nica planta por parcela, se ocorrer qualquer problema com ela, teremos um caso de
parcela perdida, o que causa complicaes na anlise estatstica. Portanto devemos definir perfeitamente o que
constituir a parcela.

E) Quantas repeties devero ser utilizadas?

O nmero de repeties de um experimento depende do nmero de tratamentos a serem confrontados e
do delineamento experimental escolhido. Quanto maior o nmero de repeties, maior ser a preciso do
experimento. De um modo geral, recomenda-se que o n de parcelas experimentais no seja inferior a 20 e que
o n de graus de liberdade do erro ou resduo (efeitos dos fatores no controlados), no seja inferior a 10.

10

F) Como sero analisados os dados obtidos no experimento?

A anlise estatstica dos dados depende apenas do delineamento experimental utilizado para realizar o
experimento.

3. ETAPAS DE UM EXPERIMENTO
As etapas de um experimento so: elaborao do projeto, instalao do experimento, execuo e
conduo do experimento, anlise estatstica dos dados experimentais, interpretao dos resultados e relatrio
final.
3.1 Elaborao do projeto
Na elaborao do projeto devem ser especificados os seguintes itens:
A. Ttulo: O ttulo do trabalho experimental deve ser o mais simples possvel, de forma a no deixar dvida

sobre o objetivo da experimentao. Deve ser evitadas generalidades ou idias vagas. Por exemplo, no se
deve utilizar "Estudo de relaes fisiolgicas em sorgo sacarino" e sim "Efeito do espaamento sobre a
produo de lcool etlico em trs cultivares de sorgo sacarino".
B. Responsvel e Colaboradores: Indicar as pessoas que elaboraram o projeto e as que iro trabalhar na

execuo do experimento, bem como as instituies envolvidas. O responsvel principal deve ser o
primeiro da lista.
C. Introduo: Nela deve conter, pela ordem: importncia do assunto a ser pesquisado, descrio do

problema e justificativa do trabalho. Na importncia do assunto a ser pesquisado, deve ser ressaltado o
aspecto econmico e social do mesmo. Na descrio do problema, o mesmo deve ser identificado e
caracterizado de forma clara, alm de manter coerncia com os objetivos e metas do projeto. Na
justificativa do trabalho, as razes para a conduo do projeto devem ser explicitadas, deve indicar a
contribuio que o mesmo dar para a soluo do problema, bem como devem ser abordados os aspectos
tcnicos e econmicos relacionados ao entendimento do problema.
D. Objetivos: Expor claramente as questes que devem ser respondidas pela pesquisa. Os objetivos de vem
ser realistas, compatveis com os meios e mtodos disponveis, e manter coerncia com o problema que
deu origem ao projeto. Devem ser enumerados os objetivos como: determinar..., avaliar...,
comparar...,encontrar..., relacionar..., selecionar..., recomendar..., etc..
E. Metas: Detalhar, quantificar e localizar os objetivos no tempo. Sempre que possvel explicitar as metas no
cronograma de execuo para facilitar o acompanhamento.
F. Hiptese Cientfica: A formulao da hiptese cientfica no projeto deve ser bem fundamentada em
conhecimentos tericos e raciocnios lgicos. A principal arma do pesquisador no o conhecimento
existente nem a reviso de literatura, mas sim a forma de como ele as utiliza para raciocinar e deduzir
criando sua hiptese cientfica.
G. Reviso de Literatura: Expor claramente o que j conhecido acerca do problema para o qual se
procura a resposta, quais as questes j respondidas por outras pesquisas e se esse conhecimento
acumulado no suficiente para ter a soluo via difuso/ transferncia de conhecimento ou tecnologia.

11

Para responder a essas questes, a reviso de literatura deve ter uma abrangncia ampla, permitindo ainda
verificar a adequao dos materiais e mtodos do projeto para que se atinja os objetivos e metas
propostas, bem como a funo de fornecer subsdios para a formulao da hiptese cientfica e de auxiliar
a interpretao dos resultados. A reviso de literatura no deve ser uma simples seqncia de outros
trabalhos. Ela deve incluir tambm uma contribuio do autor, para mostrar que os trabalhos no foram
meramente catalogados, mas sim examinados e criticados objetivam ente. Deve-se incluir somente os
trabalhos mais importantes desenvolvidos sobre o assunto, dando preferncia queles publicados nos
ltimos dez anos. sempre aconselhvel referir-se somente aos assuntos que possuam relao direta e
especfica com os objetivos da pesquisa.
H. Material e Mtodos: neste item devemos especificar:
1 - Localizao do experimento: Indicar o lugar onde se realizar o experimento, especificando as
coordenadas geogrficas, o tipo de solo, a acidez, a topografia e a necessidade ou no de calagem,
adubao e drenagem. sempre interessante fazermos uma anlise de terra antes da instalao do
experimento.
2 - Materiais: Especificar as variedades, os hbridos ou cultivares. Especificar tambm, quantificando, os
adubos, os fungicidas, os herbicidas, os inseticidas, o calcrio e outros produtos a serem utilizados e os
equipamentos necessrios para sua aplicao.
3 - Tratamentos: Devem ser indicados da forma mais completa possvel Se forem variedades, citar os nomes
(comum e cientfico) e as origens; se adubao, indicar as frmulas, os produtos, as porcentagens de
nutrientes, a poca e a forma de aplicao; se inseticidas, fungicidas ou herbicidas, mencionar os
produtos, o princpio ativo, as doses e a forma de aplicao. tambm conveniente mencionar o custo de
cada tratamento, visando estudos econmicos posteriores.
4 - Adubao: Se for uniforme, citar os adubos empregados, as porcentagens de nutrientes, a poca e a forma
de aplicao, especificando a quantidade a ser utilizada por parcela e por hectare.
5 - Semeadura ou plantio: indicar a poca de semeadura, o poder germinativo das sementes e a quantidade de
sementes a ser utilizada. No caso de plantio, especificar a procedncia das mudas e a quantidade a ser
utilizada.
6 - Delineamento experimental: indicar o delineamento que ser utilizado, apresentando um croqui da parcela
e o esquema de instalao do experimento no campo, detalhando: espaamento utilizado, nmero de
sementes ou mudas por cova ou por metro de sulco, nmero de plantas na parcela, nmero de plantas na
rea til da parcela, rea total e rea til da parcela, rea de cada bloco, rea total do experimento e
esquema de anlise de varincia.

I. Relao dos tratamentos: A relao dos tratamentos decorrente dos objetivos. Devemos evitar incluir
tratamentos sem a devida justificativa. Quando possvel, devemos incluir um tratamento testemunha ou
padro, o qual servir de referncia para as concluses. No caso de tratamentos quantitativos devemos, de
preferncia, usar valores eqidistantes cuja amplitude de variao reflita a realidade. A eqidistncia entre
os tratamentos quantitativos facilitar a anlise da regresso e mais adequada para os casos em que se

12

faz a procura do melhor modelo matemtico para os dados observados. Os tratamentos podem ser
decorrentes das alternativas de um fator ou da combinao entre os nveis de dois ou mais fatores (no caso
de experimentos fatoriais). Nas Tabelas 1 e 2 encontram-se exemplos de tratamentos de um experimento.
Tabela 1. Exemplo de relao de tratamentos unifatoriais.
Tratamento

Descrio

0 Kg/h de NPK

50 Kg/ha de NPK (5; 30; 10)

100 Kg/ha de NPK (5; 30; 10)

150 Kg/ha de NPK (5; 30; 10)

200 Kg/ha de NPK (5; 30; 10)

250 Kg/ha de NPK (5; 30; 10)

300 Kg/ha de NPK (5; 30; 10)

Tabela 2. Exemplo de relao de tratamentos fatoriais N, P e K.

Kg/ha de
Tratamento
N
P
K
1
0
0
0
2
0
0
100
3
0
200
0
4
0
200
100
5
50
0
0
6
50
0
100
7
50
200
0
8
50
200
100
F. Croqui do experimento: um desenho (planta baixa) do experimento, identificando o local, as
dimenses, as unidades experimentais e a ordem (aleatria) de aplicao dos tratamentos sobre as parcelas
obtidas por sorteio de acordo com o delineamento. Na figura 2 apresentado um exemplo de croqui de um
experimento com oito tratamentos no delineamento em blocos ao acaso com trs repeties. A parcela
constituda de uma rea de 4 por 10 metros, o que resulta em blocos de 10 por 32 metros. (obs.: o desenho
est fora de escala)

32 m

Bloco I

Bloco II

Bloco III

2
T3

3
T2

10
T6

17

T1
11

T8
18

T5

4
T6
12
T1

19
T2

5
T8
13
T2

20
T7

6
T4
14
T7

21
T8

7
T7
15
T3

22
T6

T5
23

T3

T5
- 4m 16
T4
24

T1

T4

10 m

13

Caixa dgua Campus II - Agronomia

Figura 2. Modelo de croqui de experimento (sem escala).

G. Caderneta de campo: A caderneta de campo uma ficha elaborada com base no croqui do experimento
cuja finalidade anotar os dados sobre os efeitos dos tratamentos, ela deve conter os seguintes itens:
Identificao do experimento (nome, localizao, e ano de execuo do experimento); Relao das
parcelas e respectivos tratamentos, Controle local (testemunha) e variveis observadas, Espao para
anotaes gerais, como data da semeadura, emergncia e colheita, data de ocorrncia de chuva, de
aplicao de irrigao, de capinas, enfim, qualquer observao que possa ser til para auxiliar na
discusso dos resultados do experimento. Alm da caderneta de campo podemos elaborar outras fichas de
controle, tais como de manejo cultural, de observaes de campo, e de controle mensal do projeto. Na
tabela 3 apresentado um modelo de caderneta de campo.
H. Oramento: O oramento tem como objetivo fornecer uma estimativa dos gastos a serem realizados com
materiais de consumo, mo-de-obra, servios de terceiros, equipamentos, combustveis, manuteno de
equipamentos, dirias, construes, etc. Deve-se reservar 10% do custo total do projeto para os
imprevistos.
I. Cronograma de Execuo: O cronograma uma lista com as principais atividades (etapas) da execuo
do experimento com as respectivas datas. A implantao de experimentos de campo deve coincidir com a
poca adequada para a cultura na regio considerada. Um exemplo resumido de cronograma apresentado
na tabela 4

Tabela 3. Caderneta de campo do experimento: Cultivares de milho doce. ILES-ULBRA Itumbiara.

Campus II Agronomia. 3 perodo A Grupo 1. 1 semestre de 2006.
N PARCELA

BLOCO

TRATAMENTO

PESO

ALTURA

ETC.

14

II

10

II

...

...

...

24

III

DATAS

ATIVIDADES

Tabela 4. Cronograma de atividades do experimento de...

DATA/PERODO

DESCRIO DA ATIVIDADE

01 a 10/03/2010

Reviso de literatura

11 a 13/03/2010

Preparo das mudas

14 a 15/03/2010

Preparo do solo, adubao e demarcao da rea.

19 a 20/03/2010

Aplicao dos tratamentos

....

...

23 a 25/05/2010

Avaliao final do experimento

26 a 31/05/2010

Anlise, interpretao e relatrio final

J. Bibliografia: Relacionar toda literatura utilizada efetivamente na elaborao do projeto de pesquisa,

obedecendo s normas da Associao Brasileira de Normas Tcnicas (ABNT).
conveniente ressaltar que um projeto de pesquisa deve ser muito bem feito, para que a anlise
estatstica possa ser efetuada de forma adequada e nos conduza a concluses vlidas; pois de nada adianta um
experimento bem conduzido, se ele estiver baseado em um planejamento inadequado.
As instituies financiadoras de projetos, tanto pblicas como privadas, possuem, geralmente, um
roteiro prprio com instrues especficas para montagem do projeto, devendo o pesquisador se submeter
quele modelo.
3.2 Instalao do experimento
A instalao do experimento nada mais do que o transporte para a prtica (campo, laboratrio, casa
de vegetao, etc.) do que foi idealizado, estudado e planejado. Esta etapa constitui o incio da fase prtica do
experimento e deve ser realizada com os mesmos cuidados e ateno com que foi elaborado o projeto
experimental.
Na instalao do experimento, o pesquisador deve seguir risca o que consta no croqui do experimento.
Contudo, quando algum fator (por exemplo, condies locais de solo, topografia. etc.) impede a sua instalao

15

da forma como foi planejado, o pesquisador deve usar o bom senso para direcionar os trabalhos, indicando a
forma de instalao do experimento, sem afetar os objetivos bsicos do mesmo e sem reduzir a sua preciso.
Sempre que qualquer alterao seja feita no projeto para possibilitar a sua instalao, a mesma deve ser
transportada para o plano inicial, a fim de que o mesmo sempre represente o que est sendo executado no
campo, para possibilitar a interpretao e divulgao dos resultados, principalmente nos projetos de longa
durao.
Como a instalao do experimento constitui o incio da sua fase prtica, todo o cuidado pouco por
parte do pesquisador, para se alcanar uma boa preciso do experimento. Dessa forma, ele deve evitar os erros
sistemticos, aplicar corretamente os princpios da experimentao e usar de todo cuidado possvel para obter
a maior preciso experimental.
Na instalao de experimentos de campo interessante fazer uma lista de todo material necessrio para
a instalao do mesmo, e no esquecer de incluir gua potvel suficiente para o pessoal que ir trabalhar,
bons, canivetes, barbantes, vasilhames e embalagens, e at mesmo, alimentao se o trabalho for longo.
Quando instalamos o experimento devemos identific-lo de maneira adequada, para tanto devemos
elaborar uma ficha ou placa com os dados principais do experimento e da equipe que est executando o
mesmo, lembrando que a mesma deve ser resistente a chuva. A ficha ou placa colocada na primeira parcela
do experimento atravs de uma estaca. Quando identificamos as parcelas, as fichas ou placas devem ser
colocadas sempre no comeo e no lado esquerdo da mesma.

3.3 Execuo do experimento

A execuo do experimento a forma de conduzir, no campo, laboratrio, casa-de-vegetao, etc. Esta
etapa no obedece a normas fixas, pelo contrrio, extremamente malevel, devendo adaptar-se s condies
encontradas, procurando obter sempre o mximo de informaes e de eficincia.
Na execuo do experimento, o pesquisador deve anotar pessoalmente os dados e observaes do
experimento em cadernetas de campo, devendo ter o cuidado de manter cpias atualizadas desta em meio
eletrnico.
bom lembrar que o experimento deve ser acompanhado todos os dias da semana, e sempre no mesmo
horrio executar os tratos culturais, tais como irrigao, por exemplo, at o momento de coleta dos dados
finais.
3.4 Anlise estatstica dos dados experimentais
A anlise estatstica dos dados experimentais fase mais importante do experimento, pois nela que se
verifica se os tratamentos avaliados so ou no diferentes.
Vrios mtodos so utilizados na anlise estatstica de experimentos, os quais sero objetos de estudo
no decorrer do curso. Independentemente do mtodo a ser utilizado na anlise estatstica do experimento, o
pesquisador deve ter em mente os seguintes pontos:

16

A) Antes de efetuar a anlise de varincia nos dados experimentais, ele deve verificar se os mesmos atendem
s suposies da anlise de varincia (os efeitos devem ser aditivos, os erros devem ser independentes,
devem apresentar distribuio normal e as suas varincias devem ser homogneas), sob pena das
concluses obtidas no terem validade.
B) No processo de anlise estatstica dos dados experimentais, o sistema de aproximao dos dados poder
aumentar o erro experimental. Em funo disso, no recomendado aproximar os dados durante a anlise
estatstica, e sim no final da mesma, deixando-se no mnimo, quatro casas decimais.
C) Quando analisar quaisquer dados, deve-se dar nfase aos resultados biolgicos e no aos mtodos
estatsticos. No incluir no trabalho detalhes matemticos desnecessrios.
A caderneta de campo til para se fazer anotaes dos dados experimentais, porm quando se vai
fazer a anlise estatstica dos dados deve-se tomar o cuidado de colocar os tratamentos em ordem para que se
obtenham seus totais e mdias, para maior segurana podemos elaborar uma tabela com os tratamentos em
ordem numrica conforme exemplo na tabela 5.

Tabela 5. Dados relativo ao peso das Cultivares de milho doce.........

TRAT.

BLOCOS
II

III

TOTAL

1
2
3

8
TOTAIS
MDIAS

3.5 Interpretao dos resultados

A interpretao dos resultados experimentais submetidos anlise estatstica constitui uma das etapas
fundamentais do plano de pesquisa.
Atravs do exame dos resultados parciais verificamos se a pesquisa est se desenvolvendo
satisfatoriamente, ou se existe algo errado e que deve ser corrigido. Por exemplo, em um experimento na
cultura do milho, o crescimento das plantas, a colorao e a turgescncia das folhas, a umidade do solo, a
temperatura ambiente, as precipitaes pluviais, a ocorrncia de pragas e doenas nos diferentes tratamentos,
etc., nos fornecem informaes muito valiosas sobre o desenrolar do experimento. A interpretao desses
resultados parciais, no momento em que ocorrem, permite melhor compreenso do fato e facilita as concluses
finais.

17

A exposio pura e simples dos resultados obtidos no experimento, mesmo quando acompanhados de
anlise estatstica, no merece o titulo de pesquisa. Para que isso ocorra, necessrio que faamos a
interpretao dos resultados para chegarmos a um fato novo; necessrio que cheguemos a concluso novas,
que solucionem um problema tcnico ou prtico.
A interpretao de resultados que conduza somente a concluses especficas, sem possibilidades de
generalizao, indica que a pesquisa ainda no terminou, devendo serem pesquisados outros aspectos. Por
exemplo, no caso da irrigao na cultura do milho, os dados disponveis at o momento se mostram
desfavorveis a essa prtica, da forma e nas condies em que vem sendo realizada. Tal pesquisa estar
concluda apenas quando, analisados e interpretados os dados de irrigao, temperatura, precipitao pluvial,
etc., pudermos concluir sobre os fatores que tomam a irrigao desaconselhvel no lugar e nas condies em
que vem sendo realizada, e em que condies de solo e clima a irrigao na cultura de milho poderia ser
economicamente praticada.
Os resultados de qualquer pesquisa devem ser profunda e meticulosamente analisados e interpretados,
constituindo as concluses e sua meta fundamental.

3.6 Elaborao do relatrio final

Na elaborao do relatrio, devem ser especificados os seguintes itens:
A. Ttulo: Redija-o com bastante cuidado para indicar precisamente qual o contedo do artigo, onde mais
se exige clareza e conciso. Deve-se evitar generalidades ou idias vagas, conforme visto na etapa
"Elaborao do Projeto". tambm, devem ser evitadas expresses suprfluas como: "investigao
sobre","estudo de", "contribuio para", "sobre a natureza de", "aspectos de", "introduo ao estudo de",
"anlise preliminar de", etc. Sugere-se no incluir nomes cientficos juntamente com nomes populares,
optar por um ou por outro; abreviatura; poca em que foi desenvolvido o experimento (data), a no ser
que faa parte dos objetivos; frmulas qumicas; uso de aspas, barras ou versus ( x ).
B. Autoria: O nome do autor (ou autores) deve constar logo abaixo do ttulo, direita do mesmo. Deve ser
iniciado, preferencialmente, pelo sobrenome todo em letras maisculas, seguido pelas iniciais do nome. H
revistas que publicam o ttulo do autor (ou autores), o nome da Instituio onde foi realizado o trabalho,
ou ambos, logo abaixo do nome do mesmo. Outras preferem trazer essas indicaes em rodap.
importante lembrar que os nomes figurando no cabealho de um relatrio de pesquisa devem ser
estritamente os dos autores efetivos do trabalho aqueles que participam do planejamento, execuo e
interpretao dos resultados so, em maior ou menor grau, autores intelectuais do trabalho. Essa
classificao depende da importncia da contribuio no trabalho cientfico, ou seja, o pesquisador que
mais contribuiu tem seu nome em primeiro lugar. Consentir na incluso de seu nome em outras
circunstncias ou a outro ttulo, ou colocar nomes de terceiros que no preencham aqueles requisitos,

18

infringir a tica do trabalho cientfico e contribuir para a corrupo dos costumes nesse domnio. Toda
colaborao, ajuda material, apoio moral, crticas, etc., recebidos de outras pessoas devem ser referidos
nos Agradecimentos, de uma forma clara e objetiva.
C. Resumo: O resumo a apresentao concisa e freqentemente seletiva do texto, pondo em relevo os
elementos de maior interesse e importncia, ou seja. a natureza do assunto pesquisado, os resultados
importantes obtidos e as concluses principais a que se chegou. A finalidade do resumo difundir o mais
amplamente as informaes (quer diretamente, quer atravs de sua reproduo nos peridicos
especializados em resumos, ou de sua incorporao ao acervo dos servios de comunicao) e permitir a
quem l, decidir sobre a convenincia de consultar o texto completo. Deve ser redigido na forma impessoal
do tratamento gramatical e a sua extenso no deve ir alm de duzentas palavras.
D.

Abstract (Summary): O abstract (ou summaty) corresponde a traduo do resumo para o ingls, em
funo da necessidade de uma lngua de grande penetrao nos meios especializados. Se o trabalho
cientfico for apresentado em lngua estrangeira (que no o espanhol), esse resumo ser em portugus.

E. Introduo: Nela deve conter, pela ordem: natureza e importncia do assunto pesquisado, evoluo e
situao do problema, e identificao dos objetivos do trabalho cientfico. Quanto natureza e
importncia do assunto pesquisado, deve ser focalizado o problema com indicao daqueles fatos ou
situaes que evidenciem sua importncia. Por exemplo, se o assunto aumento da protena em milho,
mostrar porque importante que esse cereal tenha maior teor de protena. Na evoluo e situao do
problema. deve ser feito um levantamento dos estudos j feitos sobre o problema por outros
pesquisadores, (reviso bibliogrfica) de modo que mostre a real situao do problema na literatura
nacional e estrangeira. na poca em que se planejou a pesquisa. Contudo, extensas revises da literatura
no tm sentido, devendo ser substitudas por referncias aos trabalhos mais recentes. Na identificao
dos objetivos do trabalho cientfico, deve ser exposto claramente s questes que foram respondidas pela
pesquisa.
F. Materiais e Mtodos: O materiais e mtodos deve ser feito da mesma maneira como visto na etapa
"Elaborao do Projeto", alterando apenas o tempo do verbo, do futuro para o passado. Alm disso, a
descrio dos mtodos usados deve ser breve, porm suficiente para possibilitar a outrem repetir a
investigao, processo e tcnicas j publicados devem ser apenas referidos por citao.
G. Resultados e Discusso: Primeiramente, devem ser apresentados os resultados que se encontram em uma
tabela (ou quadro) ou figura (grfico, desenho, mapa, fotografia, etc.) de forma objetiva. Exata, clara e
lgica, com o mnimo possvel de discusso ou interpretao pessoal. As tabelas e/ou figuras podero vir
logo aps a apresentao dos resultados ou no final do trabalho cientfico. Posteriormente, feita a

19

discusso dos dados obtidos e dos resultados alcanados luz da experincia do pesquisador, ligando os
novos achados aos conhecimentos anteriores. Na apresentao dos resultados, se os dados forem
numricos, os mesmos devem vir acompanhados de anlise estatstica, sempre que conveniente. Quando
forem apresentadas diferenas entre mdias (ou outros dados estatsticos) de tratamentos, deve-se aplicar
o teste de significncia mais adequado. Na discusso dos resultados, o autor (ou autores) deve:
a) estabelecer relaes entre causas e efeitos;
b) deduzir as generalizaes e princpios bsicos que tenham comprovao nas observaes experimentais;
c) esclarecer as excees, modificaes e contradies das hipteses, teorias e princpios diretamente
relacionados com o trabalho realizado;
d) indicar as aplicaes tericas ou prticas dos resultados obtidos, bem como as suas limitaes;
e) procurar elaborar, quando possvel, urna teoria para explicar certas observaes ou resultados obtidos;
f) sugerir, quando for o caso, novas pesquisas tendo em vista a experincia adquirida no desenvolvimento do
trabalho e visando sua complementao.
Alm da discusso dos resultados entre si, cabe a discusso diante da literatura, isto . a comparao dos
resultados obtidos com os dos autores citados. Cabe ao autor (ou autores) definir se seus resultados
confirmam, equivalem ou desmentem os dos outros trabalhos mencionados.
H. Concluses: Nela devem ser colocados os principais resultados obtidos com a experimentao, de uma
forma clara, objetiva, lgica e breve. aqui onde esto situadas as contribuies do autor (ou autores)
para o avano da cincia, alm do que elas podero abrir perspectivas de novas pesquisas. As concluses,
obviamente, tm que se basear somente em fatos comprovados. Na redao dessa parte do trabalho
cientfico devem ser evitadas expresses que indiquem reserva ou ressalva, tais como: houve indcios,
provavelmente, possivelmente, etc.
I. Literatura Citada: As informaes citadas pelo autor (ou autores) de um trabalho cientfico, com o
propsito de fundamentar, de comentar ou ilustrar as asseres do texto e que j tenham sido publicadas
(ou que estejam sabidamente em publicao), devero ser acompanhadas de referncias, permitindo ao
autor comprovar os fatos ou ampliar seu conhecimento do assunto mediante a consulta nas fontes.
Evidentemente, essa finalidade s ser atingida na medida em que a referncia for correta e apresentada de
forma inequvoca para o leitor, devendo ainda atender s convenincias dos servios de bibliografia e
bibliotecas, para evitar perda de tempo e dificuldades na localizao do artigo para consulta ou
reproduo. Para tanto deve se seguir as normas internacionais institudas pela Organizao Internacional
de Normalizao e pela Associao Brasileira de Normas Tcnicas. O prprio autor (ou autores) quem
deve compilar a bibliografia que ir citar, nela incluindo os trabalhos que efetivamente consultou e na
medida em que sejam necessrios exposio de suas idias ou resultados.

4. QUALIDADES DE UM BOM EXPERIMENTO

20
a) Simplicidade de Execuo: No planejamento do experimento, o pesquisador deve ser claro e objetivo, de

modo que qualquer pesquisador possa conduzi-lo em alguma eventualidade.

b) No Apresentar Erros Sistemticos: Na instalao do experimento o pesquisador deve evitar erros

sistemticos na demarcao das parcelas e das fileiras de plantas, de modo a proporcionar condies de
igualdade para todos os tratamentos no experimento. Por exemplo, se o espaamento da cultura entre
fileiras de l,20 metros, o pesquisador deve iniciar a demarcao das fileiras na parcela a partir de 0.60
metros, que corresponde a metade do espaamento utilizado, de modo que fique faltando a mesma
distncia no final da parcela.
c)

Ter Alta Preciso: Quanto maior a preciso do experimento, menor ser o erro experimental e as
concluses obtidas tero maior crdito.

d) Ser Exato: Quando os dados experimentais esto muito prximos dos valores verdadeiros.
e)

Fornecer Amplos Resultados: O experimento deve fornecer amplos resultados, de modo que as
concluses tiradas beneficiem a agricultura e justifiquem os recursos de tempo empregados.

5. QUALIDADES DE UM BOM PESQUISADOR

Um bom pesquisador deve:
a) Ter conhecimento do material que ir trabalhar (planta, animal, etc.), da regio que ir desenvolver a
pesquisa, e dos princpios da experimentao, pois, caso contrrio, no ir resolver os problemas da
regio, nem to pouco tirar concluses que beneficiem a agricultura;
b) Ter dedicao e persistncia, mesmo encontrando alguns problemas desanimadores;
c) Ter pacincia, pois a pressa inimiga da perfeio;
d) Ser observador, pois muitas descobertas de impacto para a agricultura resultaram do senso de observao
de muitos pesquisadores, alm de servir para explicar resultados inesperados na pesquisa;
e)

Fazer uso do raciocnio e do bom senso;

f) E ser honesto, antes de tudo.

6. CONTROLE DE QUALIDADE DOS EXPERIMENTOS

A qualidade de um experimento pode ser avaliada pela magnitude do erro experimental. O erro
experimental inevitvel, no entanto, se forem conhecidas suas causas, podemos contorn-las e mant-lo em
nveis aceitveis. Alm disso, devemos avaliar a qualidade da anlise do experimento verificando se as
pressuposies do modelo esto sendo satisfeitas.
6.1 Consideraes sobre o erro experimental
O erro experimental consiste na variao no controlada pelo pesquisador e ocorre de forma aleatria
entre as parcelas, aps subtrair os efeitos controlados no experimento (tratamento, blocos, filas, colunas, etc.).
Assim, esta varincia uma estimativa do erro experimental.

21

Em princpio, se o experimento for executado no delineamento inteiramente casualizado, todas as

parcelas so homogneas, ou se o experimento for executado no delineamento blocos ao acaso, existem grupos
de parcelas homogneas (blocos). No entanto, pequenas variaes, de toda natureza, existentes nas parcelas,
antes de aplicarmos os tratamentos ou induzidas (involuntariamente) durante a execuo do experimento, em
maior ou menor grau, as tornam heterogneas. Essa heterogeneidade tambm , conhecida como variao
casual, variao ambiental ou, simplesmente, erro.
6.2 Tipos de erros em experimento
Na experimentao agrcola ocorrem trs tipos de variaes. O primeiro tipo chamado de variao
premeditada, que se origina dos diferentes tratamentos, deliberadamente introduzidos pelo pesquisador, com o
propsito de fazer comparaes. O segundo tipo, chamado de variao externa, devido a variaes no
intencionais de causas conhecidas, que agem de modo sistemtico. Por exemplo, a heterogeneidade do solo
uma variao desse tipo, pois as parcelas localizadas em solos mais frteis produzem mais que as localizadas
em terrenos pobres. Outro exemplo, dentro de uma casa-de-vegetao, as condies de temperatura, umidade e
insolao podem variar consideravelmente de uma posio para outra. Finalmente, h um terceiro tipo
chamado de variao acidental, que de causa desconhecida, de natureza aleatria e que no est sob o
controle do pesquisador. Tal variao que constitui o chamado erro experimental. Esta variao promove
diferena entre as parcelas que recebem o mesmo tratamento. Entre as variaes acidentais podemos citar:
diferena na constituio gentica das plantas ou animais; variaes ligeiras no espaamento, na profundidade
de semeadura, na quantidade de adubos aplicados, na quantidade de rao ministrada, etc.
Os efeitos da variao acidental, sempre presentes, no podem ser conhecidos individualmente e
alteram, pouco ou muito, os resultados obtidos experimentalmente. Assim, ao comparar, no campo, a
produo de duas variedades de cana-de-acar, a inferior poder por simples acaso exceder a melhor
variedade, por ter sido favorecida por uma srie de pequenos fatores no controlados. E ao comparar duas
raes potencialmente semelhantes na alimentao de leitoas, uma delas pode promover um maior ganho de
peso em relao a outra. Em virtude disso, o pesquisador tem obrigao de fazer tudo o que for possvel para
reduzir o erro experimental, a fim de no incorrer resultados dessa natureza. Cabe a ele, pois, verificar se as
diferenas observadas no experimento tem ou no valor, ou seja, se so significativas ou no-significativas.
Uma diferena significativa indica que os tratamentos avaliados so potencialmente diferentes, enquanto que
uma diferena no-significativa indica que os tratamentos avaliados so potencialmente semelhantes e que a
diferena observada entre eles foi devido variao acidental.
Para que um experimento estivesse livre das variaes acidentais, seria necessrio realiz-lo em
condies inteiramente uniformes de solo, plantas com a mesma constituio gentica, o mesmo nmero de
plantas por parcela, irrigao uniforme, ausncia de pragas e doenas, adubao uniforme, etc., para o caso
dos vegetais; e animais com mesma constituio gentica, o mesmo nmero de animais por parcela, animais
com o mesmo peso e idade, ambiente inteiramente uniforme, etc., para o caso dos animais. Todavia, isso
impossvel, e independe do local onde se est conduzindo o experimento (campo, estbulo, laboratrio, casade-vegetao, etc.). Em funo disso, a nica alternativa do pesquisador aplicar todo o seu conhecimento
para minimizar as variaes acidentais no experimento.

22

6.3 Avaliao do erro experimental

A magnitude do erro experimental pode ser avaliada pelo coeficiente de variao, calculado pela
estatstica CV =

100.s
, sendo: s =
m

QME

,e m
= mdia geral do experimento.

Como o CV um coeficiente, sem unidade de medida, pode ser usado para comparar a preciso de
diferentes experimentos. No entanto, a preciso de um experimento pode ser considerada como alta, mdia ou
baixa somente em relao a um grupo de experimentos semelhantes, ou seja, com as mesmas variveis,
tratamentos, delineamentos, nmeros de repeties, manejo, etc.
Quanto maior o CV menor a preciso do experimento e menor a qualidade do experimento, assim
experimentos com CV alto rejeitam H0 com maior dificuldade, mesmo que existam diferenas entre os
tratamentos.
O CV pode ser comparado com o uso do termmetro para medir a temperatura dos animais, indicando,
para cada espcie, se a temperatura normal, alta, ou muito alta.
Os experimentos tambm podem ser classificados quanto ao CV em muito baixos, baixos, mdios, altos
e muito altos (tabela 6).
Tabela 6. Classificao dos experimentos quanto aos coeficientes de variao (CV)
Classes do CV
Limites do CV
Baixos
<10%
Mdios
10 a 20%
Altos
20% a 30%
Muito altos
>30%
Fonte: adaptado de Pimentel Gomes (1990)

Preciso do Experimento
Alta
Mdia
Baixa
Muito baixa

6.4 Reduo do efeito da variao de acaso (erro experimental)

A fim de reduzir o efeito da variao de acaso (erro experimental) nos experimentos, deve-se observar
atentamente os seguintes pontos:
6.4.1 Forma da parcela
A forma da parcela refere-se razo entre o comprimento e a largura da parcela. A melhor forma da
parcela ser, para cada caso, a que melhor controle as variaes acidentais e a que se adapte natureza dos
tratamentos a estudar.
No delineamento em blocos casualizados, o melhor que a forma da parcela seja retangular, para que
cada bloco seja o mais quadrado possvel; enquanto que, ao contrrio, no delineamento em quadrado latino, a
parcela deve aproximar-se o mais possvel da forma quadrada, para que toda a repetio se aproxime do
quadrado.
Tratando-se de parcelas pequenas, a forma tem pouca ou nenhuma influncia sobre o erro experimental.
Em parcelas grandes, a forma tem uma influncia notvel. Em geral, as parcelas longas e estreitas so as mais
recomendveis: assim, as parcelas de uma repetio tendero a participar de todas as grandes manchas de
fertilidade do terreno que ocupam, e tambm, quando for grande o nmero de tratamentos, o bloco no se
afastar muito da forma quadrada, que outra recomendao para diminuir o efeito da variao ambiental.

23

6.4.2 Tamanho da parcela

O tamanho da parcela compreende no apenas a rea colhida, mas toda a rea que recebeu o
tratamento. O melhor tamanho da parcela ser aquele que proporcione uma menor variao acidental, desde
que no afete a preciso do experimento. Geralmente, tal variao diminui com o aumento do tamanho da
parcela. Contudo, se aumentarmos demais o tamanho das parcelas, diminuiremos o nmero das mesmas,
havendo uma diminuio na preciso do experimento. Para a maioria das plantas cultivadas, as reas
compreendidas entre 20 - 40 m2 registram uma boa preciso.
6.4.3 Orientao das parcelas
A orientao das parcelas refere-se escolha da direo ao longo da qual os comprimentos das parcelas
sero colocados. Tal orientao, evidentemente, no definida para parcelas quadradas.
A orientao das unidades experimentais pode reduzir ou aumentar os efeitos dos gradientes de
fertilidade do campo. Se o terreno tem um gradiente de fertilidade conhecido, as parcelas de cada repetio ou
bloco devem ser colocadas com sua maior dimenso no sentido paralelo a tal gradiente. Na Figura 3 o
gradiente de fertilidade tem a direo da flecha. Se colocamos nesse terreno as parcelas nas formas: A, B e C,
vejamos o que se sucede:
Na distribuio A, em que a maior dimenso das parcelas perpendicular ao gradiente de fertilidade,
verifica-se que algumas parcelas tm maior fertilidade do que outras; enquanto que na distribuio B, todas as
parcelas participam por igual das diferentes fertilidades do solo, pois todas tero um extremo frtil e outro
pobre. Na distribuio C, trs parcelas participam da parte mais frtil. trs da parte intermediria e trs da
parte pobre.
Portanto, se conhecido o gradiente de fertilidade do terreno, as parcelas devem ser colocadas no
campo com o lado mais comprido paralelo a direo de tal gradiente. Se no for possvel adotar a distribuio
B por dificuldades de ordem prtica, ento deve-se adotar a distribuio C, sendo a distribuio A, a menos
recomendvel.

Figura 3 Influncia da forma de colocao das parcelas no bloco, quando o campo tem um gradiente de
fertilidade constante. As flechas indicam o sentido do gradiente de fertilidade

24

6.4.4 Efeito Bordadura Entre as Parcelas

Denomina-se efeito bordadura diferena em comportamento entre plantas ao longo dos lados ou
extremidades de uma parcela e as plantas do centro dessa parcela. Essa diferena pode ser medida pela altura
da planta, resistncia s pragas e molstias, rendimento de gros e frutos, etc.
O efeito bordadura pode ocorrer quando um espao no plantado deixado entre blocos e entre
parcelas. Estes espaos proporcionam maior aerao, luz e nutrientes s plantas de bordaduras, e contribuem
para aumentar por este motivo a colheita, com isto os rendimentos dos tratamentos ficam superestimados em
razo da maior produo das plantas de bordadura, como mostra a Figura 4.

Figura 4. Efeito bordadura em variedades de milho devido a reas no plantadas entre parcelas adjacentes.
No caso de experimentos de competio de variedades as parcelas experimentais devem ter, no mnimo,
trs fileiras, de modo que se possa efetuar a colheita apenas na fileira central, a qual denominada de rea
til. Alm disso, ele deve eliminar as plantas cabeceiras, plantas estas que se localizam nas extremidades da
fileira. Conforme mostra a Figura 5. O ideal que se tenha uma amostra mais representativa dos tratamentos
avaliados.

Figura 5. rea total e rea til de uma parcela de 30 covas.

25

6.4.5. Falhas de plantas nas parcelas

Uma parcela experimental apresenta falhas quando ela possui um stand reduzido em relao ao inicial,
isto , apresenta covas sem plantas. As falhas de plantas nas unidades experimentais uma das principais
causas do erro experimental.
A presena de falhas em uma parcela significa que nem todas as plantas da parcela esto sujeitas ao
mesmo espaamento e competio. Alm disso, existe uma correlao positiva entre nmero de plantas e
produo, ou seja, quanto maior o nmero de plantas, maior ser a produo; se ocorrer falhas de plantas nas
parcelas experimentais de um determinado tratamento, o mesmo ser prejudicado porque no poder expressar
todo o seu potencial. A presena de falhas contribui para aumentar o erro experimental, j que elas levam
falta de uniformidade das condies experimentais.
6.4.6 Nmero de repeties dos experimentos
A repetio um dos princpios de experimentao de que se vale o pesquisador para controlar a
variabilidade do meio.
O nmero de repeties de um experimento depende de vrios fatores: variabilidade do meio em que se
realiza o experimento, nmero de tratamentos em estudo, recursos de pessoal, dinheiro, equipamento, etc.
Quanto maior a variabilidade do meio, maior deve ser o nmero de repeties. A variabilidade do meio
pode influir mais sobre algumas caractersticas em estudo do qu sobre outras. Assim, a heterogeneidade do
solo influi mais sobre os rendimentos do algodo, por exemplo, do que sobre o peso e o comprimento da fibra.
A rea das parcelas tambm limita o nmero de repeties, diminuindo esse nmero medida que
aumenta a rea da unidade experimental. Todavia, isso no deve ser proporcional, pois prefervel sacrificar a
rea da parcela em favor do nmero de repeties, dentro de certos limites prudentes.
Uma regra prtica, que tem surtido bons resultados na experimentao agrcola e zootcnica, a de que
os ensaios devem ter no mnimo, 20 parcelas e/ou 10 graus de liberdade para o resduo ou erro experimental.
Por exemplo, se num ensaio tivermos dez tratamentos, devermos ter duas repeties para termos, no mnimo,
20 parcelas.
6.4.7 Delineamento experimental
Existe grande quantidade de delineamentos experimentais apropriados para os mais diversos tipos de
experimentos, tendo todos eles como finalidade a reduo do erro experimental, destes, os mais utilizados so
os delineamentos: inteiramente casualizado, blocos casualizados e quadrado latino.
O inteiramente casualizado o delineamento bsico, sendo os demais modificaes deste, cada um dos
quais tem uma ou mais restries na distribuio dos tratamentos. Entre os delineamentos mais empregados, o
quadrado latino geralmente o de maior preciso, sendo o inteiramente casualizado o de menor preciso.
Contudo, sob o ponto de vista prtico, o delineamento em blocos casualizados o mais utilizado na
experimentao de campo, enquanto que o delineamento inteiramente casualizado o mais utilizado em
experimentos feitos a nvel de laboratrio, casa-de-vegetao, viveiro, etc.

26

6.4.8 Forma de conduo dos experimentos

A execuo de um experimento inicia com a eleio do terreno. fundamental que o mesmo seja
representativo das condies da regio na qual se pretende estender as concluses obtidas no experimento.
A fim de reduzir o erro experimental nos experimentos, necessrio escolher terrenos o mais uniformes
possvel, pela mesma razo, a execuo dos diferentes trabalhos agrcolas devem ser realizados tambm com a
maior uniformidade.
Se ao realizar o plantio, umas parcelas so semeadas com profundidade maior que as outras, ou se
aduba, irriga, amontoa, etc., umas mais que as outras, tudo isto redundar no aumento da variabilidade e do
erro experimental. Para evitar diferenas deve-se uniformizar o trabalho das mquinas e dos homens que sero
empregados nas diferentes operaes, e manter rigorosa vigilncia durante toda execuo do trabalho.
Deve-se evitar, que o mesmo homem seja empregado no trabalho de todas as parcelas de um mesmo
tratamento, pois pode haver diferenas na forma de trabalho dos trabalhadores, e neste caso, o operrio que
melhor trabalha por em vantagem o tratamento que lhe compete, o recomendvel trocar os operrios entre
os tratamentos ao passar de um bloco a outro.
Se por algum motivo h necessidade de suspender os trabalhos para continuar no dia seguinte, devemos
no interromper o trabalho at que haja terminado o servio j iniciado em um determinado bloco.
De modo geral, importante quando se executam experimentos de adubao, variedades, inseticidas,
fungicidas, herbicidas, etc., conhecer a procedncia de cada produto a ser estudado, frmulas qumicas,
concentraes e demais caractersticas. Em experimentos de competio de variedades, deve-se determinar
previamente a natureza e o poder germinativo da semente.
Todos os experimentos devem ser semeados na poca propicia ao cultivo sem nunca esquecer de incluir
os tratamentos testemunhas.
necessrio que o prprio pesquisador colete os dados do experimento e no o capataz ou auxiliar, ao
faz-lo, o pesquisador ter mais confiana nos dados coletados, ao mesmo tempo que poder tomar
conhecimento de fatos imprevistos, que bem podem servir para explicar resultados finais inesperados.
O pesquisador deve anotar pessoalmente os dados e observaes do experimento em uma caderneta de
campo e no em folhas soltas; de forma clara e ordenada que possa ser entendida por qualquer outro
pesquisador, para o caso de que, tenha de ausentar-se.

III - PARMETROS UTILIZADOS EM EXPERIMENTAO AGRCOLA

1. CONSIDERAES GERAIS
Na pesquisa agronmica, os pesquisadores utilizam a Estatstica Experimental para obter, analisar e
interpretar dados experimentais, obtidos de experimentos, visando a elucidao de princpios biolgicos bem
como a soluo de problemas agrcolas.

27

Na elucidao de tais princpios e na soluo de tais problemas, o pesquisador define quais as

caractersticas que ir utilizar para avaliar os tratamentos, de modo que possa atingir os objetivos da pesquisa.
Por exemplo, no estudo de comportamento de variedades de feijo, o pesquisador pode definir as seguintes
caractersticas: resistncia a antracnose, perodo de maturao de vagens e rendimento (kg/ha), para avaliar
seus tratamentos. Cada caracterstica medida nas parcelas e denominada de varivel.
Uma varivel pode ser discreta ou contnua. Varivel discreta aquela que somente pode ter certos
valores da amplitude de variao, geralmente valores inteiros. Por exemplo, nmero de plantas doentes por
parcela, nmero de sementes por fruto, nmero de ovos por galinha em determinado perodo, etc. Varivel
contnua aquela que pode assumir qualquer valor dentro da amplitude de variao. Altura e rendimento de
gros de plantas de milho, peso e produo de leite de vacas leiteiras so exemplos desse tipo de varivel.
Na linguagem estatstica, uma populao um conjunto de medies, de uma nica varivel, efetuadas
sobre todos os indivduos pertencentes a uma classe. No nosso caso, por exemplo, o rendimento de gros
(kg/ha) de todos os campos de milho no Brasil, cultivados com uma variedade qualquer, BR 111, por exemplo
constituiu uma populao. As medies individuais de uma varivel recebem o nome de elemento.
Uma amostra um conjunto de medies que constitui parte de uma populao. A partir da amostra
obtemos informaes e fazemos inferncias acerca da populao. Por esta razo importante que a amostra
seja representativa da populao.
As populaes so descritas mediante caractersticas denominadas parmetros. Os parmetros so
valores fixos; por exemplo, a mdia aritmtica de todos os elementos de uma populao um parmetro. As
amostras so descritas pelas mesmas caractersticas, mas recebem a denominao de estatstico, ou estatstica.
A mdia de uma amostra um estatstico. Calculamos os estatsticos das amostras para estimarmos os
parmetros da populao. Obviamente, os estatsticos variam de amostra para amostra enquanto que os
parmetros tm apenas um valor.
Em Experimentao Agrcola os parmetros utilizados so as medidas de tendncia central, ou medidas
de posio e medidas de variabilidade de dados, ou medidas de variao.
2. MEDIDAS DE POSIO (OU DE TENDNCIA CENTRAL)
As medidas de posio so: mdia, mediana e moda. A mdia a mais importante das medidas de
posio. Entre os vrios tipos de mdias, a mdia aritmtica, ou simplesmente mdia, a que mais nos
interessa do ponto de vista estatstico, por ser a mais representativa de uma amostra de dados.
A mdia aritmtica pode ser simples ou ponderada. Quando nada especificamos, significa estarmos
tratando de mdia simples.
2.1 MDIA ARITMTICA SIMPLES
A mdia aritmtica simples a razo entre o somatrio dos valores da populao ( Xi ) e o nmero de
observaes (N), e representado por: M ou m.
Assim, uma populao de N elementos (X1, X2, X3... XN), ter como mdia aritmtica:

m=

X 1 X 2 X 3 ... X N
Xi
=
N
N

28

Para o caso de AMOSTRAS de N elementos (X1, X2, X3... XN), a mdia aritmtica ser denotada por:

ou x .
m
A diferena entre o valor de um elemento (Xi) e a mdia denominada DESVIO ou ERRO, e pode ser
denotado por di ou ei.
di = ei = Xi m (no caso de populao finita), e

(no caso de amostras de uma populao).

di = ei = Xi m
Exemplo1: Admitamos os seguintes dados de produtividade em t/ha, referentes a uma variedade de
cana-de-acar:
80,7
81,6

83,5
83,8

87,5
90,6

91,8
92,4

95,6
100,4

A mdia :

= x =
m

80,7 81,6 83,5 ... 100,4

= 88,79 t/ha
10

= 88,79 uma estimativa da produtividade mdia da populao, que nos desconhecida.

O valor m
Observe-se como seria arriscado utilizarmos apenas 1 AMOSTRA para tirarmos as concluses sobra a
produo estimada daquela variedade de cana.
2.2 MDIA ARITMTICA PONDERADA
Embora a mdia aritmtica seja a mais usual, em certas situaes ela no a mais recomendvel.
Suponhamos o seguinte exemplo: A intensidade mdia de infestao do complexo Broca-podrides da canade-acar numa determinada usina, assim como o n de talhes infestados de cada variedade, apresentado no
seguinte quadro:

VARIEDADE
CB 40-13
CB 41-76
CB 46-47
IAC 48-65
IAC 51-205
IAC 52-150
IAC 52-179
NA 56-62

N DE TALHES
12
40
4
2
6
18
21
10

% DE INFESTAO
9,10
14,57
3,20
2,89
8,74
11,70
10,10
7,15

Se considerarmos simplesmente a mdia de infestao por variedade, sem levar em conta o nmero de
talhes, a infestao mdia da usina ser:

= x =
m

9,10 14,57 3,20 ... 7,15

= 8,43%
8

29

Observamos, entretanto, que este dado muito irreal, em decorrncia da grande variao do nmero de
talhes infestados por variedade.
Para obtermos uma informao mais real, devemos calcular a mdia ponderada, tomando como peso,
em cada variedade, o nmero de talhes.
Ponderar, significa pesar. Isto quer dizer que se devem pesar os dados para se obter a medi, que ser
uma razo entre o somatrio dos produtos de cada valor pelo peso respectivo ( PX ) e o somatrio dos
pesos ( P )

=
Assim, teremos: m

PX
P

E a mdia ponderada no nosso exemplo fica:

=
m

12(9,10) 40(14,57) 4(3,20) ... 10(7,15)

= 11,12%
12 40 4 ... 10

Uma propriedade importante da mdia aritmtica que a soma dos desvios em relao mdia igual a
ZERO, ou seja:

)=0
= ( Xi m
3. MEDIDAS DE DISPERSO (OU DE VARIAO)
Entre as medidas de tendncia central, a mdia a mais importante do ponto de vista estatstico por ser
a mais representativa de uma amostra de dados, porem ela no nos diz como os dados de uma amostra se
distribuem em torno dela. Considere o exemplo das seguintes amostras de dados:

(1) 10,
(2) 8,
(3) 10,
(4) 17,

10,
10,
3,
15,

10,
12,
9,
7,

10,
9,
17,
3,

10
11
11
8

= 10
= 10
= 10
= 10

Podemos observar que as amostras (1), (2), (3) e (4) tm a mesma mdia, mas observamos que na
amostra (1) todos os valores so iguais a 10, ou seja, igual a mdia aritmtica, logo todos os valores esto
concentrados na mdia, no existindo qualquer diferena entre cada valor e a mdia, conseqentemente no
existe variabilidade dos dados. Ao passo que nas outras existem diferenas em relao mdia. Assim
podemos dizer que na mostra (1) no existe variabilidade nos dados. havendo para todas as outras, sendo a
amostra (4) a de maior variabilidade.
Portanto, alm da mdia, necessitamos de uma medida estatstica complementar para melhor
caracterizar cada amostra apresentada.
As medidas estatsticas responsveis pela variao ou disperso dos valores de uma srie so as
medidas de variabilidade ou medidas de disperso, e so elas:

30

A) AMPLITUDE TOTAL,
B) VARINCIA,
C) DESVIO PADRO,
E) ERRO PADRO DA MDIA,
F) COEFICIENTE DE VARIAO.
3.1 - AMPLITUDE TOTAL
A amplitude total (AT) a diferena entre os valores maior (ma) e menor (me) de uma srie de dados.
Assim, numa amostra de dados X1, X2, X3... XN , temos:
At = Xma Xme.
No nosso exemplo teremos as seguintes amplitudes totais:
(1)
(2)
(3)
(4)

At =
At =
At =
At =

Xma Xme
Xma Xme
Xma Xme
Xma Xme

10 10
12 8
17 3
17 3

=0
=4
= 14
= 14

Podemos concluir que as amostras 3 e 4 so as mais dispersas: No entanto, elas so bem distintas,
faltando, conseqentemente, alguma informao a mais, que permita diferenci-las.
por isso que a amplitude total uma medida de disperso no muito informativa, por depender
somente dos valores externos da srie desprezando assim os valores intermedirios, o que toma insensvel a
disperso dos demais valores entre o maior e o menor.
3.2 VARINCIA (s)
A varincia uma medida de variabilidade que leva em conta todos os valores da srie. ,
indiscutivelmente, a melhor medida de disperso.
Numa amostra de dados no agrupados, como por exemplo, numa amostra de dados X 1, X2, X3... XN, a
varincia (s) obtida atravs da seguinte frmula:

s =

SQD
, onde:
N 1

SQD = soma dos quadrados dos desvios em relao mdia aritmtica;

N = nmero de observaes.
oportuno observar que o denominador da frmula da varincia acima equivalente ao nmero de
graus de liberdade envolvido.
O nmero de graus de liberdade o nmero de valores num conjunto que pode ser designado
arbitrariamente; utilizado no clculo da varincia e de outras medidas de variabilidade, quando as mesmas
so obtidas a partir de uma amostra de dados e a teoria prova que, quando a mdia verdadeira no conhecida

, por exemplo, isto equivale exatamente perda de

e fazemos o clculo de s a partir de uma estimativa m
uma das observaes.

31

Considerando os dados das amostras do exemplo anterior, temos:

s (1) =

s (2) =

SQD
=
N 1

s (3) =

SQD
=
N 1

s (4) =

SQD
=
N 1

SQD
(0) 2 (0) 2 (0) 2 (0) 2 (0) 2
=
0,0
N 1
5 1

Um modo mais prtico de calcular a SQD o que se segue:

SQD = 2 -

2 ,
N

Assim a frmula da varincia fica:

s =

( X ) 2
N .
N 1

X 2

Considerando o nosso exemplo, temos:

( X ) 2
(50) 2
(10) 2 (10) 2 (10) 2 (10) 2 (10) 2
=
N
5 = 0,0
N 1
5 1

s (1)=

X 2

s (2)=

X 2

( X ) 2
=
N
N 1

( X ) 2
X
s (3)=
=
N
N 1
2

s (4)=

( X ) 2
=
N
N 1

X 2

32

A vantagem deste mtodo que trabalhamos diretamente com os dados originais no havendo
necessidade de calcularmos previamente a mdia e os desvios em relao a ela.
interessante observar que as amostras 3 e 4 j referidas embora no pudessem ser diferenciadas pela
amplitude total podem perfeitamente ser identificadas, atravs da varincia. Neste caso observamos que a
amostra 4 mais dispersa que a amostra 3.
Algumas propriedades da varincia:
1) Quando somamos a cada dado X uma constante K, a varincia no se altera.
2). Multiplicando cada dado X por uma constante K, a varincia fica multiplicada por K.
3.3 DESVIO PADRO (s)
A varincia, pela sua natureza, tem uma unidade quadrtica. A sua raiz quadrada, que ainda uma
medida de variabilidade, denominada desvio padro.
A vantagem do desvio padro ter a mesma unidade dos dados originais e, conseqentemente, da mdia.
Numa amostra de dados no agrupados, como por exemplo, numa amostra de dados X 1, X2, X3... XN, o
desvio padro (s) obtido atravs das seguintes frmulas:

s=

SQD
=
N 1

s 2 , ou s =

( X ) 2
N =, ou ainda s =
N 1

X 2

s2

Considerando os dados das amostras do exemplo anterior, temos:

s (1) =

s2 =

s (3) =

s2 =

0,0

= 0,0

s (2) =

s2 =

s (4) =

s2 =

Tambm aqui as amostras (3) e (4) podem perfeitamente ser identificadas, atravs do desvio padro,
continuando a amostra (4) como sendo a mais dispersa que a amostra (3).
E interessante observar que as amostras 3 e 4 j referidas, embora no pudessem ser diferenciadas pela
amplitude, podem perfeitamente ser identificadas atravs da varincia ou do desvio padro.
O quadro seguinte nos mostra seus comportamentos:

AMOSTRA
3
4

VARINCIA

DESVIO PADRO

33

)]
3.4 ERRO PADRO DA MDIA [ s ( m
Se ao invs de uma amostra tivssemos vrias, provenientes de uma mesma populao, obteramos
tambm diversas estimativas da mdia, e, provavelmente distintas entre si.
A partir dessas diversas estimativas de mdia, poderamos estimar uma varincia, considerando os
desvios de cada mdia, em relao mdia de todas elas seria, ento, uma varincia da mdia.

)]
Entretanto, demonstra-se que a partir de uma nica amostra podemos estimar essa varincia [s( m
atravs da frmula:

)=
s( m

s2
, onde:
N

s = a varincia de uma amostra de dados;

N = nmero de observaes.
A sua raiz quadrada denominada erro padro da mdia, ou seja:

)=
s (m

s
N

, onde:

s = o desvio padro de uma amostra de dados;

N = o nmero de observaes.
O erro padro nos d uma perfeita idia da preciso da mdia, isto , quanto menor ele for, maior
preciso ter a mdia.
Considerando os dados das amostras do exemplo temos:

) (1) =
s (m
) (2) =
s (m
) (3) =
s (m
) (4) =
s (m

s
N
s
N
s
N
s
N

0
5

= 0,0

Sempre que citamos uma mdia devemos faze-la acompanhar de seu erro padro. Assim, no caso das
amostras de 1 a 4 exemplificadas, quando acompanhadas de seus erros padres ficam:
(1) : 10 0,0
(2) : 10
(3) : 10
(4) : 10
O que nos mostra a menor preciso da mdia, na amostra 4.

34

3.5 O COEFICIENTE DE VARIAO.

O coeficiente de variao uma medida de variabilidade que mede percentualmente a relao entre o

), ou seja:
desvio padro (s) e a mdia aritmtica ( x ) ou ( m
CV =

100.s

Como o desvio padro e a mdia so expressos na mesma unidade, o coeficiente de variao no tem
unidade, sendo expresso em porcentagem. (obs.:s =

QME

Considerando os dados das amostras do exemplo temos:

CV(1) =

100.s 100 0,0

=
=
m
10

CV(2) =

100.s
=
m

CV(3) =

100.s
=
m

CV(4) =

100.s
=
m

O coeficiente de variao d uma idia de preciso do experimento, ou seja, quanto menor o coeficiente
de variao maior ser a preciso do experimento, ento temos na tabela 1:
Tabela 1 Classificao dos experimentos quanto aos coeficientes de variao (CV)
Classes do CV
Limites do CV
Preciso do Experimento
Baixos
<10%
Alta
Mdios
10 a 20%
Mdia
Altos
20% a 30%
Baixa
Muito altos
>30%
Muito baixa
Espera-se que os coeficientes de variao dos ensaios agrcolas, principalmente aqueles conduzidos a
nvel de campo, no ultrapassem a casa dos 30%, de modo que as concluses obtidas de tais ensaios meream
crdito perante a comunidade cientfica.

IV - VARIAES PRESENTES NOS EXPERIMENTOS, ANLISE DE VARINCIA E TESTE DE F

1. VARIAES PRESENTES NOS EXPERIMENTOS

Quando comparamos dois ou mais tratamentos, duas variedades de milho por exemplo, temos uma
variao entre os tratamentos e dentro dos tratamentos, que somadas resultam na variao total presente no
experimento.

35

VARIAO ENTRE OS TRATAMENTOS

B
10
14
20
23
26

1.1 A variao entre tratamentos

VARIAO DENTRO DOS TRATAMENTOS

A
12
15
21
25
28

aquela atribuda estritamente a variabilidade das mdias dos tratamentos em re1ao a mdia geral. dada
pela frmula:

Variao entre Trats = SQTrats = R

Onde:

T
i 1

( x i x..) 2

x i = Mdia do tratamento i
x .. = Mdia geral do experimento (mdia de todos os dados)
R = Nmero de repeties de cada tratamento
T = Nmero de tratamentos

Ainda pode ser usada a seguinte frmula:

SQ Trats =

1
Ti 2 C
R

Onde:

Ti 2 = Total do tratamento ao quadrado

C = Correo =

( x ) 2
N

1.2 A variao dentro dos tratamentos

aquela atribuda variao de cada observao em relao mdia do tratamento. dada pela frmula:

Variao dentro de Trats = SQErro =

Onde:

(x

x ) 2

xi = Valor da parcela que recebeu o tratamento i

x = Mdia do tratamento i

1.3 A Variao total

36

a variao de cada observao em relao a mdia geral. Ela engloba a variao entre tratamentos e a
variao dentro dos tratamentos, ou variao casual. E dada pela frmula:

Variao Total = SQtotal =

Onde:

(x

x..) 2

xi = Valor da parcela que recebeu o tratamento i

x .. = Mdia geral do experimento
Pode ser calculada tambm pela seguinte frmula, (j vista anteriormente)

SQTOTAL = SQD = 2 -

O termo

2 ,
N

2 da equao chamado de correo e simbolizado pela letra C

N

Um exemplo:
1. Um estudante do curso de Agronomia do ILES-ULBRA de Itumbiara foi questionado se rvores da mesma
espcie podem possuir densidades diferentes. Para responder a esta questo ele coletou 5 cubos de Pinus ,
medindo aproximadamente 6,5 x 2,5 x 3,5 cm em 5 diferentes serrarias da cidade. O peso das amostras,
calculadas em g/cm3 so apresentadas no quadro abaixo.

SERRARIAS
A
B
C
D
E

R1

R2

R3

R4

Pede-se:
1) Calcular a variabilidade total (SQ TOTAL)
2) Calcular a variabilidade entre as amostras das diferentes serrarias.
3) Calcular a variabilidade dentro das amostras da serraria A
4) Calcular a variabilidade dentro das amostras da serraria B
5) Calcular a variabilidade dentro das amostras da serraria C
6) Calcular a variabilidade dentro das amostras da serraria D

R5

TOTAL

MDIA

37

7) Calcular a variabilidade dentro das amostras da serraria E

8) Verifique se o resultado do n 1, igual a soma dos demais (l =2+3+4+5+6+7).
9) Calcule o coeficiente de variao (C.V.)

2. A anlise de varincia (ANAVA)

A anlise de varincia foi uma tcnica desenvolvida por Fischer que teve grande repercusso na pesquisa
cientfica. Esta tcnica consiste na decomposio dos graus de liberdade e da varincia total de um material
heterogneo (os tratamentos), em partes atribudas a causas conhecidas e independentes e a uma poro
residual de origem desconhecida e de natureza aleatria (erro experimental).
A tcnica da anlise de varincia que nos permite fazer parties dos graus de liberdade (G.L.), e das
somas de quadrados (S.Q.), sendo que cada uma das partes nos proporciona uma estimativa de varincia, ou
quadrado mdio (Q.M.)

O esquema da anlise de varincia para um delineamento inteiramente casualizado (DIC), onde temos
duas causas de variao, que so os tratamentos (causa conhecida ou fator controlado) e o resduo ou erro
(causa desconhecida, de natureza aleatria, que reflete o efeito dos fatores no controlados) ser:

FONTES DE VARIAO
TRATAMENTOS
RESDUO (ERRO)
TOTAL

G.L.
t-1
t.(r 1)
t.r - 1

S.Q.
S.Q.TRATS.

Q.M.
SQ.TRAT./ G.L.

S.Q.RES.

S.Q.RES./ G.L.

S.Q.TOTAL

Fc
Q.M.TRAT./Q.MRES.
-

4
Onde:
G.L. =
S.Q. =
Q.M. =
Fc =
t=
r=

Graus de liberdade,
Soma de Quadrados (Varincia)
Quadrado Mdio (S.Q. / G.L.)
Fcalculado (Q.M.TRATS. / Q.M.RES)
N de Tratamentos
N repeties dos tratamentos

No caso das amostras de Pinus, temos a seguinte ANAVA:

FONTES DE VARIAO
TRATAMENTOS
RESDUO (ERRO)
TOTAL

G.L.

S.Q.

Mas que concluses podemos tirar do quadro de ANAVA?.

Q.M.

Fc

38

Para tirarmos concluses da ANAVA, temos os chamados Testes de Significncia.

3. TESTES DE SIGNIFICNCIA
Um dos principais objetivos da Estatstica a tomada de decises a respeito da populao, com base na
observao de amostras retiradas dessa populao, ou seja, dar informao para o todo, com base no
conhecimento de parte.
Entende-se por populao o conjunto de elementos sobre os quais se deseja informao, e entende-se por
amostra qualquer subconjunto retirado da populao.
Ao tentarmos tomar decises, conveniente a formulao de hipteses relativas s populaes. Essas
hipteses, que podem ou no ser verdadeiras, so denominadas de hipteses estatsticas.
Existem sempre duas hipteses em questo, Por exemplo: quando comparamos duas variedades de milho
(A e B), para saber se uma variedade melhor que a outra em relao a produo, primeiro formula-se a
hiptese de que no existem diferenas entre elas, isto , que quaisquer diferenas observadas so devidas
exclusivamente aos fatores no controlados, ou de acaso (Erro Experimental). Em segundo formula-se a
hiptese que uma das variedades melhor que a outra.
Essa hiptese inicial denominada de hiptese de nulidade, ou H0, e a segunda denominada de
hiptese alternativa, H1, ou HA.
Ento temos:
Hiptese de nulidade (H0): As produes mdias das variedades A e B de milho no diferem entre si, ou
seja, as diferenas observadas entre elas so devidas exclusivamente as variaes no controladas, ou de acaso
(erro experimental).
Hiptese alternativa (H1 ou HA): Existe uma diferena entre as produes mdias das variedades A e B
de milho, ou seja, as diferenas observadas entre elas no so devidas as variaes no controladas, ou de
acaso (erro experimental), e sim porque uma das variedades tem, realmente, maior produo que a outra.
Quais seriam as hipteses no caso do experimento com as amostras de Pinus?
Hiptese de nulidade (H0):

Hiptese alternativa (H1 ou HA):

Os processos que nos permitem decidir se aceitamos, ou rejeitamos uma determinada hiptese so
denominados de testes de hiptese, ou testes de significncia.
Porm, ao tomarmos a deciso de rejeitar ou aceitar uma hiptese, estamos sujeitos a incorrer em um
dos seguintes erros:
Erro Tipo I: o erro que cometemos ao rejeitar uma hiptese verdadeira, que deveria ser aceita.
Erro Tipo II: o erro que cometido ao aceitar uma hiptese falsa, que deveria ser rejeitada.

39

De um modo geral, controlamos apenas o Erro Tipo I, atravs do nvel de significncia do teste,
representado por

(alfa) e que consiste na probabilidade mxima com que nos sujeitamos a correr o risco de

rejeitar uma hiptese verdadeira, ou seja, cometer um Erro do Tipo I, ao testarmos uma determinada hiptese.
Na prtica, comum fixarmos o nvel de significncia em 5% ou em 1%, isto = 0,05 ou

= 0,01.

Se for escolhido o nvel de 5% ( = 0,05), isto indica que teremos 5 possibilidades em 100 de que rejeitemos
a hiptese quando ela deveria ser aceita, ou seja, existe uma confiana de 95% de que tenhamos tomado uma
deciso correta., o que denominado de grau de confiana do teste e representada por 1- , expressa em
porcentagem.
Para resumir o procedimento utilizado, vamos considerar o seguinte exemplo:
Queremos comparar 5 variedades de milho em relao a produo. O primeiro passo estabelecer as
hipteses estatsticas, que sero:
H0: As produes mdias das cinco variedades de milho no diferem entre si.
HA: Existe pelo menos uma diferena entre as produes mdias das cinco variedades de milho.
Estabelecidas as hipteses, realizamos o experimento e, ao final do mesmo, obtemos os dados referentes
as produes das cinco variedades de milho. Pela anlise dos dados obtidos, verificamos que, ao nvel de 5%
de probabilidade ( = 0,05), a hiptese H0 deve ser rejeitada, isto , conclumos que as cinco variedades de
milho apresentam produes mdias diferentes entre si, e nestas condies temos:

0,05 : Existe 5% de probabilidade de estarmos errando ao rejeitar H0 e da diferena entre as

variedades de milho ser casual.

1- = 0,95: Existe 95% de probabilidade de que tomamos uma deciso correta ao rejeitar H0, e da
diferena entre as produes mdias das cinco variedades de milho no ser casual, mas sim porque uma
variedade melhor que outra.
3.1 O teste F para a anlise de varincia
O teste F pode ser aplicado independentemente da anlise de varincia, porem, na analise de varincia
dos delineamentos experimentais que ele encontra sua maior aplicao.
Pela anlise de varincia obtemos a estatstica F, denominada de razo de varincias, que pode ser
definida como sendo o quociente de duas estimativas de varincia.
O quadrado mdio do resduo (Q.M.Res.), obtido pelo quociente das somas de quadrados (S.Q.) pelos
graus de liberdade (G.L.) correspondente, constitui a estimativa da variao ambiental e, portanto, estima a
varincia residual. Por sua vez, o quadrado mdio de tratamentos (Q.M. Trat.), obtido da mesma forma,
estima a varincia residual acrescida de uma possvel varincia devida aos tratamentos.
A estatstica F obtida por : F=

Q. M . Trat .
Q. M . Re s

Vemos ento que, se no houver efeito de tratamentos, os dois quadrados mdios (Q.M.Trat. e Q.M.
Res.) estimam a mesma varincia e, portanto, qualquer diferena em ordem de grandeza que ocorrer entre eles
dever ser puramente casual.

40

As tabelas com os valores crticos de F a um certo nvel

(alfa)

de probabilidade, nos mostram,

admitida a hiptese da nulidade (H0) como verdadeira, qual o valor mximo que a relao entre eles poder
assumir. Assim sendo, sempre que o valor de F calculado igualar ou superar o valor de de F tabelado, devemos
rejeitar H0 em favor de HA e conclumos que pelo menos dois tratamentos possuem efeitos diferentes.
Resumidamente temos:
Fc F (tabelado) Aceita-se H0 e rejeita-se HA
Fc F (tabelado) Aceita-se HA e rejeita-se H0
Os valores crticos de F so tabelados em funo dos nmeros de graus de liberdade (N1 e N2) das
estimativas de varincias, a diferentes nveis de probabilidades, para obtermos os valores F devemos consultar
a tabela da seguinte maneira: (Para o exemplo das amostras de Pinus)

G.L. Trats = 4 (N1)

G.L. Erro = 20 (N2)

VALOR DE F AO NVEL DE SIGNIFICNCIA DE 5%
N1 = Nmeros de graus de liberdade do numerador (G.L. Trats.)
N2 = Nmeros de graus de liberdade do denominador (G.L. Res.)
N1
N2
1
2
3
:
:
20

Como o valor de Fcalculado (

admitimos

..........

......

:
:
:
:
......

2,87

) _____ que Ftabelado ao nvel de 5% de probabilidade (2,87)

que

diferena

foi:

________________________________________________________________
Se o Fcalculado fosse _____ que 2,87 _______H0 e diramos que o teste foi:_____________________
Graficamente seria:
F tabelado

_____

REGIO DE ACEITAO DE H0 (95%)

_____

F
REGIO DE REJEIO DE H0 (5%)

Um exemplo de ANAVA em D.I.C., como o respectivo teste de F

41

Para comparar a produtividade de quatro variedades de milho (A, B, C e D), um agrnomo escolheu
uma rea homognea de terreno, dividindo-a em 20 parcelas de 100m2, e fazendo o sorteio dos tratamentos (as
variedades de milho) para cada uma das parcelas.
Como a rea escolhida homognea, no fazemos controle local, usa-se o delineamento inteiramente
casualizado, com quatro tratamentos (variedades) e cinco repeties, que ter o seguinte esquema de campo:
A
B
D
B

C
D
A
C

D
A
B
D

C
B
D
C

A
C
B
A

Obtido os resultados de produo das 4 variedades em Kg/100m2, organizamos os dados, com os totais
de cada tratamento com suas respectivas mdias, que foram:

TOTAL
MDIA

A
25
26
20
23
21
115
23

B
31
25
28
27
24
135
27

C
22
26
28
25
29
130
26

D
33
29
31
34
28
155
31

Neste caso temos as seguintes hipteses

*0

Hiptese de nulidade (H0): As produes mdias das variedades de milho no apresentam

diferenas significativas entre si.

*1

Hiptese alternativa (HA): Existe, pelo menos, uma diferena significativa entre as produes

mdias das variedades de milho.

A frmula para obtermos a Soma de Quadrado Total (S.Q.Total) a seguinte:
SQTotal =

2 , onde:
N

2 = indica a soma dos quadrados dos dados a serem analisados.

= indica a soma desses dados.

N = o nmero de dados a serem analisados, (as 20 observaes)

Onde o termo:

2 , tambm chamado de correo e indicado pela letra C

N

Assim temos:

2 = (252 + 262 +...+282) = 14.587

= (25 + 26 + ...+ 28) = 535

42

= 286,225

20 = 14.311,25

S.Q. Total = 14.587 - 14.311,25

S.Q. Total =275,75
A frmula para obtermos a Soma de Quadrado de Tratamentos (S.Q.TRAT) a seguinte:
SQTrats =

T 2
C , ou
r

SQ Trats = 1/r Ti C, onde:

T 2 = indica a soma dos quadrados dos totais dos tratamentos

r = indica o nmero de repeties dos tratamentos.

C = indicada a correo = (

2 )
N

Assim temos:
S.Q.Trats =

115 2 135 2 130 2 155 2

14.311,25
5

S.Q.Trats = 163,75
Para obtermos a soma de quadrados de resduos (S.Q.Res.), ou a soma de quadrados do erro (S.Q.Erro)
subtraimos da S.Q.Total a S.Q.Trats. e assim temos:
S.Q.Res. = 275,75 - 163,75
S.Q.Res = 112,00
Os graus de liberdade para os tratamentos e para o total so respectivamente 3 e 19, pois temos 4
tratamentos (4-1) e 20 observaes no total (20-1). Para obtermos o n de graus de liberdade do resduo,
fazemos a diferena entre os graus de liberdade para o total e os graus de liberdade para os tratamentos, e
obtemos (19 - 3) 16 graus de liberdade para o resduo ou erro.
Desta forma a anlise de varincia fica:
CAUSA DA VARIAO
TRATAMENTOS
RESDUO (ERRO)
TOTAL

G.L.
3
16
19

S.Q..
163,75
112,00
275,75

Q.M.
54,58
7,00

Fc
7,80

Obtido o valor de F pela anlise de varincia (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em funo dos nmeros de graus de liberdade dos tratamentos e do resduo conforme o
exemplo abaixo:
VALOR DE F AO NVEL DE SIGNIFICNCIA DE 5%
N1 = Nmeros de graus de liberdade do numerador (G.L. Trats.)
N2 = Nmeros de graus de liberdade do denominador (G.L. Res.)
N2
1

N1
3

43
2
3
:
:
16

Como Fc

..........

.........

:
:
:
:
3,24

F (tabelado) (7,80 > 3,24) Aceita-se HA e rejeita-se H0,, ou seja, existe, pelo menos, uma

diferena significativa entre as produes mdias das variedades de milho, ao nvel de 5% de significncia.
Em termos prticos, o agrnomo pode concluir, com 95% de confiana, que as variedades A,B,C e D
no tm, em mdia, a mesma produo.
Se o valor de F obtido pela anlise de varincia (F calculado) fosse menor do que F (tabelado),
aceitaramos a hiptese H0 e rejeitaramos a hiptese HA ,ou seja, concluiramos que as produes mdias das
variedades de milho no apresentam diferenas significativas entre si.
Em termos prticos, o agrnomo poderia concluir, com 95% de confiana, que as variedades A,B,C e D
so iguais, em relao a produtividade mdia.

44

EXERCCIOS: DELINEAMENTO INTEIRAMENTE CASUALIZADOS (D.I.C.)

1. Abaixo temos os teores mdios de Ca na matria seca da folha da laranjeira, em 4 pocas de amostragem:
3 MESES
2,93
3,65
3,95
4,19

TEORES DE Ca (em %)
9 MESES
15 MESES
2,54
2,52
3,32
3,25
3,21
3,17
3,27
3,07

21 MESES
1,56
1,57
1,85
2,09

Pede-se:
a) Formule as hipteses estatsticas (Hiptese de nulidade (H0), e Hiptese alternativa (HA)
b) Calcule a anlise de varincia dos dados
c) Compare o Fc obtido na anava, com o Ft, obtido na tabela de F aos nveis de 1% e 5%
d) Tire as concluses de interesse.
2. Os dados abaixo so as produes em Kg/parcela obtidas em um experimento, em DIC, com 4 tratamentos
e 3 repeties em feijo. Os tratamentos foram:
T1 sem adubao
T3 50 Kg/h de N
TRATS
T1
T2
T3
T4

T2 - 110 Kg/ha de P205

T4 - 50 Kg/ha de N + 110 Kg/h de P205

RI
25
40
20
80

RII
32
35
20
50

RIII
23
30
25
60

Pede-se:
Idem ao 1 Exerccio.
3. Em um experimento foram comparadas 4 variedades de melo em relao a produo por parcela. Foi
utilizado o DIC com 6 repeties e os resultados em Kg/parcela foram:
VARIEDADES
A
B
C
D
Pede-se:
Idem ao 1 Exerccio.

25,12
40,25
18,30
28,05

17,25
35,25
22,60
28,55

26,42
31,98
25,90
33,20

16,08
36,52
15,05
31,68

22,15
43,32
11,42
30,32

15,92
37,10
23,68
27,58

V - TESTE DE MDIAS - MODELO MATEMTICO HIPTESES BSICAS PARA A ANAVA

45

1. TESTES DE COMPARAES DE MDIAS

Quando a anlise de varincia de um experimento mostra que as mdias de tratamentos no so
estatisticamente iguais pelo teste de F, devemos aplicar um teste estatstico para comparar as mdias, duas a
duas, no exemplo da aula anterior (NA 04) devemos comparar as quatro variedades de milho, duas a duas, ou
seja: A e B, A e C, A e D, B e C, B e D, e, C e D. para sabermos qual entre elas melhor que outra.
Para isto precisamos de um mtodo que fornea a diferena mnima significativa (D.M.S.) entre duas
mdias.
Toda vez que o valor absoluto da diferena entre duas mdias igual ou maior do que a diferena
mnima significativa (D.M.S.) as mdias so consideradas estatisticamente diferentes, ao nvel de significncia
estabelecido.
Existem diversos testes estatsticos, que geralmente levam o nome do seu autor, no se tem um teste
melhor que o outro, mas sim testes adequados as diversas situaes, ou formas de como se deseja fazer a
comparao de mdias.
1.2 TESTE DE TUKEY
O teste de Tukey o mais indicado para comparaes entre mdias 2 a 2. o mais rigoroso dos testes e,
por esta razo, o mais usado. A sua desvantagem que ele no permite comparar grupos de mdias entre si.
A estatstica do teste representada por (delta) que igual a diferena mnima significativa ( =
D.M.S.), e obtida pela seguinte frmula:

Q. M . Re s.
, onde:
r

q = um valor tabelado, em funo do nmero de tratamentos e do nmero de graus de liberdade do

resduo, ou erro (G.L. Res.), geralmente ao nvel de 5% de significncia.
Q.M.Res. = o quadrado mdio do resduo, ou erro, obtido na anlise de varincia.
r = o nmero de repeties de cada um dos tratamentos.
Para a aplicao do teste de Tukey procedemos da seguinte forma:
1. Colocamos as mdias dos tratamentos em ordem crescente, ou decrescente, conforme for o nosso interesse
na maior, ou menor mdia.
2. Calculamos a estatstica (delta).
3. Comparamos a diferena existente entre duas mdias com a estatstica (delta), e colocamos letras iguais
para aquelas mdias cujo valor absoluto da diferena entre elas for menor do que a estatstica (delta)
obtida.
Para o nosso exemplo temos:
1. Como estamos testando a produo mdias das quatro variedades, claro que estamos interessados na
maior mdia, ento colocamos as mdias em ordem decrescente.

46

VARIEDADES
D
B
C
A

MDIAS
31
27
26
23

2. Calculo da estatstica (delta), para isto recorremos a tabela de q em funo do nmero de tratamentos e
do nmero de graus de liberdade do resduo, ou erro (G.L. Res.), nvel de 5% de significncia.
VALOR DE q AO NVEL DE SIGNIFICNCIA DE 5%
I = Nmero de tratamentos
N = Nmeros de graus de liberdade do denominador (G.L. Res.)
N
1
2
3
:
:
16

I
3

..........

.........

..........

Q. M . Re s.
=> = 4,05
r

4
:
:
:
:
:
4,05

7 ,00
=> = 4,79
5

4,8

A estatstica = 4,8 indica a diferena mnima significativa entre duas mdias para que elas possam
ser consideradas iguais estatisticamente, ao nvel de 5% de significncia, ento, quando a diferena entre duas
mdias for maior que 4,8, elas sero consideradas diferentes entre si.

3. As comparaes entre as mdias, duas a duas, so:

DB
DC
DA
BC
B-A
C-A

31 27 = 4,0
31 26 = 5,0
31 23 = 8,0
27 26 = 1,0
27 23 = 4,0
26 23 = 3,0

4,0 < 4,8

5,0 > 4,8
8,0 > 4,8
1,0 < 4,8
4,0 < 4,8
3,0 < 4,8

D e B so iguais
D e C so diferentes
D e A so diferentes
B e C so iguais
B e A so iguais
C e A so iguais

Podemos resumir as comparaes entre as mdias atravs do quadro:

DMS =4,8
D
B
C

D
-

B
4,0 ns
-

C
5,0 *
1,0 ns
-

A
8,0*
4,0 ns
3,0 ns

47

* = As mdias so diferentes entre si.

ns = As mdias so iguais entre si.
Obtidas as comparaes, colocamos letras iguais para as mdias consideradas iguais, e assim temos:
VARIEDADES
D
B
C
A

MDIAS
31
27
26
23

a
a

b
b
b

Mdias seguidas de mesma letra no diferem entre si pelo teste de Tukey ao nvel de 5% de
significncia.
Pelo teste de Tukey podemos concluir que a variedade de milho que apresentou maior produtividade
mdia a variedade D, sendo que a variedade B estatisticamente igual a ela, porem a variedade B tambm
igual as variedades C e A, que apresentaram desempenho inferior, desta maneira a variedade a ser escolhida
como a melhor a D.

2. MODELO MATEMTICO DO DELINEAMENTO E HIPTESES BSICAS PARA A ANAVA.

Todo delineamento experimental possui um modelo matemtico e, para podermos efetuar a anlise de
varincia de um experimento em um dado delineamento devemos considerar o seu modelo matemtico e
aceitar algumas hipteses necessrias para a validade da anlise de varincia.
No caso do delineamento inteiramente casualizado o modelo matemtico :

Xij = m + ti + eij

i = 1,2,3,..., i

j = 1,2,3,..., j

Onde:
Xij = valor observado na parcela que recebeu o tratamento i na repetio j;
m = mdia da populao;
ti = efeito do tratamento i aplicado na parcela;
eij = efeito dos fatores no controlados na parcela ij.
As hipteses bsicas que devemos admitir para a, validade da anlise de varincia so as seguintes:
A) Aditividade:
Os efeitos dos fatores que ocorrem no modelo matemtico devem ser aditivos.
Nos experimentos, os vrios efeitos devem ser aditivos, tanto que para cada delineamento estatstico
existe um modelo matemtico denominado modelo linear aditivo. Para o delineamento inteiramente
casualizado, o modelo o visto acima, onde o valor de qualquer unidade experimental resultante de uma

48

mdia geral, mais um efeito de tratamentos e mais um efeito do erro experimental.

B) Independncia:
Os erros ou desvios eij devidos ao efeito de fatores no controlados, devem ser independentes.
Cada observao possui um erro que deve ser independente dos demais. O princpio da casualizao
assegura a validade da estimativa do erro experimental, pois permite uma distribuio independente do
mesmo. A casualizao evita que todas as parcelas que recebem o mesmo tratamento ocupem posies
adjacentes na rea experimental, visto que as parcelas adjacentes, principalmente no campo, tendem a estar
mais relacionadas entre si do que as parcelas distribudas aleatoriamente.
Isto implica em que os efeitos de tratamentos sejam independentes, que no haja correlao entre eles. E
isto pode no ocorrer quando os tratamentos so doses crescentes de adubos, inseticidas, fungicidas,
herbicidas etc., nestes casos a anlise de varincia deve ser feita estudado-se a regresso.
C) Normalidade:
Os erros ou desvios eij devidos ao feito de fatores no controlados, devem possuir uma distribuio
normal de probabilidades. Isto implica em que os dados experimentais se ajustem a uma distribuio normal
de probabilidades.
D) Homogeneidade de varincias (homocedasticidade de varincias)
Os erros ou desvios eij devidos ao efeito de fatores no controlados, devem possuir uma varincia
comum ( ), isto , as varincias das diferentes amostras devem ser homogneas.

Na anlise de varincia o valor do Quadrado Mdio do Erro, ou Resduo, que corresponde estimativa
da varincia do erro experimental, utilizado nas frmulas matemticas dos testes de hipteses. Tais testes so
utilizados para verificar se existe ou no diferena significativa entre os tratamentos avaliados. O Quadrado
Mdio do Erro nada mais que a mdia das varincias de cada tratamento (amostra). Assim sendo
importante que as varincias das diferentes amostras sejam homogneas, de modo que os resultados obtidos
dos testes de hipteses tenham validade.
Para verificar a homogeneidade de varincia utilizamos o teste proposto por Hartley, chamado de teste
de Hartley ou teste da razo mxima.
O teste de Hartley simples e rpido, porm apresenta menor preciso quando as amostras apresentam
nmero diferente de repetio.
A frmula do teste a seguinte:

49

Hc=

s 2 max
s 2 min

s2max = maior valor das varincias entre as amostras;

smin = menor valor das varincias entre as amostras;.

O valor calculado de Hc comparado com o valor de H na tabela 8, e temos o seguinte procedimento:

Se Hc> H tabelado (1%) (**) conclumos que as varincias so estatisticamente diferentes ao nvel de
1% de probabilidade ou seja, no h homogeneidade de varincias entre os grupos.

Se Hc < H tabelado (1%), recorre-se ao nveI de 5% de probabilidade;

Se Hc > H tabelado (5%), (*) conclumos que as varincias so estatisticamente diferentes ao nvel de
5% de probabilidade, ou seja, no h homogeneidade de varincias entre os grupos.

Se Hc < H tabelado (5%) (ns) conclumos que as varincias no diferem estatisticamente entre si ao
nvel de 5% de probabilidade, ou seja, as varincias entre os grupos so homogneas.

Um exemplo:
Verificar se as varincias so homogneas pelo teste de Hartley os dados da tabela abaixo:
Peso de 20 capulhos, em gramas, de variedades de algodo herbceo no municpio de Viosa-AL. FERREIRA, 1977
S2

VARIEDADES

II

III

IV

VI

TOTAIS

1 - AIIen 333/57

78

90

90

75

70

88

491

74,57

2 AFC 65/5236

100

65

78

92

85

90

510

149,60

3 IAC 13.1

102

95

102

85

80

98

562

84,27

98

70

85

85

88

80

506

85,07

4 - IPEANE 01

Hc=

s 2 max 149,60
=
= 2,00
74,57
s 2 min

50

H tabelado 1% =28,0; 5% 13,7.

Como Hc < H tabelado (5%), (ns) conclumos que as varincias no diferem estatisticamente entre si ao
nvel de 5% de probabilidade, ou seja, as varincias do peso de 20 capulhos de variedades de algodo
herbceo so homogneas.
Uma regra prtica e rpida para verificar a homogeneidade de varincias que a relao entre a maior e
a menor delas no pode ser superior a mais de quatro vezes para que elas sejam homogneas.
Quando as varincias das diferentes amostras no so homogneas, temos dois caminhos que podemos
seguir:

1: Podemos separar as amostras em grupos, de modo que as varincias dentro de cada grupo sejam
homogneas. Assim, a anlise de varincia poder ser efetuada para cada grupo.

2: Podemos transformar os dados de tal forma que eles fiquem homogneos. Este mtodo o mais
utilizado na prtica.

3. TRANSFORMAES DE DADOS
Uma transformao qualquer alterao sistemtica num conjunto de dados onde certas
caractersticas so mudadas e outras permanecem inalteradas
As principais transformaes so:
A) Transformao de raiz quadrada

Freqentemente utilizada para dados de contagens, que geralmente seguem a distribuio de Poisson, na
qual a mdia igual varincia. Exemplos: nmero de ervas daninhas por parcela, nmero de insetos
capturados em armadilhas luminosas, nmero de pulges ou caros por folha etc. Quando ocorrem zeros ou
valores baixos, as transformaes recomendadas so:
B) Transformao angular - arc sen

X 0,5

, ou

X 1,0

X / 100

Recomendvel para dados expressos em porcentagens, que geralmente seguem uma distribuio
binomial. Existem tabelas apropriadas para essa transformao, nas quais entramos diretamente com a
porcentagem X e obtemos arc sen

X / 100

Se as porcentagens estiverem todas na faixa de 30 a 70%, torna-se desnecessria a transformao e

podemos analisar diretamente os dados originais.
A transformao tambm desnecessria quando as porcentagens so resultantes da diviso dos valores
observa dos nas parcelas por um valor constante, como, por exemplo, a mdia do tratamento testemunha ou
quando so representativas de concentrao, como teor de N na folha, pureza da semente, teor de protena do
trigo, teor de sacarose da cana-de-acar etc.

51

Devem ser transformados os dados de porcentagem provenientes de dados discretos num total de casos,
como, por exemplo, porcentagem de germinao (nmero de sementes germinadas/nmero total de sementes),
porcentagem de plantas doentes (nmero de plantas doentes/nmero de plantas consideradas) etc.
C) Transformao logartmica - log X ou In X
Utilizada quando constatada uma certa proporcionalidade entre as mdias e os desvios padres dos
diversos tratamentos.
Consideremos, por ex. o caso de contagens de insetos; se a populao numerosa, as contagens sero
altas tanto para a testemunha como para os tratamentos no eficientes (por ex. variao de 100 a 10.000
insetos), ao passo que, para os outros tratamentos, que controlam melhor a praga, a amplitude de variao
ser baixa (por exemplo, entre 5 e 50 insetos). A transformao logartmica aconselhvel nestes casos.
Verificada a necessidade de transformao, os dados sero transformados e toda a anlise estatstica
(anlise de varincia, testes de comparaes mltiplas e desdobramento dos graus de liberdade de tratamentos)
dever ser feita com os dados transformados. Se houver interesse em ilustrar com as medias no
transformadas, as mesmas no devero ser calculadas a partir dos dados originais e sim, aplicando mdia
dos dados transformados a operao inversa da transformao. Por exemplo, se a transformao utilizada foi
a de raiz quadrada de x + 0,5, a mdia no transformada ser calculada elevando-se a mdia transforma da ao
quadrado e subtraindo-se 0,5.

Um exemplo:
Num experimento visando o controle do pulgo (Aphis gosypii Glover) em cultura de pepino, MACEDO
(1970) utilizou 6 repeties dos seguintes tratamentos:
A - Testemunha
C - Supracid 4OCE dose 1
B - Azinfs etlico
D - Supracid 4OCE dose 2

E - Diazinon 6OCE

O delineamento experimental adotado foi o inteiramente casualizado e, os dados obtidos, referentes ao

nmero de pulges coletados 36 horas aps a pulverizao, encontra-se no Quadro abaixo.
TRAT.

A
B
C
D
E

2.370
1.282
562
173
193

1.687
1.527
321
127
71

REPETIES
3
4

2.592
871
636
132
82

2.283
1.025
317
150
62

2.910
825
485
129
96

3.020
920
842
227
44

Pede-se:
1) Calcular as varincias dos tratamentos *
2) Verificar a homogeneidade das varincias pelo teste de Hartley,

TOTAIS

14.862
6.450
3.163
938
548

S (1)*

52

3) Transformar os dados usando a transformao mais adequada,

4) Verificar a homogeneidade das varincias dos dados transformados pelo teste de Hartley,
5) Fazer a Anlise de Varincia com os dados transformados.

2) Teste de Hartley dos dados originais => Hc=

s 2 max
=
s 2 min

3) Dados transformados em:

TRAT.

REPETIES
3
4

TOTAIS

S (1)*

A
B
C
D
E
4) Teste de Hartley dos dados transformados:
Hc=

s 2 max
=
s 2 min

5) Anlise de varincia dos dados transformados

VI - DELINEAMENTOS EM BLOCOS CASUALIZADOS

1. INTRODUO
O delineamento em blocos casualizados (D.B.C.) o mais comum dos delineamentos estatsticos, usado
praticamente para todos os tipos de experimentos, usa os princpios da repetio, casualizao e controle
local, este tipo de delineamento usado quando as condies experimentais forem heterogneas, ou se houver
dvidas quanto a sua homogeneidade.
Neste tipo de delineamento, pelo fato de ter-se o princpio do controle local, temos estimativas menos
elevadas do erro experimental do que no DIC, pois isolamos do erro as variaes resultantes da
heterogeneidade das condies experimentais. Para que o experimento seja eficiente, cada bloco dever ser o
mais uniforme possvel, porm os blocos podero diferir bastante entre eles, e quanto maior a diferena entre
os blocos, melhor para os resultados experimentais.
As situaes em que devemos usar o DBC so vrias, por exemplo: Se desejamos estudar a produo de
alguns hbridos de milho em um terreno com certa declividade, podemos formar os blocos no sentido das
curvas de nvel, procurando ter todos os tratamentos, os hbridos de milho, em todas as faixas de fertilidade, se
o objetivo a comparao destes hbridos em uma determinada regio, devemos ento espalhar os blocos por
toda a regio de interesse.

53

Nos experimentos zootcnicos, cada bloco ser constitudo de animais de caractersticas semelhantes,
por exemplo: Se temos interesse em estudar raes para gado leiteiro, vamos formar os blocos com as vacas
de melhor produo, com as de produo mdia e com as de pior produo.
At mesmo em casas de vegetao ou estufas, onde o ambiente tido como homogneo, o uso de blocos
pode ser feito para controlar diferenas de luminosidade, por exemplo.
No campo, recomendvel que os blocos se apresentem com uma forma aproximadamente quadrada,
embora muitas vezes eles sejam instalados de forma retangular ou irregular, para que possa apresentar
homogeneidade nas suas parcelas.
No que se refere distribuio dos blocos no campo, eles podem ficar juntos ou ser espalhados por toda
a rea em estudo. Porm, geralmente eles so colocados uns prximos aos outros, visando com isto uma maior
facilidade nos trabalhos de campo, durante a execuo do experimento.
As principais caractersticas do DBC so:
Permite o controle de uma fonte de variao alem de tratamentos;
Cada faixa de parcelas deve ser o mais homogneo possvel, podendo variar de uma faixa para outra,
sendo que cada faixa recebe o nome de bloco;
Cada bloco dever conter uma vez cada tratamento.

2. MODELO MATEMTICO DO DELINEAMENTO E HIPTESES BSICAS PARA A ANLISE

DE VARINCIA.
J vimos que, para podermos efetuar a anlise de varincia em qualquer delineamento, devemos
pressupor um modelo matemtico representativo do delineamento e aceitar algumas hipteses bsicas
necessrias para a validade da anlise. No delineamento em blocos casualizados, controlamos uma causa de
variao a mais que no delineamento inteiramente casualizado, que so os blocos, de forma que o modelo
matemtico deve espelhar este controle. Logo, para o delineamento em blocos casualizados, o modelo
matemtico :
Xij = m + ti + bj + eij

i = 1, 2, 3, ..., i , j = 1, 2, 3, ..., j

Onde: Xij = valor observado na parcela que recebeu o tratamento i e se encontra no bloco j;
m = mdia da populao;
ti = efeito devido ao tratamento i, que foi aplicado na parcela;
bj = efeito devido ao bloco j, em que se encontra a parcela;
eij = efeito dos fatores no controlados na parcela.
Pressuposto o modelo matemtico do delineamento, as hipteses bsicas que devemos admitir para a
validade da anlise de varincia so as mesmas vistas no delineamento inteiramente casualizado.

54

Exemplo:
Suponha que temos um experimento com trs tratamentos (A, B e C), com 4 repeties, o esquema de
campo seria:
I

II

III

IV

3 ANLISE DE VARINCIA EM DBC

O esquema da anlise de varincia ser:
CAUSA DA VARIAO
TRATAMENTOS
BLOCOS

G.L.
NTRAT-1
NBLOC-1

S.Q..
S.Q.TRAT.
S.Q.BLOCO

Q.M.
S.Q.TRAT./G.L.
S.Q.BLOC/G.L.

Fc
Q.M.TRAT./Q.M.RES.
Q.M.BLOC/Q.M.RES.

DIF.
T1

S.Q.RES.
S.Q.TOTAL

S.Q.RES./G.L.
-

RESDUO (ERRO)
TOTAL

A frmula para obtermos a Soma de Quadrado de Blocos (S.Q. BLOCOS) a seguinte:

SQ Blocos =

B 2
C , ou
n

SQ Blocos = 1/n

Bi C, onde:

B 2 = indica a soma dos quadrados dos totais dos blocos

n = indica o nmero de tratamentos.
C = indicada a correo = (

2 )
N

Um exemplo: Um DBC foi realizado para se estudar o efeito do parcelamento da adubao nitrogenada
sobre diversas caractersticas morfolgicas e fisiolgicas do alho. Os dados relativos altura da planta (em
cm) foram:

BLOCOS
I
II
III
IV
V
TOTAIS
MDIAS

P1
51,84
52,86
53,66
54,19
54,06
266,61
53,32

TRATAMENTOS
P2
P3
52,47
54,17
53,19
55,03
53,26
55,18
54,38
56,04
56,14
56,69
269,44
277,11
53,89
55,42

TOTAIS
158,48
161,08
162,10
164,61
166,89
813,16
-

Os tratamentos foram:

P1 = 250 kg de sulfato de amnio no plantio;

P2 = 1/3 no plantio e 2/3 em cobertura 30 dias aps;

P3 = 1/3 no plantio, 1/3 em cobertura 30 dias aps e 1/3 em cobertura 60 dias aps.

55

A frmula para obtermos a Soma de Quadrado Total (S.Q.Total) a seguinte:

SQTotal = 2 -

2 , onde:
N

2 = indica a soma dos quadrados dos dados a serem analisados.

= indica a soma desses dados.

N = o nmero de dados a serem analisados, (as 15 observaes)

Onde o termo:

2 , tambm chamado de correo e indicado pela letra C

N

Assim temos:

A frmula para obtermos a Soma de Quadrado de Tratamentos (S.Q.TRAT) a seguinte:

SQTrats =

T 2
C , ou
r

SQ Trats = 1/r

Ti C, onde:

T 2 = indica a soma dos quadrados dos totais dos tratamentos

r = indica o nmero de repeties dos tratamentos.

C = indicada a correo = (

2 )
N

Assim temos:

A frmula para obtermos a Soma de Quadrado de Blocos (S.Q. BLOCO) a seguinte:

SQ Blocos =

B 2
C , ou
n

SQ Blocos = 1/n

B 2 = indica a soma dos quadrados dos totais dos blocos

n = indica o nmero de tratamentos.
C = indicada a correo = (
Assim temos:

2 )
N

Bi C, onde:

56

Para obtermos a soma de quadrados de resduos (S.Q.Res.), ou a soma de quadrados do erro (S.Q.Erro)
subtraimos da S.Q.Total a S.Q.Trats.e a S.Q.Blocos, e assim temos:
S.Q.Res. =

Desta forma a anlise de varincia fica:

F.V.
TRATAMENTOS
BLOCOS
RESDUO (ERRO)
TOTAL

G.L.

S.Q..

Q.M.

Fc

Ft

4 CONCLUSES SOBRE A ANAVA EM DBC

Obtido o valor de F pela anlise de varincia (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em funo dos nmeros de graus de liberdade dos tratamentos e do resduo, conforme j
vimos, para o caso do bloco procedemos da mesma maneira, porm levando em conta o nmero de graus de
liberdade dos blocos.
A deciso que tomamos em relao aos blocos semelhante a deciso que tomamos em relao aos
tratamentos, ou seja:

F (tabelado) O teste no significativo, ou seja, o controle local no foi efetivo.

Fc F (tabelado) O teste significativo ou seja, o controle local foi efetivo.
Fc

Na prtica quando o teste no significativo, no se justificou o uso do controle local atravs dos
blocos. O experimento poderia ter sido feito em DIC.
Para o nosso exemplo o teste foi significativo, o controle local foi efetivo, ou seja existem diferenas
significativas entre os blocos, e neste caso justifica-se o uso do controle local.

57

EXERCCIOS: DELINEAMENTO EM BLOCOS CASUALIZADOS (D.B.C.)

1. Os dados seguintes referem-se as produes (ton/ha) de variedades de cana-de-acar em um ensaio em
blocos casualizados.
VARIEDADES
1
2
3
4
5
TOTAIS

BLOCOS
I
94,0
95,7
96,5
57,0
77,0
420,2

II
80,6
83,2
93,4
46,5
52,4
356,1

III
98,5
75,5
81,6
70,2
59,0
384,8

TOTAIS
364,1
323,8
358,3
215,9
236,3
1498,4

IV
91,0
69,4
86,8
42,2
47,9
337,3

Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.
2. Os dados a seguir referem-se a produo de gros em Kg/parcela obtida em um experimento de adubao de
milho em DBC, no qual os tratamentos constaram de adubao com 0; 25; 50; 75; 100 Kg/ha de P 2O5.
BLOCOS
I
II
III
IV
TOTAIS

0
8,38
5,77
4,90
4,54
23,59

25
7,15
9,78
9,99
10,70
37,62

DOSES DE P2O5.
50
10,07
9,73
7,92
9,48
37,20

75
9,55
8,95
10,24
8,66
37,40

100
9,14
10,17
9,75
9,50
38,56

TOTAIS
44,29
44,40
42,80
42,88
174,37

Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.
3. Abaixo temos o croqui de campo de um experimento em blocos ao acaso de competio de variedades de
trigo (A, B, C, D, E.). Os resultados em gramas/parcela foram:
BL1
BL2
BL3
BL4

C - 90
E - 85
D - 111
A - 81

Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.

D - 80
A - 84
E - 90
B - 125

A - 134
C - 70
B - 87
D - 85

E - 112
B - 108
A - 84
C - 70

B 142
D 82
C 69
E 72

58