Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
PLANEJAMENTO
(2)
OBSERVAES
(1)
FORMULAO DE
HIPTESES
ANLISE ESTATSTICA
(3)
TESTES DAS HIPTESES
FORMULADAS
(4)
DESENVOLVIMENTO
DA TEORIA
a) Experimento ou ensaio: um trabalho previamente planejado que segue determinados princpios bsicos e
no qual se faz a comparao dos efeitos dos tratamentos.
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.
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
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
BLOCO 2
BLOCO 4
A
BLOCO 3
BLOCO 5
B
BLOCO 6
B
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
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
100
EXPERIMENTO
PRELIMINAR
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.
10
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
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
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
BLOCO
TRATAMENTO
PESO
ALTURA
ETC.
14
II
10
II
...
...
...
24
III
DATAS
ATIVIDADES
DESCRIO DA ATIVIDADE
01 a 10/03/2010
Reviso de literatura
11 a 13/03/2010
14 a 15/03/2010
19 a 20/03/2010
....
...
23 a 25/05/2010
26 a 31/05/2010
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.
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.
BLOCOS
II
III
TOTAL
1
2
3
8
TOTAIS
MDIAS
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.
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.
20
a) Simplicidade de Execuo: No planejamento do experimento, o pesquisador deve ser claro e objetivo, de
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.
21
22
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
23
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
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.
25
26
27
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
83,5
83,8
87,5
90,6
91,8
92,4
95,6
100,4
A mdia :
= x =
m
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
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
=
m
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
31
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
2 ,
N
( X ) 2
N .
N 1
X 2
( 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
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 (m
s
N
, onde:
) (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
), 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
CV(1) =
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.
35
B
10
14
20
23
26
A
12
15
21
25
28
aquela atribuda estritamente a variabilidade das mdias dos tratamentos em re1ao a mdia geral. dada
pela frmula:
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
SQ Trats =
1
Ti 2 C
R
Onde:
( x ) 2
N
(x
x ) 2
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:
(x
x..) 2
SQTOTAL = SQD = 2 -
O termo
2 ,
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
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
G.L.
S.Q.
Q.M.
Fc
38
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:
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
(alfa)
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)
..........
......
:
:
:
:
......
2,87
que
diferena
foi:
________________________________________________________________
Se o Fcalculado fosse _____ que 2,87 _______H0 e diramos que o teste foi:_____________________
Graficamente seria:
F tabelado
_____
_____
F
REGIO DE REJEIO DE H0 (5%)
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
Hiptese alternativa (HA): Existe, pelo menos, uma diferena significativa entre as produes
2 , onde:
N
Assim temos:
42
= 286,225
20 = 14.311,25
T 2
C , ou
r
2 )
N
Assim temos:
S.Q.Trats =
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
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
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
45
Q. M . Re s.
, onde:
r
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.
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
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
D
-
B
4,0 ns
-
C
5,0 *
1,0 ns
-
A
8,0*
4,0 ns
3,0 ns
47
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.
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
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
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 (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
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
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
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
s 2 max
=
s 2 min
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
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.
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
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
B 2
C , ou
n
SQ Blocos = 1/n
Bi C, onde:
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:
P3 = 1/3 no plantio, 1/3 em cobertura 30 dias aps e 1/3 em cobertura 60 dias aps.
55
2 , onde:
N
Assim temos:
T 2
C , ou
r
SQ Trats = 1/r
Ti C, onde:
2 )
N
Assim temos:
B 2
C , ou
n
SQ Blocos = 1/n
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. =
G.L.
S.Q..
Q.M.
Fc
Ft
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
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