Escolar Documentos
Profissional Documentos
Cultura Documentos
163
ISSN 1517-8498
Novembro/2003
Agrobiologia
ISSN 1517-8498
Novembro/2003
Empresa Brasileira de Pesquisa Agropecuria
Centro Nacional de Pesquisa em Agrobiologia
Ministrio da Agricultura, Pecuria e Abastecimento
Documentos 163
Tcnicas Experimentais aplicadas s Cincias
Agrrias
Seropdica RJ
2003
Expediente:
Revisor e/ou ad hoc: Guilherme Montandon Chaer
Normalizao Bibliogrfica: Dorimar dos Santos Flix
Editorao eletrnica: Marta Maria Gonalves Bahia
1 impresso (2003): 50 exemplares
CDD 630
Embrapa 2003
6. Referncias Bibliogrficas
BANZATTO, A. D.; KRONKA, S. do N. Experimentao agrcola.
Jaboticabal: FUNEP, 1989. 249 p.
BEARZOTI, E.; OLIVEIRA, M. S. Estatstica bsica. Lavras: UFLA,
1997. 191 p.
FISHER, R. A. The design of experiments. Edinburgh: Oliver and
Boyd, 1935.
HINKELMANN, K.; KEMPTHORNE, O. Design and analysis of
experiments. New York: J. Wiley, 1994. 631 p.
MEAD, R.; CURNOW, R. N. Statistical methods in agriculture
and experimental biology. New York: Chapman and Hall, 1983.
335 p.
NOGUEIRA, M. C. S. Estatstica experimental aplicada
experimentao agrcola. Piracicaba: USP-ESALQ, 1997. 250 p.
PIMENTEL GOMES, F. Curso de estatstica experimental. 13. ed.
Piracicaba: Nobel/USP-ESALQ, 1990. 468 p.
RAMALHO, M. A.; FERREIRA, D. F.; OLIVEIRA, A. C. de. A
experimentao em gentica e melhoramento de plantas.
Lavras: UFLA, 2000. 326 p.
STEEL, R. G. D.; TORRIE, J. H.; DICKEY, D. A. Principles and
procedures of statistics. 3. ed. New York: McGraw-Hill, 1997. 666
p.
102
Autor
2 negativo, y ter um
0 + 0,0950 0,00100X i = 0
0,0950
= 95 kg/ha (Dose de adubo nitrogenado que levar a
0,00100
101
b1 =
P1 (X i ).y i
i =1
3 P (X i )
i =1
2
1
b 2 =
P2 (X i ).y i
i =1
3 P (X i )
i =1
2
2
Lembrando que:
P1(Xi) = x i =
X i 60 X i
=
2
30
30
2
n 2 1 Xi
P2(Xi) = x
=
2 2
12
30
Portanto:
y i = b 0 + b1 P1 (X1 ) + b 2 P2 (X1 )
2
X
X
30
yi
y i
0
30
60
90
120
27,5
32,0
37,5
42,6
37,8
8,8421
11,2421
12,7421
13,3421
13,0421
100
2
i
Apresentao
SUMRIO
FV
1)
2)
Distribuio de freqncias.....................................................................................
10
2.1) Definio.............................................................................................................
10
2.2) Freqncia..........................................................................................................
10
19
20
20
23
27
29
29
33
39
41
43
46
5) Anlise de varincia.......................................................................................................
54
54
55
56
61
66
74
87
6) Referncias Bibliogrficas.............................................................................................
102
3)
4)
GL
SQ
QM
Prob>F
(Doses)
45,3160
11,3290
13,122
0,0005
Regresso Linear
32,4480
32,4480
37,586
0,0000
Regresso Quadrtica
8,5952
8,5952
9,956
0,0100
Desvio
4,2728
2,1364
2,475
0,1340
Erro
10
8,6333
0,8633
Total
14
CV (%) =
7,86
Mdia geral:
11,83
Nmero de observaes:
15
R 2 (Linear) =
32,4480
.100 = 71,6% ;
45,3160
R 2 (Quadrtica) =
8,5952
.100 = 19,0% .
45,3160
y i = 0 + 1 X + 2 X 2 = b 0 + b1 P1 (X 1 ) + b 2 P2 (X 1 )
em que:
5
b o = y =
yi
i =1
3x 5
177,4
= 11,8267
15
99
Dose de adubo
P1(Xi)
P2(Xi)
27,5
-2
+2
30
32,0
-1
-1
60
37,5
-2
90
42,6
+1
-1
120
37,8
+2
+2
Total
177,4
P1 (X i ).y i
i =1
3 P12 (X i )
i =1
SQRegresso 2 (Quadrtica) =
P2 (X i ).y i
i =1
3 P22 (X i )
i =1
45,3160
32.4480
8,5952
= 4,2728
P1 (X1 = 0) =
0 60
= 2
30
P1 (X 2 = 30) =
30 60
= 1
30
P1 (X 3 = 60) =
60 60
=0
30
P1 (X 4 = 90) =
90 60
= +1
30
P1 (X 5 = 120) =
120 60
= +2
30
n2 1
52 1
= [P1 (X i )] 2 _
= [P1 (X i )] 2 2
12
12
P2 (X1 = 0) = (2) 2 2 = +2
P2 (X 2 = 30) = (1) 2 2 = 1
P2 (X 3 = 60) = (0) 2 2 = 2
P2 (X 4 = 90) = (+1) 2 2 = 1
P2 (X 5 = 120) = (+2) 2 2 = +2 .
97
GL
SQ
QM
Prob>F
Doses
45,3160
11,3290
13,122
0,0005
Erro
10
8,6333
0,8633
Total
14
y i = o + 1 X i + 2 X i2 + i
reescrevendo este modelo pela expresso alternativa:
yi = bo + b1P1(Xi) + b2P2(Xi) + i ;
i =1, 2, ...,5.
vs
H1: b1 0.
ii) Ho: b2 = 0
vs
H1: b2 0.
X=
1 n
1
X i = (0 + 30 + 60 + 90 + 120) = 60 ;
n i =1
5
96
Pk (X i ).y i
i =1
2) Distribuio de freqncias
2.1) Definio
Consiste em uma funo que associa os valores que uma varivel
assume com suas freqncias de ocorrncia, podendo ser elas
absolutas, relativas ou porcentuais.
i =1
30
60
90
120
8,6
10,5
12,5
12,6
13,7
2.2) Freqncia
9,5
10,0
12,8
15,1
12,8
9,4
11,5
12,2
14,9
11,3
Total
27,5
32,0
37,5
42,6
37,8
fa .
n
fp (%) = fr.100 .
y ij = + d i + ij ;
i =1, 2,..., 5 e j = 1, 2, 3.
10
95
2
P2(Xi) = x i2 n 1 ;
12
P3(Xi) = x 3i
P4(Xi) = x i4
P5(Xi) = x 5i
3n 2 7
.x i ;
20
3n 13 2 3(n 1)(n 9)
;
.x i +
14
560
2
b k =
Pk (X i ).y i
i =1
Soja
Olericultura
Leite
Soja
Soja
Milho
Milho
Leite
Cana-de-acar
Trigo
Milho
Milho
Leite
Soja
Trigo
Milho
Laranja
Milho
Olericultura
em que,
X=
Milho
r Pk2 (X i )
a) Representao tabular:
Tabela 1. Distribuio de freqncia das atividades agrcolas de 20
propriedades rurais do municpio de Vida Alegre
Atividade predominante
fa
fr
fp (%)
Milho
0,3500
35,0
Soja
0,2000
20,0
Leite
0,1500
15,0
Trigo
0,1000
10,0
em que,
Olericultura
0,1000
10,0
Cana-de-acar
0,0500
5,0
Laranja
0,0500
5,0
Total
20
1,0000
100,0
i =1
r o nmero de repeties.
A hiptese de nulidade Ho: bk = 0 e a hiptese alternativa H1: bk
0. A soma de quadrados da regresso de grau k, na anlise de
varincia, dada por:
94
11
b) Representao grfica:
Grfico uma figura para ilustrao de fenmenos ou tendncias
onde existem escalas definidas.
Para a representao grfica de variveis qualitativas, como o
caso do Exemplo 1, os grficos mais utilizados so:
Grfico de linhas: possui dois eixos, com fa ou fr ou fp
disposta no eixo vertical e as classes (categorias) da varivel
dispostas no eixo horizontal.
y i = o + 1 X i + 2 X i2 + 3 X 3i + ... + p X ip + i
(i)
ig
o
O
le
ric
...
C
an
a.
..
La
ra
nj
a
Tr
Le
ite
M
ilh
o
0.4
0.3
0.2
0.1
0
Considerando n pares de dados (y1, X1), (y2, X2), ..., (yn, Xn) em que
n>p e que os nveis referentes a varivel X so todos eqidistantes,
ou seja, X1=X1; X2=X1+q, X3=X2+q , ..., Xn=Xn-1+q, o modelo em (i)
pode ser reescrito como:
fr
So
Atividade
ii) Pk (X i ) = 0 ;
i =1
n
'
iii) Pk (X i ).PK' (X i ) = 0 para k k ;
i =1
n
iv) Pk2 (X i ) 0 .
i =1
12
93
Xi X
;
q
(325)2
0.4
0.3
0.2
0.1
0
10
M
ilh
o
fr
12,577
325
b o =
(0,0073).
= 1,2577 + 0,2373 = 1,4950 (estimativa de bo).
10
10
Atividade
La
ra
nj
a
O
le
ric
...
C
an
a.
..
Tr
ig
o
10 + 15 + ... + 55
2
(325).(12,577 )
10
Le
ite
b1 =
ja
em que
So
y i = b o + b1X i
y i = 1,4950 0,0073X i .
O R foi de:
R2 =
0,1104
.100 = 90%
0,1255
yi (valores observados)
1,388
1,426
1,393
1,341
1,26
1,16
1,177
1,153
1,14
1,139
12,577
1,2577
y i (valores estimados)
yi - y i
1,422
1,386
1,349
1,313
1,276
1,240
1,203
1,167
1,130
1,094
12,577
1,2577
-0,034
0,040
0,044
0,029
-0,016
-0,080
-0,026
-0,014
0,010
0,045
0
0
92
______
______
360 o
X
x = 126 o.
E assim por diante so calculados os outros ngulos
correspondentes aos setores das outras categorias que sero
traados no grfico.
13
H1: b1 0.
Laranja
Cana
Olericultura
Milho
(325).(12,577)
SQRegresso =
10
(325)2
10 2 + 15 2 + ... + 55 2
10
Trigo
Leite
Soja
1
2
1
0
3
4
2
0
5
4
1
4
SQRegresso =
[393,6650 408,7525]2
2062,5000
(-15,0875) 2
= 0,1104
2062,5000
10
GL
SQ
QM
Prob>F
Regresso
0,1104
0,1104
58,105
0,0001
Desvios
0,0151
0,0019
Total
0,1255
a) Representao tabular:
Tabela 2. Distribuio de freqncia do nmero de lagartas rosca
em canteiros de um viveiro de eucalipto
No de lagartas rosca
0
1
2
3
4
5
Total
fa
2
4
2
2
4
2
16
fr
0,1250
0,2500
0,1250
0,1250
0,2500
0,1250
1,0000
fp (%)
12,5
25,0
12,5
12,5
25,0
12,5
100,0
91
2) graus de liberdade.
QM Re gresso
= F F(, 1, n-2)
QMDesvios
10,7
17,2
21,2
22,9
24,2
25,9
28,8
32,8
36,1
12,4
17,6
21,6
23,3
24,4
26,1
29,5
33,6
37,5
em que F(, 1, n-2) o valor tabelado obtido atravs da Tabela de FSnedecor para o nvel de significncia, 1 e (n-2) graus de
liberdade.
13,8
18,8
21,8
23,5
24,4
26,1
30,2
34,2
38,1
14,6
19,2
22,2
23,8
24,6
26,8
30,9
34,5
39,0
16,1
20,5
22,3
23,9
24,8
27,5
31,3
34,7
39,7
16,8
20,9
22,8
24,2
25,5
28,1
32,0
35,5
41,2
R 2 (%) =
SQ Re gresso
.100 , 0 R2 100.
SQTotal
10
15
20
25
30
35
40
45
50
55
325
1,388 1,426 1,393 1,341 1,260 1,160 1,177 1,153 1,140 1,139 12,577
At 100
> 100
i=1, 2, ..., 10 e
i N (0, 2).
5 log10 n
Ho: b1 = 0
90
15
n
n
Xi yi
i =1
i =1
Xi yi
i =1
n
.
b1 =
2
n
Xi
n
i =1
2
Xi
i =1
n
c=
A + x
(populao)
k
ou
c=
A + x
(amostra)
k 1
y i = b o + b1 X i .
LI1 = mvo
x
c
(populao) ou LI1 = mvo (amostra);
2
2
GL
SQ
QM
Regresso
SQRegresso
SQRegresso/1
QMRegresso/QMDesvios
Desvios
n-2
SQDesvios
SQDesvios /(n-2)
Total
n-1
SQTotal
LS2 = LI2 + c
e assim sucessivamente at terminar as k classes;
vi) Calcular as freqncias absolutas (fa) e, opcionalmente, as
relativas (fr) e porcentuais (fp) de cada classe:
Aplicando-se ento o algoritmo nos dados do Exemplo 3,
considerando que eles so referentes a uma populao tem-se:
i) Escolhe-se, por exemplo, k = 10 classes;
ii) A = 41,2 10,7 = 30,5;
iii) c =
30,5 + 0,1
= 3,06 = 3,1(arredondando) ;
10
i
n
n
SQTotal = ( y i y) 2 = y i2 i =1 , associada a (n-1) graus de
i =1
i =1
n
liberdade.
2
n X n y
i i
n
X i y i i =1 i =1
n
n
, associada a 1 grau de
SQRegresso = ( y i y) 2 = i =1
i =1
n X
i
n
i =1
2
Xi
i =1
n
liberdade.
16
89
Xi
b o = i =1 b1 i =1
n
n
yi
88
= y b1 X
0,1
= 10,65
2
fa
fr
dfr
fp (%)
[10,65; 13,75)
12,2
0,0370
0,0119
3,70
[13,75; 16,85)
15,3
0,0741
0,0239
7,41
[16,85;19,95)
18,4
0,0741
0,0239
7,41
[19,95; 23,05)
21,5
0,1667
0,0538
16,67
[23,05; 26,15)
24,6
14
0,2592
0,0836
25,92
[26,15; 29,25)
27,7
0,0741
0,0239
7,41
[29,25; 32,35)
30,8
0,0926
0,0299
9,26
[32,35; 35,45)
33,9
0,0926
0,0299
9,26
[35,45; 38,55)
37,0
0,0741
0,0239
7,41
[38,55; 41,65)
40,1
0,0555
0,0179
5,55
54
1,0000
Total
100,00
Fonte: Notas de aula.
b) Representao grfica:
Normalmente em grficos de distribuio de freqncias de
variveis quantitativas contnuas usa-se no eixo vertical do grfico a
densidade de freqncia (df) de cada classe dada por:
17
fa
dfa =
c
fr
dfr =
c
fp
dfp = .
c
T1'
Variedades\Linhas
T2'
T1
17,80
17,40
T2
19,10
bc
19,10 ab
T3
20,50
ab
19,80
T4
21,18
17,40
Mdias seguidas de mesma letra no diferem entre si pelo teste de Tukey (Prob > 0,05).
10
.6
5
13
.7
5
16
.8
5
19
.9
5
23
.0
5
26
.1
5
29
.2
5
32
.3
5
35
.4
5
38
.5
5
41
.6
5
0.1
0.08
0.06
0.04
0.02
0
DAP
18
87
69,6
= 17,40
4
0.1 dfr
0.08
0.06
0.04
0.02
0
43.2
_______
3,1
= 43,2 .
2
40.1
79, 2
= 19,80
4
41,65 +
37
_______
c
2
33.9
76, 4
= 19,10
4
Variedade 2/ Linha 2 = T T
30.8
_______
'
2 2 =
3,1
= 9,1
2
27.7
69,6
= 17,40
4
10,65
9.1
Variedade 1/ Linha 2 = T T
LSk +
c
2
24.6
84,7
= 21,18
4
LI1
21.5
Variedade 4/ Linha 1 = T T
82,0
= 20,50
4
18.4
_______
'
4 1 =
15.3
_______
76,4
= 19,10
4
12.2
_______
DAP
Teste de Tukey:
DMS = q
QMErro Mdio
r
DMS = 3,95
1,0207
= 2,00 .
4
86
19
i)
1
(294,8)2
(
69,62 + 76,42 + 79,22 + 69,6 2 )
4
16
Simtrica
ii)
iii)
Assimtrica direita
GL
SQ
QM
Prob>F
T/T1'
(I-1) = 4-1 =3
27,0919
9,0306
8,848
0,0005
T/T2'
(I-1) = 4-1 =3
17,7900
5,9300
5,810
0,0047
21
1,0207
Erro Mdio
3) Estatsticas descritivas
3.1) Medidas de posio
Definio: um nmero que descreve um conjunto de dados, pela
indicao da posio que o conjunto ocupa na escala de valores
possveis que a varivel em questo pode assumir.
3.1.1) Mdia (X ou Me)
i =1
Xi
Me =
FV
20
71,2
= 17,8 0
4
85
a
b
Me =
Propriedades da mdia:
i) Somando-se uma constante K a todos os dados, a mdia (Me)
tambm acrescida de K:
QMErro Mdio =
QMErro Mdio =
1,0011 + (2 1).1,0403
= 1,0207 .
2
n' =
[1,0011+ (2 1).1,0403]
= 20,67 21 (arredondando).
[1,0011] 2 [(2 1).1,0403] 2
+
9
12
Do Quadro 3 obtm-se:
SQ Variedade /Linha 1 = SQ T /T1' =
Me(x + K ) = Me( x ) + K ;
ii) Multiplicando-se K a todos os dados, a mdia tambm
multiplicada por K:
Me(x.K ) = K.Me ;
iii) A soma dos desvios (dis) em relao a mdia zero:
di = x i Me ;
Exemplo 4. Para as N = 3 observaes (xi) a seguir, os desvios di
em relao a mdia so:
1
(314,3) 2
71,2 2 + 76,4 2 + 82,0 2 + 84,7 2
4
16
84
xi
di
3-5 = -2
5-5 = 0
7
Mdia (Me) =
7-5 = 2
N
di =
i =1
SQD = [x i Me ] .
N
i =1
21
x2
x3
x4
x5
10
15
40
84,7
= 21,18
4
_______
69,6
Linha 2/ Variedade 4 = T2' T4 =
= 17,40
4
_______
x2
x3
x4
10
14
20
Md =
10 + 14
= 12 .
2
Propriedades da mediana:
DMS = q
QMErro (b)
r
DMS = 3,08
1,0403
= 1,57 .
4
xi a
Teste de Tukey:
mnima se a = Md(x).
22
83
1
(152,8) 2
76,4 2 + 76,4 2
4
8
1
(161,2) 2
SQLinha / Variedade 3 = SQ T ' / T3 = 82,0 2 + 79,2 2
4
8
SQ T / T3 = 3249,1600 3248,18 = 0,9800;
'
1
(154,3) 2
(
84,7 2 + 69,6 2 )
4
8
x2
x3
x4
x5
12
18
'
FV
GL
SQ
QM
Prob>F
T ' /T1
(K-1) = 2-1 =1
0,3200
0,3200
0,308
0,6347
T /T2
(K-1) = 2-1 =1
0,0000
0,0000
0,000
0,9975
T ' /T3
(K-1) = 2-1 =1
0,9800
0,9800
0,942
0,4341
T ' /T4
(K-1) = 2-1 =1
28,5012
28,5012
27,397
0,0346
Erro (b)
12
12,4838
1,0403
82
x1
'
Propriedades da moda:
'
23
Totais
X
16
16
16
41
95
11
21
31
41
110
A (X) = 41 6 = 35;
A (Y) = 41 6 = 35.
X e Y apresentam mesma amplitude (A), portanto o conjunto X
apresenta claramente menor variabilidade (maior uniformidade) que
o conjunto Y.
Observao: A amplitude muito influenciada por valores extremos,
uma vez que calculada a partir deles. Assim, a medida que
aumenta N, aumenta a chance de encontrar valores extremos,
aumentando, portanto, a amplitude.
3.2.2) Varincia (Var) e Desvio padro (DP)
So medidas baseadas em todos os dados, a partir dos desvios em
relao a mdia.
[x i Me ]
N
2 =
(populao) ou 2 =
i =1
[x i Me ]
i =1
n 1
N
n
xi
xi
N
n
i =1
i =1
2
2
xi
xi
N
n
(populao) ou 2 = i =1
(amostra).
2 = i =1
N
n 1
24
rI
314,3
= 19,64
4x 4
T2' =
DMS = q
TT '
rI
294,8
= 18,43
4x 4
QMErro (b)
r.I
DMS = 3,08
1,0403
= 0,78
4.4
(amostra).
TT '
T1' =
1
(140,8) 2
71,2 2 + 69,6 2
4
8
81
Var(X) =
140,8
T1 =
=
= 17,6
rK
4x 2
DMS = q
TT2
152,8
T2 =
=
= 19,1
rK
4x 2
QMErro (a )
r.K
DMS = 4,41
1,0011
= 1,56 .
4.2
O contraste entre T1 e T2 :
= 2 (amostra).
2 , maior a variabilidade do
Observaes: Quanto maior 2 ou
conjunto de dados. O DP tem a vantagem, em relao a Var, de
possuir a mesma unidade dos dados (por exemplo, se a unidade de
medida dos dados kg, a do DP tambm ser kg enquanto que a
da Var ser kg2), facilitando, assim, a visualizao do quanto, em
mdia, os dados se desviam da mdia.
TT1
ou
5
6 2 + 112 + 212 + 312 + 412
Var(Y) =
5
(95) 2
5 = 2485 1805 = 136,00 m2;
5
(110) 2
5 = 3240 2420 = 164,00 m2;
5
DP(X) =
136 = 11,66 m;
DP(Y) =
164 = 12,81 m.
DP( x + K ) = DP(x ) ;
ii) Multiplicando-se K a todos os dados, a Var fica multiplicada por K2
e o DP por K.
Var(x.K) = K2[Var(x)];
DP (x.K) = K [DP (x)];
80
25
DP
CV (%) =
.100 .
Me
FV
GL
SQ
QM
Prob>F
Bloco
15,7535
5,2512
5,245
0,0229
Variedades (T)
26,9635
8,9878
8,978
0,0045
Erro (a)
9,0102
1,0011
Parcelas
15
51,7272
11,8828
11,8828
11,422
0,0055
17,9184
5,9728
5,741
0,0338
Erro (b)
12
12,4838
1,0403
94,0122
'
Linhas ( T )
Tx T
'
Total
31
CV (a) (%)
5,26
Rebanho A
Rebanho B
CV (b) (%)
5,37
70
490
90
510
80
480
100
500
Me
85
495
DP
11,18
11,18
26
Nmero de observaes:
32
subdivididas
tem-se
dois
Para parcelas:
CV (a ) =
QMErro (a )
1,0011
.100 =
.100 = 5,26% ;
y
19,0
Para subparcelas:
CV (b) =
QMErro (b)
1,0403
.100 =
.100 = 5,37% .
y
19,0
Considere:
I: nmero de tratamentos principais, I = 4 variedades;
K: nmero de tratamentos secundrios, K = 2 linhas de irrigao;
r: nmero de blocos, r = 4 blocos;
79
T1
T2
T3
T4
Totais
71,2 (4)
76,4
82,0
84,7
314,3(16)
T2'
69,6
76,4
79,2
69,6
294,8
Totais
140,8(8)
152,8
161,2
154,3
609,1
'
1
As =
d
(x i x )
n
sendo m 3 =
m3
d3
i =1
e d2 = 2 (varincia populacional) ou
(varincia amostral).
2
1
(71,2 2 + 69,6 2 + ... + 69,6 2 ) - C SQ Variedades SQLinhas
4
Se As
zero (As = 0) : indica uma simetria (amostra pode ser considerada vinda de uma
distribuio normal).
'
78
27
K=
(x i x )
n
sendo m 4 = i =1
m4
m4
=
d 2 .d 2 d 4
e d2 = 2 (varincia populacional) ou
(varincia amostral).
2
(609,1) 2
= 11593,8378;
C=
32
SQ Blocos =
1
(156,4 2 + 155,12 + 142,6 2 + 155,0 2 ) 11593,8378
8
Repeties
T1
1
x2
x3
x4
d2
15
16
17
12,5
37,25
T2
T3
T4
39,0
41,5
38,0
156,4 (8)
34,7
37,8
42,2
40,4
155,1
32,4
36,8
36,0
37,4
142,6
35,8
39,2
41,5
38,5
155,0
Totais
140,8(8)
152,8
161,2
154,3
609,1
Do Quadro 2 calculamos:
1
SQ Variedades = (140,8 2 + 152,8 2 + 161,2 2 + 154,32 ) - 11593,8378
8
SQ Variedades = 11620,8013 11593,8378 = 26,9635;
SQ Parcelas =
28
37,9
(2)
Totais
1
(37,9 2 + 34,7 2 + ... + 37,4 2 + 38,5 2 ) - 11593,8378
2
77
T2
'
2
'
1
T3
'
2
'
1
m4 =
As =
252
37,25 37,25
K=
Tratamentos
Repeties
m3 =
T4
'
2
'
1
Totais
m3
= 1,108 (As < 0 Assimetria a esquerda);
d3
3188,563
= 2,30 (K < 3 Distribuio platicrtica).
(37,25).(37,25)
'
2
19,0
18,9
19,2
19,8
20,8
20,7
21,1
16,9
156,4
17,1
17,6
19,5
18,3
20,9
21,3
22,7
17,7
155,1
17,5
14,9
17,5
19,3
18,6
17,4
21,0
16,4
142,6
17,6
18,2
20,2
19,0
21,7
19,8
19,9
18,6
155,0
Totais
71,2
69,6
76,4
76,4
82,0
79,2
84,7
69,6
609,1
T2'
BL II
'
1
T4
T1'
T2'
'
2
'
2
T3
T4
BL III
T2'
'
1
'
1
T1'
T1'
'
2
'
2
76
T2'
'
2
i =1
i =1
i =1
a i , bi L ci = 0 ,
em que:
a1, b1, c1, ..., an, bn, cn so os coeficientes dos contrastes;
'
1
T3
T2'
'
1
T2
'
2
T2'
T4
'
1
T2
T1'
T2'
T1
'
2
T3
T2
'
1
T1
BL IV
T1'
T3
'
2
T1'
T1
'
1
T1
T2'
T4
T1'
T1'
29
Se
s12 s 22 ... s 2n
r1 r2 ... rn :
a b
a i b i 2 a 1 b1 2 a 2 b 2 2
s 2 + L + n n s 2n .
s1 +
si =
i =1 ri
rn
r2
r1
n
Cov(Y1, Y2) =
Se
s12 = s 22 =...= s 2n
r1 r2 ... rn :
ab
ab
a b
a b
Cov(Y1, Y2) = i i = 1 1 + 2 2 + L + n n .
i =1 ri
r1
r2
rn
n
Cov(Y1, Y2) = a i b i = a 1 b1 + a 2 b 2 + L + a n b n .
i =1
c i2
(se s12 = s 22 =...= s 2n =s2)
i =1 ri
ou
2
n c
Var (Y) = i s i2 (se s12 s 22 ... s 2n ).
i =1 ri
n
Var (Y) = s 2
Var (Y) .
30
5.6.3) Desvantagem
H uma reduo do nmero de graus de liberdade do erro,
comparativamente ao esquema fatorial, reduo esta decorrente da
existncia de dois erros, o erro (a) referente s parcelas e o erro (b),
correspondente s subparcelas dentro das parcelas.
5.6.4) Modelo
subdividida
estatstico
do
experimento
em
parcela
y ijk = + j + i + ij + k + ( ) ik + e ijk
em que y ijk o valor observado referente a parcela que recebeu o isimo nvel do tratamento principal e o k-simo nvel do
tratamento secundrio no j-simo bloco; representa uma
constante geral associada a esta varivel aleatria; j o efeito do jsimo bloco; i o efeito do i-simo nvel do tratamento principal; ij
= ()ij o efeito residual das parcelas, caracterizado como
componente do erro (a); o efeito do k-simo nvel do tratamento
secundrio; ()ij o efeito da interao do i-simo nvel do
tratamento principal com o k-simo nvel do tratamento secundrio
e eijk representa o efeito residual das subparcelas, caracterizado
como componente do erro (b).
Sobre as distribuies de ij e eijk pode-se considerar as seguintes
pressuposies: i) ij N(0, 2 ); ii) eijk N(0, 2 ); iii) ij e eijk so
no correlacionados.
5.6.5) Exemplo de parcela subdividida
Foi realizado um experimento em blocos casualizados com 4
repeties, no esquema de parcelas subdivididas. Os tratamentos
das parcelas foram 4 variedades de banana (T1, T2, T3 e T4) e os
tratamentos das subparcelas foram uma e duas linhas de irrigao
( T1' = 1 linha e T2' = 2 linhas). Os dados do comprimento (cm) do
75
1 = 5,2
m
2 = 3,3
m
3 = 4,0
m
4 = 9,0
m
r1 = r2 = r3 = r4 = 5 e s12 = s 22 = s 32 = s 24 = s 2 = 0,19.
em que
5.6.2) Vantagens
Y2 = m1 m2
em que
Y3 = m3 m4
em que
a1= 0, a2 = 0, a3 = 1, a4 = -1.
74
Y1 a i = 1 + 1 1 1 = 0
i =1
4
Y2 b i = 1 1 + 0 + 0 = 0
i =1
4
Y3 c i = 0 + 0 + 1 1 = 0.
i =1
31
,Y
) = a b = 1.1 + 1.(1) + (1).0 + (1).0 = 0
Cov(Y
1
2
i i
i =1
Variedade
Mdias
Resultado do teste
i =1
231,4
385,3
1, Y
3 ) = a c = 1.0 + 1.0 + (1).1 + (1).(1) = 0
Cov(Y
i i
,Y
) = b c = 1.0 + (1).0 + 0.1 + 0.(1) = 0.
Cov(Y
2
3
i i
i =1
12 + 12 + (1) 2 + (1) 2
a i2
= 0,1520
= 0,19
i =1 ri
5
) = s2
Var (Y
1
2
2
2
2
2
) = s 2 b i = 0,19 1 + (1) + 0 + 0 = 0,0760
Var (Y
2
i =1 ri
5
2
2
2
2
2
n
3 ) = s 2 c i = 0,19 0 + 0 + 1 + (1) = 0,0760.
Var (Y
i =1 ri
5
1 ) = Var (Y
1 ) = 0,1520 = 0,3899 t/ha
s( Y
) = Var(Y
) = 0,0760 = 0,2757 t/ha
s( Y
2
2
3 ) = Var (Y
3 ) = 0,0760 = 0, 2757 t/ha.
s( Y
vi) Calcular as estimativas destes contrastes:
Mdias
Resultado do teste
209,0
374,8
Mdias
Resultado do teste
244,3
379,3
32
73
Mdias
Resultado do teste
385,3
374,8
379,3
1 +m
2 m
+m
4
'= m
a) Y
3
= -2,25 t/ha
1
2
1
(2466, 4) 2
(925,4 2 + 1541,0 2 )
= 47370,4200
4
8
SQ Variedade / I2 =
1
(2334,8) 2
(835,8 2 + 1499,0 2 )
= 54979,2800
4
8
1
(2494,2) 2
2
2
SQ Variedade / I3 = (977,1 + 1517,1 )
= 36450,0000.
4
8
FV
GL
SQ
QM
Prob>F
Variedade / I1
47370,4200
47370,4200
25,700
0,0001
Variedade / I2
54979,2800
54979,2800
29,828
0,0001
Variedade / I3
36450,0000
36450,0000
19,775
0,0005
Erro
15
27648,1067
1843,2071
72
'=
b) Y
2
1 m
m
2 = 1,9 t/ha
1
1
3 m
'= m
c) Y
4 = 5,0 t/ha.
3
1
33
t=
Do Quadro 1 tem-se:
0
0
Y
Y
=
)
(Y
) s(Y
V
= -4,5 t/ha
Y
1
Y2 = 1,9 t/ha
= -5 t/ha
Y
3
SQ Inoculante / V2 =
1
( 4557,1) 2 = 221,9017.
(1541,0 2 + 1499,0 2 + 1517,12 )
4
12
FV
GL
SQ
QM
Prob>F
Inoculante / V1
2555,5617
1277,7808
0,693
0,5110
Inoculante / V2
221,9017
110,9508
0,060
0,9427
Erro
15
27648,1067
1843,2071
) = 0,2757 t/ha
s( Y
3
4,5 0
= 11,541
0,3899
34
1
( 2738,3) 2 = 2555,5617;
(925,4 2 + 835,8 2 + 977,12 )
4
12
) = 0,3899 t/ha
s( Y
1
t c( Y1 ) =
SQ Inoculante / V1 =
Inoculantes
Mdias
Resultado do teste
231,4
209,0
244,3
GL
SQ
QM
Prob>F
Bloco
3806,8083
1268,9361
0,688
0,5730
(Tratamentos)
(5)
(140612,1900)
28122,4380
15,257
0,0000
Variedades (V)
137834,7267
137834,7267
74,780
0,0000
Inoculantes (I)
1812,4900
906,2450
0,492
0,6211
VxI
964,9733
482,4867
0,262
0,7731
Erro
15
27648,1067
1843,2071
Total
23
172067,1050
t c ( Y2 ) =
1,9 0
= 6,892
0,2757
CV (%) =
14,12
Mdia geral:
24
t c( Y3 ) =
Mdias
Resultado do teste
228,2
379,8
Mdias
Resultado do teste
308,3
291,8
311,8
70
5,0 0
= 18,136
0,2757
35
(n 1 1)s 12 + (n 2 1)s 22
;
n1 + n 2 2
SQ Tratamento =
y1 y 2
1
1 2
+
s p
n1 n 2
1
(925,4 2 + 835,8 2 + 977,12 + 1541,0 2 + 1499,0 2 + 1517,1) 2217619,2150
4
Volume (m3/ha)
24
26
29
32
38
60
63
71
36
I2
I3
Totais
V1
925,4 (4)
835,8
977,1
2738,3 (12)
V2
1541,0
1499,0
1517,1
4557,1
2334,8
2494,2
7295,4
Totais
() os
2466,4
(8)
valores dentro de parnteses correspondem ao nmero de parcelas que deu origem a cada total.
Do Quadro 1 obtm-se:
SQ Variedades =
1
(2738,3 2 + 4557,12 ) 2217619,2150
12
1
(2466, 4 2 + 2334,8 2 + 2494,2 2 ) 2217619,2150
8
69
Tratamentos
Totais
y 2 = 64,67;
(5 1).30,20 + (3 1).32,33
= 30,91;
5+32
1 V1I1
238,1
256,0
267,7
163,6
925,4
2 V1I2
223,6
217,0
184,7
210,5
835,8
3 V1I3
286,8
205,8
231,6
252,9
977,1
4 V2I1
347,5
403,9
347,0
442,6
1541,0
5 V2I2
351,2
452,5
396,9
298,4
1499,0
6 V2I3
372,3
406,5
374,5
363,8
1517,1
Totais
1819,5
1941,7
1802,4
1731,8
7295,4
vi) t (1, 2 ) =
29,80 64,67
1 1
+ 30,91
5 3
= -8,588;
t(1,2)> tt(1,2)
BL II
BL III
BL IV
4
1
1
5
C=
v) s 2p (1, 2 ) =
(7295,4)
= 2217619,2150.
24
68
DMS = t t
2.QME
r
37
y1 = 95,5
y 2 = 87,8
y 3 = 86,9
y 4 = 26,3
y 5 = 108,2
i) tt para =0,05 e GLE = 10 tt = 2,228;
ii) DMS = 2,228
5.5.3) Desvantagens
como os tratamentos correspondem a todas as combinaes
possveis entre os nveis dos fatores, o nmero de tratamentos a ser
avaliado pode aumentar muito, no podendo ser distribudos em
blocos completos casualizados devido exigncia de
homogeneidade das parcelas dentro de cada bloco. Isto pode levar
a complicaes na anlise, sendo preciso lanar mo de algumas
tcnicas alternativas (como por exemplo, o uso de blocos
incompletos).
A anlise estatstica e a interpretao dos resultados pode tornar-se
um pouco mais complicada que nos experimentos simples.
5.5.4) Modelo estatstico do fatorial
O modelo a seguir corresponde a um modelo de um delineamento
em blocos casualizados (DBC) em esquema fatorial com 2 fatores
( e ), mas pode ser estendido para os casos em que h mais
fatores, incluindo os fatores isolados e as interaes duplas, triplas e
outras entre os fatores.
y ijk = + j + i + k + ( ) ik + e ijk
2.(4,08)
= 3,67;
3
y 5 =108,2
y1 = 95,5
y 2 = 87,8
y 3 = 86,9
y 4 = 26,3
38
67
y 5 - y 4 = 108,2-26,3 = 81,9
y5 y 4 ;
5.5.1) Caractersticas
y 5 - y 3 = 108,2-86,9 = 21,3
y5 y3 ;
y 5 - y 2 = 108,2-87,8 = 20,4
y5 y 2 ;
y 5 - y1 = 108,2-95,5 =12,7
y 5 y1 ;
y1 - y 4 = 95,5-26,3 = 69,2
y1 y 4 ;
y1 - y 3 = 95,5-86,9 = 8,6
y1 y 3 ;
y1 - y 2 = 95,5-87,8 = 7,7
y1 y 2 ;
y 2 - y 4 = 87,8-26,3 = 61,5
y2 y4 ;
y 2 - y 3 = 87,8-86,9 = 0,9
y 2 = y3 ;
y 3 - y 4 = 86,9-26,3 = 60,6
y3 y 4 ;
66
y 5 =108,2 a
y1 = 95,5 b
y 2 = 87,8 c
y 3 = 86,9 c
y 4 = 26,3 d
A linhagem 5 foi a que apresentou maior porcentagem de absoro
de gua diferindo das demais linhagens (Prob < 0,05).
39
DMS = q
QME
r
4,08
= 5,42;
ii) DMS = 4,65
3
iii) y 5 - y 4 = 81,9 > 5,42
y5 y 4 ;
y5 y3 ;
1
SQ Bloco = ( 253,6 2 + 250,7 2 + 249,0 2 + 218,8 2 + 215,0 2 ) 70460,3205
4
SQ Bloco = 70815,7225 70460,3205 = 355,4020.
1
SQ Tratamento = (291,12 + 343,8 2 + 291,6 2 + 259,6 2 ) 70460,3205
5
SQ Tratamento = 71188,7140 70460,3205 = 728,3935.
SQ Total = 72,82 + 58,32 + . . . + 27,42 + 39,02 70460,3205
SQ Total = 73209,0700 70460,3205 = 2748,7495.
SQ Erro = 2748,7495 355,4020 - 728,3935 = 1664,9540.
E o quadro de anlise de varincia para os dados do Exemplo 5.4.5)
:
FV
GL
SQ
QM
Prob>F
Bloco
355,4020
88,8505
0,640
0,6441
Cobertura morta
728,3935
242,7978
1,750
0,2100
Erro
12
1664,9540
138,7462
Total
19
2748,7495
CV (%) =
19,83
Mdia geral:
59,4
Como Prob > 0,05 para cobertura morta, conclui-se que as quatro
coberturas mortas tiveram influncia semelhante no peso seco do
brcolis. Neste caso, no h necessidade de aplicao de um teste
de comparao mltipla.
y1 y 3 ;
y1 y 2 ;
y2 y4 ;
y 2 = y3 ;
y3 y 4 ;
40
Nmero de observaes:
20
65
iv)
y 5 =108,2 a
GL
SQ
J-1
1 J 2
Bj C
I j=1
Tratamento
I-1
1
2
Ti C
J i =1
SQTrat./GLTrat
Erro
(I-1)(J-1)
SQTotal -SQBlocoSQTrat.
SQErro/GLErro
Total
IJ-1
2
y ij C
Bloco
CV(%)=
QM
y 2 = 87,8 c
y 3 = 86,9 c
y 4 = 26,3 d
SQBloco/GLBloco QMBloco/QMErro
I ,J
i , j=1
QMErro
.100
y
I ,J
y = y ij / I.J
i , j=1
64
y1 = 95,5 b
DMS = z n
QME
.
r
41
Total
72,8
69,0
45,3
66,5
253,6
58,3
64,1
60,9
67,4
250,7
50,4
72,1
67,2
59,3
249,0
51,6
73,6
66,2
27,4
218,8
59,0
65,0
52,0
39,0
215,0
Total
292,1
343,8
291,6
259,6
1187,1
Mdia
58,4
68,8
58,3
51,9
4,08
DMS5 = 3,430
= 4,00 ;
3
DMS 4 = 3,376
4,08
= 3,94 ;
3
DMS3 = 3, 293
4,08
= 3,84 ;
3
4,08
DMS 2 = 3,151
= 3,67.
3
iii) Lembrando que as mdias colocadas em ordem decrescente
so:
y 5 =108,2
y1 = 95,5
y 2 = 87,8
Correo (C)
C=
= 70460,3205
n = 4.5 = 20
BL II
BL III
BL IV
BL V
y 3 = 86,9
y 4 = 26,3
42
59,4
(1187,1)2/20
63
5.4.2) Vantagens
y 5 - y 4 = 81,9
2 ), uma
- Leva a uma estimativa mais exata da varincia residual (
vez que a variao ambiental entre blocos isolada.
y 5 - y 3 = 21,3
y5 y 2 ;
5.4.3) Desvantagens
y 5 y1 ;
y1 y 4 ;
y1 - y 3 = 8,6
y ij = + b j + t i + e ij
y
em que, ij representa a observao do i-simo tratamento no jsimo bloco; representa uma constante geral associada a esta
varivel aleatria; bj representa o efeito do j-simo bloco; ti
representa o efeito do i-simo tratamento; e eij representa o erro
experimental associado a observao yij, suposto ter distribuio
normal com mdia zero e varincia comum.
y1 - y 2 = 7,7
y5 y3 ;
y1 y 3 ;
y 2 - y 3 = 0,9
y 3 - y 4 = 60,6
y2 y4 ;
y 2 = y3 ;
y3 y 4 .
y 5 =108,2 a
y1 = 95,5 b
y 2 = 87,8 c
y 3 = 86,9 c
y 4 = 26,3 d
4.5) Teste de SNK (Student Newman Keuls)
A diferena mnima significante (DMS) entre duas mdias pelo teste
de SNK dada por:
62
43
QME
.
r
DMS n = q n
GL
SQ
QM
Prob>F
Variedades
13019,0330
4339,6776
5,668
0,0056
Erro
20
15314,0178
765,7009
Total
23
28333,0508
CV (%):
18,41
Mdia: y :
150,31
Nmero de observaes:
24
5.4.1) Caractersticas
DMS5 = 4,65
4,08
= 5,42 ;
3
DMS 4 = 4,33
4,08
= 5,05 ;
3
DMS 3 = 3,88
4,08
= 4,52 ;
3
DMS2 = 3,15
4,08
= 3,67.
3
44
61
GL
SQ
QM
I-1
1 I 2
Ti C
J i =1
SQTrat./GLTrat.
QMTrat./QMErro
I(J-1)
Total
IJ-1
y 5 =108,2
y1 = 95,5
y 2 = 87,8
i , j=1
y 3 = 86,9
2
y ij C
y 4 = 26,3
I ,J
y = y ij / I.J
i , j=1
y 5 - y 4 = 81,9
y5 y 4 ;
y 5 - y 3 = 21,3
y5 y3 ;
- Delineamento: DIC;
y5 y 2 ;
y 5 - y1 = 12,7
y 5 y1 ;
y1 - y 4 = 69,2
y1 y 4 ;
y1 - y 3 = 8,6
y1 - y 2 = 7,7
y 2 - y 3 = 0,9
60
45
y1 y 3 ;
y2 y4 ;
y 2 = y3 ;
y3 y 4 .
y 5 =108,2 a
y1 = 95,5 b
y 2 = 87,8 c
y 3 = 86,9 c
y 4 = 26,3 d
4.6) Teste de Scott-Knott
dos
Rep. \ Trat.
y11
y21
y31
yi1
y12
y22
y32
yi2
y13
y23
y33
yi3
y1J
y2j
y3j
yij
Total
T1
T2
T3
TI
Mdia
y1
y2
y3
de
um
Ti = y ij
i =1
i =1
I ,J
y = y ij / I.J
i , j=1
Correo (C)
I, J
c = y ij / I.J
i , j=1
n=IJ
46
yI
dados
59
113,83
174,94
213,39 166,76
133,89
168,76
86,69
96,15
156,35
157,65 177,88
101,22
144,89
174,44 121,23
95,16
181,57
187,00 180,94
127,34
178,79
192,70 144,61
k1 k 2
k1 + k 2
k1
i =1
i = k1 +1
T1 = y (i ) e T2 = y ( i )
em que y (i ) a mdia do tratamento da posio ordenada i.
Os dois grupos devero ser identificados por meio da inspeo das
somas de quadrados das g-1 parties possveis, sendo g o nmero
de tratamentos envolvidos no grupo de mdias considerado.
131,17
. ) 2o
2( 2) o
Total
Mdia
111,27
por:
167,55
Correo (C)
C=
(3607,35)2/24
n = 4.6 = 24
= 542207,2509
)
o2 =
1 g
2
2
( y (i ) y) + v.s y
g + v i =1
58
47
y 4 = y (1) = 26,3
y 3 = y ( 2) = 86,9
y 2 = y (3) = 87,8
y1 = y ( 4) = 95,5
5.3.3) Desvantagens
y 5 = y (5) = 108,2
26,3 2
1
y ij = + t i + e ij
em que, y ij representa a observao do i-simo tratamento na jsima repetio; representa uma constante geral associada a esta
varivel aleatria; ti representa o efeito do i-simo tratamento; e eij
representa o erro experimental associado a observao yij, suposto
ter distribuio normal com mdia zero e varincia comum.
48
57
Bo =
(26,3 + 86,9) 2
2
(95,5 + 108,2) 2
108,2 2
A partio (1) vs (2), (3), (4) e (5) foi a que maximizou a soma de
quadrados entre grupos (Bo = 3731,9120).
ii) Considerando g=5, v=10 e y = 26,3 + 86,9 + 87,8 + 95,5 + 108,2 = 80,94
tem-se:
56
)
o2 =
4,08
1
(26,3 80,94) 2 + ... + (108,2 80,94) 2 + 10.
5 + 10
3
1
)
2o = [4023,2120 + 13,6000] = 269,1208
15
=
3731,9120
.
=19,0806.
2( 2) 269,1208
49
1
3
4
2
2
2
4
2
Bo =
3
1
4
2
50
55
1 1 QME
DMS = q + .
ri ri' 2
tem-se:
)
o2 =
1 1 QME
DMS = z n + .
ri ri' 2
1
4,08
(86,9 94,60) 2 + ... + (108,2 94,60) 2 + 10.
4 + 10
3
1
)
o2 = [291,3000 + 13,6000] = 21,7786
14
=
1 1 QME
SNK = q n + .
ri ri' 2
246,6133
.
=15,5810.
2( 2) 21,7786
5) Anlise de varincia
1
2
3
2
Bo =
2
1
3
2
54
51
1
)
o2 = [0,4050 + 13,6000] = 1,1671
12
1
4,08
(86,9 90,07) 2 + (87,8 90,07) 2 + (95,5 90,07) 2 + 10.
3 + 10
3
1
)
o2 = [44,6867 + 13,6000] = 4,4836
13
44,2817
.
= 13,5896.
2( 2) 4,4836
O valor de (20, 05 ; 2 /( 2 )) = 2(0 , 05; 1, 752 ) 5,458. Como < 5,458 aceitase Ho, ou seja, os dois grupos so idnticos ao nvel de 5%,
formando um nico grupo com os tratamentos (linhagens) 3=(2) e
2=(3), finalizando assim o algoritmo.
Colocando letras diferentes para mdias distintas e letras iguais
para mdias semelhantes por meio do teste Scott e Knott tem-se
ento:
86,9 2 87,8
(86,9 + 87,8) 2
Bo =
+
1
1
2
2
)
o2 =
86,9 + 87,8
= 87,35 tem-se:
2
1
4,08
(86,9 87,35) 2 + (87,8 87,35) 2 + 10.
3
2 + 10
52
0, 4050
= 0,4775.
.
2( 2) 1,1671
y 4 = y (1) = 26,3
y 3 = y ( 2 ) = 86,9
y 2 = y (3) = 87,8
y1 = y ( 4 ) = 95,5
y 5 = y (5 ) = 108,2 a
Observaes: Nestes exemplos os resultados de todos os testes
realizados foram iguais mas poderiam ter diferenciado entre um ou
outro teste. Quando o nmero de repeties diferente entre os
tratamentos as DMSs podem ser calculadas por:
i) Teste t:
1 1
DMS = t t + .QME
ri ri'
53