Escolar Documentos
Profissional Documentos
Cultura Documentos
Patos de Minas, MG
Agosto de 2007
NDICE
Pgina
1. INTRODUO ................................................................................................................................... 01
2. CONCEITOS BSICOS...................................................................................................................... 01
2.1 PRINCPIOS BSICOS DA EXPERIMENTAO......................................................................02
2.1.1 REPETIO.................................................................................................................................02
2.1.2 CASUALIZAO........................................................................................................................03
2.1.3 CONTROLE LOCAL...................................................................................................................03
3. PRESSUPOSIES DA ANLISE DE VARINCIA.......................................................................03
3.1ADITIVIDADE.................................................................................................................................03
3.2 INDEPENDNCIA..........................................................................................................................03
3.3 NORMALIDADE............................................................................................................................03
3.4 HOMOGENEIDADE DE VARINCIAS.......................................................................................03
4. ARQUIVO DE DADOS ...................................................................................................................... 04
5. DELINEAMENTO INTEIRAMENTE CASUALIZADO .................................................................. 04
6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO........................13
6.1 PRINCIPAIS TESTES DE COMPARAO DE MDIAS...........................................................14
7. DELINEAMENTO EM BLOCOS CASUALIZADOS ..................................... ..................................16
8. DELINEAMENTO EM QUADRADO LATINO.................................................................................24
9. REGRESSO NA ANLISE DE VARINCIA.................................................................................29
10. EXPERIMENTOS FATORIAIS........................................................................................................ 36
11. EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS.................................................................... 45
12. REFERNCIAS BIBLIOGRFICAS ............................................................................................... 58
13. CONTATOS....................................................................................................................................... 59
1. INTRODUO
Nas ltimas dcadas, os clculos estatsticos foram muito facilitados pelo uso de
aplicativos computacionais. Isso permitiu que mtodos complexos e demorados fossem
rotineiramente aplicados. Entretanto, muitos pesquisadores substituram esses aplicativos por
uma consulta a um profissional da rea de estatstica. O que se observa hoje so anlises de
experimentos mal realizadas e resultados erroneamente interpretados. Tal fato justifica a
participao de um tcnico com conhecimento em tcnicas experimentais e mtodos
quantitativos em todas as fases do experimento, desde o planejamento, conduo, coleta de
dados, at a fase de anlise dos dados e interpretao dos resultados.
Diversos pacotes estatsticos para anlise de experimentos esto disponveis,
podendo-se citar programas como o SAS Statistical Analysis System (Sas Institute Inc.,
2000), que , em geral, um dos programas mais utilizados em todo o mundo para anlise de
dados da rea agronmica, biolgica e social, o STATGRAPHICS Statistical Graphics
System (Statgraphics, 1999), o STATISTICA for Windows (Statistica, 2002), dentre outros.
Podem-se encontrar programas nacionais em que o leitor poder ter acesso com maior
facilidade, dentre eles: o SANEST Sistema de Anlise Estatstica para Microcomputadores
da Universidade Federal de Pelotas (Zonta & Machado, 1991); o SISVAR Sistema de
Anlise de Varincia da Universidade Federal de Lavras (Ferreira, 2000a); o SAEG
Sistema para Anlises Estatsticas (Ribeiro Jnior, 2001) e o GENES Aplicativo
computacional em Gentica e Estatstica (Cruz, 2001), ambos da Universidade Federal de
Viosa.
Este curso tem por objetivo apresentar alguns sistemas computacionais com aplicaes
diversas na anlise estatstica de experimentos com destaque ao SISVAR, pela facilidade de
acesso e utilizao.
2. CONCEITOS BSICOS
Esse item tem por objetivo apresentar alguns conceitos bsicos necessrios a uma
eficiente utilizao dos programas estatsticos a serem vistos no curso. Maiores detalhes poder
ser vistos em Banzatto & Kronka (1995), Ferreira (2000b), Pimentel Gomes (2000) e
Pimentel Gomes e Garcia (2002).
a) Experimentao: uma atividade que tem por objetivo estudar os experimentos, ou seja,
seu planejamento, conduo, coleta e anlise dos dados e interpretao dos resultados.
1
b) Experimentador: o indivduo responsvel pela conduo dos experimentos com a
maior preciso possvel.
c) Estatstica: Conjunto de tcnicas que se ocupam com a coleta, organizao, anlise e
interpretao de dados, tendo um modelo por referncia.
d) Estatstico: o indivduo especialista em estatstica experimental. Contribui com os
pesquisadores na tomada de deciso nas diversas fases dos experimentos.
e) Experimento: um trabalho planejado, que segue determinados princpios bsicos, com
o objetivo de se fazer comparaes dos efeitos dos tratamentos.
f) Tratamento: a condio imposta parcela experimental, cujo efeito deseja-se medir ou
comparar em um experimento.
g) Parcela experimental: a menor unidade de um experimento em que se aplica o
tratamento ou a combinao deste. Denomina-se de parcela til a unidade na qual os
tratamento so avaliados e onde so coletadas as variveis respostas.
h) Bordadura: uma rea de proteo utilizada para evitar que uma parcela seja afetada
pelo tratamento da parcela vizinha.
i) Delineamento experimental: a forma de distribuio dos tratamentos na rea
experimental. Os principais delineamentos experimentais utilizados so: inteiramente
casualizado, blocos casualizados e quadrado latino.
j) Esquemas experimentais: so formas de arranjos dos tratamentos nos experimentos em
que so estudados, ao mesmo tempo, os efeitos de dois ou mais tipos de tratamentos ou
fatores. Os principais esquemas experimentais so fatorial, parcela subdividida e
experimentos em faixa.
k) Anlise de varincia: uma tcnica que permite decompor a variao total observada
nos dados experimentais em causas conhecidas e no conhecidas.
l) Erro experimental: variao devida ao efeito dos fatores no controlados ou que ocorre
ao acaso, de forma aleatria. Ramalho et al. (2000) definem o erro experimental como as
variaes aleatrias entre parcelas que receberam o mesmo tratamento.
2
experimental, aumentar a preciso das estimativas e aumentar o poder dos
testes estatsticos.
2.1.2 Casualizao: consiste em propiciar aos tratamentos a mesma
probabilidade de serem designados a qualquer uma das parcelas
experimentais. Tm por finalidade dar validade s estimativas calculadas
com os dados observados e aos testes de hipteses realizados.
2.1.3 Controle local: sua funo diminuir o erro experimental. usado quando
uma rea experimental heterognea. Tem por finalidade dividir uma rea
heterognea em reas menores e homogneas, chamadas de blocos.
3
4. ARQUIVO DE DADOS
O Microsoft Excel, alm de ser uma planilha eletrnica que possui poderosos recursos,
apresenta alta compatibilidade com os principais programas estatsticos. Alm disso, tem a
grande vantagem de facilidade de acesso e de interao com o usurio. Independente de se
utilizar o SAS ou o SISVAR, as planilhas com os dados dos experimentos a serem analisados,
sero feitas utilizando-se o Excel.
Na Tabela 3 est apresentado um exemplo de planilha criada utilizando-se o Excel.
Observe que nas colunas so especificados os tratamentos, blocos e variveis a serem
analisadas, e nas linhas esto s observaes referentes s parcelas experimentais. Devemos
utilizar sempre o ponto (.) ao invs da vrgula (,) como separador decimal. Se o tratamento for
qualitativo devemos codific-los por meio das letras (A, B, C,...), caso seja quantitativo,
devemos informar as quantidades estudadas.
VANTAGENS
Possui grande flexibilidade quanto ao nmero de tratamentos e repeties, sendo
dependente, entretanto, da quantidade de material e rea experimental disponveis;
Pode-se ter DIC no balanceado, ou seja, com nmeros de repeties diferentes entre
tratamentos, o que leva a grandes alteraes na anlise de varincia; mas os testes de
comparaes mltiplas passam a ser aproximados e no mais exatos. O ideal que os
tratamentos sejam igualmente repetidos;
Considerando o mesmo nmero de parcelas e tratamentos avaliados, o delineamento
que possibilita o maior grau de liberdade do erro.
4
DESVANTAGEM
Exige homogeneidade das condies experimentais. Se as condies no forem
uniformes, como se esperava antes da instalao do experimento, toda variao
(exceto a devida a tratamentos) ir para o erro, aumentando sua estimativa e
reduzindo, portanto, a preciso do experimento.
O modelo estatstico para o delineamento inteiramente casualizado dado por:
yij = + i + eij
em que:
T4 R3 T1 R2 T2 R3 T4 R1 T3 R2
T1 R3 T2 R4 T5 R1 T5 R3 T2 R1
T4 R2 T3 R1 T3 R4 T3 R3 T4 R4
T5 R4 T1 R4 T2 R2 T5 R2 T1 R1
5
Observa-se que no h qualquer restrio casualizao, podendo um determinado
tratamento ocupar qualquer posio na rea experimental.
Para exemplificar, ser utilizado parte dos dados obtidos por uma empresa que avalia
famlias de Eucaliptos camaldulensis. Os dados so referentes ao volume de madeira por
rvore, em m3x104. So apresentados os dados de 5 famlias avaliadas em um delineamento
inteiramente casualizado (DIC) com 6 repeties.
6
Primeira linha com o cabealho das variveis;
Demais linhas com os valores de cada parcela cada coluna deve ser uma
varivel;
No deixe clulas vazias.
Formatar cada coluna do seguinte tipo: se por exemplo, a primeira coluna for do tipo
qualitativa (texto), ento marque a coluna A e escolha formatar clulas e escolher a opo
texto; se a segunda for numrica, marcar a segunda coluna e escolher formatar clulas
nmero. Escolher o nmero de casas decimais correspondente ao maior nmero de casas
decimais observado para essa coluna e marcar obrigatoriamente a caixa escrita usar separador
de 1000 (.). Isso importantssimo, pois o Excel possui problemas de eliminar o separador de
decimais no arquivo exportado, formando nmeros onde a parte inteira e a decimal no foram
separadas uma da outra. Repetir para as demais colunas esse procedimento. possvel marcar
vrias colunas do mesmo tipo ao mesmo tempo para serem formatadas conjuntamente. No
caso numrico deve-se escolher o nmero de casas decimais do valor observado que apresente
um maior nmero de casas decimais para que o arquivo final no seja truncado em uma
preciso no pretendida.
Aps necessrio marcar toda a rea de dados, inclusive a primeira linha com os
nomes das variveis. importante no marcar clulas vazias aps o final da digitao dos
dados no meio do arquivo, pois o Sisvar no suporta esse tipo de dados. Foi feito pra trabalhar
com dados balanceados.
Escolher a opo arquivo salvar como e a sub-opo salvar como tipo dbase 3 ou
dbase 4, digitar o nome para o arquivo e confirmar. O Excel d uma mensagem que o arquivo
no suporta mltiplas planilhas e que pode ser perdidos os dados. Confirmar essa mensagem e
pronto, o arquivo j <nome.dbf>, pronto pra ser utilizado pelo Sisvar (no precisa importar).
Existem alguns cuidados que devem ser tomados para esse processo:
Salve antes de qualquer coisa o arquivo Excel para poder recorrer ao mesmo,
caso d problemas na exportao para dbase;
Abra o arquivo no editor de dados do Sisvar para checar se tudo est certo,
principalmente se as casas decimais no foram coladas a parte inteira dos
dados (problema do Excel e no do Sisvar);
Lembre-se de sair do Excel antes de abrir o arquivo no Sisvar para no gerar
conflitos de compartilhamento.
7
Aps todo esse procedimento voc ter o seu arquivo na extenso dbf pronto para ser
utilizado pelo Sisvar. O Sisvar est com algum problema para identificar um caminho ou
nome de arquivos em que sinais de acentuao de portugus foram utilizados. Assim
recomenda-se nomes de pastas e arquivos sem acentos, principalmente se o usurio estiver
utilizando o Windows XP em ingls.
8
Informar as Fontes de Variao. (no DIC, ver Tabela 1 TRAT, Erro e Total. No
necessrio informar Erro e Total);Clicar em FAMILIA, adicionar e Fim;
Clicar em Yes para encerrar o quadro de anlise de varincia;
Clicar em FAMILIA no Quadro Opes do quadro da anlise de varincia;
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em FAMILIA, teste escolhido, OK);
No quadro, Variveis a serem analisadas, selecionar varivel para analisar, no nosso
exemplo volume;
Clicar em Finalizar\Finalizar.
d) Sada dos resultados
Salvar relatrio como exemplo1 DIC.doc
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
FAMILIA 4 86725.533333 21681.383333 8.890 0.0001
erro 25 60973.833333 2438.953333
--------------------------------------------------------------------------------
Total corrigido 29 147699.366667
--------------------------------------------------------------------------------
CV (%) = 29.79
Mdia geral: 165.7666667 Nmero de observaes: 30
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Teste Tukey para a FV FAMILIA
--------------------------------------------------------------------------------
9
--------------------------------------------------------------------------------
Teste Scott-Knott (1974) para a FV FAMILIA
--------------------------------------------------------------------------------
NMS: 0.05
--------------------------------------------------------------------------------
Os resultados experimentais nos permitem concluir que houve efeito significativo das
famlias de Eucaliptos camaldulensis (p=0,0001) sobre o volume de madeira, em m3x104. O
volume de madeira produzido pela famlia A foi estatisticamente superior ao volume de
madeira produzido pelas demais famlias, sendo que as famlias B, D e E foram
estatisticamente iguais quanto ao volume produzido. A famlia C foi estatisticamente inferior
a todas as demais quanto ao volume produzido pelo teste de Scott-Knott ao nvel nominal de
5% de significncia.
Exemplo 2 de DIC
10
Em um estudo da influncia do recipiente no desenvolvimento de mudas de Eucaliptos
camaldulensis spp, empregou-se os seguintes tratamentos: A Laminado de madeira; B
Torro paulista, C Saco plstico; D Tubo de papel e E Frtil pote. Cada tratamento foi
repetido 6 vezes. No final do primeiro ano foram medidas as alturas das mudas, em metros,
encontrando-se os seguintes resultados.
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Recipientes 4 1.303333 0.325833 17.581 0.0000
erro 25 0.463333 0.018533
--------------------------------------------------------------------------------
Total corrigido 29 1.766667
--------------------------------------------------------------------------------
CV (%) = 10.75
Mdia geral: 1.2666667 Nmero de observaes: 30
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Teste Tukey para a FV Recipientes
--------------------------------------------------------------------------------
11
--------------------------------------------------------------------------------
NMS: 0.05
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 6
Erro padro: 0.0555777733351102
--------------------------------------------------------------------------------
Tabela 6. Altura mdia (erro padro) de mudas de Eucaliptos ssp, em metros, em funo dos
tipos de recipientes estudados.
1
Tipos de recipientes Mdias (erro padro)
A 1,65 a (0,05)
B 1,30 b (0,05)
C 1,05 c (0,05)
D 1,13 c (0,05)
E 1,23 b (0,05)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, considerando o valor nominal
de 5% de significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
tipos de recipientes (p<0,0001) sobre a altura das mudas de Eucaliptos ssp. As mudas
desenvolvidas no recipiente de laminado de madeira (recipiente A) foram estatisticamente
superiores em altura do que as mudas desenvolvidas nos demais tipos de recipientes. Os
recipientes, torro paulista e frtil pote (recipientes B e E respectivamente) produziram mudas
de alturas estatisticamente semelhantes. Os recipientes do tipo saco plstico e tubo de papel
(recipientes C e D respectivamente) produziram mudas com alturas estatisticamente
semelhante entre si e inferiores as alturas das mudas desenvolvidas nos demais recipientes,
pelo teste de Scott-Knott ao nvel de 5% de probabilidade.
12
6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO
13
Duas mdias A e B, obtidas de rA e rB repeties respectivamente, podem ser
comparadas pela relao:
A B
t=
QME QME
+
rA rB
em que: QME o quadrado mdio do erro, estimado pela anlise de varincia.
As mdias comparadas por esse teste sero diferentes estatisticamente se o valor
calculado de t for maior que aquele tabelado segundo os graus de liberdade do erro.
O valor da diferena mnima significativa (DMS) dada por:
QME QME
DMS (Student) = tgl do erro +
rA rB
OBS: t > ttabelado , o teste significativo e rejeitamos a hiptese H0 (H0: mdia populacional do
tratamento A=mdia populacional do tratamento B)
QME
DMS(SNK) = qi
r
TESTE DE TUKEY
A opo proposta por Tukey, em 1953, de apenas um valor de diferena mnima
significativa, a despeito da existncia de vrias mdias, caracterizou-se o teste como
extremamente rigoroso, que embora controlasse muito bem o erro tipo I, permitia o
aparecimento do erro tipo II.
14
A diferena mnima significativa proposta por Tukey dada por:
QME
DMS(Tukey) = q
r
em que: q o valor tabelado por Tukey em funo do nmero de tratamentos e dos graus de
liberdade do erro.
TESTE DE SCHEFF
A flexibilidade proposta por Scheff (1953), para comparar qualquer contraste entre
mdias e permitindo nmeros de observaes por tratamento definiu um teste um pouco mais
rigoroso que aquele de Tukey, merecendo, portanto, os mesmos comentrios com relao ao
perigoso aumento do erro tipo II.
A diferena mnima significativa para qualquer contraste dada por:
DMS (Scheff) = (t 1) F1 , 2 var(contraste)
var(contraste)=QME
c 2
i
ri
TESTE DE DUNCAN
O teste de Duncan utiliza a mesma argumentao do teste SNK porm as DMS para
comparao de mdias mais afastadas foi reduzida reduzindo ento as chances de cometer o
erro tipo II.
QME
DMS (Duncan) = qi
r
em que: QME o quadrado mdio do erro, estimado pela anlise de varincia e qi o valor
tabelado por Duncan obtido da distncia entre as mdias e dos graus de liberdade do erro. Os
valores de qi no sobem to rapidamente quanto aqueles do teste SNK.
TESTE DE DUNNETT
15
Para as comparaes mltiplas onde apenas um tratamento serve de referncia
(testemunha) para os demais, ou seja, deseja-se comparar todos com apenas um, Dunnett
sugeriu a seguinte diferena mnima significativa (DMS):
QME t 2
DMS(Dunnett) = D ci
r i =1
16
I
c1 + c2 + ... + cI = 0 ci = 0
i =1
Y2 = m1 + m2 2m3
Y3 = m1 + m2 m3 m4
Y2 1 + 1 + ( 2 ) = 0
Y3 1 + 1 + ( 1) + ( 1) = 0
Y 2 Y 2
S .Q.Y = r ou S .Q. = r
(c12 + c22 + ... + cI2
Y I
ci
i =1
2
17
e
I
Y2 = b1m1 + b2 m2 + ... + bI mI bi = 0
i =1
so contrastes ortogonais se:
I
c1b1 + c2b2 + ... + cI bI ci bi = 0
i =1
Ento, S .Q.Y2 uma parte extrada da diferena entre:
S .Q.Trat S .Q.Y1
Da mesma forma, para uma comparao Y3 (ortogonal a Y2 e Y1, S .Q.Y3 uma parte extrada
da diferena entre:
S .Q.Trat S .Q.Y1 S .Q.Y2
Dessa maneira, se: Y1, Y2,...,Y(I-1) so mutuamente ortogonais, isto , cada par ortogonal,
ento:
S .Q.Trat = S .Q.Y1 + S .Q.Y2 + ... + S .Q.Y( I 1)
ou
Y12 Y22 Y( 2I 1)
S .Q.Trat = I
r + I
r + ... + I
r
c
i =1
2
1 c
i =1
2
2 c
i =1
2
( I 1)
Esta expresso identifica a partio da S.Q.Trat (que tem (I-1) g.l.), em (I-1)
componentes, cada um representando um nico grau de liberdade.
18
5. Solo de cerrado + vermiculita + NPK (SC + V + NPK)
Os resultados obtidos para as alturas mdias de Pinus oocarpa sob aqueles
tratamentos, em cm, aos 60 dias aps a semeadura so apresentados na Tabela 7.
Tabela 7. Alturas mdias de Pinus oocarpa, aos 60 dias aps a semeadura, em cm.
Repeties
Tratamentos 1 2 3 4
1 SC 4,6 5,1 5,8 5,5
2 SC + E 6,0 7,1 7,2 6,8
3 SC + E + SPK 5,8 7,2 6,9 6,7
4 SC + V 5,6 4,9 5,9 5,7
5 SC + V + SPK 5,8 6,4 6,6 6,8
Y1 = 4m1 m2 m3 m4 m5
Y2 = m2 + m3 m4 m5
Y3 = m2 m3
Y3 = m4 m5
Estes contrastes so ortogonais entre si, j que so ortogonais dois a dois (ver Banzatto
e Kronka, 1995).
19
Algumas observaes sobre a estrutura dos tratamentos:
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Tratamentos 4 7.597000 1.899250 7.277 0.0018
erro 15 3.915000 0.261000
--------------------------------------------------------------------------------
Total corrigido 19 11.512000
--------------------------------------------------------------------------------
CV (%) = 8.35
Mdia geral: 6.1200000 Nmero de observaes: 20
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Contraste para a FV Tratamentos
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 1
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 4.0000
2 -1.0000
3 -1.0000
4 -1.0000
5 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
20
4 e os negativos por 4
--------------------------------------------------------------------------------
Estimativa : -1.08750000
DMS Scheff : 0.99843489
NMS: : 0.05
Varincia : 0.08156250
Erro padro : 0.28559149
t para H0: Y = 0 : -3.808
Pr>|t| : 0.002
F para H0: Y = 0 : 14.500
Pr>F : 0.002
Pr exata Scheff : 0.029
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Contraste para a FV Tratamentos
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 2
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 0.0000
2 1.0000
3 1.0000
4 -1.0000
5 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
2 e os negativos por 2
--------------------------------------------------------------------------------
Estimativa : 0.75000000
DMS Scheff : 0.89302732
NMS: : 0.05
Varincia : 0.06525000
Erro padro : 0.25544080
t para H0: Y = 0 : 2.936
Pr>|t| : 0.010
F para H0: Y = 0 : 8.621
Pr>F : 0.010
Pr exata Scheff : 0.124
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Contraste para a FV Tratamentos
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 3
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 0.0000
2 1.0000
3 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
--------------------------------------------------------------------------------
Estimativa : 0.12500000
DMS Scheff : 1.26293134
NMS: : 0.05
Varincia : 0.13050000
Erro padro : 0.36124784
t para H0: Y = 0 : 0.346
Pr>|t| : 0.734
F para H0: Y = 0 : 0.120
Pr>F : 0.734
21
Pr exata Scheff : 0.998
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Contraste para a FV Tratamentos
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 4
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 0.0000
2 0.0000
3 0.0000
4 1.0000
5 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
--------------------------------------------------------------------------------
Estimativa : -0.87500000
DMS Scheff : 1.26293134
NMS: : 0.05
Varincia : 0.13050000
Erro padro : 0.36124784
t para H0: Y = 0 : -2.422
Pr>|t| : 0.029
F para H0: Y = 0 : 5.867
Pr>F : 0.029
Pr exata Scheff : 0.261
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Contraste 1 1 3.784500 3.784500 14.500 0.0017
Contraste 2 1 2.250000 2.250000 8.621 0.0102
Contraste 3 1 0.031250 0.031250 0.120 0.7341
Contraste 4 1 1.531250 1.531250 5.867 0.0286
Resduo 15 3.915000 0.261000
--------------------------------------------------------------------------------
22
APRESENTAO DOS RESULTADOS
23
7. DELINEAMENTO EM BLOCOS CASUALIZADOS
O delineamento em blocos casualizados utilizado quando as condies experimentais
no so homogneas.
A rea heterognea subdividida em blocos, de forma que, cada bloco seja o mais
homogneo possvel. A exigncia de homogeneidade dentro de cada bloco pode limitar o
nmero de tratamentos a serem testados.
Considerando um experimento em que sero avaliados 5 tratamentos (T1, T2, T3, T4 e
T5) em uma rea heterognea, instalado no delineamento em blocos casualizados com 4
blocos, um possvel plano experimental a ser utilizado consta de:
bloco 1 T3 T1 T2 T5 T4
bloco 2 T1 T4 T3 T5 T2
bloco 3 T5 T3 T1 T2 T4
bloco 4 T4 T5 T3 T2 T1
VANTAGENS
Controla diferenas nas condies ambientais de um bloco para outro;
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos isolada.
24
DESVANTAGENS
H uma reduo no nmero de graus de liberdade do erro pois o DBC utiliza o
princpio do controle local;
O nmero de tratamentos a ser utilizado limitado pela exigncia de homogeneidade
dentro dos blocos, no podendo ser muito elevado.
O modelo estatstico do delineamento em blocos casualizados dado por:
yij = + i + j + eij
em que:
Exemplo 1 de DBC
25
Tabela 10. Altura mdia, em metros, por clones e por bosques das plantas cultivadas.
Clones
Bosques A B C D
1 5,47 4,26 3,65 4,86
2 4,56 4,56 4,87 3,95
3 4,87 4,56 2,43 4,56
4 4,26 3,65 3,04 3,65
5 3,65 4,26 2,74 4,26
26
Tabela 11. Dados de um experimento instalado no delineamento em blocos casualizados para
avaliar a altura, em metros, de quatro espcies de lamo Americano plantados em
cinco bosques distintos.
Clones Blocos Altura
A 1 5,47
A 2 4,56
A 3 4,87
A 4 4,26
A 5 3,65
B 1 4,26
B 2 4,56
B 3 4,56
B 4 3,65
B 5 4,26
C 1 3,65
C 2 4,87
C 3 2,43
C 4 3,04
C 5 2,74
D 1 4,56
D 2 3,95
D 3 4,56
D 4 3,65
D 5 4,26
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
TABELA DE ANLISE DE VARINCIA
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Clones 3 4.155695 1.385232 3.936 0.0362
Blocos 4 2.803820 0.700955 1.992 0.1600
erro 12 4.223580 0.351965
--------------------------------------------------------------------------------
Total corrigido 19 11.183095
--------------------------------------------------------------------------------
CV (%) = 14.45
Mdia geral: 4.1055000 Nmero de observaes: 20
Teste Tukey para a FV Clones
--------------------------------------------------------------------------------
27
Mdia harmonica do nmero de repeties (r): 5
Erro padro: 0.265316791779186
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Teste SNK para a FV Clones
Mdias DMS
NMS: 0.05
--------------------------------------------------------------------------------
4 1.11437416745546
3 1.00152091822158
2 0.817522501282244
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 5
Erro padro: 0.265316791779186
--------------------------------------------------------------------------------
NMS: 0.05
--------------------------------------------------------------------------------
Tabela 12. Altura mdia (erro padro) de clones de lamo Americano, em metros.
1
Clones Mdias (erro padro)
A 4,56 a (0,26)
B 4,26 a (0,26)
C 3,35 b (0,26)
D 4,26 a (0,26)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, para o valor nominal de 5% de
significncia.
28
Interpretao dos resultados
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
diferentes dos diferentes clones de lamo Americano (p=0,0362) sobre a altura das plantas.
No houve efeito significativo do controle local exercido pelos diferentes bosques (p=0,1600)
sobre a altura das rvores. As rvores dos clones A, B e D apresentaram alturas
estatisticamente iguais e superiores quando comparadas a rvore do clone C pelo teste de
Scott-Knott considerando o valor nominal de 5% de significncia.
Exemplo 2 de DBC
Os dados da tabela 13, que se referem a um experimento de adubao de milho feito
pelos engenheiros Agrnomos Glauco Pinto Viegas e Erik Smith, em blocos ao acaso, permite
exemplificar a aplicao da teoria. Os tratamentos constaram de adubao com 0, 25, 50, 75, e
100 kg/ha de P2O5.
RESULTADOS
Arquivo analisado:
C:\Arquivos de programas\Sisvar\Exemplos\Pimen230.DB
--------------------------------------------------------------------------------
Varivel analisada: Produo de milho
--------------------------------------------------------------------------------
TABELA DE ANLISE DE VARINCIA
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Blocos 3 2.734855 0.911618 1.002 0.4252
Adubao kg/parcela 4 72.219880 18.054970 19.853 0.0000
29
erro 12 10.913320 0.909443
--------------------------------------------------------------------------------
Total corrigido 19 85.868055
--------------------------------------------------------------------------------
CV (%) = 11.30
Mdia geral: 8.4385000 Nmero de observaes: 20
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Regresso para a FV Adubao kg/parcela
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.476823692084751
--------------------------------------------------------------------------------
b1 : X
b2 : X^2
b3 : X^3
Modelos reduzidos sequenciais
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 6.422500 0.36934604 17.389 0.0000
b1 0.040320 0.00603140 6.685 0.0000
--------------------------------------------------------------------------------
R^2 = 56.28%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
0.000000 4.647500 6.422500
25.000000 9.255000 7.430500
50.000000 9.300000 8.438500
75.000000 9.350000 9.446500
100.000000 9.640000 10.454500
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 5.189643 0.44875020 11.565 0.0000
b1 0.138949 0.02126319 6.535 0.0000
b2 -0.000986 0.00020390 -4.837 0.0004
--------------------------------------------------------------------------------
R^2 = 85.74%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
0.000000 4.647500 5.189643
25.000000 9.255000 8.046929
50.000000 9.300000 9.671357
75.000000 9.350000 10.062929
100.000000 9.640000 9.221643
--------------------------------------------------------------------------------
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 4.709393 0.47340556 9.948 0.0000
b1 0.276620 0.04817182 5.742 0.0001
b2 -0.004828 0.00122339 -3.947 0.0019
b3 0.000026 0.00000804 3.185 0.0078
--------------------------------------------------------------------------------
R^2 = 98.51%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
30
0.000000 4.647500 4.709393
25.000000 9.255000 9.007429
50.000000 9.300000 9.671357
75.000000 9.350000 9.102429
100.000000 9.640000 9.701893
--------------------------------------------------------------------------------
31
controle local, diferindo do delineamento em blocos casualizados por apresentar controle
local em duas direes.
O DQL um delineamento bastante utilizado em condies de campo onde 2 fontes
principais de variao esto presentes e que precisam ser controladas. Cada tratamento
aparece uma nica vez em cada linha (ou bloco horizontal) e em cada coluna (bloco vertical).
A exigncia principal do quadrado latino que o nmero de repeties seja igual ao nmero
de tratamentos.
Os delineamentos em quadrado latino recebem este nome porque o nmero de parcelas
totais do experimento corresponde ao quadrado do nmero de tratamentos ( n = t 2 ) e por
VANTAGENS
Controla diferenas nas condies ambientais de um bloco para outro em duas
direes;
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos, em duas direes, isolada.
DESVANTAGENS
H uma reduo no nmero dos graus de liberdade do erro, pois o DQL, utiliza o
princpio do controle local em duas direes;
O nmero de tratamentos a ser utilizado limitado pela exigncia de homogeneidade
dentro dos blocos, no podendo ser muito elevado, geralmente o tamanho mximo de
quadrados latinos 8x8.
O modelo estatstico do delineamento em quadrado latino dado a seguir:
yijk = + i + j + k + eijk
em que:
yijk representa a observao do i -simo tratamento na j -sima coluna e na k -sima
linha;
32
ijk representa o erro experimental associado a observao yijk , suposto ter
distribuio normal com mdia zero e varincia comum.
CASUALIZAO
A casualizao para delineamentos em quadrados latinos com 2, 3 ou 4 tratamentos
processada como segue:
tome o quadrado padro (sistematizado);
casualize todas as linhas, exceto a primeira;
casualize todas as colunas.
Como exemplo, suponha que voc deseja casualizar um quadrado latino com 4
tratamentos: A, B, C e D. Procedemos como segue:
O quadrado sistematizado o seguinte:
Coluna 1 Coluna 2 Coluna 3 Coluna 4
Linha 1 A B C D
Linha 2 D A B C
Linha 3 C D A B
Linha 4 B C D A
33
Coluna 2 Coluna 3 Coluna 4 Coluna 1
Linha 1 B C D A
Linha 4 C D A B
Linha 2 A B C D
Linha 3 D A B C
A casualizao para quadrados latinos com 5 ou mais tratamentos semelhante ao
procedimento apresentado anteriormente. Para este sorteio no necessrio, no momento de
sortear as linhas, fixar a primeira.
34
Abrir arquivo exemplo DQL.dbf (no quadro variveis do arquivo deve aparecer as
variveis do arquivo a ser analisado);
Informar as Fontes de Variao. (No DQL, ver Tabela 12 Tratamentos, Linhas,
Colunas, Erro e Total. No necessrio informar Erro e Total);Clicar em Tratamentos,
adicionar, Linhas, adicionar, Colunas e Fim;
Clicar em Yes para encerrar o quadro de anlise de varincia;
Clicar em tratamentos no quadro Opes do quadro da anlise de varincia;
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em tratamentos, teste escolhido, Ok);
No quadro, Variveis a serem analisadas, selecionar varivel para analisar, no nosso
exemplo PRODUO;
Clicar em Finalizar\Finalizar.
a.4) Sada dos resultados
Salvar relatrio como exemplo DQL.doc
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Tratamentos 4 137488.240000 34372.060000 12.091 0.0004
Linhas 4 30480.640000 7620.160000 2.680 0.0831
Colunas 4 55640.640000 13910.160000 4.893 0.0142
erro 12 34114.720000 2842.893333
--------------------------------------------------------------------------------
Total corrigido 24 257724.240000
--------------------------------------------------------------------------------
CV (%) = 11.33
Mdia geral: 470.5200000 Nmero de observaes: 25
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Teste Tukey para a FV Tratamentos
--------------------------------------------------------------------------------
35
Erro padro: 23.8448876421481
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Teste SNK para a FV Tratamentos
Mdias DMS
NMS: 0.05
--------------------------------------------------------------------------------
5 107.521299732566
4 100.152450344729
3 90.0099598148694
2 73.4734204242411
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 5
Erro padro: 23.8448876421481
--------------------------------------------------------------------------------
Tabela 16. Produo mdia (erro padro) de variedades de cana forrageira, em kg por parcela.
1
Variedades Mdias (erro padro)
A 493 b (23,8)
B 441 b (23,8)
C 605 a (23,8)
D 413 b (23,8)
E 401 b (23,8)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de SNK, para o valor nominal de 5% de
significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo das
diferentes variedades de cana forrageira (p=0,0004) sobre a produo em kg por parcela das
plantas. No houve efeito significativo do controle local exercido por linhas (p=0,0831) e
houve efeito significativo do controle exercido pelas colunas (p=0,0142), sobre a produo de
cana forrageira. O melhor desempenho das variedades nesta competio foi alcanado pela
36
variedade de cana forrageira Co 297 que superou todas as demais. No se constatou
diferenas significativas entre Co 290, Co 294, Co 299 e Co 295 pelo teste de SNK
considerando um valor nominal de 5% de probabilidade.
A equao de regresso
Considere uma amostra de n pares ( xi , yi ) de duas variveis e suponha que exista
uma relao funcional linear entre elas, que pode ser descrita pelo modelo:
yi = 0 + 1 xi + i , ( i = 1,..., n )
em que:
yi : a varivel dependente;
0 o coeficiente linear;
1 o coeficiente de regresso;
xi a varivel independente;
i o erro do modelo de regresso.
37
em que: X o teor de Al+ + + no solo em me/100cc de solo; Y a produtividade de cultura em
t/ha.
RESULTADOS
---------------------------------------------------------------------------
Anlise de varincia
---------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
---------------------------------------------------------------------------
Modelo 1 0.209277003 0.20927700 21.8608 0.0055
Erro 5 0.047865854 0.00957317
---------------------------------------------------------------------------
Total cor 6 0.257142857
Mdia 0.74285714 Raiz do QME 0.09784258
R^2 0.81385501 R^2 ajustado 0.77662602
C.V.(%) 13.17111672
---------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
---------------------------------------------------------------------------
b ( 1) 1 0.209277003 0.20927700 21.8608 0.0055
---------------------------------------------------------------------------
Anlise de varincia parcial (Tipo II)
---------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
---------------------------------------------------------------------------
b ( 1) 1 0.209277003 0.20927700 21.8608 0.0055
--------------------------------------------------------------------------
---------------------------------------------------------------------------
Estimativas dos parmetros
---------------------------------------------------------------------------
Estimativa dos t para H0:
Varivel GL parmetros EP parmetro = 0 Pr>|t|
---------------------------------------------------------------------------
b ( 0) 1 1.42469512195 0.150446428 9.469783625 0.0002
b ( 1) 1 -0.47256097561 0.101070637 -4.675551575 0.0055
---------------------------------------------------------------------------
Obs Valor observado Valor predito valor predito Resduos
---------------------------------------------------------------------------
38
6 0.50000 0.57409 0.05168 -0.07409
7 0.50000 0.47957 0.06737 0.02043
LI 95% para LS 95% para Erro padro Resduos
Obs o valor predito o valor predito dos resduos estudentizados
---------------------------------------------------------------------------
1 0.8292904 1.16949 0.07208 0.00846
2 0.7745915 1.03516 0.08369 -0.05828
3 0.7435155 0.97173 0.08720 -0.66084
4 0.6196306 0.81208 0.09040 2.03701
5 0.5651298 0.77207 0.08918 -0.76919
6 0.4412331 0.70694 0.08308 -0.89171
7 0.3063829 0.65276 0.07096 0.28788
--------------------------------------------------------------------------
1.2
Produtividade (t/ha)
0.8
0.6
0.4 Y=1,4247-0,472x
R2=0,7766
0.2
0
0.9 1.1 1.2 1.5 1.6 1.8 2
Teores de Alumnio (mE/100cc de solo)
39
Um exemplo de regresso por Polinmios Ortogonais
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Idade de Corte 4 2135.448000 533.862000 5.138 0.0120
blocos 3 162.538000 54.179333 0.521 0.6756
erro 12 1246.872000 103.906000
--------------------------------------------------------------------------------
Total corrigido 19 3544.858000
--------------------------------------------------------------------------------
CV (%) = 36.01
Mdia geral: 28.3100000 Nmero de observaes: 20
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Regresso para a FV Idade de Corte
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 5.0967146280717
--------------------------------------------------------------------------------
b1 : X
b2 : X^2
b3 : X^3
--------------------------------------------------------------------------------
Modelos reduzidos sequenciais
--------------------------------------------------------------------------------
40
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 22.535000 5.34547940 4.216 0.0012
b1 0.064167 0.05372409 1.194 0.2554
--------------------------------------------------------------------------------
R^2 = 6.94%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
30.000000 11.600000 24.460000
60.000000 34.750000 26.385000
90.000000 39.100000 28.310000
120.000000 35.000000 30.235000
150.000000 21.100000 32.160000
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 -18.740000 10.93123506 -1.714 0.1122
b1 1.243452 0.27767760 4.478 0.0008
b2 -0.006552 0.00151350 -4.329 0.0010
--------------------------------------------------------------------------------
R^2 = 98.12%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
30.000000 11.600000 12.667143
60.000000 34.750000 32.281429
90.000000 39.100000 40.102857
120.000000 35.000000 36.131429
150.000000 21.100000 20.367143
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
t para
Parmetro Estimativa SE H0: Par=0 Pr>|t|
--------------------------------------------------------------------------------
b0 -31.340000 25.07252081 -1.250 0.2351
b1 1.833452 1.09245272 1.678 0.1191
b2 -0.014052 0.01351603 -1.040 0.3190
b3 0.000028 0.00004974 0.558 0.5868
--------------------------------------------------------------------------------
R^2 = 99.63%
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Valores da varivel
independente Mdias observadas Mdias estimadas
--------------------------------------------------------------------------------
30.000000 11.600000 11.767143
60.000000 34.750000 34.081429
90.000000 39.100000 40.102857
120.000000 35.000000 34.331429
150.000000 21.100000 21.267143
--------------------------------------------------------------------------------
Somas de quadrados seqenciais - Tipo I (Type I)
--------------------------------------------------------------------------------
Causas de Variao G.L. S.Q. Q.M. Fc Prob.<F
--------------------------------------------------------------------------------
b1 1 148.225000 148.225000 1.427 0.255
b2 1 1947.000714 1947.000714 18.738 0.001
b3 1 32.400000 32.400000 0.312 0.587
Desvio 1 7.822286 7.822286 0.075 0.788
Resduo 12 1246.872000 103.906000
------------------------------------------------------------------------------------------------------
41
APRESENTAO DOS RESULTADOS
Os resultados experimentais nos mostram que existe um efeito significativo das idades
de corte do capim (p=0,0120) sobre a sua produtividade. Verificamos tambm que uma
regresso quadrtica (p=0,0010) a que melhor se ajusta aos dados de produtividade.
45
40
Produtividade (t/ha)
35
30
25
20
15
10
5
0
30 60 90 120 150
Idades de Corte
42
O coeficiente de determinao (R2) mostra a qualidade do ajustamento do modelo de
regresso aos valores mdios dos tratamentos. Quanto mais prximos os valores observados
estiverem da curva de ajustamento, mais alto ser o coeficiente de determinao (R2).
T1 C1 T2 C1 T3 C1 T4 C1
T1 C2 T2 C2 T3 C2 T4 C2
T1 C3 T2 C3 T3 C3 T4 C3
VANTAGEM
Permite estudar os efeitos principais dos fatores e os efeitos das interaes entre eles.
DESVANTAGEM
Como os tratamentos correspondem a todas as combinaes possveis entre os nveis
dos fatores, o nmero de tratamentos a serem avaliados pode aumentar muito, no podendo
ser distribudos em blocos completos casualizados devido a exigncia de homogeneidade das
parcelas dentro de cada bloco. Isso 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 podem tornar-se um pouco mais
complicadas que nos experimentos simples.
43
Nos experimentos fatoriais o modelo estatstico varia de um experimento para outro
por causa do nmero de fatores testados.
Para um experimento fatorial no delineamento inteiramente casualizado com dois
fatores i e i , o modelo estatstico dado por:
yijk = + i + j + ij + ijk
em que:
em que:
yijk o valor observado na parcela experimental que recebeu o nvel i do fator
e o nvel j do fator no bloco k ;
representa uma constante geral;
k o efeito do bloco k ( k = 1, 2,..., b ) ;
i o efeito do nvel i do fator ( i = 1, 2,..., a ) ;
j o efeito do nvel j do fator ( j = 1, 2,..., g ) ;
ij o efeito da interao entre o nvel i do fator e o nvel j do fator ;
ijk o erro experimental.
44
O esquema da anlise de varincia para um experimento fatorial instalado no
delineamento em blocos casualizados apresentado na Tabela 19.
Tabela 20. Alturas mdias das mudas, em cm, aos 80 dias de idade.
Repeties
Tratamentos 1 2 3 4 Totais
1 R1E1 26,2 26,0 25,0 25,4 102,6
2 R1E2 24,8 24,6 26,7 25,2 101,3
3 R2E1 25,7 26,3 25,1 26,4 103,5
4 R2E2 19,6 21,1 19,0 18,6 78,3
5 R3E1 22,8 19,4 18,8 19,2 80,2
6 R3E2 19,8 21,4 22,8 21,3 85,3
45
Experimentos Fatoriais no SISVAR
Sejam os dados da Tabela 20 referentes a um delineamento inteiramente casualizado
num esquema fatorial 3 x 2, para avaliar as alturas mdias, em cm, de mudas.
46
Quando os tratamentos so estruturados o ideal que sejam comparados grupos de
mdias ao invs de comparaes duas a duas. Este procedimento pode ser realizado pelo teste
de Scheff.
RESULTADOS
Arquivo analisado:
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
RECIPIENTE 2 92.860833 46.430417 36.195 0.0000
ESPECIES 1 19.081667 19.081667 14.875 0.0012
RECIPIENTE*ESPECIES 2 63.760833 31.880417 24.853 0.0000
erro 18 23.090000 1.282778
--------------------------------------------------------------------------------
Total corrigido 23 198.793333
--------------------------------------------------------------------------------
CV (%) = 4.93
Mdia geral: 22.9666667 Nmero de observaes: 24
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Anlise do desdobramento de RECIPIENTE dentro de cada nvel de:
ESPECIES
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
RECIPIENTE /1 2 87.121667 43.560833 33.958 0.0000
RECIPIENTE /2 2 69.500000 34.750000 27.090 0.0000
Resduo 18 23.090000 1.282778
--------------------------------------------------------------------------------
47
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 1.0000
2 1.0000
3 -2.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
2 e os negativos por 2
--------------------------------------------------------------------------------
Estimativa : 5.71250000
DMS Scheff : 1.84926477
NMS Scheff : 0.05
Varincia : 0.48104167
Erro padro : 0.69357167
t para H0: Y = 0 : 8.236
Pr>|t| : 0.000
F para H0: Y = 0 : 67.837
Pr>F : 0.000
Pr exata Scheff : 0.000
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Contraste para a FV RECIPIENTE
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.566298900267734
CONTRASTE NMERO 2
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 1.0000
2 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
--------------------------------------------------------------------------------
Estimativa : -0.22500000
DMS Scheff : 2.13534702
NMS Scheff : 0.05
Varincia : 0.64138889
Erro padro : 0.80086759
t para H0: Y = 0 : -0.281
Pr>|t| : 0.782
F para H0: Y = 0 : 0.079
Pr>F : 0.782
Pr exata Scheff : 0.962
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Contraste 1 1 87.020417 87.020417 67.837 0.0000
Contraste 2 1 0.101250 0.101250 0.079 0.7820
Resduo 18 23.090000 1.282778
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
48
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 1.0000
2 1.0000
3 -2.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
2 e os negativos por 2
--------------------------------------------------------------------------------
Estimativa : 1.12500000
DMS Scheff : 1.84926477
NMS Scheff : 0.05
Varincia : 0.48104167
Erro padro : 0.69357167
t para H0: Y = 0 : 1.622
Pr>|t| : 0.122
F para H0: Y = 0 : 2.631
Pr>F : 0.122
Pr exata Scheff : 0.293
--------------------------------------------------------------------------------
Contraste para a FV RECIPIENTE
--------------------------------------------------------------------------------
Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.566298900267734
CONTRASTE NMERO 2
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
Nvel dessa Fonte de Variao Coeficientes
--------------------------------------------------------------------------------
1 1.0000
2 -1.0000
--------------------------------------------------------------------------------
Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
--------------------------------------------------------------------------------
Estimativa : 5.75000000
DMS Scheff : 2.13534702
NMS Scheff : 0.05
Varincia : 0.64138889
Erro padro : 0.80086759
t para H0: Y = 0 : 7.180
Pr>|t| : 0.000
F para H0: Y = 0 : 51.548
Pr>F : 0.000
Pr exata Scheff : 0.000
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
Contraste 1 1 3.375000 3.375000 2.631 0.1222
Contraste 2 1 66.125000 66.125000 51.548 0.0000
Resduo 18 23.090000 1.282778
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Anlise do desdobramento de ESPECIES dentro de cada nvel de:
RECIPIENTE
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
ESPECIES /1 1 0.211250 0.211250 0.165 0.6897
ESPECIES /2 1 79.380000 79.380000 61.881 0.0000
ESPECIES /3 1 3.251250 3.251250 2.535 0.1288
Resduo 18 23.090000 1.282778
--------------------------------------------------------------------------------
49
Codificao usada para o desdobramento
cod. RECIPIENTE
1 = 1
2 = 2
3 = 3
50
APRESENTAO DE RESULTADOS
Tabela 21. Coeficientes e estimativa dos contrastes com suas respectivas significativas.
Tratamentos (mdias) Estimativa do Contraste
R1 R2 R3
Contrastes (25,49) (22,72) (20,69)
Coeficientes dos contrastes
Sacos plsticos ou laminado (E1) 1 1 -2 11,4
Saco plstico grande ou pequeno (E1) 1 -1 0 5,7
Sacos plsticos ou laminado (E2) 1 1 -2 2,2
Saco plstico grande ou pequeno (E2) 1 -1 0 11,5
51
espcie. O contraste Y2 para essa mesma espcie foi significativo considerando o valor
nominal de 1% de significncia, ou seja, o recipiente de saco plstico pequeno proporciona,
em mdia, 11,5 cm de altura a mais do que plantada no saco plstico grande.
Desdobramento de espcies dentro de cada recipiente: (teste de t Student)
a) quando se utiliza o recipiente: saco plstico pequeno (R1), no h diferena
significativa (P>0,05) para o desenvolvimento das mudas das 2 espcies;
b) quando se utiliza o recipiente: saco plstico grande (R2), h diferena
significativa (P<0,01) no desenvolvimento das mudas das 2 espcies, sendo a
melhor para Eucaliptos citriodora (E1).
c) quando se utiliza o recipiente: laminado (R3) no h diferena significativa
(P>0,05) para o desenvolvimento das mudas das 2 espcies;
T1 C3 T2 C3 T2 C1 T1 C2 T2 C2 T1 C1
52
Nesse caso, uma determinada parcela deve receber o tratamento qumico T1 e uma
parcela vizinha o tratamento qumico T2, situao, s vezes, invivel em termos prticos.
Dessa forma, ao se utilizar o esquema de parcela subdividida, deve-se dividir o bloco em duas
parcelas, onde sero sorteados os tratamentos qumicos, sendo que dentro de cada parcela, h
uma subdiviso em subparcelas, com sorteio das cultivares. Um provvel sorteio pode ser
visualizado a seguir:
C3 C1 C2 C2 C3 C1
T2 T1
Observa-se que, nesse estudo, em funo do tipo de tratamento, o esquema de parcela
subdividida mais adequado que o esquema fatorial, por propiciar uma maior facilidade
prtica na instalao do experimento na rea experimental.
VANTAGENS
Os experimentos em parcelas subdivididas apresentam uma grande utilidade na
pesquisa agropecuria, alm de outras diversas reas. Tais experimentos so teis em
situaes como:
a) Quando os nveis dos fatores exigem grandes quantidades de material
experimental (por exemplo, nveis de irrigao), devendo ser casualizados nas
parcelas;
b) Quando informaes prvias asseguram que as diferenas entre os nveis de
um dos fatores so maiores que as do outro fator;
c) Quando se deseja maior preciso para comparaes entre os nveis de um dos
fatores;
d) Quando existe um fator de maior importncia (que dever se casualizado na
subparcela) e outro de importncia secundria, sendo este includo para
aumentar a extenso dos resultados;
e) Nas situaes prticas, onde difcil a instalao do experimento no esquema
fatorial.
53
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
O modelo estatstico para o experimento em parcela subdividida, com dois fatores
e , no delineamento inteiramente casualizado o seguinte:
yijk = + i + (i ) j + j + ( )ij + ijk
em que:
yijk o valor observado na parcela experimental que recebeu o nvel i do fator
a e o nvel j do fator g na repetio k ;
representa uma constante geral associada a varivel aleatria;
i o efeito do nvel i do fator ( i = 1, 2,.., a ) ;
(i) j o efeito do nvel i do fator na repetio k (erro a);
j o efeito do nvel j do fator ( j = 1, 2,..., g ) ;
( )ij o efeito da interao entre o nvel i do fator a e o nvel j do fator g ;
em que:
54
i o efeito do nvel i do fator ( i = 1, 2,..., a ) ;
( )ik o efeito da interao entre o nvel i do fator e o bloco k (erro a);
j o efeito do nvel j do fator ( j = 1, 2,..., g ) ;
( )ij o efeito da interao entre o nvel i do fator e o nvel j do fator ;
ijk o erro experimental (erro b).
Fator G g 1 SQ G QM G QM G / QM Erro b
AG ( a 1) ( g 1) SQ A G QM A G QM AG / QM Erro b
1) Interaes no significativas
10 caso: Comparao das mdias de tratamentos das parcelas. A DMS pelo teste de Tukey :
QME ( a )
DMS(Tukey) = q( a ,n1 )
br
em que: a o nmero de tratamentos da parcela; n1 o nmero de graus de liberdade do erro (a)
55
20 caso: Comparao de mdias de tratamentos das subparcelas. A DMS pelo teste de Tukey
:
QME ( b )
DMS(Tukey) = q(b ,n2 )
ar
2) Interaes significativas
30 caso: Comparao das mdias de tratamentos das subparcelas em cada nvel dos
tratamentos da parcela. A DMS pelo teste de Tukey :
QME ( b )
DMS(Tukey) = q(b ,n2 )
r
em que: b o nmero de tratamentos da subparcela; n2 o nmero de graus de liberdade do erro
(b) da anlise de varincia; r o nmero de repeties.
40 caso: Comparao das mdias de tratamentos das parcelas em cada nvel dos tratamentos
das subparcelas. Ser necessria a composio de um novo quadrado mdio do erro, composto dos
erros a e b da anlise de varincia da seguinte maneira:
QME ( a ) + ( b 1) QME ( b )
QME * =
b
Os graus de liberdade correspondente so dados por:
2
QME ( a ) + ( b 1) QME ( b )
n =
*
2 2
QME ( a ) ( b 1) QME ( b )
+
n1 n2
A DMS pelo teste de Tukey :
QME *
DMS(Tukey) = q a ,n*
( ) r
56
Um exemplo de Parcela Subdividida
Espaamentos
Espcies Blocos 2x2 2,5 x 2,5 3x3
A 1 80 75 68
2 66 70 68
3 65 80 78
B 1 110 100 120
2 115 110 120
3 98 100 99
C 1 76 78 110
2 66 90 110
3 70 98 110
D 1 82 86 100
2 70 98 110
3 76 90 105
E 1 80 84 103
2 73 94 108
3 69 88 103
57
a.3) Efetuar a anlise de varincia
Ir para Anlise\Anava
Abrir arquivo
Digitar as Fonte de Variao (ver Tabela 23)
Clicar em BLOCO e adicionar
Clicar em ESPAAMENTO e adicionar
Clicar em Erro = BLOCO * ESPAAMENTO e adicionar (No caso do delineamento
inteiramente casualizado clicar em REP (ESPAAMENTO) ver Tabela 22)
Clicar em ESPCIES e adicionar
Clicar em ESPCIES * ESPAAMENTOS e adicionar
Clicar em Fim.
a.4) Testes de comparaes de mdias
58
Tabela 24. Dados de um experimento instalado no delineamento em blocos casualizados em
esquema de parcela subdividida para avaliar o efeito de 5 espcies de Eucaliptos
ssp (subparcelas) plantadas cada uma em trs espaamentos (parcela) em 3 blocos,
em que se avaliou as produes pluviomtricas, em m3.
ESPECIES ESPAAMENTOS BLOCO PRODUES
A 1 1 80
A 1 2 66
A 1 3 65
A 2 1 75
A 2 2 70
A 2 3 80
A 3 1 68
A 3 2 68
A 3 3 78
B 1 1 110
B 1 2 115
B 1 3 98
B 2 1 100
B 2 2 110
B 2 3 100
B 3 1 120
B 3 2 120
B 3 3 99
C 1 1 76
C 1 2 66
C 1 3 70
C 2 1 78
C 2 2 90
C 2 3 98
C 3 1 110
C 3 2 110
C 3 3 110
D 1 1 82
D 1 2 70
D 1 3 76
D 2 1 86
D 2 2 98
D 2 3 90
D 3 1 100
D 3 2 110
D 3 3 105
E 1 1 80
E 1 2 73
E 1 3 69
E 2 1 84
E 2 2 94
E 2 3 88
E 3 1 103
E 3 2 108
E 3 3 103
RESULTADOS
Arquivo analisado:
59
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
BLOCO 2 51.244444 25.622222 0.231 0.8039
ESPAAMENTO 2 3336.044444 1668.022222 15.011 0.0138
erro 1 4 444.488889 111.122222
ESPECIES 4 5773.422222 1443.355556 40.550 0.0000
ESPECIES*ESPAAMENTO 8 1841.511111 230.188889 6.467 0.0002
erro 2 24 854.266667 35.594444
--------------------------------------------------------------------------------
Total corrigido 44 12300.977778
--------------------------------------------------------------------------------
CV 1 (%) = 11.72
CV 2 (%) = 6.63
Mdia geral: 89.9777778 Nmero de observaes: 45
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
Anlise do desdobramento de ESPECIES dentro de cada nvel de: ESPAAMENTO
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
ESPECIES /1 4 2992.933333 748.233333 21.021 0.0000
ESPECIES /2 4 1218.933333 304.733333 8.561 0.0002
ESPECIES /3 4 3403.066667 850.766667 23.902 0.0000
Resduo 24 854.266667 35.594444
--------------------------------------------------------------------------------
60
DMS: 14.355597926012 NMS: 0.05
--------------------------------------------------------------------------------
NMS: 0.05
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
ESPECIES
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
ESPAAMENTO /1 2 36.222222 18.111111 0.357 0.7029
ESPAAMENTO /2 2 140.666667 70.333333 1.387 0.2736
61
ESPAAMENTO /3 2 2326.222222 1163.111111 22.941 0.0000
ESPAAMENTO /4 2 1262.888889 631.444444 12.455 0.0005
ESPAAMENTO /5 2 1411.555556 705.777778 13.921 0.0003
Resduo 16 811.200000 50.700000
--------------------------------------------------------------------------------
62
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 4 (D)
30 caso: Comparao das mdias de tratamentos das subparcelas (espcies) em cada nvel dos
tratamentos da parcela (espaamentos) usou o erro (b) da anlise de varincia na
comparao.
Anlise do desdobramento de ESPECIES dentro de cada nvel de: ESPAAMENTOS
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
ESPECIES /1 4 2992.933333 748.233333 21.021 0.0000
ESPECIES /2 4 1218.933333 304.733333 8.561 0.0002
ESPECIES /3 4 3403.066667 850.766667 23.902 0.0000
Resduo 24 854.266667 35.594444
--------------------------------------------------------------------------------
63
40 caso: Comparao das mdias de tratamentos das parcelas (espaamentos) em cada nvel
dos tratamentos da subparcela (espcies) usou o erro * e gl *.
--------------------------------------------------------------------------------
FV GL SQ QM Fc Pr>Fc
--------------------------------------------------------------------------------
ESPAAMENTO /1 2 36.222222 18.111111 0.357 0.7029
ESPAAMENTO /2 2 140.666667 70.333333 1.387 0.2736
ESPAAMENTO /3 2 2326.222222 1163.111111 22.941 0.0000
ESPAAMENTO /4 2 1262.888889 631.444444 12.455 0.0005
ESPAAMENTO /5 2 1411.555556 705.777778 13.921 0.0003
Resduo 16 811.200000 50.700000
--------------------------------------------------------------------------------
Codificao usada para o desdobramento
cod. ESPECIES
1 = A
2 = B
3 = C
4 = D
5 = E
Tabela 25. Valores mdios (erro padro) de produo de madeira, em m3, de 5 espcies de
Eucaliptos ssp.
Espaamentos1
Espcies2 2m x 2m 2,5m x 2,5m 3m x 3m Mdias
A 70 (3,4) b A 75 (3,4) c A 71 (3,4) b A 72 (2,0) c
B 108 (3,4) a A 103 (3,4) a A 113 (3,4) a A 108 (2,0) a
C 71 (3,4) b C 89 (3,4) bc B 110 (3,4) b A 90 (2,0) b
D 76 (3,4) b B 91 (3,4) ab A 105 (3,4) b A 91 (2,0) b
E 74 (3,4) b B 89 (3,4) bc B 105 (3,4) b A 89 (2,0) b
Mdias 80 (2,7) B 89 (2,7) AB 101 (2,7) A
1
Mdias seguidas de mesma letra maiscula, na linha no diferem entre si pelo teste de Tukey considerando o valor nominal
de significncia de 5%; 2 Mdias seguidas de mesma letra minscula, na coluna, no diferem entre si pelo teste de Tukey
com o valor nominal de 5% de probabilidade.
64
iguais entre si pelo teste de Tukey com o valor nominal de 5% de significncia. Para o
espaamento 2,5m x 2,5m as espcies B e D foram estatisticamente semelhantes quanto
produo de madeira, em m3, e superiores as demais espcies em estudo, sendo que a espcie
D no diferiu estatisticamente das espcies C e E pelo teste de Tukey considerando o valor
nominal de 5% de significncia.
FERREIRA, D. F. Anlises estatsticas por meio do Sisvar para Windows verso 4.0. In:
Reunio Anual da Regio Brasileira da Sociedade internacional de Biometria, 45., 2000a, So
Carlos, Programa e resumos... So Carlos: UFSCar, 2000a, p. 255-258.
STATISTICA. Statistica for Windows v. 6.0: Computer program manual. Tulsa, OK:
StatSoft Inc., 2002.
65
13. CONTATOS
66