Escolar Documentos
Profissional Documentos
Cultura Documentos
Verso Preliminar
Verso Preliminar
Pelotas, 2003
Contedo
Captulo Pgina
Contedo
1.1 Introduo
Concluda a conduo do experimento e estando disponveis os seus resultados, deve
ser procedida a anlise estatstica desses resultados para a derivao das inferncias que
constituem o objetivo do experimento.
Os procedimentos de anlise estatstica para a derivao dessas inferncias devem
basear-se no modelo estatstico que expresse a relao das variveis respostas com as
2 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
1.2.1.1 Introduo
Considere-se um experimento unifatorial com delineamento completamente
casualizado com t tratamentos e com um mesmo nmero r de repeties para todos os
tratamentos. Denote-se por yij o valor observado da varivel resposta na unidade experimental
correspondente repetio j do tratamento i (i=1,2,...,t, j=1,2,...,r).
Postula que o valor observado yij da varivel resposta tem a seguinte expresso:
yij = m + ti + eij, j=1,2,...,r; i=1,2,...,t,
onde m representa a mdia geral esperada, ti o efeito diferencial esperado do tratamento i e eij o
erro experimental. Em outras palavras, isso significa que m e ti representam, respectivamente, a
mdia geral e o efeito diferencial do tratamento i na populao amostrada.
Supe-se que os termos m e ti so constantes populacionais desconhecidas, ou seja,
parmetros, e que o termo eij uma realizao de uma varivel aleatria com distribuio
normal de mdia igual a zero e varincia 2, comum para todas as unidades experimentais.
Supe-se, ademais, que os erros experimentais de quaisquer duas unidades experimentais no
so correlacionados, ou seja, que a correlao de eij e eij nula para ii ou jj. O
propsito do experimento a derivao de inferncias referentes aos parmetros ti, ou m+ti.
Para a situao de modelo fixo, as inferncias de interesse so: estimao por ponto e por
intervalo, e testes de hipteses.
Para a formulao de expresses correspondentes a conceitos importantes disponham-
se os tr valores observados na amostra yij (i=1,2,...,t, j=1,2,...,r) em uma tabela com as
observaes nas unidades experimentais de cada tratamento em uma mesma linha (Tabela
1.1).
4 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
yij
r
1
yi. = e yi. = yi. .
j=1 r
yi .
t 1
y .. = e y.. = y.. .
i=1 n
onde n = tr o total de unidades experimentais.
eij2 = (yij m t i ) 2 .
t r t r
f(m,t1,t2,...,tt) =
i=1 j=1 i=1 j=1
1
Pontos no lugar de ndices denotam soma dos valores da varivel resposta em relao aos
ndices substitudos. A barra acima do smbolo da varivel resposta denota mdia dos valores
da varivel resposta em relao aos ndices substitudos por pontos.
2
Denotam-se os estimadores pelas mesmas letras utilizadas para simbolizar os correspondentes
parmetros distinguindo-os por circunflexo.
1. Delineamentos Experimentais Simples 5
t i = yi . y. . , i=1,2,...,t,
onde, conforme definido anteriormente, y.. a mdia geral da amostra e yi . a mdia dos
valores observados para o tratamento i.
Assim, o estimador da mdia da populao amostrada a mdia da amostra e o
estimador do efeito diferencial de um tratamento o desvio de sua mdia em relao mdia
da amostra.
Observe-se que:
i = m
m + t i = yi . ,
de modo que yi . o estimador da mdia populacional do i-simo tratamento.
O valor estimado (ou valor predito) pelo modelo postulado para a resposta na
unidade experimental correspondente j-sima repetio do tratamento i definido como:
y i j = m + t i =
= mi = yi . , i=1,2,...,t,
ou seja, a mdia observada do tratamento nessa unidade experimental.
Define-se como resduo de uma unidade experimental o valor estimado do erro
experimental nessa unidade experimental determinado pela expresso do valor observado nessa
unidade com os parmetros substitudos pelos correspondentes estimadores:
y =m
ij
+ t + e i ij
= y ij + eij .
Ento, o resduo tem a seguinte expresso:
e = y m
ij
t
ij i
= yij y ij
= yij yi . .
O estimador de quadrados mnimos da variao atribuvel ao erro experimental a
soma dos quadrados dos resduos:
eij2 = (yij yi . )2 .
t r t r
SQ Erro =
i=1 j=1 i=1 j=1
C A E
46 64 39
C B D F C F
48 53 56 46 43 50
B F C A D D F E
51 65 35 59 45 45 59 59
B A E E A D B
55 50 53 53 63 42 69
A estimativa da variao casual, ou seja, a soma dos quadrados dos resduos , ento:
SQ Erro = 52 +02 +(-9)2 +...+42 = 972;
donde se obtm a estimativa da varincia casual:
1 1
s2 = SQ Erro = 972 = 54 .
6(4 1) 18
8 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Fonte de variao GL SQ
(yij yi . ) 2
t r
Erro t(r-1) SQ Erro =
i=1 j=1
(yij y.. ) 2
t r
Total tr-1 SQ Total =
i=1 j=1
yij
t r
2
SQ Total = C,
i=1 j=1
yi2. C ,
1 t
SQ Tratamento =
r i=1
onde o termo C, denominado termo de correo (para a mdia), tem a seguinte expresso:
1 t r
2
Fonte de variao GL SQ QM
Tratamento 5 760 152
Erro 18 972 54
Total 23 1.732
Esses mesmos resultados podem ser obtidos pelas frmulas de clculo, a partir dos
resultados na Tabela 1.2, como segue:
1
C= 1.2482 = 64.896 ,
24
SQ Total = 642 +592 +...+592 - C =
= 66.628 - 64.896 = 1.732,
1
SQ Trat. = (2362 +2282 +...+2202 ) - C =
4
= 65.656 - 64.896 = 760,
tratamento, essa hiptese rejeitada, concluindo-se pela existncia de diferenas reais entre os
efeitos de tratamentos.
A hiptese estatstica compreende o conjunto de duas hipteses - a hiptese de
negao: os efeitos dos tratamentos no diferem, denominada hiptese de nulidade, e a
hiptese complementar, ou seja: os efeitos dos tratamentos diferem, denominada hiptese
alternativa. Essas duas hipteses so usualmente denotadas simbolicamente por H0 e HA,
respectivamente.
A hiptese estatstica (ou seja, as hipteses de nulidade e alternativa) referente
existncia de efeitos diferenciais esperados dos tratamentos, pode ser simbolicamente
formulada como segue:
H 0 : t i = 0, i = 1,2,..., t
H A : t i 0, para algum tratamento
Dada a relao mi = m + ti, i=1,2,...t, e a condio imposta aos parmetros t1+t2+...+tt=0, essa
hiptese estatstica pode ser alternativamente expressa em termos das mdias esperadas
(populacionais) dos tratamentos, na forma:
H 0 :m1 = m 2 = ... = m t
H A :m i = m i ' , para pelo menos um par dos tratamentos, i e i
r t
E(QM Tratamento) = 2 + t i2 .
t 1 i=1
r t
vis no negativo t i2 . O QM Tratamento ser um estimador no tendencioso de 2 se e
t 1i=1
t
t
2
somente se i = 0 , ou seja, se e somente se ti=0, i=1,2,...,t, pois nesse caso, E(QM
i =1
tem distribuio qui-quadrado com t(r-1) graus de liberdade, denotada por 2t ( r 1) , e que, sob
a hiptese de nulidade H0:
(t 1) QM Tratamento
U=
2
tem distribuio qui-quadrado com t-1 graus de liberdade, ou seja, 2t 1 . Ademais, QM Erro e
QM Tratamento so estatisticamente independentes.
O quociente de duas variveis aleatrias com distribuies qui-quadrado
independentes uma varivel aleatria com distribuio F, ou seja: Se U e V so variveis
aleatrias independentes com distribuies qui-quadrado com 1 e 2 graus de liberdade,
U / 1
respectivamente, ento, a varivel aleatria F = tem distribuio F com 1 e 2 graus de
V / 2
liberdade, o que denotado por F1 , 2 .
Logo, no presente caso, a estatstica:
U / 1
F= =
V / 2
QM Tratamento
=
QM Erro
tem distribuio Ft-1,t(r-1). A funo densidade de probabilidade de uma varivel aleatria F com
esta distribuio tem a representao grfica da forma ilustrada na Figura 1.2. (Recorde-se que
a probabilidades da ocorrncia de valores de uma varivel aleatria em um intervalo
correspondem rea sob a curva de sua funo de densidade de probabilidade compreendida
entre os extremos desse intervalo; a rea total sob a curva igual a 1, o que significa a certeza
da ocorrncia de algum valor da varivel aleatria).
no tem distribuio F. Nessa situao; esta estatstica tem distribuio F no central com
Deciso
Verdadeira situao
H0 HA
Incorreta
H0 Correta
Erro tipo I
Incorreta
HA Correta
Erro tipo II
14 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
O valor de F na fronteira dessas duas reas, denotado por F, demarca duas regies:
(0, F): Regio de aceitao de H0 e
(F,): Regio de rejeio de H0.
Assim, o nvel de significncia escolhido para um teste de hiptese estabelece como
regio de rejeio da hiptese de nulidade H0 a cauda superior da distribuio F com rea .
A hiptese de nulidade ser rejeitada se o valor da estatstica F observado no experimento
situar-se nessa regio; caso contrrio, ou seja, se o valor observado de F situar-se na regio
complementar, esquerda daquela, denominada regio de aceitao, a hiptese H0 ser aceita.
Claro que com esse processo de deciso sob incerteza o pesquisador corre o risco
inevitvel de rejeitar a hiptese H0 em situaes em que ela verdadeira (risco ou erro tipo I)
com probabilidade , assim como, tambm, o risco de aceitar a hiptese H0 quando a
alternativa HA a verdadeira (risco ou erro tipo II), com probabilidade .
As probabilidades desses dois erros de deciso devem ser estabelecidas a priori, ou
seja, no plano do experimento. A escolha das probabilidades e deve ser feita para cada
experimento, com base no julgamento da seriedade relativa dos dois tipos de erro e sabendo
que a desejvel diminuio de implica no aumento de e vice-versa.
Em um teste de significncia, o pesquisador fixa a probabilidade de erro tipo I
(nvel de significncia do teste) em um valor convenientemente pequeno (mas no
demasiadamente pequeno que implique em valor indesejavelmente grande de ), no
determinando a probabilidade de erro tipo II.
O nvel de significncia = 0,05 tem sido tradicionalmente adotado, de modo
generalizado. Essa escolha implica na admissibilidade da rejeio incorreta da hiptese de
nulidade em 5% dos casos.
Observe-se que, em geral, a rejeio da hiptese de nulidade H0 mais forte do que
sua aceitao. De fato, a aceitao de H0 pode decorrer de: a) inexistncia de diferenas de
16 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
2, 77, P = 0, 05
F5;18 (P) = 4, 25, P = 0, 01
6,81, P = 0, 001
Como o valor observado F=2,815 superior ao valor F da tabela para P=0,05, ou seja,
F5;18(0,05) =2,77, a hiptese de nulidade dos efeitos de cultivares rejeitada. Entretanto, esse
valor observado de F inferior ao F5;18(0,01) =4,25. Ento, a concluso do teste de
significncia pode ser expressa, abreviadamente, pela sentena "a variao atribuvel aos
efeitos de cultivares foi significativa (P=0,05). Os resultados da anlise da variao e do teste
de significncia da variao (global) atribuvel a cultivares podem ser apresentados na tabela
da anlise da variao, Tabela 1.7.
Fonte de variao GL SQ QM F
Tratamento 5 760 152 2,815 *
Erro 18 972 54
Total 23 1.732
1.2.2.1 Introduo
No delineamento completamente casualizado o nmero de repeties pode no ser o
mesmo para todos os tratamentos. Nmeros diferentes de repeties podem decorrer do prprio
plano do experimento ou da deciso de desconsiderar os resultados de algumas unidades
experimentais. A primeira situao pode resultar, por exemplo, de restries do material
experimental, que pode no ser suficiente para o nmero de repeties desejvel para todos os
tratamentos (a quantidade de semente disponvel para algumas cultivares pode ser escassa, por
exemplo), ou da necessidade ou convenincia de adotar nmeros diferentes de repeties para
dois ou mais grupos de tratamentos (em algumas circunstncias, pode ser conveniente um
nmero de repeties mais elevado para o tratamento testemunha, por exemplo). Por outro
20 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
lado, ocorrncias fortuitas durante a execuo do experimento (por exemplo, morte de plantas
ou animais, prejuzo causado por agentes estranhos e falta de registro ou registro equivocado
de medidas) podem originar fontes de variao estranhas que ficam confundidas com os efeitos
de tratamentos. Nestas circunstncias, pode ser mais conveniente desconsiderar a resposta nas
unidades experimentais afetadas, originando-se o que se denomina parcela perdida. Nesse
caso, o procedimento de anlise estatstica resulta ligeiramente alterado.
Seja ri o nmero de repeties do i-simo tratamento (i=1,2,...,t). A equao do
modelo estatstico para a resposta observada na parcela correspondente j-sima repetio do
tratamento i , ento,
yij = m + ti + eij, j=1,2,...,ri, i=1,2,...,t.
As pressuposies referentes aos termos dessa equao, para completar a
especificao do modelo estatstico, so as mesmas listadas para a situao de igual nmero de
repeties dos tratamentos. Entretanto, agora, conveniente impor a seguinte restrio aos
efeitos esperados dos tratamentos: r1 t1 +r2 t2 +...+rt tt =0.
ri yij
t t r
1 i
y.. = y .. , n = , y .. = e
n i=1 i=1 j=1
yij .
r
1 i
yi . = yi . , y i . =
ri j=1
SQ
Fonte de variao GL
Frmula de definio Frmula de clculo 1
ri (yi . y. . ) 2 r
t t 1
2
Tratamento t-1 yi . C
i=1 i=1 i
(ri 1) (yij yi . ) 2
t t ri
Erro Por diferena
i =1 i=1 j=1
ri .
1 t
1 2
C= y .. = n y..2 , onde: n =
n i=1
1 1
SQ Tratamento = (4.6252 +4.5922) + 2.9732 - C =
12 8
= 3.539.757,42 + 1.104.841,12 - 4.643.628,12 = 970,42.
1.3.1 Introduo
Nas duas ltimas colunas e nas duas ltimas filas da Tabela 1.12 esto as somas e
mdias de tratamentos e blocos, respectivamente:
yij , y. j = yij ,
b t 1 1
yi . = yi . = yi . , y . j = y . j
j=1 i=1 b t
e, ao p das duas ltimas colunas, esto o total geral e a mdia geral do experimento,
respectivamente:
yi . = y . j ,
t b
1
y .. = y.. = y .. ,
i=1 j=1 n
onde n = tb o nmero total das unidades experimentais.
24 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
A estimao dos parmetros pode ser procedida pelo mtodo dos quadrados mnimos.
Esse mtodo de estimao determina como estimadores dos parmetros os correspondentes
valores de m, t1 ,t2 ,..,tt , b1 ,b2 ,...,bb que tornam mnima a soma dos quadrados dos erros como
funo dos parmetros:
e
t b
2
f(m, t1 ,t2 ,..,tt ,b1 ,b2 ,...,bb) = ij =
i =1 j=1
( y
t b
= ij m ti b j )2 .
i =1 j=1
A minimizao dessa funo quadrtica pode ser efetuada por sua derivao parcial
em relao a cada um dos parmetros e resoluo do sistema de 1+t+b equaes a 1+t+b
incgnitas (mdia, t efeitos de tratamentos e b efeitos de blocos) que resulta da anulao
simultnea das derivadas parciais. Esse sistema de equaes indeterminado. Uma soluo
nica pode ser obtida pelo estabelecimento das condies t 1 + t 2 + ... + t t = 0 e
b1 + b 2 + ... + b b = 0 , anlogas quelas impostas para os parmetros. Essa soluo constitui os
estimadores para os parmetros:
m = y.. ,
e ij =
1 t b
s2 =
(t 1)(b 1) i=1 j=1
1. Delineamentos Experimentais Simples 25
(yij yi . y. j + y.. )2 .
1 t b
=
(t 1)(b 1) i=1 j=1
ou seja:
yij y.. = t i + b j + e ij =
= (yi . y.. ) + (y. j y.. ) + (yij yi . y. j + y.. ) .
Dessa forma, o desvio total da resposta observada em uma unidade experimental
decomposto em trs componentes: efeito estimado do tratamento, efeito estimado do bloco e
resduo referente unidade experimental. Elevando os desvios totais ao quadrado e somando
para todas as unidades experimentais, obtm-se a seguinte equao fundamental da anlise
da variao para o delineamento blocos casualizados:
(yij y.. )2 = b (yi . y.. ) 2 + t (y. j y.. ) 2 + (yij yi . y. j + y.. ) 2 ,
i j i j i j
j que as somas de produtos dos termos do segundo membro da expresso do desvio total so
nulas e que:
(yi . y.. )2 = (yi . y.. )2 = b (yi . y.. ) 2
e
i j j i i
(y. j y.. ) 2 = (y. j y.. ) 2 = t (y. j y.. ) 2 .
i j j
i j
Fonte de variao GL SQ
1
SQ Bloco = y.2j C e
t j
1
SQ Tratamento = yi2. C ,
b i
onde:
1
2
C = yij = y ..2 .
tb i j
1
tb
A SQ Erro pode ser obtida por diferena, na prpria tabela da anlise da variao:
SQ Erro = SQ Total - SQ Bloco - SQ Tratamento.
5 4 2 6 3 1
Bloco 1
76 88 72 60 72 112
3 2 6 1 4 5
Bloco 2
44 43 39 87 84 33
2 1 3 4 5 6
Bloco 3
84 72 44 60 35 65
5 4 1 2 6 3
Bloco 4
34 64 69 49 48 42
Observe-se que a soma das estimativas dos efeitos diferenciais de cultivares e a soma
das estimativas dos efeitos diferenciais de blocos, respectivamente na ltima coluna e na ltima
linha da Tabela 1.14, so ambas nulas, salvo erros de aproximao.
O valor estimado da resposta na unidade experimental com a variedade 1 no bloco 1 :
y =m
11 + t + b = 1 1
= 61,5 + 23,5 + 18,5 = 103,5.
O resduo da observao nessa mesma parcela :
e11 = y11 y 11 =
= 112 - 103,5 = 8,5.
Semelhantemente, podem ser obtidos os valores estimados e os resduos para as
demais parcelas do experimento, apresentados na Tabela 1.15, ao lado das respostas
observadas. Observe-se que a soma dos resduos nula, para cada tratamento e para cada
bloco.
1. Delineamentos Experimentais Simples 29
SQ Total = 1122+872+...+482 - C =
= 100.760 - 90.774 = 9.986,
1
SQ Bloco = (4802+3302+3602+3062) - C =
6
= 93.756 - 90.774 = 2.982,
1
SQ Cultivar = (3402+2482+...+2122) - C =
4
= 95.538 - 90.774 = 4.764,
30 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
1.4.1 Introduo
Nas duas ltimas colunas e nas duas ltimas linhas da Tabela 1.17 esto as somas e
mdias das observaes para linhas e para colunas, respectivamente:
y*jk , y* jk ,
t t
1 1
y. j. = y. j . = y . j . , y .. k = y.. k = y .. k ,
k=1 t j=1 t
onde n=t2. (Observe-se que quando as observaes em uma fila so somadas em relao ao
ndice k, que denota coluna, tambm so somadas em relao ao ndice i, que denota
tratamento; semelhantemente, quando as observaes em uma coluna so somadas em relao
ao ndice j tambm so somadas em relao ao ndice i.) Ao p das duas ltimas colunas esto
o total geral e a mdia geral das observaes do experimento:
y. j. = y.. k ,
t t
1
y ... = y... = y... ,
j=1 j=1 n
onde: n = t2.
Observe-se que as somas e as mdias para filas e para colunas podem ser obtidas por
meio das somas de observaes em relao a tratamentos; por exemplo, as somas para filas
podem ser obtidas pela expresso:
yijk .
t
y. j. =
i=1
Para os clculos, necessita-se, tambm, das somas e das mdias de tratamentos, que
podem ser obtidas, alternativamente, pela soma das observaes para as linhas ou para as
colunas.
yijk yijk ;
t t 1
yi .. = ou yi .. = yi .. = yi .. .
j=1 k =1 t
Note-se, novamente, que as mdias de tratamentos, de filas e de colunas so obtidas
pelas somas de apenas um dos trs ndices (um dos outros dois ndices simultaneamente
somado), e que a mdia geral obtida pela soma de apenas dois dos trs ndices (o outro ndice
simultaneamente somado).
32 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
+ (yijk yi .. y. j . y .. k + y... )2 ,
j k
SQ
Fonte de variao GL
Frmula de definio Frm. de clculo 1
1
2
C = 2 yijk = 2 y ...
t j k
1 1 2
t
Soma Mdia t i
Variedade yi .. yi .. yi .. y...
1 328 65,6 -14,2
2 470 94,0 14,2
3 164 32,8 -47,0
4 376 75,2 -4,6
5 657 131,4 51,6
1
SQ Fila = (3932 +3612 +...+4762 ) - C =
5
= 161.415,8 - 159.201 = 2.214,8,
1
SQ Coluna = (4132 +3892 +...+3762 ) - C =
5
= 159.424,6 - 159.201 = 223,6,
36 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
1
SQ Variedade = (3282 +4702 +...+6572 ) - C =
5
= 185.681 - 159.201 = 26.480.
s 2y 2
= s r , ou sua raiz quadrada - o desvio padro da mdia de tratamento.
i
1.6.1 Introduo
Tabela 1.22. Produo de cachos de uva, em kg, por planta. Dados do Exemplo
1.5.
yijk
1 1
m = y... = = y... =
bts i j k bts
1 1
= (4,9 + 8,8+...+ 2, 7) = 103, 2 = 4,3 ,
4x3x2 24
y1jk
1 1
m1 = y1.. = = y1.. =
bs j k bs
1 1
= (4,9 +8, 5+...+ 5, 2) = 8 52,8 = 6, 6 ,
4x2
t1 = y1.. y ... =
= 6,6 - 4,3 = 2,3.
As somas de quadrados referentes a Bloco, Tratamento e Parcela so obtidas como
usual, com s como fator extra:
103, 22
C= = 443,76,
24
1
SQ Bloco = (23,42+28,22+23,42+28,22) - C = 3,84,
3x2
1
SQ Tratamento = (52,82+32,82+17,62) - C = 77,92,
4x2
1
SQ Parcela = (11,32+16,82+...+5,12) - C = 91,87.
2
A soma de quadrados referente aos resultados individuais nas unidades de observao - SQ
Observao ou SQ Total - obtida como segue:
SQ Total (SQ Observao) = 4,92+6,42+...+2,72 - C = 104,74.
As somas de quadrados referentes ao erro experimental e ao erro de observao so obtidas por
diferena:
t i2 ,
bs
E(QM Tratamento) = a2 + s2 +
t 1 i
E(QM Erro Experimental) = a2 + s2 ,
E(QM Erro Observao) = a2 .
Observa-se que a varincia de unidades de observao (plantas) dentro de parcelas
contribui para o erro experimental, j que as diferentes parcelas contm diferentes unidades de
observao, e, portanto, tambm para a variao entre tratamentos. Assim, tanto a varincia de
tratamento como a do erro experimental contm contribuio do erro de observao. Como
usual, a variao entre tratamentos tambm inclui contribuio atribuvel ao erro experimental,
j que os efeitos de tratamentos so avaliados em diferentes unidades experimentais. Dessa
forma, o erro experimental apropriado para inferncias referentes a tratamentos (no o erro de
observao), j que o QM Tratamento tem apenas uma possvel fonte de variao no contida
pelo QM Erro experimental - aquela devida aos prprios tratamentos. Ento, um teste da
hiptese de nulidade dos efeitos de tratamentos provido pela seguinte estatstica F:
QM Tratamento
F= ,
QM Erro Experimental
que tem distribuio F com 1 e 2 graus de liberdade correspondentes a Tratamento e Erro
experimental, respectivamente. No exemplo,
38, 96
F= = 23,122 .
1, 685
O erro experimental pode conter ou no variao adicional quela entre unidades de
observao, dependendo da relao de grandeza entre a variao entre unidades experimentais
e a variao entre unidades de observao. Essa questo pode ser respondida por teste provido
pela seguinte estatstica F:
QM Erro Experimental
F= ,
QM Erro Observao
que tem distribuio F com 2 e 3 graus de liberdade referentes a Erro experimental e Erro de
observao, respectivamente. Para o exemplo, tem-se:
42 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
1, 685
F= = 1,571.
1, 0725
O coeficiente de variao pode ser determinado na base de uma unidade experimental
ou de uma unidade de observao, respectivamente das seguintes formas:
s QM Erro 2x1, 685
CV(Parcela) = 100 = 100 = 21,3% e
sm 2x4, 3
QM Erro 1, 685
CV(Observao) = 100 = 100 = 30, 2% .
m 4, 3
O desvio padro de uma mdia de tratamento :
QM Erro Experimental 1, 685
s yi = = = 0, 4589 .
bs 4x2
1.7 Exerccios
1. Suponha que os dados que seguem so os resultados de um experimento em blocos
casualizados, com efeitos de tratamentos fixos e de blocos aleatrios:
Bloco
Tratamento
1 2
1 5 7
2 4 8
3 3 3
Tratamento Repetio
F1 254 263 266 249 337 277 289 244 265
SI 236 191 209 252 212 224
F2 253 192 141 160 229 221 150 215 232 234 193 188
F3 173 164 183 138 146 125 178 199 170 177 172 198
Local 1 Local 2
Bloco Bloco
Tratam. Tratam.
1 2 3 4 1 2 3 4
Testem. 2,4 1,2 3,0 2,8 Testem. 8,5 8,0 10,0 7,0
N1PK1 4,6 2,4 2,8 3,2 N1PK1 11,0 10,5 9,0 9,0
N1PK2 3,6 2,2 1,8 3,2 N1PK2 10,0 9,5 9,0 8,0
N2PK1 3,2 2,6 3,0 2,0 N2PK1 12,0 9,0 9,5 9,5
N2PK2 3,6 2,8 3,0 2,4 N2PK2 10,5 11,5 10,6 10,0
Repetio
Tratamento
1 2
1 8 7
2 4 6
3 3 2
Bloco
Cultivar
1 2 3 4
1 192 234 210 192
2 311 370 364 357
3 326 399 342 351
4 254 219 201 223
5 227 280 282 271
6 300 311 300 380
7 331 342 364 263
Coluna
Linha
1 2 3 4 5 6
1 (6) (4) (1) (2) (5) (3)
32,1 29,1 28,2 33,1 31,1 32,4
2 (5) (2) (3) (6) (4) (1)
31,0 29,5 29,4 30,6 33,0 24,8
3 (4) (5) (6) (3) (1) (2)
30,6 28,8 31,9 30,8 21,7 30,1
4 (3) (1) (2) (4) (6) (5)
33,1 26,7 28,8 31,4 30,4 31,9
5 (2) (6) (5) (1) (3) (4)
29,9 30,3 30,3 25,8 33,5 32,3
6 (1) (3) (4) (5) (2) (6)
21,4 29,7 27,4 29,1 30,7 30,8
Fonte de variao GL QM
Repetio 4 320
Tratamento 640
Erro experimental 160
Erro de amostragem 40
Total 239
11. Decida se cada uma das seguintes sentenas verdadeira ou falsa, incluindo entre
parnteses as letras V ou F, respectivamente. Se a sentena for falsa, explique por que.
( ) Em uma anlise de variao, as fontes de variao correspondem s condies
sistemticas impostas ou controladas no experimento.
( ) A anlise da variao requer que todos os tratamentos tenham a mesma varincia, que
estimada pelo QM Erro.
( ) Em uma anlise de variao, h um grau de liberdade associado com cada total
elevado ao quadrado na soma de quadrados no corrigida.
( ) Na anlise da variao, a soma de quadrados total no corrigida sempre igual ou
maior que qualquer outra soma de quadrados, corrigida ou no corrigida.
( ) Em uma anlise de variao, se a mdia geral do experimento zero, o termo de
correo tambm ser igual a zero.
( ) O termo de correo exprime a variabilidade mdia com referncia mdia global do
experimento.
( ) Em um delineamento completamente casualizado, SQ Total = SQ Tratamento + SQ
Erro.
( ) Em uma anlise de variao, um quadrado mdio sempre a estimativa de varincia
dividida pelos correspondentes graus de liberdade.
( ) Os quadrados mdios obtidos em uma anlise de variao so estimadores no
tendenciosos da varincia do erro.
( ) Na anlise da variao para o delineamento completamente casualizado, se a hiptese
de nulidade verdadeira, as somas de quadrados de tratamentos e do erro divididas
pelos correspondentes graus de liberdade estimam a mesma varincia.
( ) Um teste de significncia na anlise da variao usa ambas as caudas da distribuio F
como regio de rejeio porque a hiptese alternativa contm o sinal .
( ) Embora o teste F envolva varincias, quando usado na anlise da variao ele testa
hipteses referentes a mdias.
( ) Em uma tabela de anlise de variao, se o valor da estatstica F menor do que 1,
ento no h necessidade de obter o valor crtico de F da tabela.
( ) Para uma comparao de dois tratamentos pode-se usar tanto um teste t como um teste
F por meio da anlise de variao.
( ) Em um experimento completamente casualizado, a anlise da variao fornece todas
as informaes de interesse do pesquisador, independentemente de que seja a hiptese
de nulidade aceita ou rejeitada.
( ) Em um experimento em blocos casualizados, a anlise da variao no pode ser
efetuada se os tratamentos tm nmeros diferentes de repeties.
( ) Em experimentos em blocos casualizados o erro corresponde interao tratamentos x
blocos.
( ) Pode-se obter um teste de significncia para tratamentos menos poderoso (sensvel)
com o delineamento em blocos casualizados do que com o delineamento
completamente casualizado, se os efeitos de blocos no so significativos, porque o
quadrado mdio do resduo para o delineamento blocos casualizados tem menor
nmero de graus de liberdade.
( ) O delineamento blocos casualizados com quatro blocos e trs tratamentos reserva o
mesmo nmero de graus de liberdade para o teste de significncia de efeitos de
tratamentos que o mesmo delineamento com trs blocos e quatro tratamentos.
50 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Contedo
2.1 Introduo
Se os tratamentos so os nveis de um fator de efeitos fixos, os propsitos do
experimento so estimao e testes de hipteses comparativas referentes aos efeitos de
tratamentos. No caso de apenas dois tratamentos no experimento, a hiptese de nulidade e a
correspondente alternativa reduzem-se a:
H 0 :t 1 = t 2
H A :t 1 t 2
A estatstica F obtida na anlise da variao e a estatstica t so critrios equivalentes
para o teste dessa hiptese. Qualquer uma delas pode ser utilizada e nenhum outro
procedimento adicional necessrio.
Entretanto, se os tratamentos no experimento so em nmero superior a dois, a anlise
de variao antes descrita , em geral, apenas uma primeira etapa na anlise estatstica. Ela
permite o teste, pela estatstica F, da hiptese genrica de nulidade dos efeitos de tratamentos,
isto , da hiptese de que os tratamentos pertencem a uma populao homognea, no diferindo
entre si quanto caracterstica em considerao. A rejeio dessa hiptese de nulidade conduz
aceitao de que pelo menos dois efeitos de tratamentos diferem entre si. Entretanto, no ela
indica quais.
Por outro lado, mesmo com a aceitao da hiptese de nulidade, pode acontecer que
alguns efeitos de tratamentos difiram entre si. Isso pode decorrer do mascaramento da
significncia de alguns efeitos de tratamentos pela no significncia de outros. (Se, entretanto,
ao atribuir toda a variao entre os efeitos de tratamentos a um nico grau de liberdade, o limite
mnimo de significncia no for atingido, ento nenhum efeito de tratamentos ser
significativo.)
Em resumo, se os tratamentos so em nmero superior a dois, o teste de significncia
da variao atribuvel aos efeitos de tratamentos , em geral, insuficiente para responder a todas
as questes de interesse no experimento. Ser necessrio, portanto, complement-lo, recorrendo
a outros procedimentos e testes para a discriminao dos componentes significativos da
variao entre tratamentos cujo conhecimento seja de interesse. Por outro lado, em muitas
circunstncias, pelos objetivos e caractersticas do experimento, o teste de tal hiptese global
no de interesse ou no faz sentido e, portanto, no um passo necessrio.
Vrios so os procedimentos e testes disponveis, complementares ou alternativos
quele teste F global. A escolha depende do objetivo e do plano do experimento,
principalmente no que diz respeito estrutura e caracterizao dos tratamentos. Por essa
razo, ela deve ser especificada no prprio plano do experimento.
Recorde-se que, segundo o delineamento de tratamento, um experimento pode ser
unifatorial ou fatorial, fatores podem ser quantitativos ou qualitativos e estes, por sua vez,
estruturados ou no estruturados. Os procedimentos mais adequados para a discriminao da
variao entre tratamentos correspondentes s diversas situaes de delineamento de
tratamento so indicados a seguir.
Experimento unifatorial
Experimento fatorial
interesse e, ento, as inferncias devem direcionar-se para os efeitos simples dos fatores, ou
seja, os efeitos separados de cada um dos fatores para nveis especficos de outros fatores.
Os procedimentos adequados dependem das categorias dos fatores experimentais em
considerao (qualitativos, quantitativos, etc.) e da presena de interao. Se no h interao
entre os fatores, por conhecimento a priori ou indicao dos prprios resultados do
experimento, pode-se concluir separadamente para cada um dos fatores, pelo uso das tcnicas
unifatoriais apropriadas. No caso de presena de interao, o caminho pode no ser to simples,
dependendo do nmero de fatores, de sua importncia relativa e das categorias a que eles
correspondem.
De modo geral, o procedimento inicial apropriado na anlise estatstica de um
experimento fatorial a decomposio da variao entre tratamentos segundo o esquema
fatorial, ou seja, em componentes correspondentes aos efeitos principais e s interaes dos
fatores.
Em resumo, a exceo do caso de fator qualitativo no estruturado, o procedimento
mais indicado uma partio mais drstica da variao total, pela decomposio da variao
entre tratamentos, completamente em componentes atribuveis a graus de liberdade individuais,
ou parcialmente em componentes correspondentes a grupos de graus de liberdade; nesse ltimo
caso, usualmente seguida de outros procedimentos para a discriminao da variao entre
tratamentos. No caso de esquema fatorial, a decomposio usualmente ainda insuficiente e
demanda a aplicao de procedimentos adicionais correspondentes a experimento unifatorial.
Procedimentos para a anlise estatstica de experimentos fatoriais sero tratados adiante. No
momento, restringir-se- considerao a experimentos unifatoriais.
Observe-se que, sendo o delineamento de tratamento definido no plano de
experimento, os procedimentos adequados para a discriminao da variao entre tratamentos
tambm ficam automaticamente estabelecidos no plano do experimento. Por outro lado, a
validade dos procedimentos de decomposio da variao entre tratamentos supe que sua
aplicao no seja sugerida pela inspeo dos resultados do experimento. Ocorre, entretanto,
que a definio dos procedimentos de anlise dos resultados, muito comumente, no
explicitada no documento inicial do experimento. Consequentemente, procedimentos
inadequados so muitas vezes utilizados. Tambm deve ser salientado o frequente uso indevido
de procedimentos de comparaes mltiplas de tratamentos em situaes de fatores
quantitativos e qualitativos estruturados, e mesmo de esquemas fatoriais.
2.2.1 Introduo
c m
t
A expresso C = c1m1+c2m2+...+ctmt = i i denominada uma combinao
i =1
linear das mdias esperadas de tratamentos m1,m2,...,mt. Uma combinao linear de mdias
esperadas de tratamentos uma comparao ou contraste se a soma dos coeficientes igual a
zero, isto , se c1+c2+... +ct = 0. Assim, por exemplo, para trs tratamentos, m1-(m2+m3) uma
combinao linear de mdias esperadas de tratamentos, mas no um contraste, pois a soma
dos seus coeficientes : 1-1-1 = -1 0. Essa combinao linear especifica a diferena entre a
mdia esperada do primeiro tratamento e a soma das mdias esperadas dos outros dois
56 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
i =1 i =1
independentes, se a soma dos produtos dos correspondentes coeficientes dos dois contrastes
c
t
igual a zero, isto , se 1i c 2 i = 0 . Um conjunto de contrastes dito mutuamente ortogonal,
i =1
Tratamento
Contraste
1 2 3 4
N proteico versus N no proteico 1 1 -1 -1
Entre fontes de N proteico 1 -1 0 0
Entre fontes de N no proteico 0 0 1 -1
Tratamento
Contraste
1 2 3 4 5 6
Com N versus sem N -5 1 1 1 1 1
N orgnico versus N inorgnico 0 -4 1 1 1 1
N amnio versus N nitrato 0 0 -1 -1 1 1
Sulfato de amnio versus nitrato de amnio 0 0 -1 1 0 0
Nitrato de clcio versus nitrato de sdio 0 0 0 0 -1 1
Tratamentos
(1,2,3,4)
N proteico N no proteico
Versus
(1,2) (3,4)
Tratamentos
(1,2,3,4,5,6)
Sem N Com N
versus
(1) (2,3,4,5,6)
N orgnico N inorgnico
versus
(2) (3,4,5,6)
N amnio N nitrato
Versus
(3,4) (5,6)
2
Var(y(n) ) = .
n
Sejam y1 ,y 2 ,..., y t as mdias observadas independentes de t tratamentos, com mesma
varincia populacional 2, em que y i baseada em ri repeties, i=1,2,...,t. Demonstra-se que a
varincia do contraste C = c1 y1 + c 2 y 2 + ... + c t y t :
= c1 + c 2 + ... + c t 2 .
2 2 2
r1 r2 rt
Var(C)
Por outro lado, uma hiptese referente a um contraste uma hiptese unilateral se h
razo substantiva a priori para assegurar que, se o contraste for diferente de zero, ento ele deve
ser ou positivo ou negativo. Isso significa que so admissveis para o contraste apenas valores
no negativos, ou apenas valores no positivos. Portanto, em uma hiptese unilateral a hiptese
alternativa HA estabelece que o contraste tem um nico sinal: ou positivo ou negativo. Assim,
uma hiptese unilateral tem uma das duas seguintes formas:
H0 : C = 0 H0 : C = 0
ou
H A : C > 0 H A : C < 0
Nessas condies, a hiptese de nulidade do contraste ser rejeitada apenas se o sinal
de sua estimativa coincidir com o sinal admissvel para o contraste populacional estabelecido
pela hiptese alternativa.
Naturalmente, a forma apropriada da hiptese alternativa em uma hiptese unilateral
pode variar segundo a especificao do contraste, j que um contraste no se altera se
multiplicado por uma constante, em particular se a multiplicado por 1.
Por exemplo, o contraste entre um inseticida e um tratamento controle (sem inseticida)
em um experimento de controle de uma praga, definido por C = mi-mc, onde mi e mc so as
mdias populacionais do inseticida e do controle. Se for assegurado a priori que o tratamento
inseticida no poder ter qualquer outro efeito a no ser possivelmente o controle da praga,
ento apenas as duas seguintes situaes sero admissveis C = 0, C > 0. Nessas circunstncias,
as correspondentes hipteses de nulidade e alternativa devem ter as seguintes formas: H0: m1-
m2=0 e HA: m1-m2>0. Naturalmente, a forma da hiptese alternativa dever ser
apropriadamente alterada para HA: m1-m2<0 se o contraste for definido como C = mc mi.
que, sob a hiptese de nulidade H0: C = 0 tem a distribuio t de Student com graus de
liberdade correspondentes estimativa s2 da varincia 2.
Exemplo 2.3. Considere-se um experimento que estudou o controle de molstias do
trigo por meio do fungicida Vitavax aplicado na semente e, adicionalmente, em pulverizao
da lavoura, com os seguintes tratamentos: T1 - Testemunha (sem fungicida), T2 - Tratamento de
semente com Vitavax e T3 - Tratamento de semente e pulverizao da lavoura com Vitavax.
Segundo os objetivos do experimento, so de interesse as seguintes comparaes de
tratamentos:
- Efeito da aplicao do Vitavax: T1 versus (T2, T3 ),
- Efeito da aplicao adicional do Vitavax em pulverizao da lavoura: (T2) versus
(T3).
O experimento foi conduzido com o delineamento blocos casualizados, com oito
blocos. A produo de gros de trigo, em decagramas por parcela de 7 m2, dada na Tabela
2.3.
2. Discriminao da Variao Atribuvel a Tratamentos 61
Tratamento
Bloco Soma
T1 T2 T3
1 66 62 86 214
2 64 78 69 211
3 69 66 87 222
4 55 75 84 214
5 48 55 66 169
6 38 58 45 141
7 46 54 41 141
8 45 56 46 147
Soma 431 504 524 1.459
Mdia 53,875 63,000 65,500
Tratamento
Contraste
T1 T2 T3
C1 - Efeito do Vitavax -2 1 1
C2 - Efeito adic. do Vitavax em pulverizao 0 -1 1
Total do tratamento (yi) 53,87 63,00 65,50
Ento, esse valor observado da estatstica t deve ser comparado com os pontos
percentuais da distribuio t para teste bilateral, disponveis na Tabela A2 do Apndice. Para
GL Erro=14 obtm-se dessa Tabela:
1,761, P = 0,05
t (14; P) =
2,624, P = 0,01
O valor observado t=2,753 superior a t(14; =0,05)=1,761; logo, a hiptese de nulidade
rejeitada. O valor de t observado tambm superior a t(14; 0,01)=2,624. Logo, conclui-se que
o contraste foi significativo (P<0,01).
Observe-se que a formulao da hiptese unilateral apropriada apenas se houver
garantia de impossibilidade de qualquer efeito prejudicial do Vitavax sobre a produo.
Para ressaltar as consequncias da formulao da hiptese como unilateral ou bilateral,
procede-se, a seguir, o teste bilateral. Para teste bilateral, os valores tabelados de t para GL
Erro=14, obtidos da mesma Tabela A2 do Apndice so:
2,145, P = 0,05
t (14; P) =
2,997, P = 0,01
Logo, o valor observado de t=2,753 superior ao valor tabelado para P=0,05, mas inferior ao
valor tabelado para P=0,01. Portanto, a hiptese de nulidade tambm rejeitada. Entretanto,
como agora o valor observado de t inferior ao valor da tabela para P=0,05 o grau de
confiabilidade da rejeio da hiptese de nulidade diminudo, e a concluso alterada para: o
contraste foi significativo (P<0,05).
Observe-se que, de modo geral, um teste unilateral rejeita a hiptese de nulidade mais
facilmente do que o correspondente teste bilateral. Isso explicado pela informao a priori
referente ao sinal do contraste (no negativo, no exemplo) utilizada na formulao da hiptese
univariada. A Figura 2.3 mostra a relao entre as regies de rejeies de teste t bilateral e de
teste t unilateral (com valores admissveis de t no negativos) no grfico da distribuio t. Essas
regies de rejeio so, respectivamente, |t| > t/2 e t > t.
2. Discriminao da Variao Atribuvel a Tratamentos 63
(c1 y1 + c 2 y2 +...+ c t yt ) 2
SQ C = .
c12 c 22 c 2t
+ + ... +
r1 r2 rt
Na situao de igual nmero de repeties dos tratamentos, pode ser mais conveniente
a utilizao dos totais de tratamentos. A soma de quadrados de um contraste de totais de
tratamentos = c1y1 +c2y2 + ...+ctyt dada pela seguinte expresso:
(c1y1 + c2 y 2 +...+ c t y t )2
SQ C = ,
r (c12 + c 22 +...+ c 2t )
(
C 2k = c k1 y1 + c k 2 y2 + ...+ c k t y t e d k = c2k1 + c2k2 +...+ c2kt ) r
C1 = 0(53,875)-63,000+65,500 = 2,5;
[(2)x431+504+524]
2
= = = 574,08,
820, 762
8 (2) 2 +12 +12
SQ C1
6
5 - PK + Ureia - 30 kg N/ha,
6 - PK + Ureia - 90 kg N/ha.
Segundo os objetivos do experimento, so de interesse os contrastes de tratamentos
especificados na Tabela 2.7.
Tratamento
Contraste
1 2 3 4 5 6
Efeito da adubao -5 1 1 1 1 1
Efeito adub. adicional com N 0 -4 1 1 1 1
Sulfato amnio versus Ureia 0 0 -1 -1 1 1
Doses de Sulfato de amnio 0 0 -1 1 0 0
Doses de Ureia 0 0 0 0 -1 1
Bloco
Tratamento Soma
1 2 3 4
1 212 269 182 200 863
2 310 424 125 115 974
3 415 415 385 347 1.562
4 420 457 465 468 1.810
5 232 377 445 352 1.406
6 386 437 385 390 1.598
Soma 1.975 2.379 1.987 1.872 8.213
Bloco
Tratamento Soma
1 2 3 4
1 281 290 278 280 1.129
2 334 198 193 190 915
3 250 231 262 270 1.013
4 220 280 310 368 1.178
5 93 100 188 189 570
6 200 160 258 210 828
7 83 95 120 160 458
8 110 95 90 92 387
Soma 1.571 1.449 1.669 1.759 6.478
onde Qk a soma de quadrados do k-simo grupo, com tk-1 graus de liberdade. Denotando os
totais dos tratamentos neste k-simo grupo por yk1, yk2, ..., y kt , respectivamente com rk1, rk2,
k
..., rkt repeties, esta soma de quadrados expressa por:
k
y 2k y 2k y 2k (yk + yk +...+ yk )2
+ + ... + rk +rk +...+rk
1 2 tk 1 2 tk
Qk = - .
rk rk rk 1 2 tk
1 2 tk
Esse procedimento pode ser adotado como alternativa para a determinao da soma de
quadrados de um contraste (caso particular de dois grupos de tratamentos). Considere-se, para
ilustrao, o exemplo anterior. Os totais das observaes para o controle e os sete herbicidas
so: 387 e 6.091, provenientes de 4 e 28 parcelas, respectivamente. Ento:
387 2 6.0912 6.4782
SQ C = + = 51.062,161.
4 28 32
2.4.1 Introduo
fator; por exemplo, para a determinao do nvel timo do fator, isto , do nvel que maximiza
a resposta ou uma sua funo (renda lquida, por exemplo). Nesta situao, o procedimento
mais apropriado para a discriminao da variao entre tratamentos o ajustamento de uma
curva de resposta, por meio de anlise de regresso. Se existe suficiente conhecimento
terico para a especificao da forma matemtica apropriada da relao entre a varivel
resposta e o fator, usualmente no linear (por exemplo, logstica, de Mitscherlich, de
Gompertz), a equao da curva especfica deve ser ajustada aos dados. Na maioria dos
experimentos em agricultura, entretanto, a relao matemtica entre a varivel resposta y e a
varivel independente x demasiadamente complicada ou desconhecida. O procedimento usual
, ento, a aproximao da relao matemtica desconhecida por meio de um polinmio de
grau p:
y = b0 + b1x + b2x2 +...+bpxp.
Dentro de um intervalo limitado de valores da varivel independente, uma aproximao
polinomial muitas vezes satisfatria para relaes no lineares.
Recorde-se que por dois pontos em um sistema cartesiano bidimensional pode-se
traar uma reta, isto , uma curva polinomial de primeiro grau. De modo geral, por t pontos
pode-se traar exatamente uma curva polinomial de grau t-1. Assim, pelos t pontos ( x 1 , y1 ) ,
( x 2 , y 2 ) , ..., ( x t , y t ) , onde x1, x2,...,xp so os nveis do fator e y1 , y 2 , ..., y t so as
correspondentes mdias de tratamentos, pode-se traar exatamente uma curva polinomial de
grau t-1. Em geral, curvas polinomiais de grau inferior a t-1 no podem ser traadas exatamente
pelos t pontos. Entretanto, tais curvas podem ser traadas aproximadamente pelos t pontos,
segundo um critrio apropriado de proximidade.
Uma curva polinomial linear informa sobre a tendncia de crescimento (ou
decrescimento) da resposta mdia a taxas constantes; uma curva polinomial quadrtica informa
sobre a tendncia de variao da resposta a taxas decrescentes (ou crescentes), em que a
resposta cresce at um ponto de mximo e ento passa a decrescer (ou decresce at um ponto
de mnimo e ento passa a crescer); uma curva polinomial cbica informa sobre a tendncia de
variao em que a taxa de variao oscila, passando de decrescente a crescente (ou de crescente
a decrescente); curvas polinomiais de graus superiores ao terceiro informam sobre tendncias
mais complexas da resposta. Dessa forma, o ajustamento de uma curva polinomial permite a
caracterizao da tendncia da resposta mdia com a variao do nvel do fator em
considerao.
Na Figura 2.4, esto representadas as curvas polinomiais de graus mais baixos: (a)
linha reta - primeiro grau simples, (b) curva quadrtica - segundo grau simples, (c) curva
cbica - terceiro grau simples, (d) curva quadrtica - segundo grau, composta de primeiro e
segundo graus, (e) curva cbica - terceiro grau, composta de primeiro e terceiro graus, e (f)
curva cbica - terceiro grau, composta de primeiro, segundo e terceiro graus. Observe-se que o
grau de um polinmio a potncia mais elevada da varivel independente e atribudo pelo
seu componente de grau mais elevado.
2. Discriminao da Variao Atribuvel a Tratamentos 71
Figura 2.4. Ilustrao de curvas polinomiais de graus baixos: (a) primeiro grau puro;
(b) segundo grau puro; (c) terceiro grau puro; (d) segundo grau, composto
de primeiro e segundo graus; (e) terceiro grau, composto de primeiro e
terceiro graus; (f) terceiro grau, composto de primeiro, segundo e terceiro
graus.
A Figura 2.4 (d) e (e) ilustram curvas polinomiais que podem aproximar relaes no
lineares: Figura 2.4 (d) composies de tendncias linear e quadrtica, que podem representar,
aproximadamente: 1-resposta decrescente ao incremento do nvel x do fator, 2-crescimento
exponencial, e 3-decrescimento exponencial com o tempo; Figura 2.4 (e) composies de
tendncias linear e cbica, que podem representar, aproximadamente: 1-curva logstica e 2-
resposta gentica retardada seleo.
O procedimento de decomposio em componentes polinomiais ortogonais uma
aplicao da tcnica de decomposio em contrastes ortogonais, com os coeficientes dos
contrastes apropriados definidos por polinmios. O grau do polinmio que melhor se ajusta aos
72 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
dados pode ser determinado pela decomposio da soma de quadrados de tratamentos, com t-1
graus de liberdade, em t-1 contrastes ortogonais, correspondentes s tendncias linear,
quadrtica, cbica, etc.
A determinao da curva polinomial que "melhor" se ajusta aos dados de um
experimento procedida pela anlise de regresso. O ajustamento de regresso polinomial
torna-se simples quando as diferenas entre os nveis consecutivos do fator so iguais e o
nmero de repeties o mesmo para todos os tratamentos. Para essa situao particular, os
coeficientes dos contrastes polinomiais ortogonais so disponveis em tabelas, como a Tabela
A7 do Apndice.
Considere-se um fator quantitativo expresso pela varivel x, com t nveis na amostra,
denotados por x1, x2, ..., xt. Suponha-se que os nveis sucessivos xi e xi+1, i=1,2,...,t-1, so
igualmente distantes de q unidades. Efetue-se a seguinte mudana de escala que transforma
essa varivel x em uma varivel X centrada na origem:
xx x + x +...+ x t
X= , onde: x = 1 2 .
q t
Ento, a equao polinomial de grau p:
y = b0 + b1x + b2x2 +...+ bpxp,
pode ser reescrita na forma:
y = B0 + B1P1 + B2P2 +...+ BpPp,
onde B0, B1, B2, ..., Bp so coeficientes apropriados e Pk (k=1,2,...,p) so funes polinomiais
de grau k do fator x, as trs primeiras, que exprimem as tendncias linear, quadrtica e cbica,
com as seguintes expresses:
P1 = L1X,
P2 = L 2 X 2 t 1 ,
2
12
P3 = L3 X 3 3t 7 X ,
2
20
Qualquer funo polinomial Pk de grau superior a 3 pode ser obtida pela seguinte frmula
recursiva, que permite determinar o polinmio de grau k+1 em funo dos polinmios de graus
1, k-1 e k:
k 2 (t 2 k 2 )
Pk+1 = P1Pk Pk1 .
4(4k 2 1)
Nessas expresses, Lk (k=1,2,...,p) so constantes (dependentes de t) que tornam os
coeficientes dos contrastes polinomiais os menores nmeros inteiros. Os coeficientes dos
contrastes correspondentes aos componentes polinomiais ortogonais e os correspondentes
valores das constantes Lk so apresentados na tabela de coeficientes para o ajustamento de
polinmios ortogonais (Tabela A7, em anexo).
Demonstra-se que essas funes polinomiais P1, P2, ..., Pp satisfazem seguinte
condio de ortogonalidade: os conjuntos de valores das funes Pk avaliadas nos t nveis de x,
sejam (Pk1, Pk2, ..., Pkt), k=1,2,...,p, so tais que a soma dos produtos dos correspondentes
2. Discriminao da Variao Atribuvel a Tratamentos 73
valores para quaisquer dois polinmios distintos Pk e Pk', nula: Pk1Pk'1 + Pk2Pk'2 + ... + PktPk't =
0. Ademais, essas funes avaliadas nos nveis do fator na amostra, ou seja, x1, x2, ..., xt, so
coeficientes de contrastes ortogonais dos correspondentes valores da varivel resposta Y que
exprimem as tendncias polinomiais de graus crescentes com o ndice de P; ou seja: os
coeficientes de P1 correspondem a um contraste que exprime a tendncia linear; os coeficientes
de P2, P3, ... correspondem a contrastes que exprimem, respectivamente, as tendncias de
resposta quadrtica, cbica, etc. Por exemplo, no caso de trs nveis: x1, x2 e x3, tais que
x1<x2<x3, os valores das funes P1 e P2 avaliadas nesses nveis so, respectivamente: -1, 0 e 1,
e 1, -2 e 1. O contraste de mdias com o primeiro conjunto de coeficientes, ou seja: y1 + y 3 (ou
y3 y1 ) indica tendncia linear, ou seja, o crescimento ou decrescimento da resposta, com taxa
de variao constante, respectivamente nas situaes em que y1<y3 ou y1>y3. O contraste com o
segundo conjunto de coeficientes indica tendncia quadrtica, isto , taxa de variao da
resposta no constante, decrescente ou crescente, respectivamente nos casos y1 + y3 2y2 < 0 e
y1 + y3 2y2 > 0. (Figura 2.5).
t
2
Pki yi
SQPk = i=1 t , k=1,2,...p.
r Pki
2
i=1
Observe-se que essas expresses so semelhantes quelas das correspondentes
estimativas dos coeficientes Bk, com a diferena que nessas expresses de somas de quadrados
os numeradores esto elevados ao quadrado.
Exemplo 2.6. Para ilustrao, considerem-se os resultados de um experimento que
estudou o efeito do espaamento de plantio de batatinha sobre a produo de tubrculos. O
experimento adotou o delineamento blocos casualizados, com seis repeties dos seguintes
quatro tratamentos - espaamento de plantio dentro de linha: 0,1; 0,2; 0,3 e 0,4 m (o
espaamento comum entre linhas foi 1 m).
O objetivo desse experimento foi a derivao de inferncias referente ao espaamento
dentro de linhas a que corresponde a produo mxima. O intervalo de nveis do fator
espaamento de plantio para a populao objetivo (e a amostra), ou seja, (0,1;e 0,4 m), foi
escolhido com a expectativa de que a produo mxima correspondesse a espaamento
compreendido entre 0,1 e 0,4 m. De modo geral, de esperar que a produo de tubrculos por
rea seja nula para espaamentos muito pequenos (prximos de zero) que inibam a produo;
passe a crescer, inicialmente com taxa de variao crescente, na medida em que o aumento do
espaamento reduza a competio das plantas de modo que a tendncia do aumento da
produo por planta supere a tendncia de diminuio da produo consequente da diminuio
2. Discriminao da Variao Atribuvel a Tratamentos 75
do nmero de plantas por rea, e, ento, com taxa de variao decrescente, quando o aumento
da produo por planta se torne inferior tendncia da diminuio da produo decorrente da
diminuio do nmero de plantas por rea. A produo mxima por rea deve corresponder ao
espaamento em que as plantas atinjam o potencial mximo de produo de modo que qualquer
aumento de espaamento implique em reduo do nmero de plantas por rea no compensado
por aumento de produo por planta. Assim, em um intervalo de espaamento entre plantas
suficientemente amplo, esperado que a relao entre a produo e o espaamento possa ser
aproximada por uma funo polinomial linear-quadrtica-cbica (Figura 2.6). Em um intervalo
de menor amplitude a funo a funo de resposta poder linear-quadrtica ou apenas linear.
Bloco
Espaamento Soma Mdia
1 2 3 4 5 6
0,10m x 1m 9,8 13,9 15,1 16,0 17,5 18,5 90,8 15,13
0,20m x 1m 15,8 15,1 15,6 18,4 17,7 19,9 102,5 17,08
0,30m x 1m 14,8 16,8 18,6 17,6 21,6 22,9 112,3 18,72
0,40m x 1m 15,5 18,3 17,8 18,1 18,8 20,7 109,2 18,20
Soma 55,9 64,1 67,1 70,1 75,6 82,0 414,8
Componente
Espaamento
Pki k
C Lk
0,1 0,2 0,3 0,4 i
Linear -3 -1 1 3 20 65,0 2
Quadrtico 1 -1 -1 1 4 -14,8 1
Cbico -1 3 -3 1 20 -11,0 10/3
Total: yi 90,8 102,5 112,3 109,2
65, 02
SQ C1 = = 35, 208 ,
620
(-14,8)2
SQ C2 = = 9,127 e
64
(-11, 0)2
SQ C3 = = 1, 008 .
620
A anlise da variao com a decomposio da SQ Tratamento nos componentes polinomiais
ortogonais apresentada na Tabela 2.16.
onde:
y1 + y 2 +...+ y t
B0 = y =
t
e
Pki yi
t
Bk = i=1
, k=1,2,...p,
Pki
t
2
r
i=1
Logo
5
y = 17,283 + 0,54167 (2X) + (-0,61667) X 2
4
x 0, 25
2
- 0,61667 ;
x 0, 25
0,10
y = 18,0541 +1,08334
0,10
donde resulta:
y = 11,49 + 41,667 x 61,667 x2.
Essa equao exprime a produo mdia de tubrculos ( y ) em funo do espaamento
de plantio da batatinha (x). Por meio dessa equao, pode-se estimar a produo mdia de
tubrculos para um dado espaamento, substituindo x pela correspondente medida de
espaamento. Por exemplo, para o espaamento de 0,10 m, tem-se:
y x =0,10 = 11,49 + 41,667(0,10) - 61,667 (0,10)2 = 15,04.
Produo de tubrculos
Espaamento (t/ha)
na linha (m)
Observada Estimada
0,10 15,13 15,04
0,20 17,08 17,36
0,30 18,72 18,44
0,40 18,20 18,29
x* =
b
.
2c
x* = = 0, 34 ,
41, 667
2(61, 667)
Exerccios 2.1
1. Indique o procedimento para a discriminao da variao entre tratamentos em cada uma
das seguintes situaes:
a) Os tratamentos so as combinaes dos nveis de dois ou mais fatores.
2. Discriminao da Variao Atribuvel a Tratamentos 81
Tratamento
Bloco
A B C D E F G H
1 8 16 14 10 8 8 7 12
2 8 19 16 11 7 8 6 9
3 9 24 14 12 1 3 6 9
4 7 22 13 8 1 3 6 11
5 7 19 14 7 3 3 4 9
6 5 19 13 3 2 7 4 5
animais com nascimentos prximos, ficando entre os grupos de cinco animais (blocos) as
diferenas maiores atribuveis a datas de nascimento. Ao final das doze semanas, os ganhos
totais de peso dos terneiros (em kg/6 animais) para os cinco tratamentos e a estimativa da
varincia casual (QM Erro) foram os seguintes:
Tratamento: 1 2 3 4 5
Ganho de peso: 405,8 359,5 365,0 313,3 346,6
s2 = 19,865, com 20 graus de liberdade.
Fonte de variao GL SQ QM F
Tratamento
Erro 16 342,24
Total
Totais de tratamentos:
Tratamento: 1 2 3 4
Total: 14 82 168 178
c) Com base exclusiva nos testes de significncia efetuados no item anterior, qual o grau
da curva polinomial que "melhor" se ajusta aos dados do experimento?
d) Determine a equao da curva polinomial para exprimir a relao entre perda de peso do
fruto e percentagem de concentrao da cera no tratamento do fruto, de acordo com sua
escolha no item anterior.
9. Considere os dados abaixo relativos soma da produo de feijo-vagem (Y) em cada uma
de seis pocas diferentes de colheita referidas a uma data base (X - nmero de dias a partir
da data base), obtidos em um experimento com delineamento completamente casualizado,
com quatro repeties:
c
i
1i y i. = 1 , c
i
2i y i. = 200 , ( y
i j
ij y .. ) 2 =560.
a) Efetue a anlise da variao para a execuo dos testes de significncia referentes aos
efeitos linear e quadrtico de poca de colheita e ao desvio da regresso quadrtica.
b) Determine as equaes das curvas polinomiais linear e quadrtica ajustadas.
c) Calcule os coeficientes de determinao correspondentes aos ajustamentos das curvas
linear e quadrtica e explique os seus significados.
d) Determine o coeficiente de correlao linear entre Y e X e, com base nele, explique a
frase: "Um pequeno coeficiente de correlao entre duas variveis no significa,
necessariamente, ausncia de relao entre elas".
e) Com base nos resultados obtidos, que equao voc escolheria (linear ou quadrtica)
para exprimir a relao entre produo de feijo-vagem e poca de colheita? Justifique a
resposta, mencionando em que consideraes a escolha foi baseada.
10. Um experimento foi conduzido para estudar a relao entre a quantidade de resduo do
herbicida Trifluralin nas folhas de uma planta relativamente resistente a esse herbicida e a
quantidade aplicada do herbicida. O experimento foi conduzido em delineamento blocos
casualizados com quatro repeties dos seguintes tratamentos constitudos por doses de
Trifluralin: 1 - 1/4, 2 - 1/2, 3 - 1, 4 - 2 e 5 - 4 kg/ha. Foi avaliada a quantidade de resduo do
herbicida em cada uma de quatro folhas escolhidas aleatoriamente de cada parcela.
Suponha que os dados a analisar so as mdias das quatro folhas de cada parcela e que o
pesquisador deseja verificar a adequabilidade de uma curva polinomial quadrtica para
representar a relao em questo.
86 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
2.5.1 Introduo
d2 = Var( y i y i' ) ,
expressa por:
1 1
d2 = + 2 .
ri ri'
O desvio padro da diferena das estimativas das duas mdias de tratamentos a raiz quadrada
da correspondente varincia, ou seja:
1 1
d = + 2 .
ri ri'
Se as duas mdias so baseadas em um mesmo nmero r de repeties, esta expresso reduz-se
a:
d =
2
2
.
r
5 4 2 6 3 1
Bloco 1
76 88 72 60 72 112
3 2 6 1 4 5
Bloco 2
44 43 39 87 84 32
2 1 3 4 5 6
Bloco 3
84 72 44 60 34 65
5 4 1 2 6 3
Bloco 4
33 64 69 49 42 42
Inicia-se, ento, com a comparao do tratamento de mdia mais elevada com cada um
dos demais tratamentos. Para tal, subtrai-se a dms da mdia daquele tratamento:
85,0 - 18,34 = 66,66.
Dessa forma, os tratamentos so classificados em dois grupos exclusivos: um grupo constitudo
pelos tratamentos de mdia inferior a 66,66 (cultivares 2, 6, 3 e 5) e o outro, pelos demais
tratamentos (cultivares 1 e 4). O primeiro grupo compreende os tratamentos que diferiram
significativamente do tratamento de mdia mais elevada; o segundo grupo compreende o
tratamento de mdia mais elevada e os tratamentos que no diferiram significativamente deste
tratamento.
Esse processo de classificao dos tratamentos em dois grupos exclusivos seguido,
sucessivamente, para cada tratamento, na ordem da mdia mais elevada para a mais baixa. O
processo encerra-se quando o valor que resulta da subtrao da dms de uma mdia de
tratamento igual ou inferior menor mdia de tratamento, resultando da classificao para
esse tratamento apenas um grupo, de modo que qualquer classificao ulterior no poder
conduzir a separao de novos grupos.
Assim, prosseguindo com o exemplo, subtrai-se a dms da segunda mdia mais
elevada:
74,0 - 18,34 = 55,66,
classificando-se os tratamentos, excludo aquele de mdia mais elevada, em dois grupos: o
grupo dos tratamentos com mdia inferior a 55,66 (cultivares 6, 3 e 5), que diferiram
significativamente do tratamento de segunda mdia mais elevada, e o grupo constitudo por
este tratamento e os demais tratamentos de mdias no inferiores a 55,66 (cultivares 4 e 2), que
no diferiram significativamente do tratamento de segunda mdia mais elevada.
No prximo passo, subtrai-se a dms da terceira mdia mais elevada:
62,0 - 18,34 = 43,66,
que valor inferior mdia mais baixa dos tratamentos. Logo, nenhum dos tratamentos que
seguem o tratamento de terceira mdia mais elevada difere significativamente deste. Dessa
forma, neste passo formado um nico grupo, constitudo pelo tratamento de terceira mdia
mais elevada e os demais de mdias inferiores a esta (cultivares 2, 6, 3 e 5).
92 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
s yi = s 2 r .
O teste de Duncan um teste de amplitude mltipla, isto , usa uma amplitude para
cada distncia que separa as mdias de tratamentos ordenadas. A amplitude mnima
significativa para dois tratamentos dada por:
w a = q a ( ; ) s yi ,
2. Discriminao da Variao Atribuvel a Tratamentos 95
onde qa(;) a "amplitude estudentizada" para graus de liberdade do erro, =0,05 (ou 0,01)
e a tratamentos compreendidos entre os dois que se comparam, includos estes, e s yi a
estimativa do desvio padro da estimativa de uma mdia de tratamento:
s yi = s 2 r .
s2 r = 148,17 4 = 6, 086 .
As amplitudes mnimas significativas so, ento, obtidas multiplicando esse valor da estimativa
do desvio padro de uma mdia de tratamento pelas amplitudes estudentizadas, obtidas da
tabela. Obtm-se:
q6 = 3,36 w6 = 20,4
q5 = 3,31 w5 = 20,1
q4 = 3,25 w4 = 19,8
q3 = 3,16 w3 = 19,2
q2 = 3,01 w2 = 18,3
Mdia dms de
Ordem Cultivar 2 Duncan Tukey
(dag/4m ) Fisher
1 1 - nica 85,0 A a a
2 4 E.Harvest 74,0 Ab ab ab
3 2 - Profusion 62,0 bc bc abc
4 6 - F.Gourmets 51,5 c c bc
5 3 R.F.Verts 50,5 c c bc
6 5 - Annonay 43,7 c c c
taxa de erro por comparao, para a qual o teste dms de Fisher o recomendado. O teste de
Duncan um meio termo entre essas duas alternativas.
As objees ao teste de Duncan podem ser removidas ou reduzidas pelo requerimento
da significncia do teste F global para tratamentos, ou pela adoo de um nvel de significncia
mais baixo; 0,01 ou 0,001, por exemplo. Semelhantemente, as objees ao teste de Tukey
podem ser removidas ou reduzidas tomando um nvel de significncia mais elevado; 0,10 ou
0,25, por exemplo.
De fato, tem sido argumentado que no h tanta diferena entre os mtodos, e que
qualquer um dos testes para comparaes mltiplas pode ser utilizado para os propsitos
desejados, bastando a adequada escolha do nvel de significncia.
Assim, de modo geral, a escolha de um teste de comparaes mltiplas envolve uma
deciso entre atribuir mais importncia proteo do erro tipo 1 ou do erro tipo 2. Ento, o
pesquisador pode considerar duas abordagens alternativas para a escolha de teste de
comparaes mltiplas para seus experimentos:
1) Adotar um nvel de significncia comum para seus experimentos e, ento, para
cada experimento particular escolher o teste segundo suas implicaes para as
probabilidades reais dos erros tipo 1 e tipo 2:
teste dms de Fisher, se o erro tipo 2 for mais grave do que o erro tipo 1;
teste de Tukey, se o erro tipo 1 for mais grave do que o erro tipo 2;
teste de Duncan, para situaes intermedirias.
2) Escolher um teste de comparaes mltiplas e um nvel de significncia bsico A
para as situaes em que os erros tipo 1 e tipo 2 sejam igualmente importantes;
ento, escolher o nvel de significncia para cada experimento particular
segundo as gravidades relativas dos erros tipos 1 e 2:
> A, se o erro tipo 2 for mais grave do que o erro tipo 1;
< A, se o erro tipo 1 for mais grave do que o erro tipo 2;
= A, se os erros tipo 1 e tipo 2 forem igualmente importantes.
Bloco
Tratamento Soma
1 2 3 4
1 84 111 92 98 385
2 144 138 104 129 515
3 141 129 145 146 561
4 95 127 112 124 458
5 105 119 107 125 456
6 130 130 122 171 553
7 118 104 101 122 445
Soma 817 858 783 915 3.373
Contraste
Tratamentos
Pki k
C
1 2 3 4 5 6 7 i
C1 -6 1 1 1 1 1 1 42 678
C2 0 -1 -1 -1 1 1 1 6 -80
C3 0 -1 0 1 0 0 0 2 -57
C4 0 1 -2 1 0 0 0 6 -149
C5 0 0 0 0 -1 0 1 2 -11
C6 0 0 0 0 1 -2 1 6 -205
Total: yi 385 515 561 458 456 553 445
Bloco
Tratamento Soma
1 2 3 4
1 234 247 233 220 934
2 261 230 235 224 950
3 267 262 326 335 1.190
4 268 264 255 352 1.139
5 257 255 308 301 1.121
6 348 312 365 309 1.334
7 227 352 313 310 1.202
8 312 316 315 308 1.251
Soma 2.174 2.238 2.350 2.359 9.121
A variao entre tratamentos pode ser decomposta na variao entre os trs grupos de
tratamentos correspondentes aos nveis de fsforo 0, 60 e 90 kg P2O5/ha, ou seja: grupo 1 -
tratamento 1, grupo 2 - tratamentos 2, 3 e 4, e grupo 3 - tratamentos 5, 6 e 7, e na variao
dentro de cada um destes dois ltimos grupos, como segue:
9342 3.2792 4.9082 9.1212
SQ Grupos = + + = 19.834,72 ,
4 12 16 32
comparao do tratamento testemunha com o conjunto dos demais tratamentos pode no ter
sentido. O procedimento alternativo mais apropriado e, ento, efetuar a comparao de cada um
dos t-1 tratamentos com o testemunha.
Quando o experimentador deseja apenas as comparaes de um dos tratamentos,
escolhido a priori, com cada um dos demais t-1 tratamentos, como ocorre quando h um
testemunha, a aplicao do teste de Tukey, que apropriado para o conjunto de todas as t(t-1)/2
comparaes mltiplas dos t tratamentos, implica na adoo de um valor crtico (valor mnimo
para que uma diferena seja declarada significativa) exageradamente grande. Um teste
apropriado para esse subconjunto de comparaes mltiplas de tratamentos o teste de
Dunnett. Esse teste, como o teste de Tukey, adota uma taxa de erro por experimento e um nico
valor crtico para julgar todas as t-1 diferenas do tratamento testemunha em relao aos
demais t-1 tratamentos.
O teste de Dunnett estabelece que um tratamento difere do testemunha quanto
caracterstica em considerao se a diferena entre suas mdias for superior a:
A = tD (;p;) sd,
onde tD(;p;) obtido de tabelas prprias para testes unilaterais e bilaterais (Tabelas A5 e A6
do Apndice), para p = t-1 tratamentos que se comparam com o testemunha, graus de
liberdade da estimativa da varincia casual e = 0,05 ou 0,01, e sd o desvio padro da
diferena de duas mdias, ou seja:
sd = 2s 2 r .
A escolha entre teste bilateral e unilateral depende do conhecimento a priori
(estabelecido no plano do experimento), com fundamento terico da rea de pesquisa, do
sentido da diferena entre o efeito esperado do testemunha e os efeitos esperados dos demais
tratamentos. Se sabido a priori que o efeito esperado do testemunha igual ou superior, no
podendo ser inferior (ou igual ou inferior, no podendo ser superior), aos efeitos esperados dos
demais tratamentos, o teste unilateral. Caso contrrio, ou seja, se no conhecido a priori o
sentido da diferena, se existente, do efeito esperado do testemunha relativamente aos efeitos
esperados dos demais tratamentos, o teste bilateral. Assim, por exemplo, em um experimento
com inseticidas ou antibiticos em que o testemunha a ausncia da aplicao do inseticida ou
antibitico, respectivamente, pode ser conhecido, a priori, que os inseticidas ou os antibiticos
no podem ter efeitos negativos sobre a resposta (produo de gros ou temperatura do animal,
respectivamente, por exemplo). Neste caso, o teste unilateral. Mais frequentemente,
entretanto, tal ordenao entre os efeitos esperados dos tratamentos no conhecida a priori, o
que implica que o teste apropriado bilateral.
Em um teste de Dunnett bilateral, uma diferena entre mdias declarada significativa
se seu valor absoluto superior ao valor crtico A. Em um teste de Dunnett unilateral, uma
diferena de mdias declarada significativa apenas se seu valor superior +A, ou inferior -
A, conforme a relao entre os correspondentes efeitos esperados dos tratamentos. A
informao a priori adotada no teste unilateral torna-o menos exigente quanto ao erro tipo I do
que o correspondente teste bilateral; ou seja, um teste unilateral declara significncias de
diferenas com frequncia mais elevada que o correspondente teste bilateral.
Exemplo 2.10. Considere-se um experimento que teve como objetivo a comparao
da cultivar de tomateiro Pelotas com as duas cultivares das quais ela se originou por hibridao,
Homestead e Sioux, e com a variedade Rio Grande, que era de cultivo comum na regio Sul do
106 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Estado do Rio Grande do Sul. O experimento adotou o delineamento blocos casualizados, com
quatro repeties. Os resultados da anlise da variao da produo comercializvel de frutos
de tomate (em dag/9,60m2) e os rendimentos mdios das cultivares so dados na Tabela 2.35 e
na Tabela 2.36.
Mdia 1
Cultivar
dag/9,60m2 kg/ha
Pelotas 2.813,7 29.310
Homestead 1.872,0 19.500
Sioux 1.827,7 19.039
Rio Grande 1.531,2 15.951
1
As cultivares situadas abaixo da linha
pontilhada foram significativamente
inferiores a cultivar Pelotas, segundo o
teste de Dunnett (=0,05).
S= (t 1) F(t 1; ; ) Var(C)
,
Raa N na planta
3DOK1 19,4 32,6 27,0 32,1 33,0
3DOK5 18,2 24,6 25,5 19,4 21,7 20,8
3DOK7 20,7 21,0 20,5 18,8 18,6 20,1 21,3
Fonte de variao GL SQ QM
Variedade - - 747,50
Erro 20 3.600 -
Variedade: A B C D E
Mdia: 80 85 60 62 82 93
1. Que processo de deciso seria prefervel em cada uma das seguintes situaes:
112 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Contedo
3.1 Introduo
No delineamento blocos casualizados clssico, cada bloco inclui uma e apenas uma
repetio de cada tratamento, constituindo, portanto, uma repetio completa dos tratamentos.
O controle da heterogeneidade do material experimental logrado custa do sacrifcio de graus
de liberdade para a estimativa da varincia do erro. Assim, esse delineamento mais eficiente
do que o completamente casualizado quando e apenas quando o ganho com o controle da
heterogeneidade do material experimental pela formao de blocos supera a correspondente
perda de graus de liberdade do erro.
Essa considerao particularmente importante para experimentos com pequeno
nmero de tratamentos. Para a situao de dois tratamentos, por exemplo, a formao de blocos
de apenas duas unidades experimentais pode impor um controle local exagerado, se o material
experimental no extremamente heterogneo. Nessa situao, o controle local com a
formao de blocos completos pode conduzir a uma elevada perda de graus de liberdade do
erro no compensada pela reduo da variao do erro experimental. De fato, para doze
repeties, por exemplo, a imposio de controle local pela formao de blocos completos
implica na reduo dos graus de liberdade metade, isto , de 22 para 11, conforme os
esquemas de anlise de variao da Tabela 3.1.
Tabela 3.1. Esquemas das anlises de variao para experimento com dois
tratamentos e 24 unidades experimentais para os delineamentos
completamente casualizado e blocos casualizados.
Assim, para o exemplo de dois tratamentos cada um com doze repeties, agrupando
em cada bloco duas e trs repeties de cada tratamento, do que resultam seis e quatro blocos,
respectivamente, tm-se os dois esquemas de anlise de variao da Tabela 3.2.
Graus de liberdade
Fonte de variao Duas repeties Trs repeties
por bloco por bloco
Bloco 5 3
Tratamento 1 1
Erro 17 19
Total 23 23
Dessa forma, com duas repeties de cada tratamento por bloco, obtm-se um
aumento de 6 graus de liberdade para a estimativa da varincia do erro em relao ao
delineamento blocos casualizados. Em experimentos agrcolas de campo, por exemplo, de
esperar que blocos de quatro parcelas sejam, de modo geral, essencialmente to homogneos
quanto blocos de duas parcelas, de modo que o incremento de graus de liberdade obtido com
blocos de quatro parcelas deve conduzir a um aumento da sensibilidade do experimento. Com
trs repeties por bloco (portanto, seis parcelas por bloco), h um incremento adicional de 2
graus de liberdade, no to considervel como o anterior.
Com trs tratamentos e oito repeties, portanto, 24 unidades experimentais, os graus
de liberdade para os delineamentos completamente casualizado, blocos casualizados e blocos
casualizados com duas repeties por bloco so os apresentados na Tabela 3.3.
Tabela 3.3. Esquemas das anlises de variao para experimento com trs
tratamentos e 24 unidades experimentais, para os delineamentos
completamente casualizado, blocos casualizados e blocos casualizados
com duas repeties por bloco.
Graus de liberdade
Fonte de variao Blocos casual. com
Completamente Blocos
duas repeties
Casualizado casualizados
por bloco
Bloco - 7 3
Tratamento 2 2 2
Erro 21 14 18
Total 23 23 23
118 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Graus de liberdade
Fonte de variao
(a) (b)
Bloco 3 b-1
Tratamento 2 t-1
Erro Tratamento x Bloco 6 (b-1)(t-1)
Rep./Tratamento e Bloco 12 (r-1)tb
Total 23 rtb-1
Dessa forma, o delineamento blocos casualizados com mais de uma repetio em cada
bloco permite inferncias referentes interao Tratamento x Bloco que em algumas
circunstncias podem ser importantes, como pode ocorrer quando Bloco representa uma fonte
de variao sistemtica. Tais inferncias no so providas pelo delineamento blocos
casualizados. A utilizao de mais de uma repetio de cada tratamento por bloco pode ser,
ento, uma alternativa conveniente.
3.2.3 Casualizao
Bloco
Tratamento Soma
1 2 3 4 5 6
1 154 89 88 114 94 104
128 107 81 72 63 73
Soma 282 196 169 186 157 177 1.167
2 102 78 83 84 38 66
75 47 72 76 62 73
Soma 177 125 155 160 100 139 856
Soma 459 321 324 346 257 316 2.023
Anlise da variao
SQ Total = 1022+1542+...+732 - C =
= 185.105,00 170.522,04 = 14.582,96,
SQ Bloco = 1 (4592+3212+...+3162) - C =
4
SQ Tratamento = 1 (1.1672+8562) - C =
12
Produo de cachos 1
Mtodo de conduo
(kg/ha)
Espaldeira sem poda 13.892
Sarilho com poda 10.190
1
As produes mdias dos dois tratamentos diferiram
significativamente (P=0,0123), pelo teste F.
3.3.1 Introduo
Exemplo 3.2. Para ilustrao, considere-se um experimento que teve como objetivo o
estudo do parcelamento da fertilizao do solo com nitrognio para a cultura do trigo. O
experimento considerou duas fontes de nitrognio (salitre do Chile e sulfato de amnio) e trs
modos de parcelamento da aplicao do nitrognio (na base; 1/3 na base e 2/3 aos 45 dias; 1/3
na base e 2/3 aos 90 dias), mais um tratamento testemunha (sem adubao), constando dos
seguintes sete tratamentos:
1 - Testemunha
2 - Salitre do Chile - todo na base
3 - Salitre do Chile - 1/3 na base e 2/3 aos 45 dias
4 - Salitre do Chile - 1/3 na base e 2/3 aos 90 dias
5 - Sulfato de amnio - todo na base
6 - Sulfato de amnio - 1/3 na base e 2/3 aos 45 dias
7 - Sulfato de amnio - 1/3 na base e 2/3 aos 90 dias
Estes tratamentos so as combinaes de um esquema fatorial 2x3 (combinaes dos
dois nveis do fator Fonte de Nitrognio com os trs nveis do fator Parcelamento da
Adubao), mais um testemunha.
A produo de gros de trigo, em decagramas por parcela de 9m2, apresentada na
Tabela 3.9.
Bloco
Tratamento Soma
1 2 3 4
1 78 100 98 102 768
90 121 85 94
2 144 138 104 129 515
3 141 129 145 146 561
4 95 127 112 125 459
5 105 119 107 125 456
6 130 130 122 171 553
7 118 104 101 122 445
Soma 901 968 874 1.014 3.757
124 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Anlise da variao
SQ Total = 782+1002+...+1222 - C =
= 454.327,00 - 441.095,28 = 13.231,72,
SQ Bloco = 1 (9012+9682+...+1.0142) - C =
8
poca de parcelamento
Fonte de N Global
Base 45 dias 90 dias
Salitre do Chile 1.430 1.558 1.275 1.421
Sulfato de amnio 1.267 1.536 1.236 1.346
Global 1.349 1.547 1.256 1.384
3.4.1 Introduo
3.4.2 Casualizao
Anlise da variao
Fonte de variao GL SQ 1
y...2 l C
q
1
Quadrado q-1 2
t l=1
1 t
Fila t-1 y.2j .. C
qt j=1
y...2 k . C
1 t
Coluna t-1
qt k=1
1 t
Tratamento t-1 yi2... C
qt i=1
yijkl
q t t
2
Total qt2-1 C
l=1 j=1 k =1
1
C= yijkl
2
2
q t t
quadrados. As fontes de variao relativas a Fila e a Coluna exprimem, agora, a variao entre
filas dentro dos q quadrados e a variao entre colunas dentro dos q quadrados,
respectivamente:
SQ Fila(Quadrado) = t y . j . l 2 y...2 l ,
1 q t 2 1 q
l j t l
Fonte de variao GL
Quadrado q-1
Fila t-1
Coluna t-1
Tratamento t-1
Tratam. x Quadrado (t-1)(q-1)
Erro (t-1)(qt-2)
Total qt2-1
poca 1 poca 2
Coluna Coluna
Fila 1 2 3 4 5 Soma Fila 6 7 8 9 10 Soma
1 3 4 5 2 3 5 4 2 1
1 393 6
61 29 75 134 94 65 141 108 121 95 530
4 5 3 2 1 1 3 5 4 2
2 361 7
70 120 35 83 53 90 90 116 141 117 554
5 2 1 3 4 4 1 2 5 3
3 343 8
133 86 57 16 51 149 111 109 117 72 558
3 1 2 4 5 2 4 3 1 5
4 422 9
38 65 96 91 132 128 106 90 120 133 577
2 4 5 1 3 5 2 1 3 4
5 477 10
111 89 138 93 46 142 110 95 97 128 572
Soma 413 389 401 417 376 1.996 Soma 574 558 518 596 545 2.791
poca
Variedade Soma
1 2
1 329 511 840
2 470 585 1.055
3 164 414 578
4 376 632 1.008
5 657 649 1.306
Soma 1.996 2.791 4.787
SQ Total = 612+292+...+1282- C =
= 511.863,00 - 458.307,38 = 53.555,62,
132 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
1
SQ poca = (1.9962+2.7912) - C =
25
1
SQ Fila(Quadrado) = (3932+3612+...+5722) - C =
5
1
SQ Coluna(Quadrado) = (4132+3892+...+5452) - C =
5
1
SQ Variedade = (8402+1.0552+1.3062) - C =
10
1
SQ Var.x poca = (3292+5112+...+6492) - C - SQ Variedade - SQ poca =
5
Observe-se que essas somas de quadrados, exceto a SQ Tratamento, podem ser obtidas
a partir das somas de quadrados j determinadas nas anlises individuais dos dois quadrados
latinos, pela subtrao do termo de correo global da soma das somas de quadrados no
corrigidas para os dois quadrados. A anlise da variao e os testes de significncia so
completados na prpria tabela da anlise da variao, Tabela 3.20.
3. Derivaes dos Delineamentos Simples 133
Contedo
4.1 Caracterizao
Experimento fatorial um experimento com dois ou mais fatores. Nesse caso, os
tratamentos so as combinaes dos nveis dos fatores no experimento e constituem um
esquema fatorial. O processo de escolha e arranjamento de fatores e correspondentes nveis
para o experimento designado delineamento de tratamento.
Um experimento fatorial pode adotar qualquer delineamento experimental, desde que
apropriado para as condies especficas em que conduzido. Dessa forma, as condies para
a conduo de um experimento fatorial em um delineamento simples so as mesmas
consideradas anteriormente para experimentos unifatoriais. Entretanto, alguns delineamentos
experimentais so especialmente apropriados para experimentos fatoriais. Alguns desses
delineamentos sero considerados no prximo captulo.
136 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Vantagens
Desvantagens
4.4 Notao
Um fator denotado por uma letra maiscula - uma das primeiras letras maisculas do
alfabeto ou a inicial maiscula do nome do fator; ou seja, por: A, B, C,..., ou por N e P,
respectivamente para os fatores nitrognio e fsforo, por exemplo.
Um nvel de um fator denotado pelo smbolo correspondente do fator com um ndice
especfico; por exemplo, A1 indica o nvel 1 do fator A. O nmero de nveis de um fator
denotado pela letra minscula que corresponde ao smbolo do fator; assim, por exemplo, o
nmero de nveis do fator A denotado por a.
Uma combinao de nveis denotada pela justaposio dos correspondentes
smbolos dos nveis de cada um dos fatores. Assim, por exemplo, a combinao do nvel 1 do
fator A com o nvel 2 do fator B denotada por A1B2.
comum denotar uma estrutura fatorial de condies experimentais pelos smbolos
dos fatores justapostos intercalados pela letra minscula "x". Assim, por exemplo, uma
estrutura fatorial de dois fatores A e B denotada por AxB.
Tambm usual designar um experimento com estrutura fatorial pela indicao do
produto dos nmeros de nveis dos fatores. Assim, um experimento fatorial com dois fatores A
e B um fatorial axb. um experimento particular com dois fatores Rao e Sexo,
respectivamente com trs e dois nveis, um fatorial 3x2; um experimento com dois fatores
Nitrognio e Fsforo cada um com trs nveis um fatorial 3x3, ou 32.
nvel 2 do fator B, denotada por A|B2, e o efeito simples do fator B para cada um dos dois
nveis do fator A, ou seja, B|A1 e B|A2.
O efeito principal do fator A, denotado pelo mesmo smbolo do fator, neste caso A,
a variao da resposta populacional mdia aos nveis do fator A globalmente para os dois
nveis do fator B. O efeito principal do fator B a variao da resposta populacional mdia
entre os nveis deste fator, globalmente para os dois nveis do fator A.
Esses conceitos estendem-se para esquemas fatoriais com mais de dois fatores e com
fatores de mais de dois nveis. Assim, para um esquema fatorial de trs fatores A, B e C, com a,
b e c nveis, respectivamente, pode-se definir o efeito simples do fator A para uma combinao
de nveis particular dos fatores B e C, seja B1C2, como a variao da resposta populacional
entre os nveis do fator A para a combinao B1C2, denotado por A|B1C2, ou para um nvel
especfico do fator B, seja B1, globalmente para os c nveis do fator C, denotado por A|B1, ou
para um nvel especfico do fator C, seja C2, globalmente para os b nveis do fator B, denotado
por A|C2. O efeito principal do fator A a variao da resposta populacional entre os nveis
deste fator globalmente para as bc combinaes dos nveis dos fatores B e C.
A interao de dois fatores A e B cada um com dois nveis, denotada por AxB, a
variao da resposta populacional ao fator A quando muda o nvel do fator B, ou,
reciprocamente, a variao da resposta populacional ao fator B quando muda o nvel do fator
A. A interao corresponde variao do efeito simples de um fator entre os nveis do outro
fator. Quando o efeito simples de um fator no varia entre os nveis do outro fator, a interao
AxB nula, ou inexistente.
O conceito de interao de dois fatores estende-se para interao de trs fatores como
segue: A interao de trs fatores A, B e C, denotada por AxBxC, a variao da interao
AxB quando muda o nvel do fator C, ou a variao da interao AxC quando muda o nvel do
fator B, ou, ainda, a variao da interao BxC quando muda o nvel do fator A. Dessa forma,
o conceito de interao recproco. Ele se estende, de modo geral, para qualquer nmero de
fatores, recursivamente, ou seja: a interao de n fatores a variao da interao de qualquer
de seus subconjuntos de n-1 fatores quando muda o nvel do fator restante.
Em um experimento fatorial, a derivao de inferncias referentes aos efeitos dos
fatores depende da presena ou ausncia de interao. Na situao de ausncia de interao, os
fatores agem independentemente sobre a varivel resposta, de modo que se pode inferir sobre a
variao da resposta a um dos fatores independentemente do nvel do outro fator. Entretanto,
na presena de interao, as inferncias sobre um dos fatores dependem do nvel do outro fator.
para cada um dos fatores, ou seja, para os efeitos principais dos fatores. No caso de dois fatores
cada um com dois nveis, nada mais h a fazer - as concluses definitivas so obtidas da tabela
da anlise da variao segundo o esquema fatorial.
- Se a interao significativa, os efeitos principais perdem interesse ou sentido e
devem ser derivadas inferncias separadamente para cada um dos fatores. Nesse caso, o mais
apropriado a derivao de inferncias referentes aos efeitos simples dos fatores, ou seja, aos
efeitos de cada um dos fatores separadamente para cada nvel do outro fator.
De modo geral, o procedimento de anlise estatstica distinto para experimentos
fatoriais de fatores com dois nveis, ou seja, fatoriais da srie 2n e experimentos fatoriais de
fatores com mais de dois nveis. Comumente, inferncias derivadas para fatores de dois nveis
so restritas aos dois nveis presentes no experimento, ou seja, so qualitativas, qualquer que
seja a categoria do fator. Consequentemente, a anlise de experimentos da srie 2n
usualmente mais simples do que a de experimentos com fatores de nmeros mais elevados de
nveis.
Os procedimentos de inferncia (estimao por ponto e testes de hipteses) sero
considerados, a seguir, para a situao de estrutura fatorial 2x2.
r
m ij = E (yij. ) = E ( m + a i + b j + abij + eijk )
k=1
1
[ B|A1 + B|A 2 ] = m . 2 - m .1 = B.
1
2
A interao dos fatores A e B a variao da diferena de resposta mdia entre os
dois nveis do fator A quando muda o nvel do fator B, ou seja, a diferena entre os efeitos
simples do fator A:
AxB = ( m 22 - m12 ) ( m 21 - m11 ) = A|B2 A|B1
= [ (a 2 + ab 22 ) - (a1 + ab12 ) ] [ (a 2 + ab 21 ) - (a1 + ab11 ) ]
= ab11 + ab 22 ab12 ab 21 ,
que idntica diferena entre os efeitos simples do fator B:
BxA = B|A 2 B|A1
= [ (b 2 + ab 22 ) - (b1 + ab 21 ) ] [ (b 2 + ab12 ) - (b1 + ab11 ) ]
= ab11 + ab 22 ab12 ab 21 = AxB.
Logo, a interao entre os fatores A e B simtrica, ou seja, AxB = BxA.
Significados geomtricos
mi = E (yi .. ) = E ( m + a i + b j + abij + eijk )
b r
j=1 k=1
2
Em cada um dos quatro grficos da Figura 4.1 os segmentos verticais que conectam
os pontos que representam combinaes de nveis com um mesmo nvel do fator A
representam efeitos simples do fator B, B|A1 e B|A2; a mdias desses segmentos para os dois
nveis A1 e A2 exprime o efeito principal do fator A. Ento, o grfico (a) em que esses
segmentos verticais so iguais ilustra ausncia de interao; os grficos (b), (c) e (d) em que
esses segmentos so diferentes, presena de interao. Observe-se que na Figura 4.1 (a) a
diferena de resposta entre os nveis B2 e B1 do fator B igual para os dois nveis A1 e A2 do
fator A; isso significa que os efeitos simples B|A1 e B|A2 do fator B so iguais. Na situao da
Figura 4.1 (d), para o nvel A1 a resposta ao fator B mais elevada para o nvel B1 do que para
o nvel B2, mas para o nvel A2 o sentido da resposta ao fator B inverte-se: a resposta mais
elevada para B2 do que para B1; os efeitos simples B|A1 e B|A2 tm sinais contrrios. Nas
situaes ilustradas na Figura 4.1 (b) e na Figura 4.1 (c), o sentido da resposta ao fator B o
mesmo para os dois nveis A1 e A2 do fator A: a resposta mais elevada para o nvel B2 do que
para o B1; a presena da interao AxB provm da variao da amplitude das diferenas entre
as respostas para os dois nveis do fator B entre os nveis A1 e A2; os dois efeitos simples B|A1
e B|A2 tm o mesmo sinal, mas grandezas diferentes.
4. Experimentos Fatoriais 143
Pelas definies ao incio desta Seo, pode-se verificar que os efeitos simples, os
efeitos principais e a interao dos fatores A e B so contrastes das mdias populacionais das
quatro condies experimentais cujos coeficientes so apresentados na Tabela 4.1.
Mdia populacional
Efeito
m22 m21 m12 m11
A|B1 0 +1 0 -1
A|B2 +1 0 -1 0
B|A1 0 0 +1 -1
B|A2 1 -1 0 0
A +1 +1 -1 -1
B +1 -1 +1 -1
AxB +1 -1 -1 +1
4.9.2 Estimao dos parmetros e dos efeitos simples, efeitos principais e interao
Os estimadores dos parmetros m, ai, bj e abij derivados pelo mtodo dos quadrados
mnimos so:
m = y... ,
a i = yi .. y... ,
b j = y. j. y... ,
ij = y y y + y ,
ab ij. i .. . j. ...
= y y 3,
A|B1 21 11
= y y ,
A|B 2 22 12
= y y ,
B|A1 12 11
= y y ,
B|A 2 22 21
= y y ,
A 2. 1.
= y y ,
B .2 .1
= y y y +y .
AxB 22 12 21 11
Para compreenso dessas expresses conveniente dispor as mdias observadas para
as combinaes de nveis nas clulas de uma tabela de dupla entrada, com uma entrada para
cada um dos fatores A e B, com as mdias correspondentes aos nveis de cada um desses dois
fatores nas margens (Tabela 4.2). Com essa disposio das mdias, pode-se observar o
seguinte:
os efeitos simples do fator A para os nveis 1 e 2 do fator B so as diferenas das
mdias nas clulas das linhas 1 e 2, respectivamente;
os efeitos simples do fator B para os nveis 1 e 2 do fator A so as diferenas das
mdias nas clulas das colunas 1 e 2, respectivamente;
o efeito principal do fator A a diferena das mdias na margem inferior da tabela;
o efeito principal do fator B a diferena das mdias na margem direita;
e a interao a diferena entre as diferenas das mdias na diagonal principal e
na diagonal secundria da tabela.
A
B Global
A1 A2
B1 y11 y21 y.1
B2 y12 y22 y. 2
Global y1. y 2.
3
Para simplicidade de notao omite-se o ponto indicativo de que as mdias so obtidas tambm sobre
o ndice k que denota repetio.
4. Experimentos Fatoriais 145
Fator B Sexo
B1 Fmea
B2 Macho
O experimento foi conduzido com delineamento completamente casualizado com
quatro repeties. A unidade experimental para cada condio experimental combinao de
nvel dos fatores experimentais hormnio e sexo foi constituda por um animal. A Tabela 4.3
apresenta o ganho de peso dos cordeiros (unidades experimentais), em kg/180 dias.
Condio Repetio
Soma Mdia
experimental 1 2 3 4
A1B1 22 27 25 26 100 25,0
A1B2 25 29 32 28 114 28,5
A2B1 32 28 34 30 124 31,0
A2B2 29 36 37 34 136 34,0
Soma 474
A estimao dos parmetros m, ai, bj e abij, i=1,2, j=1,2, e dos efeitos simples, efeitos
principais e interao dos fatores facilitada pela disposio das mdias observadas para as
combinaes dos nveis e os nveis dos dois fatores na Tabela 4.4, organizada de modo
semelhante Tabela 4.2.
A: Hormnio
B: Sexo Global
A1: Sem A2: Com
B1: Fmea 25,0 31,0 28,00
B2: Macho 28,5 34,0 31,25
Global 26,75 32,50 29,625
Ento, as estimativas dos parmetros m, ai, bj e abij , i=1,2, j=1,2, so obtidas como
segue:
m = y... = 29,625 ,
a1 = y1.. y... = 26, 75 29,625 = -2,875 , a 2 = 32,50 29,625 = 2,875 ;
1
SQ Condio = (1002 +1142 +1242 +1362 ) - C =
4
4. Experimentos Fatoriais 147
Fonte de variao GL
Hormnio 1
Sexo 1
Hormnio x Sexo 1
Erro 12
Total 15
Condio experimental
Componente
A1B1 A1B2 A2B1 A2B2
Hormnio +1 +1 -1 -1
Sexo +1 -1 +1 -1
Horm. x Sexo +1 -1 -1 +1
Total (yi) 100 114 124 136
entre as clulas (combinaes dos nveis dos dois fatores, no presente caso) em trs
componentes:
uma soma de quadrados referente variao dentro de cada margem (ou seja,
variao atribuvel ao efeito principal de cada fator) e
uma soma de quadrados para a variao restante (atribuvel interao dos fatores)
4
.
Considerem-se, novamente, os dados do experimento do Exemplo 4.1. Os ganhos de
peso totais para as combinaes dos nveis dos dois fatores esto na Tabela 4.9.
Tabela 4.9. Tabela auxiliar para o clculo das somas de quadrados para
os efeitos principais e interao de Hormnio e Sexo,
Exemplo 4.1.
Hormnio
Sexo Soma
Sem Com
Fmea 100 124 224
Macho 114 136 250
Soma 214 260 474
Os clculos seguem:
4742
C= = 14.042,25 ,
44
1
SQ Hormnio = (2142 +2602 ) - C = 132,25 ,
24
1
SQ Sexo = (2242 +2502 ) - C = 42,25 ,
24
SQ Horm. x Sexo = SQ Hormnio e Sexo SQ Hormnio SQ Sexo
1
= (1002 +1142 +1242 +1362 ) - C - 132,25 - 42,25 = 0,25 .
4
Observe-se que o fator 4 comum nos denominadores dessas expresses visa reduzir todas as
somas de quadrados a uma unidade experimental. Os resultados so, naturalmente, os mesmos
apresentados na Tabela 4.8.
A anlise da variao revela que a interao Hormnio x Sexo no foi significativa.
Dessa forma, pode-se concluir separadamente para cada um dos dois fatores. Isso significa a
adequabilidade das inferncias referentes aos efeitos principais dos fatores. Por outro lado,
como cada fator compreende apenas dois nveis, no h necessidade de qualquer procedimento
adicional para discriminar a variao entre condies experimentais. As concluses da anlise
estatstica so, ento, as seguintes:
1) A interao Hormnio x Sexo no foi significativa (P>0,05).
4
Esse processo utilizado para a determinao das somas de quadrados para tratamento, bloco e erro
em um experimento unifatorial em blocos casualizados, a partir das observaes dispostas em uma
tabela com uma entrada para tratamentos e outra para blocos.
150 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Implante de Mdia
Stilbestrol (kg/animal/180 dias)
Com 32,50
Sem 26,75
Diferena 5,75
Mdia
Sexo
(kg/animal/180 dias)
Macho 31,25
Fmea 28,00
Diferena 3,25
Logo o ganho mdio de peso dos cordeiros machos foi significativamente superior (P=0,0412)
ao ganho mdio de peso das fmeas em 3,25 kg/animal/180dias.
Exemplo 4.3. Seja um experimento que teve como propsito o estudo do espaamento
de plantio de batatinha, com dois fatores experimentais - Espaamento e Cultivar - cada um em
dois nveis. Os tratamentos - combinaes dos dois nveis de Espaamento (0,10 e 0,30m
dentro de linha) com os dois nveis de Cultivar (Baronesa e Hansa), foram os seguintes:
Tabela 4.10. Produo de tubrculos (em kg/0,1 ha) do experimento do Exemplo 4.3.
Bloco
Tratamento Soma
1 2 3 4 5 6
1 750 766 790 879 976 823 4.984
2 469 484 672 563 469 563 3.220
3 424 394 500 470 470 341 2.599
4 235 324 368 463 316 404 2.110
Soma 1.878 1.968 2.330 2.375 2.231 2.131 12.913
A anlise da variao segundo o esquema fatorial, efetuada por qualquer um dos dois
mtodos ilustrados anteriormente, produz os resultados da Tabela 4.11.
Fonte de variao GL
Cultivar 1
Espaamento | cultivar Baronesa 1
Espaamento | cultivar Hansa 1
Erro 15
Tratamento
Componente
1 2 3 4
Cultivar -1 -1 +1 +1
Esp. | Baronesa -1 +1 0 0
Esp. | Hansa 0 0 -1 +1
Total (yi) 4.984 3.220 2.599 2.110
As somas de quadrados para esses contrastes podem ser obtidas do modo usual.
Cultivar
Espaamento Soma
Baronesa Hansa
0,10m x 1m 4.984 2.599 7.583
0,30m x 1m 3.220 2.110 5.330
Soma 8.204 4.709 12.913
4. Experimentos Fatoriais 153
Tabela 4.16. Produo mdia de tubrculos (em kg/0,1 ha) para cada
um dos nveis dos fatores Espaamento e Cultivar, e
para cada combinao dos nveis desses dois fatores.
Cultivar
Espaamento Global
Baronesa Hansa
0,10m x 1m 830,7 433,2 631,9
0,30m x 1m 536,7 351,7 444,2
Global 683,7 392,4 538,0
Observa-se que a estimativa do efeito simples de Espaamento foi mais elevada para a
cultivar Baronesa do que para a cultivar Hansa, embora ambas no mesmo sentido - mdia mais
elevada para o menor espaamento:
Espaamento | Baronesa = 830,7-536,7 = 294,0,
Espaamento | Hansa = 433,2-351,7 = 81,5.
Tratamento N P K
1 - (1) Sem Sem Sem
2-n Com Sem Sem
3-p Sem Com Sem
4-k Sem Sem Com
5 - np Com Com Sem
6 - nk Com Sem Com
7 - pk Sem Com Com
8 - npk Com Com Com
Bloco
Tratamento Soma
1 2 3 4
(1) 22 18 18 19 77
n 28 24 22 20 94
p 24 19 31 18 92
k 17 9 20 8 54
np 13 19 26 28 86
nk 16 7 11 6 40
pk 29 20 18 24 91
npk 29 28 31 28 116
Soma 178 144 177 151 650
A variao correspondente aos sete graus de liberdade para as oito combinaes dos
dois nveis de cada um dos trs fatores pode ser decomposta em 3 graus de liberdade
individuais correspondentes aos trs efeitos principais de N, P e K, 3 graus de liberdade
individuais correspondentes s trs interaes de dois fatores (interaes duplas, ou de primeira
ordem): NxP, NxK e PxK, e 1 grau de liberdade correspondente interao dos trs fatores
(interao tripla, ou de segunda ordem): NxPxK, segundo o esquema de anlise de variao da
Tabela 4.19.
Fonte de variao GL
N 1
P 1
K 1
NxP 1
NxK 1
PxK 1
NxPxK 1
Tratamento
Componente
(1) n p k np nk pk npk
N -1 1 -1 -1 1 1 -1 1
P -1 -1 1 -1 1 -1 1 1
K -1 -1 -1 1 -1 1 1 1
NxP 1 -1 -1 1 1 -1 -1 1
NxK 1 -1 1 -1 -1 1 -1 1
PxK 1 1 -1 -1 -1 -1 1 1
NxPxK -1 1 1 1 -1 -1 -1 1
Total (yi) 77 94 92 54 86 40 91 116
N: N0 N1
Soma
P: P0 P1 P0 P1
K: K0 77 92 94 86 349
K1 54 91 40 116 301
Soma 131 183 134 202 650
Tabela 4.23. Tabelas auxiliares com os totais das observaes para as combinaes dos
trs pares dos fatores N, P e K, Exemplo 4.4.
SQ N = 314 + 336 C =
2 2
16
= 13.218,25 - 13.203,125 = 15,125,
SQ P = 265 + 385 C =
2 2
16
= 13.653,125 - 13.203,125 = 450,000,
SQ K = 349 + 301 C =
2 2
16
= 13.275,125 - 13.203,125 = 72,000.
158 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
4
- 351,125 = 120,125.
Tabela 4.24. Produo mdia de gros de ervilha (em dag/9 m2) para
cada combinao dos nveis de N, P e K.
N
K P Global
Sem Com
Sem Sem 19,25 23,50 21,37
Com 23,00 21,50 22,25
Com Sem 13,50 10,00 11,75
Com 22,75 29,00 25,87
Global 19,62 21,00 20,31
A significncia da interao NxPxK pode ser explicada pelo efeito negativo do fsforo
na presena de nitrognio e na ausncia de potssio; para as demais combinaes de ausncia e
presena destes dois elementos o efeito de fsforo foi positivo. Como esse fato no parece
explicvel, considerar-se-, a seguir, o estudo da interao PxK para concluses referentes aos
efeitos dos fatores P e K. Para esse propsito, os trs graus de liberdade referentes aos efeitos
principais e interao de P e K devem ser decompostos em um de dois modos alternativos,
segundo o mais adequado para os propsitos do experimento seja o estudo dos efeitos simples
de potssio para cada nvel de fsforo ou o estudo dos efeitos simples de fsforo para cada
nvel de potssio. Para ilustrao, considerar-se- a primeira situao, de modo que os trs
referidos graus de liberdade para os efeitos principais e a interao de P e K sero decomposto
em um grau de liberdade para o efeito principal de fsforo e um grau de liberdade para cada
um dos dois efeitos simples de potssio. Para tal, necessita-se da tabela auxiliar de duas
entradas com os totais para as combinaes dos nveis dos fatores P e K, constante da Tabela
4.23.
As duas somas de quadrados correspondentes aos efeitos simples de potssio na
ausncia e na presena de fsforo so obtidas como na situao de um experimento fatorial
2x2, levando-se em conta que os divisores so os correspondentes nmeros de unidades
experimentais que contribuem para cada total utilizado nos clculos. Assim, pelo mtodo de
tabelas auxiliares, obtm-se:
1 1
SQ K | sem P = (1712+944) - 2652 = 370,5625 ,
8 16
1 1
SQ K | com P = (1782+2072) - 3852 = 52,5625 .
8 16
Os testes de significncias para essas duas fontes de variao podem ser efetuados em
uma tabela de anlise de variao apropriada, como a Tabela 4.25.
160 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Tabela 4.25. Anlise da variao para os testes de significncia dos efeitos simples
de potssio na ausncia e na presena de fsforo, Exemplo 4.4.
P
K Global
Sem Com
Sem 21,37 22,25 21,81
Com 11,75 25,87 18,81
Global 16,56 24,06 20,31
e das diferenas entre as mdias dos valores observados nos diferentes nveis do fator B globais
para todos os nveis do fator A. Caso contrrio, se a interao relevante, os efeitos principais
perdem importncia e a anlise dos efeitos simples torna-se mais informativa. Nesse caso, a
interao deve ser descrita qualitativamente do modo mais apropriado. Em muitas situaes,
um dos fatores mais importante. Esse usualmente o caso se um dos fatores um fator de
tratamento (cultivar e antibitico, por exemplo) e o outro um fator intrnseco (local e sexo, por
exemplo), em que o primeiro o fator principal. Se um dos fatores, seja A, mais importante
do que o outro, fator B, pode ser melhor descrever a interao pelos efeitos simples do fator B,
separadamente para cada nvel do fator A.
Exemplo 4.5. Seja um experimento que teve como propsito a pesquisa de fontes e
mtodos de adubao fosfatada para o cultivo de soja. O experimento constou dos dois fatores
e correspondentes nveis especificados a seguir:
Fator A - Fonte de fsforo:
A1 - Superfosfato - 90 kg/ha de P2O5,
A2 - Fosfato de Olinda - 90 kg/ha de P2O5,
A3 - Superfosfato - 90 kg/ha de P2P5 e Cloreto de Potssio - 60 kg/ha de
K2O.
Fator B - Mtodo de adubao:
B1 - lano,
B2 - No sulco, junto semente,
B3 - Em sulco, prximo semente.
O experimento foi conduzido em blocos casualizados, com trs blocos de parcelas de
5,4m2 de rea til (seis linhas de 1,80m, distanciadas de 0,5m). Os dados de peso da produo
de gros so apresentados na Tabela 4.27.
Bloco
Fonte Mtodo Soma
1 2 3
1 1 334 398 354 1.086
2 142 269 182 593
3 391 367 313 1.071
2 1 315 302 297 914
2 287 363 369 1.019
3 439 331 375 1.145
3 1 368 364 356 1.088
2 163 126 113 402
3 271 339 387 997
Soma 2.710 2.859 2.746 8.315
162 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Anlise da variao
Fonte de variao GL
Bloco 2
Fonte 2
Mtodo 2
Fonte x Mtodo 4
Erro 16
Total 26
Fonte
Mtodo Soma
1 2 3
1 1.086 914 1.088 3.088
2 593 1.019 402 2.014
3 1.071 1.145 997 3.213
Soma 2.750 3.078 2.487 8.315
8.3152
C= = 2.560.712,
27
SQ Total = 3342+3982+...+3872 - C =
= 2.766.309 - 2.560.712 = 205.597,
1
SQ Bloco = (2.7102+2.8592+ 2.7462) - C =
9
1
SQ Fonte = (2.7502+3.0782+2.4872) - C =
33
4. Experimentos Fatoriais 163
1
SQ Mtodo = (3.0882+2.0142+3.2132) - C =
33
1
= (1.0862 + 9142 +...+ 997 2 ) C 19.483 96.545 =
3
= 2.734.075 2.560.712 19.483 - 96.545 = 57.336.
Essa anlise baseia-se na anlise da variao com o esquema indicado na Tabela 4.31.
164 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Fonte de variao GL
Fonte 2
Mtodo | Fonte 1 2
Mtodo | Fonte 2 2
Mtodo | Fonte 3 2
Erro 16
Os coeficientes destes contrastes so apresentados na Tabela 4.33. Observe que esses dois
contrastes so ortogonais.
Tabela 4.33. Coeficientes dos dois contrastes ortogonais de interesse para a anlise
da variao entre mtodos dentro de cada fonte, Exemplo 4.5.
Mtodo
Contraste
1 2 3
C1- Aplicao lano v. em sulco 2 -1 -1
C2- Aplic. junto sem. v. prx. semente 0 -1 1
Total - Fonte 1 1.086 593 1.071
Fonte 2 914 1.019 1.145
Fonte 3 1.088 402 997
[ 593+1.071]2
SQ C2 | Fonte 1 = = 38.081.
3[( 1) 2 +12 ]
Os testes de significncia destes contrastes podem ser efetuados com o auxlio de uma
tabela de anlise de variao, Tabela 4.34.
Mdia 1
Mtodo de aplicao Fonte de Fsforo
(dag/5,4m2)
lano Superfosfato 90 362,0 a
Fosfato de Olinda 90 304,7 a
Sup. 90 + Clor.Pot. 60 362,7 a
No sulco, junto sem. Superfosfato 90 197,7 b
Fosfato de Olinda 90 339,7 a
Sup. 90 + Clor.Pot. 60 134,0 b
No sulco, prx. sem. Superfosfato 90 357,0 a
Fosfato de Olinda 90 381,7 a
Sup. 90 + Clor.Pot. 60 332,3 a
1
Para cada mtodo de aplicao de fsforo, fontes cujas mdias
no so seguidas de uma mesma letra diferiram
significativamente, pelo teste dms de Fisher (=0,05).
^
wa = qa(; )
1
Var( yi yi ' ) ,
2
com as seguintes expresses para o estimador da varincia da diferena de duas mdias,
Var( yi yi ' ) :
^
168 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
2 s2
- comparaes de nveis do fator A globais para os nveis do fator B: ,
br
2 s2
- comparaes de nveis do fator B globais para os nveis do fator A: ,
ar
2 s2
- comparaes de nveis do fator B para um nvel especfico do fator A: ,
r
2 s2
- comparaes de nveis do fator A para um nvel especfico do fator B: ,
r
onde a e b so os nmeros de nveis dos fatores A e B, respectivamente, e s2 = QM Erro com
graus de liberdade.
O procedimento para comparaes referentes a efeitos simples ilustrado no final do
Exemplo 4.5.
Contrastes mais genricos referentes a efeitos principais e a efeitos simples, ou seja, a
mdias de um fator globais para os nveis do outro fator ou a mdias especficas para um dos
nveis do outro fator, da forma: C = c1y1 + c2y2 + ... + ctyt, podem ser testados pela estatstica:
c y + c 2 y 2 +...+ c t y t
t= 1 1 ,
s C
onde:
^
s C = ,
Var(C)
^
so generalizaes das respectivas expresses anteriores de estimadores de
e Var(C)
diferenas de duas mdias que substituem o coeficiente 2 por c12 + c 22 + ... + c 2t .
Tabela 4.37. Raiz quadrada do nmero de plantas de capim anoni por quadrado
de 30 cm de lado, em cada parcela do experimento, Exemplo 4.6.
Fator Bloco
Soma
B A 1 2 3 4
3 0 15,7 14,6 16,5 14,7 61,5
4 9,8 14,6 11,9 12,4 48,7
8 7,9 10,3 9,7 9,6 37,5
10 0 18,0 17,4 15,1 14,4 64,9
4 13,6 10,6 11,8 13,3 49,3
8 8,8 8,2 11,3 11,2 39,5
Soma 73,8 75,7 76,3 75,6 301,4
Anlise da variao
Hidrazida
Contraste
0 4 8
Linear -1 0 1
Quadrtico 1 -2 1
Total (yi) 126,4 98,0 77,0
Bloco
Cultivar Plantio Soma
1 2 3 4
1 1 99 97 92 101 389
2 89 85 91 85 350
3 83 69 86 81 319
2 1 75 65 77 73 290
2 71 70 78 74 293
3 77 81 74 82 314
3 1 92 86 95 103 376
2 82 88 71 83 324
3 78 69 78 74 299
Soma 746 710 742 756 2.954
Anlise da variao
Plantio
Contraste
1 2 3
Linear -1 0 1
Quadrtico 1 -2 1
Total: Cult. 1 389 350 319
Cult. 2 290 293 314
Cult. 3 376 324 299
variao simultnea dos dois fatores. Se um dos dois fatores mais importante, o mais
indicado poder ser considerar o fator menos importante como se fosse qualitativo e adotar os
procedimentos descritos na Seo 4.11.2. O procedimento para a situao usual em que ambos
os fatores so igualmente importantes ilustrado pelo Exemplo 4.8.
Exemplo 4.8. Considere-se um experimento que teve como objetivo a pesquisa de
adubao com nitrognio e fsforo para o cultivo do aspargo. O experimento constou dos dois
fatores e correspondentes nveis especificados a seguir:
Nitrognio (Sulfato de amnio):
N1 - 0 kg/ha de N,
N2 - 50 kg/ha de N,
N3 - 100 kg/ha de N.
Fsforo (Superfosfato triplo):
P1 - 0 kg/ha de P2O5,
P2 - 60 kg/ha de P2O5,
P3 - 120 kg/ha de P2O5.
O experimento foi conduzido em blocos casualizados. Os dados de peso da produo
de turies, em decagramas por parcela de 13m2, so apresentados na Tabela 4.47.
Bloco
N P Soma
1 2 3 4
1 1 250 231 237 252 970
2 288 225 226 217 956
3 247 223 222 253 945
2 1 259 245 218 243 965
2 273 259 268 279 1.079
3 293 271 286 298 1.148
3 1 260 239 227 254 980
2 266 243 241 325 1.075
3 281 276 272 265 1.094
Soma 2.417 2.212 2.197 2.386 9.212
c 2i
N1 N2 N3
Componente
C
P1 P2 P3 P1 P2 P3 P1 P2 P3
N' -1 -1 -1 0 0 0 1 1 1 6 278
N'' 1 1 1 -2 -2 -2 1 1 1 18 -364
P' -1 0 1 -1 0 1 -1 0 1 6 272
P'' 1 -2 1 1 -2 1 1 -2 1 18 -118
N'xP' 1 0 -1 0 0 0 -1 0 1 4 139
N''P' -1 0 1 2 0 -2 -1 0 1 12 -277
N'xP'' -1 2 -1 0 0 0 1 -2 1 12 -79
N''xP'' 1 -2 1 -2 4 -2 1 -2 1 36 17
Total 970 956 945 965 1.079 1.148 980 1.075 1.094
Logo, os componentes N', P', N'' e N''xP' foram significativos e o componente N'xP'
aproximou-se do nvel mnimo de significncia (=0,05); os demais componentes polinomiais
dos efeitos principais e da interao de N e P no foram significativos. Nessas circunstncias, a
equao polinomial a ajustar deve compreender os efeitos lineares de N e P, o efeito quadrtico
de N e a interao entre o efeito quadrtico de N e o efeito linear de P. Como a interao dos
efeitos lineares de N e P aproximou-se do nvel mnimo de significncia, o pesquisador pode
decidir por sua incluso na equao. Neste caso, a equao polinomial a ajustar da forma:
E( y ) = B 0 + B1N + B 2 P + B3 N + B 4 N P .
O ajustamento dessa equao polinomial nos dois fatores N e P pode ser procedido
pelo mtodo de regresso linear mltipla, do qual se tratar adiante.
4.12 Exerccios
1. Os dados que seguem so os ganhos de peso de cordeiros do desmame ao abate, em
kg/animal, correspondentes a um experimento em blocos casualizados que teve como
propsito o estudo dos efeitos da suplementao com sal mineral e calcrio:
Bloco
Tratamento
1 2 3 4 5 6
A0B0 16 22 16 10 18 8
A0B1 28 27 17 20 23 23
A1B0 16 25 16 15 19 17
A1B1 28 30 19 18 24 25
Tratamento
Bloco
(1) a b Ab c ac bc abc
1 8 17 24 28 19 16 27 30
2 10 15 28 18 17 25 16 23
3 18 19 20 23 15 22 17 25
4. Experimentos Fatoriais 179
Bloco
Combinao
1 2 3 4 5
A1B1 17 19 18 20 21
A1B2 21 22 16 23 28
A2B1 19 25 17 25 29
A2B2 11 18 13 20 18
Fonte de variao GL SQ QM F
Bloco 220
Tratamento 104
Erro
Total 456
5. Um experimento foi conduzido com o propsito de estudar os efeitos de trs raes (fator
A), cada uma administrada em trs doses (fator B) sobre o ganho de peso de leites da raa
Duroc. Os resultados (em kg/animal) esto na tabela que segue:
A2 A1 A0
Bloco Soma
B2 B1 B0 B2 B1 B0 B2 B1 B0
1 26 33 28 14 18 21 28 10 11 189
2 30 28 26 24 31 18 20 16 14 207
3 20 24 17 24 23 13 8 11 13 153
4 24 27 17 22 12 8 24 19 18 171
Soma 100 112 88 84 84 60 80 56 56 720
Bloco
Var. Espaam. Soma
1 2 3 4
4 56 45 43 46 190
V1 8 60 50 45 48 203
12 66 57 50 50 223
4 65 61 60 63 249
V2 8 60 58 56 60 234
12 53 53 48 55 209
4 60 61 50 53 224
V3 8 62 68 67 60 257
12 73 77 77 65 292
Soma 555 530 496 500 2.081
A
B Bloco 1 Bloco 1 Bloco 3
0 1 2 0 1 2 0 1 2
0 20 24 21 24 23 13 8 11 13
1 24 27 17 22 12 8 24 19 18
3 26 33 28 14 18 21 28 10 11
4 30 28 26 24 31 18 20 16 14
P2 P1 P0
N2 N1 N0 N1 N2 N0 N2 N1 N0
K2 26 33 28 14 18 21 28 10 11
K1 20 18 25 24 31 28 30 16 14
K0 8 24 22 13 23 20 8 13 11
K2 K1 K0 Soma
P2 56 84 100 240
P1 80 88 84 252
P0 112 60 56 228
Soma 248 232 240 720
Dens. Bloco
Var.
plantio. 1 2 3
T 1,5 4,20 4,94 4,45
2,0 4,36 3,50 4,17
2,5 5,40 4,55 5,75
3,0 5,15 4,40 3,90
H 1,5 2,82 3,14 3,80
2,0 3,74 4,43 2,92
2,5 4,82 3,90 4,50
3,0 4,57 5,32 4,35
Contedo
5.1 Caracterizao
Bloco 1
Parcela Bloco 2
N1 N0 N0 N1
L2 L3 L1 L4 L1 L3 L2 L4 L4 L2 L1 L3 L2 L3 L1 L4
Bloco 3 Bloco 4
N0 N1 N0 N1
L2 L3 L1 L4 L1 L3 L2 L4 L4 L2 L1 L3 L2 L3 L1 L4
5.2 Usos
Delineamentos com parcelas divididas podem ser utilizados nas seguintes situaes:
a) Um dos fatores requer unidade experimental de maior dimenso - Esse fator deve
ser alocado s parcelas principais. Essa situao ilustrada pelo Exemplo 5.1, em que o fator
Nitrognio requer unidade experimental de maior dimenso, possivelmente com a unidade de
observao compreendendo uma frao interna da unidade experimental (com a excluso de
5. Delineamentos com Parcelas Divididas 187
5.4 Casualizao
Figura 5.2. Croqui com a disposio das parcelas e subparcelas para um experimento em
blocos casualizados (quatro blocos) com parcelas divididas com um fator em
cinco nveis em parcelas e um fator em trs nveis em subparcelas.
Figura 5.3. Croqui com a disposio dos nveis do fator em parcelas (Nitrognio,
com cinco nveis) de um experimento em blocos casualizados com
parcelas divididas.
V2 V1 V1 V2 V3 V3 V2 V1 V3 V3 V1 V3 V1 V1 V2 V3 V3 V1 V2 V2
V1 V3 V3 V1 V2 V2 V1 V3 V1 V2 V3 V2 V2 V3 V1 V2 V1 V2 V3 V1
V3 V2 V2 V3 V1 V1 V3 V2 V2 V3 V2 V1 V3 V2 V3 V1 V2 V3 V1 V3
Anlise da variao
Fonte de variao GL
Bloco r-1
A a-1
Erro A (a-1)(r-1)
Total A (Parcela) ar-1
Para que esta anlise possa ser composta com a anlise dos resultados em subparcelas,
todas as somas de quadrados so determinadas de modo a serem expressas com referncia
subparcela. Desse modo, os divisores das somas de quadrados alteram-se em relao s
expresses usuais, pela incluso do fator adicional b.
Anlise 2 - Anlise de subparcelas, procedida segundo o esquema da anlise da
variao para blocos casualizados com b tratamentos (nveis do fator B) e ar blocos
constitudos pelas parcelas principais. Essa anlise utiliza como dados bsicos os dados
individuais das subparcelas. Nessa anlise a interao Parcela x Fator B, com (ar-1)(b-1) graus
de liberdade, que constitui o erro usual de delineamento blocos casualizados, inclui a variao
entre subparcelas que atribuvel ao erro experimental e a interao AxB. Essas duas fontes de
variao devem ser separadas, dada a usual relevncia da interao AxB. O esquema
apropriado dessa anlise da variao indicado na Tabela 5.2.
Fonte de variao GL
"Bloco" (Parcela) ar-1
B b-1
AxB (a-1)(b-1)
=(ar-1)(b-1)
Erro B a(b-1)(r-1) 1
Total B (Subparcela) abr-1
Tabela 5.3. Esquema da anlise da variao para um experimento com dois fatores
A e B com delineamento: i) blocos casualizados; ii) blocos
casualizados com parcelas divididas, com o fator A em parcelas e o
fator B em subparcelas.
Bloco
Cultivar Densidade Soma
1 2 3 4
120 52 41 39 42 174
C1 180 68 61 54 55 238
240 66 65 63 57 251
Soma 186 167 156 154 663
120 66 62 61 64 253
C2 180 61 57 58 63 239
240 46 45 41 48 180
Soma 173 164 160 175 672
120 61 63 53 54 231
C3 180 51 57 60 52 220
240 56 54 67 58 235
Soma 168 174 180 164 686
Soma 527 505 496 493 2.021
Tabela 5.5. Tabela auxiliar com os totais das combinaes dos nveis
dos fatores Variedade e Espaamento.
Cultivar
Densidade Soma
C1 C2 C3
120 174 253 231 658
180 238 239 220 697
240 251 180 235 666
Soma 663 672 686 2.021
2.0212
C= = 113.456,694,
36
SQ Total B = 522+412+...+582 - C =
= 115.675,00 - 113.456,694 = 2.218,306,
Tabela 5.6. Anlise da variao com os resultados dos testes de significncia dos
efeitos principais e da interao dos fatores Cultivar e Densidade,
alocados, respectivamente, nas parcelas e nas subparcelas do
experimento com parcelas divididas do Exemplo 5.3.
Fonte de variao GL
Parcela 11
Densidade | Cultivar 1 2
Densidade | Cultivar 2 2
Densidade | Cultivar 3 2
Erro B 18
Subparcela 35
Tabela 5.8. Anlise da variao e resultados dos testes de significncia dos efeitos simples
do fator Densidade para cada nvel do fator Cultivar, Exemplo 5.3.
Densidade
Componente
120 180 240
Linear -1 0 1
Quadrtico 1 -2 1
Total C1 174 238 251
C2 253 239 180
C3 231 220 235
[ 174 + 251]2 77 2
SQ Dens. | Cult.1 Linear = = =741,125,
4[( 1) 2 +12 ] 8
O clculo das somas de quadrados para os componentes linear e quadrtico de Densidade para
cada uma das cultivares 2 e 3 procedido da mesma forma. Os resultados so resumidos na
Tabela 5.9.
= y 1 = 663 = 55,25;
B 0
12
donde:
x 180 x
P1 = = 3,
60 60
32 1 x2
P2 = 3(X2 ) = 3[ ( x 3)2 8 3x
]= + 25 .
12 60 12 1200 10
Logo,
x2
y 1 = 55,25 + 9,625( 3 ) - 2,125[
x 3x
+ 25 ] =
60 1200 10
y 3 = 57,17.
As concluses da anlise estatstica so resumidas a seguir:
1) Os efeitos principais de Cultivar e de Densidade de plantio no foram significativos
(P>0,05); a interao Densidade x Cultivar foi altamente significativa (P<0,0001).
As produes mdias (em kg/ha) para as combinaes dos nveis desses dois fatores e
para os nveis de cada um desses fatores globais para os nveis do outro fator constam da tabela
que segue:
5. Delineamentos com Parcelas Divididas 199
Densidade Cultivar
Global
(kg/ha) 404 Belle Patna Bluebelle
120 4.350 6.325 5.775 5.483
180 5.950 5.975 5.500 5.808
240 6.275 4.500 5.875 5.550
Global 5.525 5.600 5.717 5.614
Figura 5.5. Grfico das mdias observadas e das curvas ajustadas para
representar a relao entre produo de gros e densidade de
plantio para as cultivares de arroz 404, Belle Patna e
Bluebelle, experimento do Exemplo 5.3.
200 Estatstica Experimental. 2. Anlise Estatstica de Experimento
Coeficiente de variao
339, 417
CV A = 100 = 6,46 %.
356,14
Tabela 5.10. Produo de matria seca por subparcela, convertida em kg/0,1ha, experimento
do Exemplo 5.4.
Bloco
Leguminosa Inoculao Soma
1 2 3 4 5 6
1 1 242 475 551 409 409 485 2.571
2 871 920 683 882 882 785 5.023
3 592 923 738 746 467 684 4.150
Soma 1.705 2.318 1.972 2.037 1.758 1.954 11.744
2 1 394 647 473 568 422 731 3.235
2 950 1150 1036 979 741 1244 6.100
3 1144 1155 1804 814 913 1474 7.304
Soma 2.488 2.952 3.313 2.361 2.076 3.449 16.639
3 1 235 358 365 358 351 317 1.984
2 385 615 1104 931 696 1375 5.106
3 1061 1175 1370 1262 1120 1283 7.271
Soma 1.681 2.148 2.839 2.551 2.167 2.975 14.361
Soma 5.874 7.418 8.124 6.949 6.001 8.378 42.744
Tabela 5.11. Resultados da anlise da variao e dos testes de significncia dos efeitos
principais dos fatores Leguminosa e Inoculao, Tabela 5.8.
principal nesse experimento, so de interesse os efeitos simples de Inoculao para cada nvel
do fator Leguminosa. Os testes de significncia desses efeitos simples podem ser efetuados por
uma decomposio alternativa da variao atribuvel aos efeitos de Inoculao e da interao
Leguminosa x Inoculao, procedida semelhantemente ao Exemplo 5.3. Os resultados esto na
Tabela 5.12.
Inoculao
Componente
1 2 3
C1 -2 1 1
C2 0 -1 1
Total: L1 2.571 5.023 4.150
L2 3.235 6.100 7.304
L3 1.984 5.106 7.271
As somas de quadrados correspondentes a esses dois contrastes para cada uma das trs
leguminosas so obtidas da forma usual. Os resultados da anlise da variao e dos testes de
significncias (pela estatstica F) dos contrastes de interesse no experimento so apresentados
na Tabela 5.13.
5. Delineamentos com Parcelas Divididas 203
Inoculao
Leguminosa 2 - Com, 3 - Com, Global
1 - Sem
no peletizada peletizada
1 - Alfafa 4.285 8.372 6.917 6.525
2 - Cornicho 5.392 10.167 12.173 9.244
3 - Trevo Branco 3.307 8.510 12.118 7.978
Global 4.328 9.016 10.403 7.916
Inoculao
Leguminosa
Sem Com
1 - Alfafa 4.285 7.645
2 - Cornicho 5.392 11.170
3 - Trevo Branco 3.307 10.314
para a Alfafa. As produes mdias (em kg/ha) nas parcelas sem peletizao e com peletizao
da semente inoculada, para cada uma das leguminosas, foram as seguintes:
Peletizao
Leguminosa
Sem Com
1 Alfafa 8.372 6.917
2 Cornicho 10.167 12.173
3 Trevo Branco 8.510 12.118
1 ^
= q(; t; ) Var( y i y i' ) ;
2
1 ^
wa = qa(; ) Var( y i y i' ) .
2
2 QM Erro B
- mdias de nveis do fator B globais para os nveis do fator A: ,
ar
2 QM Erro B
- mdias de nveis do fator B para um nvel especfico do fator A: ,
r
- mdias de nveis do fator A para um nvel especfico de B:
2 [QM Erro A + (b 1) QM Erro B]
.
br
A B
Contrastes mais genricos referentes a efeitos principais e efeitos simples, ou seja, a
mdias de um fator globais para os nveis do outro fator, ou especficas para um dos nveis do
outro fator, da forma: C = c1y1 + c2y2 + ... + ctyt, podem ser testados pela estatstica:
c1y1 + c 2 y 2 +...+ c t y t
t= ,
s C
onde:
^
),
s C = Var( C
^
) so generalizaes das respectivas expresses anteriores de estimadores de
e Var ( C
diferenas de duas mdias que substituem o coeficiente 2 por c12 + c 22 + ... + c 2t .
5.6 Exerccios
1. Suponha que voc dispe de doze unidades experimentais identificadas pelos nmeros
naturais 1, 2,...,12, como indicado no croqui que segue:
7 8 9 10 11 12
1 2 3 4 5 6
Voc deseja estabelecer o delineamento para um experimento fatorial completo com trs
nveis de nitrognio (N) e dois nveis de fsforo (P).
a) Utilize os "nmeros aleatrios" dados abaixo para determinar o arranjamento dos
tratamentos para um delineamento completamente casualizado com parcelas divididas
com o fator N em parcelas, supondo que o canto superior esquerdo da tabela um ponto
de partida aleatrio e procedendo da esquerda para a direita.
206 Estatstica Experimental. 2. Anlise Estatstica de Experimento
"Nmeros aleatrios":
62174 93686
55347 88306
11902 98444
03171 06060
b) Explique como voc usou os "nmeros aleatrios", de modo que uma pessoa
inexperiente possa seguir sua descrio como um guia para reconstruir seu
procedimento.
2. Um pesquisador arranja os t nveis de um fator F1 nas parcelas de um quadrado latino t x t.
Cada uma das t2 parcelas dividida em s subparcelas s quais so aplicados os s nveis de
um segundo fator F2.
a) Para que situaes referentes heterogeneidade do material experimental e
importncia relativa dos fatores F1 e F2 esse delineamento apropriado?
b) Indique o processo de casualizao para o experimento.
c) Especifique o modelo estatstico (equao e pressuposies) para esse experimento.
d) Apresente o correspondente esquema da anlise de variao, com as fontes de variao
e graus de liberdade.
3. Um experimentador deseja testar trs cultivares em cada um de dois nveis de fertilidade do
solo em um experimento com nove repeties de cada um dos tratamentos. Ele tem a
escolha de um dos seguintes delineamentos:
- Completamente casualizado,
- Blocos casualizados,
- Quadrado latino, e
- Blocos casualizados com parcelas divididas, com o fator cultivar em subparcelas.
a) Para que situaes referentes heterogeneidade do material experimental e
importncia relativa dos fatores cultivar e fertilidade do solo cada um desses
delineamentos apropriado?
b) Especifique o modelo estatstico (equao e pressuposies) para o experimento com
cada um desses delineamentos.
c) Apresente o esquema da anlise da variao (fontes de variao e graus de liberdade)
para cada um desses delineamentos.
4. Suponha que voc quer estudar os efeitos principais e a interao de dois fatores
quantitativos, sejam A e B. Voc est interessado na resposta ao fator A no intervalo entre
100 e 400 unidades e na resposta ao fator B entre 4 e 16 unidades. Voc espera que a curva
de resposta ao fator A possa ser razoavelmente representada por uma curva quadrtica e que
a resposta ao fator B possa ser representada por uma linha reta, mas deseja ter um teste da
adequao dos modelos para cada um dos casos. So disponveis facilidades suficientes
para at 70 unidades experimentais.
5. Delineamentos com Parcelas Divididas 207
Bloco
Cultivar Fertilizao Soma
1 2 3 4
1 A 299 318 284 279 1.180
B 247 202 171 183 803
2 A 315 247 289 307 1.158
B 257 175 188 174 794
3 A 403 439 355 324 1.521
B 222 170 192 176 760
4 A 382 353 383 310 1.428
B 233 216 200 143 792
Soma 2.358 2.120 2.062 1.896 8.436
Mtodo Bloco
poca
de cultivo 1 2 3 4 5 6
E1 M1 68 78 48 169 221 33
M2 69 64 31 95 190 49
M3 53 73 29 100 149 22
E2 M1 52 55 35 73 49 23
M2 26 21 44 75 40 9
M3 77 26 12 42 51 13
E3 M1 13 54 37 88 63 20
M2 42 83 40 61 43 25
M3 14 83 44 59 53 29
E4 M1 9 13 9 45 63 20
M2 21 10 14 26 16 21
M3 4 13 3 40 39 15
a) Efetue a anlise da variao para o estudo dos efeitos principais e interao de Mtodo
de cultivo e poca de plantio.
b) Determine os coeficientes de variao correspondentes a parcelas e subparcelas.
c) Apresente uma tabela de mdias com os correspondentes desvios padres adequada para
a apreciao dos resultados do experimento.
d) Redija um sumrio dos resultados da anlise estatstica.
10. Suponha que voc est envolvido no planejamento de um experimento em que os
tratamentos constituem um esquema fatorial com quatro nveis de um fator A e dois nveis
de um fator B e disponvel um total de quarenta unidades experimentais.
a) Sob que circunstncias voc escolheria um delineamento com parcelas divididas.
b) Especifique o esquema da anlise da variao (fontes de variao e graus de liberdade)
para um experimento em parcelas divididas com:
i) Fator A em parcelas principais dispostas em um delineamento em blocos
casualizados.
ii) Fator A em parcelas dispostas em delineamento completamente casualizado.
iii) Fator B em parcelas de um delineamento em blocos casualizados.
iv) Fator B em parcelas de um delineamento completamente casualizado.
c) Se a interao AxB for significativa, voc desejar fazer comparaes de mdias da
forma y 41 versus y 32 , onde o primeiro e segundo ndices indicam os nveis dos fatores
210 Estatstica Experimental. 2. Anlise Estatstica de Experimento
Bloco
poca Variedade Soma
1 2 4 5
E1 A 11,8 7,5 9,7 6,4 35,4
B 8,3 8,4 11,8 8,5 37,0
C 9,2 10,6 11,4 7,2 38,4
D 15,6 10,8 10,3 14,7 51,4
E 16,2 11,2 14,0 11,5 52,9
F 9,9 10,8 4,8 9,8 35,3
E2 A 9,7 8,8 12,5 9,4 40,4
B 5,4 12,9 11,2 7,8 37,3
C 12,1 15,7 7,6 9,4 44,8
D 13,2 11,3 11,0 10,7 46,2
E 16,5 11,1 10,8 8,5 46,9
F 12,5 14,3 15,9 7,5 50,2
E3 A 7,0 9,1 7,1 6,3 29,5
B 5,7 8,4 6,1 8,8 29,0
C 3,3 6,9 1,0 2,6 13,8
D 12,6 15,4 14,2 11,3 53,5
E 12,6 12,3 14,4 14,1 53,4
F 10,2 11,6 10,4 12,2 44,4
Contedo
6.1 Introduo
Como um segundo exemplo, o tempo t para um objeto atingir a superfcie da terra quando
lanado de uma altura h relacionado com h pela lei fsica da gravitao:
t = 2h / g ,
onde g a constante gravitacional, que depende do local sobre a superfcie. A origem dessa
expresso matemtica foi a postulao por Galileu de que a altura da queda de um objeto
proporcional ao quadrado do tempo para atingir o solo. Estimativas exatas da constante
gravitacional foram ulteriormente obtidas por experimentao. Embora essa relao terica
seja aproximada, em decorrncia da variao das condies ambientais, para a maioria dos
propsitos tornam-se desnecessrias novas pesquisas experimentais. Dessa forma, esses casos
so excludos do domnio da anlise da regresso.
- Relaes semideterministas - Em algumas situaes, a forma da lei que relaciona as
variveis estabelecida por uma teoria conhecida, mas dependente de valores particulares de
constantes desconhecidas (parmetros) que aparecem em sua expresso matemtica.
Aproximaes para a lei podem ser obtidas pela substituio dos parmetros por estimativas,
determinadas por pesquisa experimental. O estabelecimento da relao exata inviabilizado
pela limitada preciso de instrumentos de medida, perturbaes no controlveis das condies
experimentais e outros fatores que introduzem erros experimentais.
Exemplo 6.1. A presso (P) e o volume (V) de um gs sob calor constante so
relacionados pela "lei dos gases ideais":
PVg = constante,
onde g a taxa de calor especfico do gs particular, que deve ser estimada por pesquisa
experimental.
Em alguns casos, h uma base terica que sugere uma forma plausvel para a relao,
mas a base no exata ou no aceita universalmente. Ademais, frequentemente, flutuaes
adicionais so produzidas por variveis no controlveis, no includas na relao.
Exemplo 6.2. Suponha-se que uma fbrica de compota de pssego produz latas de
compota por lotes e que o produtor deseja relacionar o custo de produo de um lote (Y) com o
tamanho do lote (X, nmero de latas no lote). Em um intervalo de variao realista de X, uma
parcela do custo (custos de instalaes e administrao, por exemplo) praticamente constante
independentemente do tamanho do lote. Outro componente, que inclui matria prima e o
trabalho para produzir a compota, diretamente proporcional ao nmero de latas produzidas.
Denote-se o componente fixo do custo por F e o componente varivel por c. Na ausncia de
qualquer outro fator, pode-se esperar uma relao custo-tamanho do lote determinista, expressa
por:
Y = F + cX.
Entretanto, h um terceiro componente do custo a considerar cuja magnitude de natureza no
previsvel. Por exemplo, o equipamento pode quebrar, ocasionalmente, do que pode resultar
variao de custos de reparo e tempo despendido. A ocorrncia de variao na qualidade da
matria prima tambm pode afetar o processo de produo. Dessa forma, uma relao
determinista pode ser mascarada por componentes aleatrios. Consequentemente, uma relao
adequada entre Y e X deve ser estabelecida por pesquisa experimental.
- Relaes empricas - Em contraste com as situaes anteriores, muito
frequentemente a relao no governada por uma lei conhecida. Isso o que ocorre com
muitos fenmenos naturais, a que correspondem variveis mutuamente relacionadas, ou uma
varivel que dependente de um nmero de variveis causais. Nessas situaes, a forma da
relao comumente completamente desconhecida. Aps a obteno de suficiente
216 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
conhecimento emprico sobre a relao, muitas vezes possvel a formulao de uma teoria
que conduza a uma frmula matemtica correspondente a uma relao semideterminista.
Exemplo 6.3. Suponha que desejado estudar a relao entre o rendimento de uma
cultivar de tomate (Y) e a quantidade (X) de certo fertilizante aplicado ao solo, com as demais
condies to constantes quanto possvel. Para tal, pode ser conduzido um experimento, com a
aplicao de diversas doses do fertilizante a vrias parcelas em um intervalo de interesse.
Diferentes doses do fertilizante produziro diferentes rendimentos (o que ocorrer, tambm,
com diferentes parcelas com uma mesma dose do fertilizante), mas a relao entre rendimento
e dose no segue uma frmula matemtica exata. Nesse caso, alm das variaes aleatrias no
previsveis, tambm no h qualquer base terica conhecida para a determinao da forma da
relao.
Exemplo 6.4. O desempenho de um novo provador de vinho depende da durao do
perodo de treinamento e da natureza do programa de treinamento. A relao entre habilidade
para degustao e durao do treinamento no determinista, pelo simples fato de que dois
seres humanos no so exatamente idnticos. Assim, para a avaliao da eficcia de um
programa de treinamento, deve-se conduzir uma pesquisa experimental da relao entre
habilidade de degustao Y e durao do treinamento X. Ademais, a prpria anlise dos dados
referentes a essas duas variveis pode auxiliar na pesquisa da natureza da relao e em seu uso
na avaliao e planejamento de um programa de treinamento.
Esses poucos exemplos ilustram o mbito de aplicao da anlise da regresso no
contexto mais simples do estudo da relao de uma varivel de interesse com uma nica outra
varivel. Em situaes mais complexas, uma varivel de interesse pode depender de vrias
variveis causais, ou vrias variveis podem se inter-relacionar. Por exemplo, o rendimento de
tomate pode ser estudado em relao dosagem de um fertilizante e ao espaamento entre
plantas. A utilidade da anlise de regresso estende-se a essas situaes multivariadas. Ela
fornece os mtodos para a construo de modelos para as relaes de interesse, estimao de
parmetros de interesse, determinao de variveis de importncia e de variveis redundantes,
e o emprego dos modelos para propsitos de predio e controle.
- Modelo no linear: Modelo no linear cuja equao no pode ser linearizada. Por
exemplo, o modelo de Mitscherlich, com a seguinte equao exponencial:
Y = A[1-10-c(X+b)].
Embora na maioria das situaes de interesse prtico a relao de duas variveis seja
no linear, a relao linear importante por duas razes:
a) Em um modelo linear por anamorfose, uma transformao da equao no linear
que relaciona as variveis conduz a uma relao linear. Esse o caso de algumas relaes
representadas por equaes multiplicativas ou exponenciais que podem ser linearizadas por
transformaes logartmicas, como exemplificado na Figura 6.1.
b) A linha reta pode ser uma boa aproximao para um segmento de uma curva no
linear em um intervalo limitado da varivel independente.
6. Anlise de Regresso e Correlao Linear Simples 219
Observao: 1 2 ... n
X: x1 x2 ... xn
Y: y1 y2 ... yn
Dose (X): 1 1 2 3 4 4 5 6 6 7
Produo (Y): 2,1 2,5 3,1 3,0 3,8 3,2 4,3 3,9 4,4 4,8
O Exemplo 6.5 ilustra a relao mais simples entre duas variveis, representada pela
linha reta.
Exemplo 6.6. Para a ilustrao que segue utilizar-se- os dados da Tabela 6.3,
provenientes do registro de informaes anuais de quantidade de frango comercializado e
correspondente preo, nos Estados Unidos, no perodo de 1950 a 1959.
j 1 2 3 4 5 6 7 8 9 10
xj 73 79 80 69 66 75 78 74 74 84
yj 18,0 20,0 17,8 21,4 21,6 15,0 14,4 17,8 19,6 14,1
6. Anlise de Regresso e Correlao Linear Simples 223
f(a,b) = e2j =
n
j=1
= ( y j a bx j ) 2 .
n
j=1
224 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
O processo de minimizao dessa soma de quadrados dos erros conduz ao seguinte sistema de
duas equaes com as duas incgnitas a e b :
+ = y
n n
na ( x ) b
n
j j
j =1 j =1
( x j )a + ( x 2j )b = x j y j
n n
j=1 j =1 j =1
n j=1 j=1
SP XY =
j=1 j=1
e
1
2
SQ X = (x j x) =
n n n
j=1 j
2
x 2j x .
j=1 j=1 n
Uma estimativa da varincia comum dos desvios da regresso fornecida pela soma
dos quadrados dos resduos dividida pelo correspondente nmero de graus de liberdade, ou
seja, n-2 (onde 2 o nmero de parmetros estimados do modelo):
(y j y j )2 .
1 n
s 2Y:X =
n 2 j=1
Essa estimativa da varincia dos desvios da regresso pode ser mais convenientemente obtida
pelo procedimento da anlise da variao (que se ver adiante), usualmente utilizado para
efetuar testes de hipteses de interesse.
e j = ( y j y j ) = 0 .
n n
j =1 j =1
2) A soma dos quadrados dos resduos mnima, ou seja, a soma dos quadrados das
distncias entre os valores observados (xj, yj), j=1,2,...n, e suas correspondentes projees sobre
uma reta no espao de duas dimenses (X, Y) ortogonais ao eixo X mnima quando essa reta
a reta de quadrados mnimos.
Exemplo 6.6 (continuao). Para os dados do Exemplo 6.6, as estimativas dos
parmetros a e b podem ser obtidas com o auxlio da Tabela 6.4.
Tabela 6.4. Dados e clculos para a determinao das somas de quadrados e somas
de produtos.
j xj yj x j x yjy (x j x) 2 (y j y) 2 (x j x)(y j y)
Obtm-se:
93, 04
b = = -0,36688
253, 60
226 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
e
a = 17,97 - (-0,36688)75,2 = 45,5594.
Essas estimativas dos parmetros a e b tm os seguintes significados:
a = 45, 559 estimativa do valor do frango (Y), em US$ por 50 kg, que
corresponde quantidade nula de frango comercializado (X=0);
b = 0,367 a estimativa do aumento do valor do frango (Y), em US$ por 50 kg,
que corresponde ao incremento da oferta de um milho de frangos
comercializados. Esse exemplo ilustra o fato de que a estimativa do
parmetro a (interseo) pode no ter sentido se o valor X=0 no pertence ao intervalo entre o
menor e maior valor da varivel explanatria X na amostra. Observe-se que, de modo geral, em
anlise da regresso no so vlidas inferncias por extrapolao, ou seja, estimativas de
valores da varivel resposta somente so vlidas para valores da varivel explanatria
compreendidos no intervalo entre os valores extremos de X na amostra.
A equao de regresso ajustada , ento:
y = 45,5594 - 0,36688x .
Essa equao fornece o valor estimado (ou predito) do preo de frango para uma
produo anual particular. Por exemplo, o preo de frango (em US$/50 kg) estimado para uma
produo anual de 73 milhes de frangos :
y X=73 = 45,5594 - 0,36688(73) = 18,777 .
Esse valor ajustado difere do correspondente valor observado (18,0). O resduo para
essa observao :
e1 = 18,0 - 18,777 = 0,777 .
A Tabela 6.5 apresenta os resduos para as 10 observaes da amostra e
correspondentes valores de outras estatsticas de que se tratar adiante.
6. Anlise de Regresso e Correlao Linear Simples 227
j xj yj y j e j s y j EIj ESj
1 73 18,0 18,777 -0,777 0,713 17,14 20,42
2 79 20,0 16,576 3,424 0,819 17,69 18,47
3 80 17,8 16,209 1,591 0,903 14,13 18,29
4 69 21,4 20,245 1,155 1,036 17,85 22,63
5 66 21,6 21,345 0,255 1,361 18,21 24,49
6 75 15,0 18,043 -3,043 0,654 16,53 19,55
7 78 14,4 16,943 -2,543 0,748 15,22 18,67
8 74 17,8 18,410 -0,610 0,672 16,86 19,96
9 74 19,6 18,410 1,190 0,672 16,86 19,96
10 84 14,1 14,741 -0,641 1,316 11,71 17,78
Soma 752 179,7 179,699 0,001
( y j y ) 2 = ( y j y ) 2 + ( y j y j ) 2 ,
n n n
j =1 j =1 j =1
j=1
Regresso, e
j=1
resduo: SQ Resduo.
Demonstra-se que:
SQ Regresso = b 2 SQ X =
= b SP XY,
onde as expresses de SQ X e SP XY foram dadas anteriormente. De fato, da equao que
exprime o valor ajustado para a j-sima observao:
y = y + b ( x x )
j j
obtm-se a seguinte expresso:
y y = b ( x x )
j j
que, elevada ao quadrado e somada para todas as n observaes, produz:
( y j y ) 2 = b 2 ( x j x ) 2 =
n n
j =1 j =1
= b 2 SQ X .
Correspondentemente decomposio da variao total, os n-1 graus de liberdade
para o total das n observaes tambm so decompostos em 1 grau de liberdade correspondente
estimativa do coeficiente de regresso e n-2 graus de liberdade correspondentes ao resduo.
Essa decomposio da variao da varivel resposta Y usualmente efetuada com o
auxlio da seguinte "tabela da anlise da variao":
Fonte de variao GL SQ QM F
Regresso 1 SQRegresso QMRegresso QMRegresso/QMResduo
Resduo n-2 SQResduo QMResduo
Total n-1 SQTotal
onde:
SQTotal = SQ Y
SQResduo = SQTotal SQRegresso
QMRegresso = SQRegresso,
QMResduo = SQResduo / (n-2).
6. Anlise de Regresso e Correlao Linear Simples 231
2Y:X + b 2 (x j x)2 . Por outro lado, ambos os quadrados mdios QMResduo e QMRegresso
n
j=1
so estatisticamente independentes. Logo, a estatstica F = QMRegresso/QMResduo tem
distribuio F com 1 e n-2 graus de liberdade correspondentes QMRegrersso e QMResduo,
respectivamente. Dessa forma, a estatstica F = QMRegresso/QMResduo um critrio para o
teste da hiptese de linearidade da relao entre Y e X:
H0: b = 0
HA: b 0
Essa estatstica F um critrio equivalente estatstica t para o teste desta mesma hiptese. De
fato, demonstra-se que F = t2.
Exemplo 6.6 (continuao). Para os dados do Exemplo 6.6, tem-se:
SQRegresso = (-0,36688)(-93,040) = 34,134,
SQTotal = 68,32,
SQResduo = SQTotal SQRegresso
= 68,321 - 34,134 = 34,187.
A anlise da variao completada na seguinte tabela:
Se o nvel de significncia (erro tipo I) escolhido para o teste foi = 0,05, dado que F
> F(0,05), rejeita-se a hiptese H0. Conclui-se que h uma relao linear significativa (P <
0,05), no caso negativa, entre a varivel Y (preo de frango) e a varivel X (quantidade de
frango comercializado), isto , que o preo de frango decresce significativamente com o
aumento da quantidade de frango produzido.
Essa concluso a mesma obtida anteriormente pelo teste t. De fato, pode-se verificar
2
que: t 8 = F1;8.
Cov ( X, Y )
= .
Var( X ) Var(Y )
O coeficiente de correlao linear simples estimado pela estatstica:
(x j x )( y j y )
n
j=1 SP XY
r= = .
(x j x ) ( y j y )
n n SQ X SQ Y
2 2
j=1 j=1
Tem-se:
6. Anlise de Regresso e Correlao Linear Simples 235
SP XY SP XY SQ X
r= =
SQ X SQ Y SQ X SQ Y SQ X
SP XY SQ X SQ X
=
= b ,
SQ X SQ Y SQ Y
ou seja:
SQ X
r = b .
SQ Y
Essa relao implica que o coeficiente de correlao linear simples tem o mesmo sinal
do coeficiente de regresso linear simples.
Essas relaes so particularmente importantes porque permitem a derivao do
coeficiente de correlao linear simples a partir do coeficiente de determinao ou do
coeficiente de regresso.
Exemplo 6.6 (continuao). Para os dados do Exemplo 6.6, obteve-se: r2 = 0,50 e
b = -0,367 . Logo, o coeficiente de correlao linear simples pode ser obtido indiretamente de
uma das duas seguintes maneiras alternativas:
r = r2
= 0, 4996 = 0, 707 ,
onde o sinal negativo atribudo pelo sinal da estimativa do coeficiente de regresso linear
simples: b = -0,367 ; ou
SQ X
r = b
SQ Y
253, 60
= 0,367 = 0, 707 .
68, 32
6.6 Exerccios
Um experimento foi realizado com o objetivo de verificar se existe uma relao linear entre a
quantidade de fsforo no tecido da planta de uma cultivar de feijo e a quantidade de fsforo
adicionada ao solo como fertilizante. A quantidade mdia de fsforo no tecido das plantas
colhidas das parcelas para anlise (em ppm, Y) e as correspondentes doses de fsforo aplicadas
ao solo (em kg/ha, X) so dadas a seguir:
X: 0 20 40 60 80
Y: 0,2 0,3 0,5 0,6 0,8
Soma
Nvel de gua (X): 12 18 24 30 36 42 48 210
Produo (Y): 5,27 5,68 6,25 7,21 8,02 8,71 8,42 49,56
( ) Com outras condies constantes, quanto maior a soma dos quadrados dos desvios da
regresso, mais provvel que a declividade da reta de regresso seja
significativamente diferente de zero.
( ) A soma dos quadrados dos desvios da regresso no pode ser maior que a soma de
quadrados total.
( ) Se a declividade da reta de regresso ajustada um valor numrico grande, a relao
entre Y e X forte.
( ) Se todos os valores da amostra ficam sobre a reta de regresso ajustada, a soma de
quadrados total igual a zero.
( ) Uma das pressuposies da anlise de regresso que a varivel dependente tem
distribuio normal.
( ) Em testes de significncia referentes ao coeficiente de regresso b pressupe-se que Y
tem a mesma varincia para todos os valores fixos de X.
( ) Aceitar a hiptese de nulidade da declividade da reta de regresso decidir que no h
relao linear entre Y e X.
( ) Aceitar a hiptese de nulidade do coeficiente de correlao linear decidir que no h
relao entre Y e X.
( ) Quando cresce o grau de associao de duas variveis, melhora o ajustamento da reta
de regresso.
( ) Quanto maior a magnitude de r, mais forte a relao linear entre X e Y.
( ) Quando calcula um coeficiente de correlao, o experimentador pressupe que h uma
relao de causa-efeito entre X e Y.
( ) Em inferncias referentes ao coeficiente de correlao, os valores de X podem ser
fixos ou provenientes de amostragem aleatria, mas os valores de Y devem provir de
uma amostra aleatria.
( ) Se os papis de X e Y so trocados, a equao de regresso permanece a mesma.
( ) Se os papis de X e Y so trocados, o coeficiente de correlao permanece o mesmo.
7 Anlise de Regresso Linear Mltipla
Contedo
7.1 Introduo
Os princpios bsicos e os procedimentos da anlise da regresso linear simples
podem ser estendidos para situaes que envolvem duas ou mais variveis explanatrias. De
fato, essas so as circunstncias mais comuns nas aplicaes.
Em anlise de regresso linear mltipla, postula-se o seguinte modelo populacional
para a relao entre uma varivel resposta Y e k variveis explanatrias X1, X2, ..., Xk:
E(Y) = b0 + b1X1 + b2X2 +...+ bkXk,
onde b0, b1, b2, ..., bk, so constantes desconhecidas, isto , parmetros.
Os coeficientes b1, b2, ..., bk das variveis explanatrias X1, X2, ..., Xk so
denominados coeficientes de regresso parciais.
Inferncias estatsticas (estimao por ponto e por intervalo e testes de hipteses) so
derivadas com base em uma amostra de n observaes em cada uma das k+1 variveis X1, X2,
..., Xk e Y,ou seja, em um conjunto de observaes {(x11,x21,...,xk1, y1), (x12,x22,...,xk2, y2),...,
(x1n,x2n,...xkn, yn)}.
242 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
e2j
n
f(b0 ,b1 ,b 2 ) = =
j=1
( y j b0 b1x1 j b 2 x 2 j ) 2 .
n
=
j=1
j=1 j =1 j =1
( x1 j ) b 0 + ( x1 j ) b 1 + ( x1 j x 2 j ) b 2 = x1 j y j
n n n n
2
j =1
n
j =1 j =1 j =1
+ ( x x ) b + ( x 2 ) b = x y
n n n
j =1
( x 2j ) b 0 1j 2 j 1 2j 2 2j j
j =1 j =1 j =1
j =1
x2 j / n
n
por , respectivamente, obtm-se o seguinte sistema de duas equaes em b 1 e b 2 :
j=1
b 1 SQ X1 + b 2 SP X1X 2 = SP X1Y
b1 SP X1X 2 + b 2 SQ X 2 = SP X 2Y
onde:
( x ij x i )2 x ij2 n ( x ij )2 ,
n n n
1
SQ Xi = = i=1,2,
j=1 j=1 j=1
( x1 j x1 )( x 2 j x 2 ) = x1 j x 2 j n ( x1 j )( x 2 j ) ,
n n 1 n n
SP X1X2 =
j=1 j=1 j=1 j=1
(x ij x i )( y j y) = x ij y j n ( x ij )( y j ) ,
n n n n
1
SP XiY = i=1,2.
j=1 j=1 j=1 j=1
e j = ( y j y j ) = 0 .
n n
j =1 j =1
2) A soma dos quadrados dos resduos mnima, ou seja, a soma dos quadrados das
distncias entre os valores observados da varivel resposta e suas projees sobre um plano no
espao de trs dimenses ortogonais ao plano (X1,X2) mnima quando esse plano o plano de
quadrados mnimos.
1 n
s 2Y:X1 ,X 2 = e 2j ,
n 3 j=1
ovinos sobre o peso ao abate. As combinaes das doses dos dois suplementos e os resultantes
ganhos mdios de peso por animal so apresentadas na Tabela 7.1.
Tabela 7.1. Ganho mdio de peso por animal (em kg, Y) e correspondentes
combinaes de doses de sal mineral (em kg, X1) e de clcio (em
kg, X2) administradas na rao.
A soluo ( b e b ) desse sistema de duas equaes a duas incgnitas pode ser obtida, por
1 2
exemplo, por adio: multiplica-se cada equao por uma constante, de modo a reduzir os
coeficientes de uma das incgnitas a um mesmo valor com sinais contrrios nas duas equaes;
somam-se, ento as duas equaes, membro a membro. Por exemplo, multiplicando a primeira
equao por -9 e a segunda por 5,5, respectivamente os coeficientes de b 1 na segunda e na
primeira equao, obtm-se:
49,5b 1 81b 2 = 229,5
49,5b1 + 121b 2 = 269,5
___________________
0 b 1 + 40 b 2 = 40; logo, b 2 =1.
Substituindo este valor b =1 em uma das duas equaes, na segunda equao, por exemplo,
2
obtm-se:
9 b 1 + 22(1) = 49; donde: b 1 =3.
A estimativa da interseo b0 , ento, obtida pela substituio dessas estimativas b 1 =3 e b 2 =1
na expresso do estimador b 0 . Obtm se:
248 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
( y j y) 2 = ( y j y)2 + ( y j y j ) 2 .
n n n
j =1 j =1 j =1
Dessa forma, a variao total da varivel resposta decomposta em duas partes: variao
atribuvel regresso e variao atribuvel ao desvio da regresso, ou resduo. Simbolicamente,
essa decomposio indicada por:
SQ Total = SQ Regresso + SQ Desvio.
Uma expresso mais conveniente para o clculo da SQ Regresso pode ser obtida a
partir da expresso alternativa da equao de regresso estimada:
y = y + b ( x x ) + b ( x x ) ,
j 1 1j 1 2 2j 2
ou seja:
y j y = b 1 ( x1 j x1 ) + b 2 ( x 2 j x 2 ) ,
donde:
( y j y) 2 = [b 1 ( x1 j x1 ) + b 2 ( x 2 j x 2 )]2 =
n n
j =1 j =1
= b 12 ( x1 j x1 ) 2 + b 22 ( x 2 j x 2 ) 2 + 2 b 1b 2 ( x1 j x1 )( x 2 j x 2 ) .
j j j
Observando que essa expresso a soma dos primeiros membros das duas equaes normais
para a estimao de b1 e b2 multiplicadas por b 1 e b 2 , respectivamente, resulta, utilizando os
segundos membros daquelas equaes:
( y j y) 2 = b 1 ( x1 j x1 )( y j y) + b 2 ( x 2 j x 2 )( y j y) =
n
j =1 j j
= b 1 SPX1Y + b 2 SPX 2 Y .
Correspondentemente, os n-1 graus de liberdade da variao total de Y decompem-se
em 2 graus de liberdade para a regresso (um para cada uma das duas estimativas dos
250 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
coeficientes de regresso parciais) e n-3 graus de liberdade para o desvio da regresso. Essa
decomposio da variao total pode ser apresentada em uma tabela da anlise da variao -
Tabela 7.3.
Fonte de variao GL SQ
Regresso 2 b 1 SPX1Y + b 2 SPX2 Y
Resduo n-3 (por diferena)
Total n-1 SQ Y
SQ Resduo
1 R 2 = .
SQ Total
Dado que a variao atribuvel ao resduo e a variao total so baseadas em
diferentes graus de liberdade, pode ser mais conveniente a expresso do coeficiente de
indeterminao pelo quociente das correspondentes estimativas de varincias:
SQ Re sduo (n 3) n 1 SQ Re sduo
1 R C2 = =
SQ Total (n 1) n 3 SQ Total
n 1
= (1 R 2 ) ;
n 3
donde resulta:
n 1
R C2 = 1 (1 R 2 )
n 3
2
= R2 (1 R 2 ) ,
n 3
que o coeficiente de determinao corrigido para graus de liberdade.
Exemplo 7.1 (continuao). Para o Exemplo 7.1,
125, 5
R2 = = 0,977 .
128, 5
Logo, 97,7% da variao total explicada pela regresso, ou, melhor dito, 97,7% da variao
do ganho de peso dos ovinos levada em conta quando se exprime o ganho de peso como uma
relao linear da suplementao mineral e da suplementao de clcio.
O coeficiente de determinao corrigido usualmente levemente inferior:
2
R C2 = 0, 977 (1 0,977) = 0,961 .
3
22
1) =
Var(b 1, 0 = 0,55,
40
5, 5
2) =
Var(b 1, 0 = 0,1375,
40
9
1 , b 2 ) = 1, 0 = - 0,225.
Cov(b
40
( b 1 , b 2 ) = c 12 sY2 :X1 ,X 2 .
Cov
A matriz C-1 tem a seguinte expresso:
1 SQ X 2 SP X1X 2
C 1 =
D SP X1X 2 SQ X1
,
onde:
D = SQ X1 SQ X2 - [SP X1X2]2.
H 0 : b i = 0, i = 1,2
H A : b i 0, para pelo menos um i ( i = 1 e / ou 2 )
Essa hiptese pode ser testada pela seguinte estatstica F provida pela anlise da variao:
QM Re gresso
F= .
QM Re sduo
Sob a hiptese H0 , esta estatstica tem distribuio F2;n-3.
Exemplo 7.1 (continuao). Para o Exemplo 7.1, tem-se F = 62,75/1 = 62,75
(Tabela 7.4). Esse valor superior ao correspondente ponto percentual da distribuio F para 2
e 3 graus de liberdade e P=0,01: F2;3;0,1 = 30,82. Logo, a hiptese de nulidade rejeitada,
concluindo-se que a relao linear entre ganho de peso dos ovinos e as suplementaes de sal
mineral e clcio foi significativa (P<0,01).
A rejeio da hiptese de nulidade simultnea dos coeficientes de regresso parciais
conduz aceitao de uma das trs seguintes alternativas a que corresponde o "melhor" modelo
de regresso linear indicado:
a) b10 e b20, E(Y) = b0 + b1X1 + b2X2;
b) b10 e b2=0, E(Y) = b '0 + b1' X1 ; ou
c) b1=0 e b20, E(Y) = b"0 + b "2 X 2 .
Em anlise de regresso linear com duas variveis explanatrias a deciso entre essas
alternativas pode ser tomada pelos testes de hipteses parciais referentes aos dois coeficientes
de regresso parciais b1 e b2.
que, sob as correspondentes hipteses de nulidade, tm distribuio t de Student com n-3 graus
de liberdade.
Exemplo 7.1 (continuao). Considerem-se os testes das duas hipteses parciais para
o exemplo.
H 01: b1 = 0
1)
H A1: b1 0
O valor da estatstica t para o teste desta hiptese :
254 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
3
t= = 4, 045 ,
0, 55
que deve ser comparado com os pontos percentuais da distribuio t para 3 graus de liberdade:
, , P = 0,05
3182
t 3; P =
5,841, P = 0,01
Como o valor calculado da estatstica t est compreendido entre os valores percentuais
superiores da distribuio t para P = 0,05 e 0,01, rejeita-se a hiptese de nulidade. Logo, a
contribuio de X1 para a explicao da variao de Y, adicional contribuio de X2 , foi
significativa (P<0,05).
H 02 : b 2 = 0
2)
H A2: b2 0
O valor da estatstica t para o teste desta hiptese parcial :
1
t= = 2, 697 , com 3 graus de liberdade,
0,1375
que inferior ao ponto percentual de t para P=0,05. A hiptese de nulidade aceita. Logo, a
contribuio da varivel X2 para a explicao de Y, adicional contribuio de X1, no foi
significativa.
Em resumo: A relao linear entre Y e (X1, X2) foi significativa, a contribuio
adicional da varivel X1 para a explicao da variao de Y foi significativa e a contribuio
adicional de X2 no foi significativa. Isso implica que a relao linear no pode prescindir da
varivel X1, mas pode prescindir da varivel X2 Assim, segundo os testes efetuados, o
"melhor" modelo para exprimir a relao linear entre Y e (X1, X2) :
E(Y) = b0 + b1X1,
ou seja, o modelo de regresso linear simples de Y (ganho de peso) em relao a X1
(suplementao de sal mineral). As estimativas dos parmetros b0 e b1 podem ser determinadas
pelo procedimento da Seo 6.4.4. Obtm-se:
y = 2,54 + 4, 64 X1 .
Em anlise de regresso linear com mais de duas variveis explanatrias, a escolha do
"melhor" modelo de relao linear no to simples. Existem diversos procedimentos para
esse propsito. Entretanto, no sero considerados neste texto.
H '' : b = 0
2) ''0 2
H A : b 2 0
e lim inando X1
Estas hipteses sequenciais podem ser testadas pela estatstica F, pelo seguinte
procedimento sequencial:
1) A hiptese 1) refere-se linearidade da relao entre a varivel resposta Y e a
varivel explanatria X1, ou seja, regresso linear simples entre Y e X1. Essa hiptese pode
ser testada pela estatstica:
QM R(X1 )
F= ,
QM Resduo R(X1 )
onde R(X1) a regresso linear simples de Y em relao a X1 e Resduo R(X1) o resduo
dessa regresso, pela anlise da variao com o seguinte esquema:
Fonte de variao GL
R(X1) 1
Resduo R(X1) n-2
Total n-1
Fonte de variao GL
R(X1,X2) 2
R(X1) 1
R(X2|X1) 1
Resduo R(X1,X2) n-3
Total n-1
Fonte de variao GL
R(X1) 1
Resduo R(X1) n-2
R(X2|X1) 1
Resduo R(X1,X2) n-3
Total n-1
SQ R(X ) =
( SP X1Y )
2
.
1
SQ X1
25,52
== = 118,227 .
5,5
A SQ R(X2|X1) obtida por diferena:
SQ R(X2|X1) = 125,5 - 118,227 = 7,273.
A anlise da variao que completada na Tabela 7.6.
Y = 2,546 + 4, 636 X1 .
Observe-se que o teste sequencial referente ao coeficiente de regresso parcial
correspondente ltima varivel explanatria a entrar em um modelo linear idntico ao teste
parcial para esse mesmo coeficiente de regresso parcial. Ou seja, o teste sequencial referente
b2 equivalente ao teste parcial referente a este coeficiente de regresso parcial do modelo
estatstico com equao E(Y) = b0 + b1X1 + b2X2; o teste sequencial referente a b1 equivalente
ao teste parcial referente a b1 do modelo estatstico com equao E(Y) = b0 + b2 X2 + b1X1. De
fato, no exemplo, foram obtidos os dois seguintes valores para as estatsticas t e F,
respectivamente para os testes parcial e sequencial para b2: t=2,697, com 3 graus de liberdade,
e F=7,273, com 1 e 3 graus de liberdade; donde se pode verificar que F = t2.
H : b =0
(2) 02 2
H A2 : b 2 0
eliminando X e ignorando X3 ,..., X p
...
0p b p =0
(p)
H :
H Ap : b p 0
eliminando X, X 2 ,..., X p-1
Tabela 7.7. Idades (em anos - 50) e dosagem mdia de colesterol no sangue (em
mg/100ml - 200) de 100 indivduos de cada uma das classes de
idade entre 50 e 59 anos, Exemplo 7.2.
Observao 1 2 3 4 5 6 7 8 9 10
X: 0 1 2 3 4 5 6 7 8 9
Y: 22,8 24,5 26,0 27,3 28,5 29,3 30,0 30,4 31,4 31,8
Complementarmente, deve ser utilizada a informao provida pelos prprios dados da amostra
disponvel.
No presente exemplo, a experincia indica a expectativa de um crescimento do nvel
de colesterol no sangue com o aumento da idade. A principal questo refere-se taxa desse
crescimento no intervalo particular de idade em estudo. Nessas circunstncias, a representao
aproximada da relao em estudo por uma curva polinomial deve ser provida por uma funo
polinomial de grau no mximo igual a dois, ou seja, por uma funo polinomial linear ou
quadrtica.
Uma inspeo inicial dos dados , em geral, til para verificao e indicao da forma
da relao de interesse. Essa inspeo pode ser facilitada por uma representao grfica das
observaes, Figura 7.3.
Figura 7.3. Diagrama dos valores mdios de colesterol (em mg/100ml - 200)
observados em 100 indivduos de cada uma das 10 classes de
idades compreendidas entre 50 e 59 anos (idade em anos - 50).
Observao yj x1j y j e j
1 22,8 0 23,84 -1,04
2 24,5 1 24,81 -0,31
3 26,0 2 25,78 0,22
4 27,3 3 26,75 0,55
5 28,5 4 27,72 0,78
6 29,3 5 28,69 0,61
7 30,0 6 29,66 0,34
8 30,4 7 30,63 -0,23
9 31,4 8 31,60 -0,20
10 31,8 9 32,57 -0,77
Soma 282,0 45
Mdia 28,2 4,5
indivduos com idades nos pontos intermedirios do intervalo de idades situam-se acima da
reta ajustada, enquanto que os valores mdios nos dois extremos desse intervalo situam-se
abaixo desta reta. Essa circunstncia indicativa de que uma variao sistemtica da resposta
no levada em conta pela reta ajustada, ou seja, que a taxa de variao do colesterol com a
idade pode no ser constante.
Portanto, o ajuste de uma curva polinomial quadrtica pode ser mais apropriado para a
expresso da relao de interesse.
2) Ajustamento de uma equao de regresso polinomial quadrtica:
E(Y) = b0 + b1X1 + b2X2 , X1 = X, X2 = X2.
Os clculos podem ser efetuados com o auxlio da Tabela 7.10.
. ,1 ; x 2 j y j = 8.717,7 ; y 2j = 8.033,48 .
x1 j y j = 1349
7.4 Exerccios
1. A tabela que segue apresenta os dados de peso (Y), em kg, altura (X1), em cm, e idade
(X2), em meses, de cordeiros de um rebanho:
Peso (Y): 64 71 53 67 55 58 77 57 56 51 76 68
Altura (X1): 57 59 49 62 51 50 55 48 52 42 61 57
Idade (X2): 8 10 6 11 8 7 10 9 10 6 12 9
Fonte de variao GL SQ QM F
R(X1) 1
R(X2|X1) 1
Resduo 15
Total 17
Fonte de variao GL SQ QM F
R(X2) 1
R(X1|X2) 1
Resduo 15
Total 17
onde:
266 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
e
H 0'' : b 2 = 0
''
H A : b2 0
aps ajustamento para X 1
Contedo
8.1 Introduo
1
Na forma em que est formulada, essa pressuposio uma simplificao que se aplica
situao de delineamentos simples. Mais geralmente, o modelo estatstico pode conter mais de
um componente aleatrio atribuvel ao erro experimental. Por exemplo, nos delineamentos com
parcelas divididas, h um componente atribuvel ao erro experimental entre as parcelas
principais e outro ao erro entre subparcelas. Nessa situao, a pressuposio de homogeneidade
de varincia aplica-se a cada um desses dois componentes.
272 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Bloco Efeito de
Tratamento
1 2 bloco
A 120 180 60
B 100 160 60
Efeito de
20 20
Tratamento
bloco 2 para o tratamento A e 50 unidades para o tratamento B, essa diferena de efeitos igual
a 50% para os dois tratamentos A e B.
Bloco Efeito de
Tratamento
1 2 bloco
A 120 180 60 (50%)
B 100 150 50 (50%)
Efeito de 20 30
tratamento (17%) (17%)
Bloco Efeito de
Tratamento
1 2 bloco
A 2,079 2,255 0,176
B 2,000 2,176 0,176
Efeito de
0,079 0,079
tratamento
diferiro para os tratamentos cujos efeitos sobre essas variveis sejam distintos.
Consequentemente, de esperar que a varincia seja proporcional mdia: 2 m .
Exemplo 8.3. Variveis que exprimem proporo de indivduos com um dado
atributo, como proporo de sementes que germinam, proporo de insetos que sobrevivem e
proporo de animais infectados, tm distribuio binomial. Essas variveis descrevem
proporo de ocorrncias em que cada uma das ocorrncias pode ter apenas um de dois
resultados possveis (por exemplo, germina e no germina, vivo e morto, infectado e no
infectado). Para uma varivel resposta dessa origem h uma relao entre a varincia e a mdia
da forma: 2 = m(1 m) . Assim, em um experimento em que a mdia de tal varivel resposta
seja afetado por efeitos de tratamentos, de esperar que a varincia seja proporcional a m(1-m):
2 m(1 m) .
Exemplo 8.4. Variveis respostas que exprimem contagem de indivduos com
nmeros elevados, tais como nmero de ovos de helmintos nas fezes e nmero de vermes nas
vsceras de animais, podem ter distribuio lognormal, ou seja, seus logaritmos podem ter
distribuio normal. Nessas circunstncias, h uma relao entre a varincia e a mdia da forma
2 m 2 .
O segundo tipo de heterogeneidade de varincia, em que a varincia e a mdia no se
relacionam funcionalmente, usualmente ocorre em experimentos em que, devido natureza dos
tratamentos, alguns tratamentos tm erros substancialmente mais elevados (ou baixos) do que
outros. Heterogeneidade de varincia entre grupos de tratamentos dessa origem muito
frequente. De fato, em pesquisa biolgica e agrcola, comum a tendncia de correlao
positiva entre a varincia e a mdia de uma varivel resposta em intervalos de valores da
varivel resposta de grande amplitude. Como consequncia, grupos com mdias elevadas
tendem a ter varincias elevadas e aqueles com mdias mais baixas, varincias menores. Os
exemplos que seguem so ilustrativos.
Exemplo 8.5. Em um experimento para pesquisa da eficcia de herbicidas no controle
de invasoras com diversos tratamentos herbicidas e um tratamento controle sem herbicida, a
produo nas unidades com herbicidas mais eficazes tende a ser mais elevada do que nas
unidades com herbicidas menos eficazes ou com o controle. Consequentemente, a variabilidade
da produo nas unidades com herbicidas eficazes mais elevada do que nas unidades com
herbicidas ineficazes ou com o tratamento controle. Naturalmente, no se pode esperar que
variveis respostas dessas origens satisfaam a pressuposio de homogeneidade de varincia.
Exemplo 8.6. Em experimentos de comparao de cultivares em que so comparados
materiais de diversos estgios do processo de melhoramento gentico, a varincia entre
parcelas de um tratamento particular depende do grau de homogeneidade gentica do material
que est sendo testado. Por exemplo, pode-se esperar que a varincia de um gentipo de
gerao F2 seja mais elevada do que a varincia de um gentipo F1, dado que a variabilidade
gentica em F2 muito mais elevada do que em F1.
Exemplo 8.7. Em um experimento agrcola com tratamentos qumicos, tais como
fertilizantes, inseticidas, fungicidas e herbicidas, a aplicao no uniforme do tratamento
qumico pode implicar uma variabilidade mais elevada nas parcelas com esses produtos do que
nas parcelas com um tratamento controle.
276 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
= yij yi. .
qualquer padro aparente. Uma anlise dos resduos pode revelar inadequaes do modelo
estatstico e violaes de suas pressuposies.
Tabela 8.5. Resduos ordenados e pontos de probabilidade para os dados do Exemplo 8.8.
Esse grfico pode revelar varincia no constante. Algumas vezes a varincia cresce
com o incremento da magnitude da varivel resposta. Essa relao entre varincia e valor da
varivel resposta ocorre, por exemplo, quando o erro uma percentagem constante da varivel
resposta. Isso acontece, comumente, com muitas medidas. Nessa circunstncia, os resduos
crescem na medida em que as observaes crescem, de modo que o grfico dos resduos em
relao aos valores estimados da resposta toma a forma de um funil ou megafone. Varincia
no constante tambm ocorre em situaes em que a distribuio da varivel resposta no
normal assimtrica, j que em distribuies assimtricas a varincia tende a ser uma funo da
mdia. Heterogeneidade de varincia tambm pode decorrer de resposta errtica aos
tratamentos.
Se a pressuposio de homogeneidade de varincia violada, o teste F afetado
apenas levemente, no caso de modelo estatstico de efeitos fixos e delineamentos balanceados.
Entretanto, em casos de delineamentos no balanceados, ou em casos em que uma varincia
muito maior do que as outras, o problema mais srio. Para modelo estatstico de efeitos
aleatrios, varincias do erro heterogneas podem perturbar consideravelmente inferncias
referentes a componentes de varincia, mesmo em situao de delineamentos balanceados.
Em algumas situaes, a habilidade do pesquisador (ou da unidade experimental) varia
com o progresso do experimento, ou o processo sob pesquisa muda ou torna-se mais errtico.
Isso muitas vezes resulta em alterao na varincia do erro ao longo do tempo. Essa condio
pode ser revelada em um grfico dos resduos em relao ao tempo, pelo aumento da disperso
no sentido de um dos extremos do intervalo de tempo.
Exemplo 8.8 (continuao). A Tabela 8.4 apresenta os resduos para os instantes
sucessivos de coleta dos dados do Exemplo 8.8. A Figura 8.3 apresenta o grfico dos resduos
em relao ao tempo. A inspeo dessa figura no revela qualquer padro sistemtico dos
resduos. Assim, no h qualquer razo para suspeita de violao da pressuposio de
homogeneidade de varincia para o experimento em questo.
284 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Repeties
Tratamento m s2
1 2 3 4
1 9 12 0 1 5,50 35,000
2 4 8 5 1 4,50 8,333
3 6 15 6 2 7,25 30,250
4 9 6 4 5 6,00 4,667
5 27 17 10 10 16,00 64,667
6 4 10 15 5 8,50 25,667
7 1 0 0 0 0,25 0,250
8 10 0 2 1 3,25 20,917
9 35 28 2 15 20,00 212,667
Fonte GL SQ QM F Prob.>F
Tratamento 8 1.255,50 156,938 3,5099 0,0066
Erro 27 1.207,25 44,713
Total 35 2.462,75
1 ri
si2 = ( yij y..) 2 .
ri 1 j=1
Ento, para o tratamento 1 tem-se:
Semelhantemente, pode-se determinar as estimativas das varincias dos erros para os nove
tratamentos. Observe-se que, na situao de delineamento completamente casualizado, a
estimativa s2 da varincia do erro experimental comum para todas as observaes a mdia
ponderada das estimativas si2 das varincias individuais para os t tratamentos cujos pesos so os
respectivos graus de liberdades ri-1:
8. Pressuposies do Modelo Estatstico: Violaes, Implicaes, Verificao e Remdios 287
(ri 1)si2
t
(yij y..)2
t ri
i=1 1
= = s2 ,
(ri 1)
t n t i=1 j=1
i=i
onde n = r1+r2+...+rt.
A inspeo das estimativas das varincias e das mdias para os tratamentos, nas duas
ltimas colunas da Tabela 8.6, e o grfico da Figura 8.4 revelam uma tendncia de estimativas
de varincias mais elevadas corresponderem a estimativas de mdias mais elevadas. Isso
significa a necessidade da considerao de um teste de homogeneidade da varincia dentro de
tratamentos.
Teste de Hartley
onde si2 , i=1,2,...,k, so as estimativas das varincias dos k grupos. Sob a hiptese de igualdade
das k varincias populacionais, essa estatstica tem a distribuio Fmax de Hartley com k e n-1
graus de liberdade, onde k o nmero de grupos (varincias) e n o nmero de observaes em
cada grupo. A hiptese de homogeneidade de varincia rejeitada se o valor observado Fmax
mais elevado que o valor Fmax(k;n-1;) que demarca a cauda superior da distribuio de Fmax
para k varincias, n-1 graus de liberdade da varincia casual e o nvel de significncia
escolhido.
288 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Teste de Cochran
si2
i
C= ,
i
onde si2 , i=1,2,...,k, so as estimativas das varincias dos k grupos. Sob a hiptese de igualdade
das k varincias populacionais, essa estatstica tem a distribuio C de Cochran com k e n-1
graus de liberdade, onde k o nmero de grupos (varincias) e n o nmero de observaes em
cada grupo. A hiptese de homogeneidade de varincia rejeitada se o valor observado de C
maior que o valor C(k;n-1;) que demarca a cauda superior da distribuio de C para k
varincias, n-1 graus de liberdade da varincia casual e o nvel de significncia .
A Tabela A-9 do Apndice apresenta os valores que demarcam o ponto superior da
distribuio dessa estatstica para caudas de reas 0,01 e 0,05 e valores de k entre 2 e 15 e de n-
1 entre 1 e 144.
Esse procedimento apropriado para a situao de igual nmero de repeties o
mesmo para todos os grupos. Se os nmeros de repeties diferem levemente, recomendvel
o uso do nmero de repeties mais elevado para a determinao dos graus de liberdade para o
teste. Esse procedimento conduz a um pequeno vis positivo dos testes, ou seja, a rejeio da
hiptese de homogeneidade mais frequentemente do que o definido pelo nvel de significncia
e pela potncia do teste 1-.
Exemplo 8.9 (continuao). Considere-se novamente a situao do Exemplo 8.9. A
estimativa de varincia para tratamentos mais elevada s 62 = 212,667 e a soma das estimativas
das varincias para os nove tratamentos si2 = 35,0 + 8,333 + ... + 25,667 = 402,418. Logo,
i
8. Pressuposies do Modelo Estatstico: Violaes, Implicaes, Verificao e Remdios 289
212, 667
C= = 0,5285 .
402, 418
Da Tabela A-9, para k=9 (nmero de varincias), n-1=3 (graus de liberdade para cada
tratamento) e P=0,05, obtm-se: C(k=9;n-1=3;=0,05) = 0,403. Como o valor observado C =
0,5285 maior que C(9;3;0,05) = 0,403, a hiptese de homogeneidade de varincia rejeitada.
Tanto o teste de Hartley como o de Cochran tm sensibilidade adequada para o teste
de homogeneidade de varincia em situaes em que a heterogeneidade suspeita. Deve ser
observado, entretanto, que esses testes so sensveis a desvios da distribuio normal.
Varincia
Origem dos Distribuio Designao da
em funo Transformao
dados relevante transformao
da mdia m
Contagem com y ou y +3 / 8
m nmeros Poisson para valores Raiz quadrada
pequenos pequenos
arcsen y ou
Proporo de
indivduos com y +3 / 8 Arco seno,
m(1-m)/n Binomial arcsen
dada n +3 / 4 Angular
caracterstica para valores
pequenos
Contagem com log y ou
m2 Emprica Logartmica
nmeros grandes log(y+1)
Ensaio biolgico y
log
1+ y
m2(1-m2) e crescimento Emprica Logtica
de populaes
Intervalo entre
Distribuio
falhas, nmero
com
m4 de falhas por 1/y Recproca
achatamento
unidade de
extremo
tempo
Estimativa de Varincia de
2m2(n-1) log y Logartmica
varincia amostra
Repetio
Tratamento
1 2 3 4 5
1 97 68 93 90 90
2 89 88 97 90 83
3 91 78 92 90 94
4 75 66 68 62 81
5 71 89 89 79 87
6 57 60 53 72 65
Repetio
Tratamento
1 2 3 4 5
1 1,220 0,905 1,167 1,130 1,130
2 1,119 1,107 1,220 1,130 1,053
3 1,142 1,001 1,154 1,130 1,180
4 0,972 0,886 0,905 0,849 1,032
5 0,933 1,119 1,119 1,011 1,096
6 0,804 0,831 0,767 0,943 0,877
logo,
A = 2,36 0,0514 = 0,1213.
Subtraindo e somando o valor crtico A da mdia do tratamento testemunha, tem-se:
zc A = 0,8442 0,1213 = 0,7229 e
Tratamento Mdia 1
1 Neantina (seco) a 0,2% 1,110 *
2 Phygon XL a 0,2% 1,126 *
3 Granosan 5% a 0,2% 1,121 *
4 Carbonato de Cobre a 0,2% 0,929
5 Arasan a 0,2% 1,056 *
6 Controle 0,844
1
Tratamentos cujas mdias so seguidas de um asterisco
diferiram significativamente do tratamento controle,
pelo teste de Dunnett (=0,05).
p yp Designao da Observaes
transformao
Usualmente, potncia mais
2 y2 Quadrado
elevada
1 y1 Dados originais Sem transformao
y Raiz quadrada Distribuio de Poisson
0 log(y) Logartmica
Recproca da raiz Sinal negativo preserva a ordem
-1/2 1/ y
quadrada das observaes
-1 1/y Recproca Reexpressa tempo em razo
Valores p < 1 so prprios para tornar simtrica uma distribuio assimtrica inclinada
direita; a transformao potncia puxa a cauda direita espalhada das observaes e espalha a
cauda inferior encolhida das observaes. Valores p > 1 tornam uma distribuio assimtrica
inclinada esquerda mais simtrica, puxando as observaes de menores valores espalhadas e
espalhando as observaes mais elevadas encolhidas. A transformao logartmica colocada
na posio 0 da escada porque seu efeito sobre as observaes nulo.
A transformao p=-1 pode ser apropriada para varivel resposta que exprima tempo
da ocorrncia de um evento. O recproco do tempo pode ser interpretado como a razo em que
uma unidade chega ao evento. tentador atribuir o valor 0 a unidades para as quais o evento
nunca ocorre; entretanto, deve ser tomado cuidado j que o evento nunca foi observado.
Dependendo das circunstncias, a observao pode ser mais bem tratada como um membro de
um conjunto de observaes truncadas ou de observaes perdidas.
Fonte GL SQ QM F Prob,>F
Regresso 1 111,442 111,442 35,926 0,0005
Resduo 7 21,714 3,102
Total 8 133,157
Repeties
Tratamento m s2
1 2 3 4
1 3,062 3,518 0,612 1,173 2,091 1,415
2 2,092 2,894 2,318 1,173 2,119 0,716
3 2,525 3,921 2,525 1,541 2,628 0,979
4 3,062 2,525 2,092 2,318 2,499 0,415
5 5,232 4,168 3,221 3,221 3,961 0,958
6 5,948 5,327 1,541 3,921 4,184 1,955
7 1,173 0,612 0,612 0,612 0,752 0,280
8 3,221 0,612 1,541 1,173 1,637 1,123
9 2,092 3,221 3,921 2,318 2,889 0,844
Teste de Hartley
Tem-se:
1,955
Fmax = = 6,982 .
0,280
Esse valor observado Fmax = 6,982 menor que o valor da tabela Fmax(9;3;0,05) = 93,9; logo,
a hiptese de homogeneidade de varincia aceita.
Teste de Cochran
1,955
C= = 0, 2251 ;
8,685
Como esse valor C = 0,2861 menor que C(9;3;0,05) = 0,4775, a hiptese de homogeneidade
de varincia aceita.
Pode-se, ento, proceder anlise estatstica. Os resultados da anlise da variao da
varivel z = y + 3 / 8 so apresentados na Tabela 8.15.
298 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
8.8 Exerccios
Repetio Estimativa
Tratamento Soma
1 2 3 4 5 Mdia Varincia
A 3 1 5 4 2 15 3 2,5
B 6 8 7 4 5 30 6 2,5
C 12 6 9 3 15 45 9 22,5
D 20 14 11 17 8 70 14 22,5
8.9 Bibliografia
GILL, J. L. Design and analysis of experiments in the animal and medical sciences. Ames,
Iowa: Iowa State University, 1981. Volume 1. 410p.
GOMEZ, K. A.; GOMEZ, A. A. Statistical procedures for agricultural research; with
emphasis on rice. Los Baos, Philippines: The International Rice Research Institute, ,
1981. 294p.
GOMEZ, K. A.; GOMEZ, A. A. Statistical procedures for agricultural research. 2. ed. New
York: John Wiley, 1984. 680p.
KIRK, R.E. Experimental design: Procedures for the behavioral sciences. Belmont,
California: Brooks/Cole, 577p.
KUEL, R. O. Design of experiments; Statistical principles of research design and analysis.
2 ed. Pacific Grove, California: Duxbury, 2000. 666p.
MONTGOMERY, D.C. Design and Analysis of Experiments. 2nd edition. New York: John
Wiley & Sons. 1976. 538.
COCHRAN, W.G.. Some consequences when the assumptions for the analysis of variance are
not satisfied. Biometrics, v.3, n.1, p.22-38, 1947.
EISENHART, C. The assumptions underlying the analysis of variance. Biometrics, v.3, n.1,
p.1-21, 1947.
Apndice
Tabelas
302 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Apndice - Tabelas 303
1
2 P
1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 30 40 60 120 Inf.
0,05 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,0 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
1 0,025 647,8 799,5 864,2 899,6 921,8 937,1 948,2 956,7 963,3 968,6 976,7 984,9 984,9 993,1 997,2 1001, 1006, 1010, 1014, 1018,
0,01 4052, 5000, 5403, 5625, 5764, 5859, 5928, 5982, 6022, 6056, 6082, 6106, 6157, 6209, 6235, 6261, 6287, 6313, 6339, 6366,
0,001 4053* 5000* 5404* 5625* 5764* 5859* 5929* 5981* 6023* 6056* 6084* 6107* 6158* 6209* 6235* 6261* 6287* 6313* 6340* 6366*
0,05 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
2 0,025 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,41 39,43 39,45 39,46 39,46 39,47 39,48 39,49 39,50
0,01 98,50 99,00 99,17 99,25 99,30 99,33 99,36 99,37 99,39 99,40 99,41 99,42 99,43 99,45 99,46 99,47 99,47 99,48 99,49 99,50
0,001 998,5 999,0 999,2 999,2 999,3 999,3 999,4 999,4 999,4 999,4 999,4 999,4 999,4 999,4 999,5 999,5 999,5 999,5 999,5 999,5
0,05 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
3 0,025 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42 14,34 14,25 39,43 14,17 14,12 14,08 14,04 13,99 13,95 13,90
0,01 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,87 26,69 26,60 26,50 26,41 26,32 26,22 26,13
0,001 167,0 148,5 141,1 137,1 134,6 132,8 131,6 130,6 129,9 129,2 128,8 128,3 127,4 126,4 125,9 125,4 125,0 124,5 124,0 123,5
0,05 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
4 0,025 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,75 8,66 8,66 8,56 8,51 8,46 8,41 8,36 8,31 8,26
0,01 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,20 14,02 13,93 13,84 13,75 13,65 13,56 13,46
0,001 74,14 61,25 56,18 53,44 51,71 50,53 49,66 49,00 48,47 48,05 47,70 47,41 46,76 46,10 45,77 45,43 45,09 44,75 44,40 44,05
0,05 6,61 5,79 5,41 5,19 5,05 4,95 4,88 8,82 4,77 4,74 4,70 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,36
5 0,025 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,52 6,43 6,46 6,33 6,28 6,23 6,18 6,12 6,07 6,02
0,01 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,72 9,55 9,47 9,38 9,29 9,20 9,11 9,02
0,001 47,18 37,12 33,20 31,09 29,75 28,84 28,16 27,64 27,24 26,92 26,64 26,42 25,91 25,39 25,14 24,87 24,60 24,33 24,06 23,79
0,05 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
6 0,025 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,37 5,27 5,27 5,17 5,12 5,07 5,01 4,96 4,90 4,85
0,01 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,56 7,40 7,31 7,23 7,14 7,06 6,97 6,88
0,001 35,51 27,00 23,70 21,92 20,81 20,03 19,46 19,03 18,69 18,41 18,18 17,99 17,56 17,12 16,89 16,67 16,44 16,21 15,99 15,75
0,05 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 6,60 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
7 0,025 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,67 4,57 3,51 4,47 4,42 4,36 4,31 4,25 4,20 4,14
0,01 12,25 9,55 8,45 7,85 4,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,31 6,16 6,07 5,99 5,91 5,82 5,74 5,65
0,001 29,25 21,69 18,77 17,19 16,21 15,52 15,02 14,63 14,33 14,08 13,88 13,71 13,32 12,93 12,73 12,53 12,33 12,12 11,91 11,70
0,05 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
8 0,025 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,20 4,10 4,10 4,00 3,95 3,89 3,84 3,78 3,73 3,67
0,01 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,74 5,67 5,52 5,36 5,28 5,20 5,12 5,03 4,95 4,86
0,001 25,42 18,49 15,83 14,39 13,49 12,86 12,40 12,04 11,77 11,54 11,35 11,19 10,84 10,48 10,30 10,11 9,92 9,73 9,53 9,33
0,05 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
9 0,025 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,87 3,77 3,77 3,67 3,61 3,56 3,51 3,45 3,39 3,33
0,01 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 4,96 4,81 4,73 4,65 4,57 4,48 4,40 4,31
0,001 22,86 16,39 13,90 12,56 11,71 11,13 10,70 10,37 10,11 9,89 9,72 9,57 9,24 8,90 8,72 8,55 8,37 8,19 8,00 7,81
0,05 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
10 0,025 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,62 3,52 3,52 3,42 3,37 3,31 3,26 3,20 3,14 3,08
0,01 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,78 4,71 4,56 4,41 4,33 4,25 4,17 4,08 4,00 3,91
0,001 21,04 14,91 12,55 11,28 10,48 9,92 9,52 9,20 8,96 8,75 8,59 8,45 8,13 7,80 7,64 7,47 7,30 7,12 6,94 6,76
0,05 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
11 0,025 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,43 3,33 3,33 3,23 3,17 3,12 3,06 3,00 2,94 2,88
0,01 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,25 4,10 4,02 3,94 3,86 3,78 3,69 3,60
0,001 19,69 13,81 11,56 10,35 9,58 9,05 8,66 8,35 8,12 7,92 7,76 7,63 7,32 7,01 6,85 6,68 6,52 6,35 6,17 6,00
0,05 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
12 0,025 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,28 3,18 3,18 3,07 3,02 2,96 2,91 2,85 2,79 2,72
0,01 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,01 3,86 3,78 3,70 3,62 3,54 3,45 3,36
0,001 18,64 12,97 10,80 9,63 8,89 9,38 8,00 7,71 7,48 7,29 7,14 7,00 6,71 6,40 6,25 6,09 5,93 5,76 5,59 5,42
*
Estes valores devem ser multiplicados por 100.
Continua
304 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Continuao
1
2 P
1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 30 40 60 120 Inf.
0,05 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
13 0,025 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,15 3,05 3,05 2,95 2,89 2,84 2,78 2,72 2,66 2,60
0,01 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,82 3,66 3,59 3,51 3,43 3,34 3,25 3,17
0,001 17,81 12,31 10,21 9,07 8,35 7,86 7,49 7,21 6,98 6,80 6,65 6,52 6,23 5,93 5,78 5,63 5,47 5,30 5,14 4,97
0,05 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,56 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
14 0,025 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 3,05 2,95 2,95 2,84 2,79 2,73 2,67 2,61 2,55 2,49
0,01 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,66 3,51 3,43 3,35 3,27 3,18 3,09 3,00
0,001 17,14 11,78 9,73 8,62 7,92 7,43 7,08 6,80 6,58 6,40 6,26 6,13 5,85 5,56 5,41 5,25 5,10 4,94 4,77 4,60
0,05 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
15 0,025 6,20 4,77 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,96 2,86 2,86 2,76 2,70 2,64 2,59 2,52 2,46 2,40
0,01 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,52 3,37 3,29 3,21 3,13 3,05 2,96 2,87
0,001 16,59 11,34 9,34 8,25 7,57 7,09 6,74 6,47 6,26 6,08 5,94 5,81 5,54 5,25 5,10 4,95 4,80 4,64 4,47 4,31
0,05 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,45 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
16 0,025 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,12 3,05 2,99 2,89 2,79 2,79 2,68 2,63 2,57 2,51 2,45 2,38 2,32
0,01 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,61 3,55 3,41 3,26 3,18 3,10 3,02 2,93 2,84 2,75
0,001 16,12 10,97 9,00 7,94 7,27 6,81 6,46 6,19 5,98 5,81 5,67 5,55 5,27 4,99 4,85 4,70 4,54 4,39 4,23 4,06
0,05 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
17 0,025 6,04 4,62 4,01 3,66 3,44 3,28 3,16 3,06 2,98 2,92 2,82 2,72 2,72 2,62 2,56 2,50 2,44 2,38 2,32 2,25
0,01 8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,31 3,16 3,08 3,00 2,92 2,83 2,75 2,65
0,001 15,72 10,66 8,73 7,68 7,02 6,56 6,22 5,96 5,75 5,58 5,44 5,32 5,05 4,78 4,63 4,48 4,33 4,18 4,02 3,85
0,05 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
18 0,025 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,77 2,67 2,67 2,56 2,50 2,44 2,38 2,32 2,26 2,19
0,01 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,44 3,37 3,23 3,08 3,00 2,92 2,84 2,75 2,66 2,57
0,001 15,38 10,39 8,49 7,46 6,81 6,35 6,02 5,76 5,56 5,39 5,25 5,13 4,87 4,59 4,45 4,30 4,15 4,00 3,84 3,67
0,05 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
19 0,025 5,92 4,51 3,90 3,36 3,33 3,17 3,05 2,96 2,88 2,82 2,72 2,62 2,62 2,51 2,45 2,39 2,33 2,27 2,20 2,13
0,01 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,15 3,00 2,92 2,84 2,76 2,67 2,58 2,49
0,001 15,08 10,16 8,28 7,26 6,62 6,18 5,85 5,59 5,39 5,22 5,08 4,97 4,70 4,43 4,29 4,14 3,99 3,84 3,68 3,51
0,05 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
20 0,025 5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,68 2,57 2,57 2,46 2,41 2,35 2,29 2,22 2,16 2,09
0,01 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,30 3,23 3,09 2,94 2,86 2,78 2,69 2,61 2,52 2,42
0,001 14,82 9,95 8,10 7,10 6,46 6,02 5,69 5,44 5,24 5,08 4,94 4,82 4,56 4,29 4,15 4,00 3,86 3,70 3,54 3,38
0,05 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
21 0,025 5,83 4,42 3,82 3,48 3,25 3,09 2,97 2,87 2,80 2,73 2,64 2,53 2,53 2,42 2,37 2,31 2,25 2,18 2,11 2,04
0,01 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,24 3,17 3,03 2,88 2,80 2,72 2,64 2,55 2,46 2,36
0,001 14,59 9,77 7,94 6,95 6,32 5,88 5,56 5,31 5,11 4,95 4,81 4,70 4,44 4,17 4,03 3,88 3,74 3,58 3,42 3,26
0,05 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,26 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
22 0,025 5,79 4,38 3,78 3,44 3,22 3,05 2,93 2,84 2,76 2,70 2,60 2,50 2,50 2,39 2,33 2,27 2,21 2,14 2,08 2,00
0,01 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 2,98 2,83 2,75 2,67 2,58 2,50 2,40 2,31
0,001 14,38 9,61 7,80 6,81 6,19 5,76 5,44 5,19 4,99 4,83 4,70 4,58 4,33 4,06 3,92 3,78 3,63 3,48 3,32 3,15
0,05 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,24 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
23 0,025 5,75 4,35 3,75 3,41 3,18 3,02 2,90 2,81 2,73 2,67 2,57 2,47 2,47 2,36 2,30 2,24 2,18 2,11 2,04 1,97
0,01 7,88 5,66 4,76 4,26 3,94 9,71 3,54 3,41 3,30 3,21 3,14 3,07 2,93 2,78 2,70 2,62 2,54 2,45 2,35 2,26
0,001 14,19 9,47 7,67 6,69 6,08 5,65 5,33 5,09 4,89 4,73 4,60 4,48 4,23 3,96 3,82 3,68 3,53 3,38 3,22 3,05
0,05 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,22 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
24 0,025 5,72 4,32 3,72 3,38 3,15 2,99 2,87 2,78 2,70 2,64 2,54 2,44 2,44 2,33 2,27 2,21 2,15 2,08 2,01 1,94
0,01 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,09 3,03 2,89 2,74 2,66 2,58 2,49 2,40 2,31 2,21
0,001 14,03 9,34 7,55 6,59 5,98 5,55 5,23 4,99 4,80 4,64 4,51 4,39 4,14 3,87 3,74 3,59 3,45 3,29 3,14 2,97
Continua
Apndice - Tabelas 305
Continuao
1
2 P
1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 30 40 60 120 Inf.
0,05 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,20 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
25 0,025 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,51 2,41 2,41 2,30 2,24 2,18 2,12 2,05 1,98 1,91
0,01 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 3,05 2,99 2,85 2,70 2,62 2,54 2,45 2,36 2,27 2,17
0,001 13,88 9,22 7,45 6,49 5,88 5,46 5,15 4,91 4,71 4,56 4,42 4,31 4,06 3,79 3,66 3,52 3,37 3,22 3,06 2,89
0,05 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
26 0,025 5,66 4,27 3,67 3,33 3,10 2,94 2,82 2,73 2,65 2,59 2,49 2,39 2,39 2,28 2,22 2,16 2,09 2,03 1,95 1,88
0,01 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 3,02 2,96 2,81 2,66 2,58 2,50 2,42 2,33 2,23 2,13
0,001 13,74 9,12 7,36 6,41 5,80 5,38 5,07 4,83 4,64 4,48 4,35 4,24 3,99 3,72 3,59 3,44 3,30 3,15 2,99 2,82
0,05 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,16 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,67
27 0,025 5,63 4,24 3,65 3,31 3,08 2,92 2,80 2,71 2,63 2,57 2,47 2,36 2,36 2,25 2,19 2,13 2,07 2,00 1,93 1,85
0,01 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,98 2,93 2,78 2,63 2,55 2,47 2,38 2,29 2,20 2,10
0,001 13,61 9,02 7,27 6,33 5,73 5,31 5,00 4,76 4,57 4,41 4,28 4,17 3,92 3,66 3,52 3,38 3,23 3,08 2,92 2,75
0,05 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,15 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
28 0,025 5,61 4,22 3,63 3,29 3,06 2,90 2,78 2,69 2,61 2,55 2,45 2,34 2,34 2,23 2,17 2,11 2,05 1,98 1,91 1,83
0,01 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,95 2,90 2,75 2,60 2,52 2,44 2,35 2,26 2,17 2,06
0,001 13,50 8,93 7,19 6,25 5,66 5,24 4,93 4,69 4,50 4,35 4,22 4,11 3,86 3,60 3,46 3,32 3,18 3,02 2,86 2,69
0,05 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
29 0,025 5,59 4,20 3,61 3,27 3,04 2,88 2,76 2,67 2,59 2,53 2,43 2,32 2,32 2,21 2,15 2,09 2,03 1,96 1,89 1,81
0,01 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,92 2,87 2,73 2,57 2,49 2,41 2,33 2,23 2,14 2,03
0,001 13,39 8,85 7,12 6,19 5,59 5,18 4,87 4,64 4,45 4,29 4,16 4,05 3,80 3,54 3,41 3,27 3,12 2,97 2,81 2,64
0,05 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,12 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
30 0,025 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,41 2,31 2,31 2,20 2,14 2,07 2,01 1,94 1,87 1,79
0,01 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,90 2,84 2,70 2,55 2,47 2,39 2,30 2,21 2,11 2,01
0,001 13,29 8,77 7,05 6,12 5,53 5,12 4,82 4,58 4,39 4,24 4,11 4,00 3,75 3,49 3,36 3,22 3,07 2,92 2,76 2,59
0,05 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
40 0,025 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,29 2,18 2,18 2,07 2,01 1,94 1,88 1,80 1,72 1,64
0,01 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,66 2,52 2,37 2,29 2,20 2,11 2,02 1,92 1,80
0,001 12,61 8,25 6,60 5,70 5,13 4,73 4,44 4,21 4,02 3,87 3,75 3,64 3,40 3,15 3,01 2,87 2,73 2,57 2,41 2,23
0,05 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
60 0,025 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,17 2,06 2,06 1,94 1,88 1,82 1,74 1,67 1,58 1,48
0,01 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,35 2,20 2,12 2,03 1,94 1,84 1,73 1,60
0,001 11,97 7,76 6,17 5,31 4,76 4,37 4,09 3,87 3,69 3,54 3,42 3,31 3,08 2,83 2,69 2,55 2,41 2,25 2,08 1,89
0,05 3,92 3,07 2,68 2,45 2,29 2,17 2,09 2,02 1,96 1,91 1,86 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
120 0,025 5,15 3,80 3,23 2,89 2,67 2,52 2,39 2,30 2,22 2,16 2,05 1,94 1,94 1,82 1,76 1,69 1,61 1,53 1,43 1,31
0,01 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,40 2,34 2,19 2,03 1,95 1,86 1,76 1,66 1,53 1,38
0,001 11,38 7,32 5,79 4,95 4,42 4,04 3,77 3,55 3,38 3,24 3,12 3,02 2,78 2,53 2,40 2,26 2,11 1,95 1,76 1,54
0,05 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00
Inf. 0,025 5,02 3,69 3,12 2,79 2,57 2,41 2,29 2,19 2,11 2,05 1,94 1,83 1,83 1,71 1,64 1,57 1,48 1,39 1,27 1,00
0,01 6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,24 2,18 2,04 1,88 1,79 1,70 1,59 1,47 1,32 1,00
0,001 10,83 6,91 5,42 4,62 4,10 3,74 3,47 3,27 3,10 2,96 2,84 2,74 2,51 2,27 2,13 1,99 1,84 1,66 1,45 1,00
306 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
t: nmero de tratamentos
P
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 0,05 18,1 26,7 32,8 37,2 40,5 43,1 45,4 47,3 49,1 50,6 51,9 53,2 54,3 55,4 56,3 57,2 58,0 58,8 59,6
0,01 90,0 135 164 186 202 216 227 237 246 253 260 266 272 227 282 286 290 294 198
2 0,05 6,09 8,28 9,80 10,89 11,73 12,43 13,03 13,54 13,99 14,39 14,75 15,08 15,38 15,65 15,91 16,14 16,36 16,57 16,77
0,01 14,0 19,0 22,3 24,7 26,6 28,2 29,5 30,7 31,7 32,6 33,4 34,1 34,8 35,4 36,0 36,5 37,0 37,5 37,9
3 0,05 4,50 5,88 6,83 7,51 8,04 8,47 8,85 9,18 9,46 9,72 9,95 10,16 10,35 10,52 10,69 10,84 10,98 11,12 11,24
0,01 8,26 10,6 12,2 13,3 14,2 15,0 15,6 16,2 16,7 17,1 17,5 17,9 18,2 18,5 18,8 19,1 19,3 19,5 19,8
4 0,05 3,93 5,00 5,76 6,31 3,73 7,06 7,35 7,60 7,83 8,03 8,21 8,37 8,52 8,67 8,80 8,92 9,03 9,14 9,24
0,01 6,51 8,12 9,17 9,96 10,6 11,1 11,5 11,9 12,3 12,6 12,8 13,1 13,3 13,5 13,7 13,9 14,1 14,2 14,4
5 0,05 3,64 4,60 5,22 5,67 6,03 6,33 6,58 6,80 6,99 7,17 7,32 7,47 7,60 7,72 7,83 7,93 8,03 8,12 8,21
0,01 5,70 6,97 7,80 8,42 8,91 9,32 9,67 9,97 10,24 10,48 10,70 10,89 11,08 11,24 11,40 11,55 11,68 11,81 11,93
6 0,05 3,46 4,34 4,90 5,31 5,63 5,89 6,12 6,32 6,49 6,65 6,79 6,92 7,03 7,14 7,24 7,34 7,43 7,51 7,59
0,01 5,24 6,33 7,03 7,56 7,97 8,32 8,61 8,87 9,10 9,30 9,49 9,65 9,81 9,95 10,08 10,21 10,32 10,43 10,54
7 0,05 3,34 4,16 4,68 5,06 5,36 5,61 5,82 6,00 6,16 6,30 6,43 6,55 6,66 6,76 6,85 6,94 7,02 7,09 7,17
0,01 4,95 5,92 6,54 7,01 7,37 7,68 7,94 8,17 8,37 8,55 8,71 8,86 9,00 9,12 9,24 9,35 9,46 9,55 9,65
8 0,05 3,26 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,29 6,39 6,48 6,57 6,65 6,73 6,80 6,87
0,01 4,74 5,63 6,20 6,63 6,96 7,24 7,47 7,68 7,87 8,03 8,18 8,31 8,44 8,55 8,66 8,76 8,85 8,94 9,03
9 0,05 3,20 3,95 4,42 4,76 5,02 5,24 5,43 5,60 5,74 5,87 5,98 6,09 6,19 6,28 6,36 6,44 6,51 6,58 6,64
0,01 4,60 5,43 5,96 6,35 6,66 6,91 7,13 7,32 7,49 7,65 7,78 7,91 8,03 8,13 8,23 8,32 8,41 8,49 8,57
10 0,05 3,15 3,88 4,33 4,65 4,91 5,12 5,30 5,46 5,60 5,72 5,83 5,93 6,03 6,11 6,20 6,27 6,34 6,40 6,47
0,01 4,48 5,27 5,77 6,14 6,43 6,67 6,87 7,05 7,21 7,36 7,48 7,60 7,71 7,81 7,91 7,99 8,07 8,15 8,22
11 0,05 3,11 3,82 4,26 4,57 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,81 5,90 5,99 6,06 6,14 6,20 6,26 6,33
0,01 4,39 5,14 5,62 5,97 6,25 6,48 6,67 6,84 6,99 7,13 7,25 7,36 7,46 7,56 7,65 7,73 7,81 7,88 7,95
12 0,05 3,08 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,40 5,51 5,62 5,71 5,80 5,88 5,95 6,03 6,09 6,15 6,21
0,01 4,32 5,04 5,50 5,84 6,10 6,32 6,51 6,67 6,81 6,94 7,06 7,17 7,26 7,36 7,44 7,52 7,59 7,66 7,73
13 0,05 3,06 3,73 4,15 4,45 4,69 4,88 5,05 5,19 5,32 5,43 5,53 5,63 5,71 5,79 5,86 5,93 6,00 6,05 6,11
0,01 4,26 4,96 5,40 5,73 5,98 6,19 6,37 6,53 6,67 6,79 6,90 7,01 7,10 7,19 7,27 7,34 7,42 7,48 7,55
14 0,05 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,55 5,64 5,72 5,79 5,85 5,92 5,97 6,03
0,01 4,21 4,89 5,32 5,63 5,88 6,08 6,26 6,41 6,54 6,66 6,77 6,87 6,96 7,05 7,12 7,20 7,27 7,33 7,39
15 0,05 3,01 3,67 4,08 4,37 4,60 4,78 4,94 5,08 5,20 5,31 5,40 5,49 5,58 5,65 5,72 5,79 5,85 5,90 5,96
0,01 4,17 4,83 5,25 5,56 5,80 5,99 6,16 6,31 6,44 6,55 6,66 6,76 6,84 6,93 7,00 7,07 7,14 7,20 7,26
Continua
308 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Continuao
t: nmero de tratamentos
P
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
16 0,05 3,00 3,65 4,05 4,33 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,44 5,52 5,59 5,66 5,72 5,79 5,84 5,90
0,01 4,13 4,78 5,19 5,49 5,72 5,92 6,08 6,22 6,35 6,46 6,56 6,66 6,74 6,82 6,90 6,97 7,03 7,09 7,15
17 0,05 2,98 3,63 4,02 4,30 4,52 4,71 4,86 4,99 5,11 5,21 5,31 5,39 5,47 5,55 5,61 5,68 5,74 5,79 5,84
0,01 4,10 4,74 5,14 5,43 5,66 5,85 6,01 6,15 6,27 6,38 6,48 6,57 6,66 6,73 6,80 6,87 6,94 7,00 7,05
18 0,05 2,97 3,61 4,00 4,28 4,49 4,67 4,82 4,96 5,07 5,17 5,27 5,35 5,43 5,50 5,57 5,63 5,69 5,74 5,79
0,01 4,07 4,70 5,09 5,38 5,60 5,79 5,94 6,08 6,20 6,31 6,41 6,50 6,58 6,65 6,72 6,79 6,85 6,91 6,96
19 0,05 2,96 3,59 3,98 4,25 4,47 4,65 4,79 4,92 5,04 5,14 5,23 5,32 5,39 5,46 5,53 5,59 5,65 5,70 5,75
0,01 4,05 4,67 5,05 5,33 5,55 5,73 5,89 6,02 6,14 6,25 6,34 6,43 6,51 6,58 6,65 6,72 6,78 6,84 6,89
20 0,05 2,95 3,58 3,96 4,23 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5,43 5,49 5,55 5,61 5,66 5,71
0,01 4,02 4,64 5,02 5,29 5,51 5,69 5,84 5,97 6,09 6,19 6,29 6,37 6,45 6,52 6,59 6,65 6,71 6,76 6,82
24 0,05 2,92 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 5,44 5,50 5,54 5,59
0,01 3,96 4,54 4,91 5,17 5,37 5,54 5,69 5,81 5,92 6,02 6,11 6,19 6,26 6,33 6,39 6,45 6,51 6,56 6,61
30 0,05 2,89 3,49 3,84 4,10 4,30 4,46 4,60 4,72 4,83 4,92 5,00 5,08 5,15 5,21 5,27 5,33 5,38 5,43 5,48
0,01 3,89 4,45 4,80 5,05 5,24 5,40 5,54 5,65 5,76 5,85 5,93 6,01 6,08 6,14 6,20 6,26 6,31 6,36 6,41
40 0,05 2,86 3,44 3,79 4,04 4,23 4,39 4,52 4,63 4,74 4,82 4,91 4,98 5,05 5,11 5,16 5,22 5,27 5,31 5,36
0,01 3,82 4,37 4,70 4,93 5,11 5,27 5,39 5,50 5,60 5,69 5,77 5,84 5,90 5,96 6,02 6,07 6,12 6,17 6,21
60 0,05 2,83 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 4,73 4,81 4,88 4,94 5,00 5,06 5,11 5,16 5,20 5,24
0,01 3,76 4,28 4,60 4,82 4,99 5,13 5,25 5,36 5,45 5,53 5,60 5,67 5,73 5,79 5,84 5,89 5,93 5,98 6,02
120 0,05 2,80 3,36 3,69 3,92 4,10 4,24 4,36 4,48 4,56 4,64 4,72 4,78 4,84 4,90 4,95 5,00 5,05 5,09 5,13
0,01 3,70 4,20 4,50 4,71 4,87 5,01 5,12 5,21 5,30 5,38 5,44 5,51 5,56 5,61 5,66 5,71 5,75 5,79 5,83
Inf. 0,05 2,77 3,31 3,63 3,86 4,03 4,17 4,29 4,39 4,47 4,55 4,62 4,68 4,74 4,80 4,85 4,89 4,93 4,97 5,01
0,01 3,64 4,12 4,40 4,60 4,76 4,88 4,99 5,08 5,16 5,23 5,29 5,35 5,40 5,45 5,49 5,54 5,57 5,61 5,65
Apndice - Tabelas 309
1 0,05 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0 18,0
0,01 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0 90,0
2 0,05 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09
0,01 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0 14,0
3 0,05 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50
0,01 8,26 8,5 8,6 8,7 8,8 8,9 8,9 9,0 9,0 9,0 9,1 9,2 9,3 9,3
4 0,05 3,93 4,01 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02
0,01 6,51 6,8 6,9 7,0 7,1 7,1 7,2 7,2 7,3 7,3 7,4 7,4 7,5 7,5
5 0,05 3,64 3,74 3,79 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83
0,01 5,70 5,96 6,11 6,18 6,26 6,33 6,40 6,44 6,5 6,6 6,6 6,7 6,7 6,8
6 0,05 3,46 3,58 3,64 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68
0,01 5,24 5,51 5,65 5,73 5,81 5,88 5,95 6,00 6,0 6,1 6,2 6,2 6,3 6,3
7 0,05 3,35 3,47 3,54 3,58 3,60 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61
0,01 4,95 5,22 5,37 5,45 5,53 5,61 5,69 5,73 5,8 5,8 5,9 5,9 6,0 6,0
8 0,05 3,26 3,39 3,47 3,52 3,55 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56
0,01 4,74 5,00 5,14 5,23 5,32 5,40 5,47 5,51 5,5 5,6 5,7 5,7 5,8 5,8
9 0,05 3,20 3,34 3,41 3,47 3,50 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52
0,01 4,60 4,86 4,99 5,08 5,17 5,25 5,32 5,36 5,4 5,5 5,5 5,6 5,7 5,7
10 0,05 3,15 3,30 3,37 3,43 3,46 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,48
0,01 4,48 4,73 4,88 4,96 5,06 5,13 5,20 5,24 5,28 5,36 5,42 5,48 5,54 5,55
11 0,05 3,11 3,27 3,35 3,39 3,43 3,44 3,45 3,46 3,46 3,46 3,46 3,46 3,47 3,48
0,01 4,39 4,63 4,77 4,86 4,94 5,01 5,06 5,12 5,15 5,24 5,28 5,34 5,38 5,39
12 0,05 3,08 3,23 3,33 3,36 3,40 3,42 3,44 3,44 3,46 3,46 3,46 3,46 3,47 3,48
0,01 4,32 4,55 4,68 4,76 4,84 4,92 4,96 5,02 5,07 5,13 5,17 5,22 5,24 5,26
13 0,05 3,06 3,21 3,30 3,35 3,38 3,41 3,42 3,44 3,45 3,45 3,46 3,46 3,47 3,47
0,01 4,26 4,48 4,62 4,69 4,74 4,84 4,88 4,94 4,98 5,04 5,08 5,13 5,14 5,15
14 0,05 3,03 3,18 3,27 3,33 3,37 3,39 3,41 3,42 3,44 3,45 3,46 3,46 3,47 3,47
0,01 4,21 4,42 4,55 4,63 4,70 4,78 4,83 4,87 4,91 4,96 5,00 5,04 5,06 5,07
15 0,05 3,01 3,16 3,25 3,31 3,36 3,38 3,40 3,42 3,43 3,44 3,45 3,46 3,47 3,47
0,01 4,17 4,37 4,50 4,58 4,64 4,72 4,77 4,81 4,84 4,90 4,94 4,97 4,99 5,00
Continua
310 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
Continuao
16 0,05 3,00 3,15 3,23 3,30 3,34 3,37 3,39 3,41 3,43 3,44 3,45 3,46 3,47 3,47
0,01 4,13 4,34 4,45 4,54 4,60 4,67 4,72 4,76 4,79 4,84 4,88 4,91 4,93 4,94
17 0,05 2,98 3,13 3,22 3,28 3,33 3,36 3,38 3,40 3,42 3,44 3,45 3,46 3,47 3,47
0,01 4,10 4,30 4,41 4,50 4,56 4,63 4,68 4,72 4,75 4,80 4,83 4,86 4,88 4,89
18 0,05 2,97 3,12 3,21 3,27 3,32 3,35 3,37 3,39 3,41 3,43 3,45 3,46 3,47 3,47
0,01 4,07 4,27 4,38 4,46 4,53 4,59 4,64 4,68 4,71 4,76 4,79 4,82 4,84 4,85
19 0,05 2,96 3,11 3,19 3,26 3,31 3,35 3,37 3,39 3,41 3,43 3,44 3,46 3,47 3,47
0,01 4,05 4,24 4,35 4,43 4,50 4,56 4,61 4,64 4,67 4,72 4,76 4,79 4,81 4,82
20 0,05 2,95 3,10 3,18 3,25 3,30 3,34 3,36 3,38 3,40 3,43 3,44 3,46 3,46 3,47
0,01 4,02 4,22 4,33 4,40 4,47 4,53 4,58 4,61 4,65 4,69 4,73 4,76 4,78 4,79
22 0,05 2,93 3,08 3,17 3,24 3,29 3,32 3,35 3,37 3,39 3,42 3,44 3,45 3,46 3,47
0,01 3,99 4,17 4,28 4,36 4,42 4,48 4,53 4,57 4,60 4,65 4,68 4,71 4,74 4,75
24 0,05 2,92 3,07 3,15 3,22 3,28 3,31 3,34 3,37 3,38 3,41 3,44 3,45 3,46 3,47
0,01 3,96 4,14 4,24 4,33 4,39 4,44 4,49 4,53 4,57 4,62 4,64 4,67 4,70 4,72
26 0,05 2,91 3,06 3,14 3,21 3,27 3,30 3,34 3,36 3,38 3,41 3,43 3,45 3,46 3,47
0,01 3,93 4,11 4,21 4,30 4,36 4,41 4,46 4,50 4,53 4,58 4,62 4,65 4,67 4,69
28 0,05 2,90 3,04 3,13 3,20 3.26 3,30 3,33 3,35 3,37 3,40 3,43 3,45 3,46 3,47
0,01 3,91 4,08 4,18 4,28 4,34 4,39 4,43 4,47 4,51 4,56 4,60 4,62 4,65 4,67
30 0,05 2,89 3,04 3,12 3,20 3,25 3,29 3,32 3,35 3,37 3,40 3,43 3,44 3,46 3,47
0,01 3,89 4,06 4,16 4,22 4,32 4,36 4,41 4,45 4,48 4,54 4,58 4,61 4,63 4,65
40 0,05 2,86 3,01 3,10 3,17 3,22 3,27 3,30 3,33 3,35 3,39 3,42 3,44 3,46 3,47
0,01 3,82 3,99 4,10 4,17 4,24 4,30 4,34 4,37 4,41 4,46 4,51 4,54 4,57 4,59
60 0,05 2,83 2,98 3,08 3,14 3,20 3,24 3,28 3,31 3,33 3,37 3,40 3,43 3,45 3,47
0,01 3,76 3,92 4,03 4,12 4,17 4,23 4,27 4,31 4,34 4,39 4,44 4,47 4,50 4,53
100 0,05 2,80 2,95 3,05 3,12 3,18 3,22 3,26 3,29 3,32 3,36 3,40 3,42 3,45 3,47
0,01 3,71 3,86 3,98 4,06 4,11 4,17 4,21 4,25 4,29 4,35 4,38 4,42 4,45 4,48
Inf. 0,05 2,77 2,92 3,02 3,09 3,15 3,19 3,23 3,26 3,29 3,34 3,38 3,41 3,44 3,47
0,01 3,64 3,80 3,90 3,98 4,04 4,09 4,14 4,17 4,20 4,26 4,31 4,34 4,38 4,41
Apndice - Tabelas 311
Pki2
Nm. Grau Tratamento
trat. polin. Lk
(t) (k) 1 2 3 4 5 6 7 8 9 10 i
2 1 -1 1 2 2
3 1 -1 0 1 2 1
2 1 -2 1 6 3
4 1 -3 -1 1 3 20 2
2 1 -1 -1 1 4 1
3 -1 3 -3 1 20 10/3
5 1 -2 -1 0 1 2 10 1
2 2 -1 -2 -1 2 14 1
3 -1 2 0 -2 1 10 5/6
4 1 -4 6 -4 1 70 35/12
6 1 -5 -3 -1 1 3 5 70 2
2 5 -1 -4 -4 -1 5 84 3/2
3 -5 7 4 -4 -7 5 180 5/3
4 1 -3 2 2 -3 1 28 7/12
5 -1 5 -10 10 -5 1 252 21/10
7 1 -3 -2 -1 0 1 2 3 28 1
2 5 0 -3 -4 -3 0 5 84 1
3 -1 1 1 0 -1 -1 1 6 1/6
4 3 -7 1 6 1 -7 3 154 7/12
5 -1 4 -5 0 5 -4 1 84 7/20
8 1 -7 -5 -3 -1 1 3 5 7 168 2
2 7 1 -3 -5 -5 -3 1 7 168 1
3 -7 5 7 3 -3 -7 -5 7 264 2/3
4 7 -13 -3 9 9 -3 -13 7 616 7/12
5 -7 23 -17 -15 15 17 -23 7 2184 7/10
9 1 -4 -3 -2 -1 0 1 2 3 4 60 1
2 28 7 -8 -17 -20 -17 -8 7 28 2772 3
3 -14 7 13 9 0 -9 -13 -7 14 990 5/6
4 14 -21 -11 9 18 9 -11 -21 14 2002 7/12
5 -4 11 -4 -9 0 9 4 -11 4 468 3/20
10 1 -9 -7 -5 -3 -1 1 3 5 7 9 330 2
2 6 2 -1 -3 -4 -4 -3 -1 2 6 132 1/2
3 -42 14 35 31 12 -12 -31 -35 -14 42 8580 5/3
4 18 -22 -17 3 18 18 3 -17 -22 18 2860 5/12
5 -6 14 -1 -11 -6 6 11 1 -14 6 780 1/10
2 2
t 1 3t 7
P1 = L1X; P2 = L2(X2 - ) ; P3 = L3(X3 - X);
12 20
2 2 2
k (t k )
Pk+1 = P1Pk - 2 Pk-1.
4( 4 k 1)
314 Estatstica Experimental. 2. Anlise Estatstica de Experimentos
k: nmero de varincias
P
2 3 4 5 6 7 8 9 10 11 12
2 0,05 39,0 87,5 142 202 266 333 403 475 550 626 704
0,01 199 448 729 1036 1362 1705 2063 2342 2813 3204 3605
3 0,05 15,4 27,8 39,2 50,7 62,0 72,9 83,5 93,9 104 114 124
0,01 47,5 85 120 151 184 216 249 281 310 337 361
4 0,05 9,6 15,5 20,6 25,2 29,5 33,6 37,5 41,4 44,6 48,0 51,4
0,01 23,2 37 49 59 69 79 89 97 106 113 120
5 0,05 7,15 10,8 13,7 16,3 18,7 20,8 22,9 24,7 26,5 28,2 29,9
0,01 14,9 22 28 33 38 42 46 50 54 57 60
6 0,05 5,82 8,38 10,4 12,1 13,7 15,0 16,3 17,5 18,6 19,7 20,7
0,01 11,1 15,5 19,1 22 25 27 30 32 34 36 37
7 0,05 4,99 6,94 8,44 9,70 10,8 11,8 12,7 13,5 14,3 15,1 15,8
0,01 8,89 12,1 14,5 16,5 18,4 20 22 23 24 26 27
8 0,05 4,43 6,00 7,18 8,12 9,03 9,78 10,5 11,1 11,7 12,2 12,7
0,01 7,50 9,9 11,7 13,2 14,5 15,8 16,6 17,9 18,9 19,8 21
9 0,05 4,03 5,34 6,31 7,11 7,80 8,41 8,95 9,45 9,91 10,3 10,7
0,0 6,54 8,5 9,9 11,1 12,1 13,1 13,9 14,7 15,3 16,0 16,6
10 0,05 3,72 4,85 5,67 6,34 6,92 7,42 7,87 8,28 8,66 9,01 9,34
0,01 5,85 7,4 8,6 9,6 10,4 11,1 11,8 12,4 12,9 13,4 13,9
12 0,05 3,28 4,16 4,79 5,30 5,72 6,09 6,42 6,72 7,00 7,25 7,48
0,01 4,91 6,1 6,9 7,6 8,2 8,7 9,1 9,5 9,9 10,2 10,6
15 0,05 2,86 3,54 4,01 4,37 4,68 4,95 4,19 5,40 5,59 5,77 5,93
0,01 4,07 4,9 5,5 6,0 6,4 6,7 7,1 7,3 7,5 7,8 8,0
20 0,05 2,46 2,95 3,29 3,54 3,76 3,94 4,10 4,24 4,37 4,49 4,59
0,01 3,32 3,8 4,3 4,6 4,9 5,1 5,3 5,5 5,6 5,8 5,9
30 0,05 2,07 2,40 2,61 2,78 2,91 3,02 3,12 3,21 3,29 3,36 3,39
0,01 2,63 3,0 3,3 3,4 3,6 3,7 3,8 3,9 4,0 4,1 4,2
60 0,05 1,67 1,85 1,96 2,04 2,11 2,17 2,22 2,26 2,30 2,33 2,36
0,01 1,96 2,2 2,3 2,4 2,4 2,5 2,5 2,6 2,6 2,7 2,7
0,05 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
0,01 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 9
Apndice - Tabelas 315
k: nmero de varincias
P
2 3 4 5 6 7 8 9 10 15 20
1 0,05 0,999 0,967 0,907 0,841 0,781 0,727 0,680 0,639 0,602 0,471 0,389
0,01 0,999 0,993 0,968 0,928 0,883 0,838 0,795 0,754 0,718 0,575 0,480
2 0,05 0,975 0,871 0,768 0,684 0,616 0,561 0,516 0,478 0,445 0,335 0,271
0,01 0,995 0,942 0,864 0,789 0,722 0,664 0,615 0,573 0,536 0,407 0,330
3 0,05 0,939 0,798 0,684 0,598 0,532 0,480 0,438 0,403 0,373 0,276 0,221
0,01 0,979 0,883 0,781 0,696 0,626 0,569 0,521 0,481 0,447 0,332 0,265
4 0,05 0,906 0,746 0,629 0,544 0,480 0,431 0,391 0,358 0,331 0,242 0,192
0,01 0,959 0,834 0,721 0,633 0,564 0,508 0,463 0,425 0,393 0,288 0,229
5 0,05 0,877 0,707 0,590 0,507 0,445 0,397 0,360 0,329 0,303 0,220 0,174
0,01 0,937 0,793 0,676 0,588 0,520 0,466 0,423 0,387 0,357 0,259 0,205
6 0,05 0,853 0,677 0,560 0,478 0,418 0,373 0,336 0,307 0,282 0,203 0,160
0,01 0,917 0,761 0,641 0,553 0,487 0,435 0,393 0,359 0,331 0,239 0,188
7 0,05 0,833 0,653 0,537 0,456 0,398 0,354 0,319 0,290 0,267 0,191 0,150
0,01 0,899 0,734 0,613 0,526 0,461 0,411 0,370 0,338 0,311 0,223 0,175
8 0,05 0,816 0,633 0,518 0,439 0,382 0,338 0,304 0,277 0,254 0,182 0,142
0,01 0,882 0,711 0,590 0,504 0,440 0,391 0,352 0,321 0,295 0,210 0,165
9 0,05 0,801 0,617 0,5020 0,424 0,368 0,326 0,293 0,266 0,244 0,174 0,136
0,01 0,867 0,691 0,424,
0,570 0,485 0,423 0,375 0,337 0,307 0,281 0,200 0,157
16 0,05 0,734 0,547 0,437 0,365 0,314 0,276 0,246 0,223 0,203 0,143 0,111
0,01 0,795 0,606 0,488 0,409 0,353 0,311 0,278 0,251 0,230 0,161 0,125
36 0,05 0,660 0,475 0,372 0,307 0,261 0,228 0,202 0,182 0,166 0,114 0,088
0,01 0,707 0,515 0,406 0,335 0,286 0,249 0,221 0,199 0,181 0,125 0,096
144 0,05 0,581 0,403 0,309 0,251 0,212 0,183 0,162 0,145 0,131 0,089 0,068
0,01 0,606 0,423 0,325 0,264 0,223 0,193 0,170 0,152 0,138 0,093 0,071