(

( Univenidadtz de S. Paulo

c Escola Superior de Agricultura "'luix dtz Oueirox"

(
(
(
(
(
(
CURSO DE
(
(
ESTATISTICA EXPERIMENTAL
(

( 139 Edio

(
( por
Frederico Pimentel Gomes
(
(Engenheiro Agrnomo)
(
Proftzssor Catedr.3tico de Matem.!tica e Estatstica
(
da
(
Escold Superior de Agricultura ''Luiz de Oueiroz"
(
(
( 1990
(
(
Piracicaba
(
Estado de Seio Paulo, Brasil
c
c
c UVRARIA NOBEL S.A.
( EDITORA- DISTRIBUIDORA
LQJA 1: R.DACONSOLA0,41CEP01:Jl1
LQJA 2: R. MAR1AANT0NlA, 1fll CEP01222
( EDITORA: RUA DA BALSA, 1111 CEP 02910
FONES: tPABXI: 257-2144 elli79444 SP
c
(
(
(

( PREFCIO DA llA. EniAO

(
( A 1 ':- edio deste meu "Curso de Estatstica Experi-
mental" veio a lume em 1960, h 25 anos, portanto. Nest.e
(
quarto de sculo, ele vem sendo constantemente atualiza-
( do e ampliado. Os 13 captulos da 1? edio, passaram a
16 na 3?, a 18 na 4q. e, agora, chegam a 21. Por outro
(
lado, em todas as edies houve atualizaes, corrige~
( das e acrscimos, tanto nos caotulos mais novos, como
nos mais antigos, de tal sorte que o livro se vem manten
(
do sempre atual e dinmico.
(
Os trs novos captulos agora acrescentados tratam
(
da Analise da Varincia !1ultidimensional, das Superf-
( cies de Resposta e dos Mtodos No-Paramtricas. Embora
se trate de assuntos profundos e difceis, so eles apre
(
sentados de modo simples e intuitivo, de tal forma que
( ficam ao alcance dos leitores que j antes utilizavam os
captulos mais antigos. Para compLet-los, foram inclu
(
das novas tabelas, especialmente adaptadas, pois a Esta=-
( tstica sem tabelas como uma espingarda sem plvora:
no se pode usar . . Alem disso, a apresentao grfica
(
f o i consideravelmente melhorada, o que facilitar a lei-
( tura desta nova edio.
(
Para terminar, renovo,ao Conselho Nacional de Pes-
( quisas (hoje Conselho Nacional do Desenvolvimento Cient
fico e Tecnolgico), ao Instituto de Gentica da USP e
( Fundao Rockefeller, os meus agradecimentos, pois sem
( o auxlio deles este livro jamais teria sido publicado
e, pois, jamais teria chegado a esta 11<;1 edio, sinal
(
evidente da boa aceitao que tem tido, tanto no Brasil
( como no Exterior.
(
(
Piracicaba, 07 de setembro de.l985
(
( F. Pimentel Gomes.
c
(
(
r("
-- iili .
--- ~- -~:"'"'"-!~:::;:::.,:,.
,...==.......,~
-T ~'"~-'~'"" _,. ,)...,.~~':"..,; ...,...,..,.._,_,.,~~..o..:--!"-l~~.~:" ~~~''iNf"''" '";'':: ,.,,_..... .,,.., ''
- """!"__......_,. ....

(
(
(
( INDICE

( Pgina
(
BRAS :00 t'ES/'10 AUfOR Prefcio .
( \ . 1.
INTRODUO .. ' ...... ' . 1
( Curso de Estadstica Experimental, por F. Pimentel Gomes. 1.1. A Variao do Acaso .. : 1
( Editorial Hemisferio Sur, Buenos Aires - Verso em 1. 2 . A Hdia e 0 Desvio Padrao .. .. 2
Espanhol da 6~ edio brasileira, 1978. 1. 3. Graus de Liberdade : .. ...... 4
( 1. 4. Uma Frmula t1ais Pratica Para Cal~u-
Iniciao Estatstica, 6~ edio, por F. Pimentel Go lar a Soma dos Quadrados ~os Desv~os 5
(
mes. Liv. Nobel, S. Paulo (esgotado), 1978. 1.5. Erro Padro da Hdia ..:. ... .. ...... 6.
( l.6. Coeficiente de Variaao 7
,Iniciacin a la Estadstica Experimental, por F. Pimen- 1. 7. Exerc c ios .... . ..... . - 7
(
tel Gomes, Editorial Hemisferio Sur, Buenos Aires- 1. 8. Bibliografia .......... 8
( Verso em Espanhol da 6~ edio brasileira do livro
anterior, 1979.
( 2. PRINCPIOS BSICOS DE EXPERDENTAO l .... 9
2 .1. Unidade Experimental ou p ar:e a .. .: .
( Anlise Matemtica, 2~ edio, por F. Pimentel Gomes 2.2. Princpios Bsicos de Expe:~~entaao
9
9
I.R. Nogueira. ESALQ, Piracicaba, 1980. e
( 2.3. Ex:i.p,ncias do t1odelo ~atemat~co .... 12
2.4 Um Exemplo de Aplicaao do Hodelo Ma-
( A Estatstica MOderna na Pesquisa Agropecuria, 3? ed i- t emtico ...... .. . . : 14
( ~o,por F. Pimentel Gomes. Ass oc ia~o Brasileira 2. 5. Experimentao Intensiva e E xp enme~
para Pesquisa da Potassa e do Fosfato (POTAFOS), Pi rao Ex tensi va 15
( racicaba, 1987. 2 . 6 . Bibliografia ... .. ... . .. ......... . 16
(
Formao do Gado Canchim Pelo Cruzamento Charols - Ze- 3. OS TESTES OU PROVAS DE SIGNIFICt~CIA . ... 18
( bu, 2? edi~o, por A. Teixeira Vianna, M. Santiago 3.1. Os Testes F e v 18
( e F. Pimentel Gomes. Liv. Nobel, S. Paulo, 1978 . 3.2. O Teste t . . . . . . .. ... 20
, 3.3. o Teste de Tukey ................ .. . 24
( 3.4. o Teste de Duncan 26
( ""3.5. o Teste de Scheff 29
3. 6. o Teste de Bonferroni 30
( 3.7. Propriedades dos Novos Testes 31
( 3.8. Interpolao Harmnica ....... 32
3.9. Intervalos de Confiana .. .. .: : .. 34
( 3.10. Determinao do Nmero Necessar~o de
( Rept't<-;L's 36
3.1l.Bibliograt ia 3!:>
(
4. EXPERIMENTOS INTEIRAMENTE CASUALIZADOS .. 42
(
4.1. Generalidades ....... 42
(

(--~~
(

(
Pgina Pgina
(
4. 2. Um Exemplo ..... o o.
!+J
c 4.3. Um Exemplo com Parcela Perdida ...... . 8. At'lLLSE DE (;!WPOS DE EXPERH1ENTOS ...... . 126
5U 8.1. Generalidades ................ 126
( 4.4. Um Ensaio de Alimentao de Leitoas .. 53 8. 2. Como Fazer a Anlise ....... : . . . 128
4. 5. Bibliografia ........................ 54 8. 3. Um Grupo de Ensaios de Batat~nha . 134
,,., 5. EXPERIMENTOS EM BLOCOS CASUALIZADOS ...... . 8.4. Outro Examplo ..................... . 137
( 56 8.5. Ainda Outro Exemplo ........... . 138
5 .1. Generalidades ....................... 56
( 8.6. Outro Mtodo de Anlise ........... . 145
5.2. Um Exemplo ...................... '.... . 57 8. 7. O Mtodo de Cochran ........... . 146
( 5.3. Outro Exemplo .......... ~ ............ . 61 8.8. Bibliografia ...................... . 150
5.4. Um Exemplo com Parcela Perdida ...... . 63
( 5.5. O Caso de Duas Parcelas Perdidas ..... .
5.6. Outros Tipos de Ensaios em Blocos Ca-
67 *lg, EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS; E!
( FERIMENTOS EM FAIXAS .............. 151
sualizados .......................... . 72 151.
(' 5.7. O Caso de um Bloco ou Tratamento Perdi 9 .1. Generalidades .... o o

') .2. Um Exemplo ... 156

( do .................................. -:- 74
o o

5.8. Exerccios .......................... . 9. 3. Outro Exemplo o . 164

74 9. 4. Ainda Outro Exemplo .............. .. 168
5.9. Bibliografia ........................ . 76 9.5. Exoerimentos em Faixas ..... 170
( 9.6. Um.Exemplo com Subparcela Perdida 172
6. EXPERIMENTOS EM QUADRADOS LATINOS ........ . 77
( 6 .l. Generalidades ....................... . 9. 7. Bibliografia ........... . 174
6.2. Um Exemplo .......................
77 *~
li
::it
(
o
78 ~A
lO. BLOCOS INCOMPLETOS EQUILIBRADO~ ...... 175
6. 3. Outro Exemplo ....................... . 81
( 6.4. Um Exemplo com Parcela Perdida ...... . :.~
10.1. Generalidades ................... 175
87 r~
10.2. Anlise Intr ..lb1ocos de um Experme~
( 6.5. Quadrados Latinos com Tratamentos, Li- tr

.c to do Tino III .......... 179

nhas ou Colunas Perdidos ............ . 9l
o

( 6.6. Exerccios ............ .............. . 10. 3. Anlise Intrab1ocos de um Experime~

94 to do Tino I . . . . . . . . . . . . . . . . .. 184
( 6.7. Bibliografia ........................ . 94 10.4. Anlise Intrab1ocos de um Experime~
( 7. EXPERIMENTOS FATORIAIS ................... . to do Tipo l i . . . . . . . . . . . . . . . . . . . . 187
96 10.5. Anlise com Recunerao da Inform<t-
( 7 .1. Generalidades ....................... . 96 o Interblocos : .... : 189
7.2. Um Exemplo .......................... . 97
( 7. 3. Outro Exemplo ....................... . 10.6. Anlise de um Exper~mento de T~po
102 III com Recuperao da Informaao
( 7.4. Um Exemplo com Interao Significativa 104 Interb1oeos ......... 193
7. 5. Confundimen to ....................... . 107
( 7.6. Um Ensaio Fatorial 3x3x3 com Duas Repe 10.7. Analise de Experimentos dos Tipos
I e II com Recuperao da Informa-
( ties .............................. :- 111 198
7.7. Um Ensaio Fatorial 3x3x3 com Uma S Re io Interhlocos ................
( lO. 3. Decomposio dos Graus de Liberdade
petio ........................... :- 116
7.8. Um Ensaio Fatorial de 6x3x3 ......... . para Tratamentos ................ 201
( 120 10.9. Bibliografia ..................... . 205
7. 9. Exerccios .......................... . 123
( ?.lO. Bibliografia~ .. 123 206
11. RETICULADOS QUADRADOS .................. .
( 11.1. Generalidades .......... .. 206
( 11.2. Delineamentos Robustos ........... . 208

(
(
(
( Pgina
Pgina
( 11. 3. Anlise Intrablocos
208
11.4. Um Exemplo de Anlis~.~~~~b~~~~ 212 15. O TESTE DE QUI-QUADRADO E SUAS APLICA-
( 11.5. ~alise com Recuperao da Inform~~ ES .......................... 287
( ao Interblocos ................ 217 15 .1. Introduo ...................... . 287
11.6. Um ~xemplo de Anlise com Recupe- 15.2. Tabelas de Contingncia de 2xn .. .
.( 290
raao da !nformao Inte~blocos .... 220 15.3. Tabelas de Contingncia de 2x2 .. .
( 11.7. A Repetiao de um Delineamento Reti- 15.4. O Teste de Fisher .............. .. 294
culado 224 15.5. Graus de Liberdade Individuais em
( 11.8. O Retic~i~d~.Q~~d;~d~~~~~~~;~~~ Tabelas de Contingncia ......... . 296
( menta Comum em Todos os Blocos .... ~ 225 15.6. Outras Aplicaes do Teste de Qui-
11.9. Bibliografia ...................... Quadrado ........................ . 297
( 226
15.7. Bibliografia .................... . 298
( 12. o uso DA REGRESSO NA ANLISE DA VARINCIA 227
12.1. Regresso Linear .. 16. ANLISE DE COVARINCIA ................ . 300
22.7
( 12.2. Os Polinmios Ortog~~~i~::::::::::: 16 .1. Generalidades ................... . 300
229
( 12. 3. A Regresso Polinomial Aplicada a Da 16.2. Um Exemplo ...................... . 300
dos Sem Repetio . ; ............... ~ 16.3. Outro Exemplo ................... . 308
( 235
12.4. Os Coeficientes de Correlao e de 16.4. Bibliografia .................... . 314
( Determinao ...................... . 237
12.5. Bibliografia ...................... . 17. Al."l'LISE CONJUNTA DE EXPERH1ENTOS El1 BLO-
( 12.6. C?e!i~ientes para Interpolao de Po 242
COS AO ACASO COM ALGUNS TRATAr1ENTOS CO-
( llnomlos Ortogonais ............... ~ 243 MUNS .................................. . 316
17 .1. Generalidades ................... . 316
( 13. O USO DA LEI DE MITSCHERLICH NA ANLISE DE 17.2. Esquema da Anlise da Varincia .. 316
( EXPERIMENTOS DE ADUBAO ................ . 252 1 7 . 3 . Um Exemp 1 o ...................... . 320
13.1. Generalidades 252 17.4. Um Exemplo Hais Complexo ........ . 326
( 13.2. o Caso de Trs ~f~~i~ .... .. .. .. 254 17.5. Uma Dificuldade Que Pode Ocorrer 333
( 13.3. O Caso de Quatro Nvei~:::::::::::: 256 17.6. Exerccio ....................... . 333
13.4. O Caso de Cinco Nveis 261 17.7. Bibliografia .................... . 333
( 13.5. Um Exemplo com um Grupod~E;;~~i~
( mentos ............................ . 261 ;:~ 18. EXPERIMENTOS FATORIAIS COH TRATAMENTOS
13.6. Bibliografia ...... ~ ............... . 266 ADICIONAIS ............................ . 334
( 18.1. Generalidades ................... . 334
( 14. ENSAIOS COM ANIMAIS ....................... 18.2. Um Exemplo ..................... 334
267
14.1. Generalidades ................... 267 18.3. Bibliografia .................... 337
( 14.2. Ensaios com Aves ................... . 268
( 14. 3. Ensaios Contnuos em Blocos Casuali- 19. A ANLISE DA VARINCIA HULTIDI11ENSIONAL. 338
zados com Vacas Leiteiras ......... 270 19 .1. Genera-lidades .................. 338
( 14.4. Ensaios Rotativos com Vacas Leitei- 19.2. Um Ensaio Inteiramente Casualizado 339
( ras ............................... . 272 19.3. Um Ensaio em Blocos Casualizados . 348
14.5. Ensaios de Reverso ............... 278 19.4. Noes de lgebra de Matrizes 351
( 14.6. Bibliografia ................ 19.5. Sistemas de Equaes Lineares .... 361
285
(
c
(

(
(
Pgina
(
(
19.6. Funo Discriminante ou Varivel Ca
( nnica ......... . 364 CURSO DE ESTATSTICA EXPERIMENTAL
( 19.7. O Teste de Roy .. ::::::::::::::::::: 372
19.8. Bibliografia ........ ; .......... 373
(
(
20. SUPERFCIES DE RESPOSTA .................. 374 1. INTRODUJlD
20 .1. Int reduo ....................... 374
( 20.2. Um Exemplo com um Fatorial de 3x3 . 375
( 20.3. Outros Delineamentos Apropriados pa- 1.1. A VARIAO 00 ACASO
r~ Superfcies de Resposta ........ . 379
( 20.4. B1bliografia ..................... 381 Seguindo o exemplo de R.A. Fisher, podemos definir
( a Estatstica como a Matemtica aplicada aos dados de ob
21. TESTES NO-PAR.AME:TRICOS .................. servao. Mas tais dados so, em muitos casos, colhidos
383
( 21.1. Introduo atravs de trabalhos feitos propositalmente e em condi-
21.2. O Teste do ~i~;i 383
( 384 es previamente especificadas: temos ento dados expe-
21.3. Intervalos de Confi~~~~-~~~~-~~~;~~~ rimentais, obtidos de experimentos. O estudo dos experi
( centagem_ .......................... mentes, seu planejamento, execuo e anlise, que cons
21.4. Comparaao de PorcentagensObservadas 387
389 titui o objeto da Estatstica Experimental.
( 21.5. O Teste de Kruskal-Wallis ......... .
391 O que dificulta o trabalho do experimentador e exi-
( 21.6. Comparao de Mdias nos Ensaios In- ge a anlise estatstica a presena, em todos os dados
( teiramente Casualizados ........... . 395 obtidos, de efeitos de fatores no controlados (que po-
21.7. O Teste de Friedman ............... . dem ser controlveis ou no), pequenas diferenas de ,fer
397
( 21. 8. Bibliografia ...................... . tilidade do solo, variaes ligeiras no es"Paaiiiento, na
401
(
profundidade de semeadura, na constituio gentica dos
22. TABELAS .................................. 403 animais ou plantas, etc. t Esses efeitos, sempre presen-
( tes, no podem ser conhecidos individualmente e alteram,
pouco ou muito, os resultados obtidos ..;. Eles so indica-
(
dos pela designao geral de variao do acaso ou varia-
( o aleatria. O efeito dessa variao do acaso tal
que pode alterar completamente os resultados experimen
(
tais. Assim, ao comparar no campo duas variedades de ca
( f, a pior das duas poder, por simples acaso, por ter
sido favorecida por uma srie de pequenos fatores no
(
controlados, exceder a melhor variedade. E ao comparar
( experimentalmente a produo de leite obtida com duas ra
es basicamente equivalentes, com certeza quase absolu=
(
ta obteremos para uma delas resultado melhor do que para
( a outra, por exemplo 12,5 kg por vaca num caso, 11,8 kg
noutro:. a diferena observada deve-se variao do aca-
(
so. Cabe ao experimentador, pois, verificar se as dife-
( renas observadas num exp.eriment tm ou no tm valor,
(
 --------------=---=
-- =
-----~---- "- " -~- -
r -"":'-t i ' - - . --
~~F-~- Jl'Uo1t-~~.l'
- --~===~"":!",_....,
,--.:_
- ----
I f f~ . ;
; .;;~_.:..:.:w .;f._-
..
~==~===========:.;;,;o~~=-iiilljj""ii
~ ;.< Pl~-" '~'1' -~.,.,.,...,~
' .~.- ~.""li!"''l'liil'l'i -"'""' iii'""""
-.-":'C'"' .,," \. ' " .... ,,_.c._.,.,_,., ,,,-,- . :
ii'i'..~~--~~
"i~"'i"'in"Oi.'""'i'...~."lG..-.- ~ - ~ ~~.. ,... ................~:>.-ii~<-*:;,;~--~,;;ii;;::'.; ,\:ii;~l;~
4 . a i<OL. ~ tfn~l"-5-,..'l''H;">": .. "'!'~"N.":fi "''-T'.--"'\."M:I;'o\<;
... ' ""t- -"' ~~ .-. ' . , , .. ,
, :.l);'i:';':l;l-~i}?}~
-
.li ~iO;r~.,"~~i:;<:l:fi>ni::::i>:"':J:!""""'
: i:'l!:l; ; ':~:;[;:,-~
-[i~~-2!l11!2li:"J.>#;:,;
;" l:'i~.:\i! ji:'l'~
f,;:.;:ll!
; .t -~li!<+~i::i
JZ :.51.;,..;i\;!./l8.':jft~- - -

~ I 2
3
(
isto , ~e ~ao ou nao significativas. Uma Jifercna nao Como vemos, os clesvi.os podem ser positivo~ ou nega-
( -significativa se aceita como possivelmente devida ao aca
tivos.
( so, e e deixada de lado, ate que novos resultados venham Conhecidos os desvios em relao verdadeira me-
confirm-la ou neg-la. J um resultado significativo de dia, po~emos calcular um nume:o positivo s c~amado des
(
monstra que os e lementos ensaiados (variedades, raes-; vio padrao ou afastamento padrao, dado pela formula
( metodos de anlise qumica, etc.) " no so equivalentes,
_, ISQD"
(
do resultados que aceitamos como realmente diferentes.
s -v --N--
( onde S Q D indica a sma dos quadrados dos desvios, e N
(
1.2. A~IA E o DESVIO PADRO e o numero de observaes, isto , o numero de canas pe-
sadas, no caso presente. Quanto maiores os desvios, em
( o seguinte problema, bem simples, e bem ilustrati- valor absoluto, tanto maior ser o valor de s. Mas o
e nos permitir introduzir alguns conceitos fundamen-
VO desvio padro s apenas estima um valor exato desconheci-
( tais da Estatstica. Suponhamos, por exemplo, que dese- do a (a a letras no alfabeto grego), que obteramos
jamos determinar o peso mdio de uma cana de uma certa se repetssemos infinitas vezes as pesagens.
variedade no canavial de uma usina. Podemos comear por No caso presente temos:
( tomar vrias canas, ao acaso, em diversos pontos da la-
( voura. Os pesos dessas canas so anotados, em quilogra= S Q D "' (O , O8) 2 + (O, 2 6) 2 + + (O , 1 7) 2 "' O, 19 80
mas, como a seguir:
( logo
1,58 1,32
( 1,76 s = I o, 19 80 I 1 o = o , 14 1 .
1,51
( 1,38 1,55
1' 71 1,54 Poderamos ento dizer que a estimativa do p~so me-
( 1,50 dio de uma cana 1!5 52 kg
1,67 e que o desvio padrao dos
( valores observados e 0,141 kg . Se este desvio fosse,
A media aritmtica desses 10 dados e a soma dividi- por exemplo, 1,41 em vez de 0,141, a variao entre os
( da por 10, e d 1,55-2 kg. Has este resultado apenas es- pesos das canas colhidas seria evidentemente muito maior.
tima o verdadeiro peso mdio de uma cana, desconhecido. E se o desvio padro fosse igual a zero, todos os des-
(
Tanto e assim que se repetirmos o experimento e- pesar vios seriam nulos, e no haveria variao do acaso. O
( mos outras 10 canas, quase com certeza obteremos resulta clculo do desvio padro permite, pois, estimar a varia-
do diferente: 1,720 kg, por exemplo. - o no controlada, isto e, a variao do acaso ou alea-
(
A influncia dos fatores no controlados resumidos tria ou casual.
( sob o nome de acaso se poderia avaliar atravs da dife- Na ' prtica, porm, a mdia veradeira m nao e conhe-
rena, chamada desvio ou afastamento ou erro, entre
( valores observados e a media verdadeira. Se esta, supos
os cida; temos apenas sua estimativa = 1,552. Como cal- m
cular o desvio padro nestas cond~.es? Demonstra-se que
( ta conhecida, fosse, por exemplo, 1,50 kg, o de~vi do tal e possvel se calcularmos os desvios em relao e~
primeiro valor observado seria 1,58 - 1,50 :: 0,08. timativa da media, desde que se substitua na frmula .N
( Os desvios todos constam da tab(da seguinte, para por N - 1. ass1m:
( os 10 pesos observados.
0,08 -0,18 s ='ISQD
( 0,26 0,01 V----N-1
( -0,12 0,05 No caso que estamos estudando, os desvios em rela-
0,21 0,04 ao estimativa da mdia so:
( o,oo 0,17
(
/-----------
~--~'~.~1(10

(
(
4 5
(
0,028 -0,232 Quando, porm, como acontece quase sempre, a mdia verda
(
0,208 -0,042 deira m no conhecida e fazemos o clculo de s a par-
( -0,172 -0,002 tir de uma estimativa m,
prova a teoria que isto
0,158 -0,012 equivale exatamente perda de um" das observaes. As-
-0,052 0,118 sim, o clculo de s com. 10 observaes sem o conhecimen-
( to de m nos deu s = O, 138 e esta estimativa tem 10 - 1 =
Agora obtemos: = 9 graus de liberdade, pois o uso da estimativa da mdia,
(
SQD (0,028) 2 + (0,208) 2 + + (0,118)2 em vez de seu valor exato, nos faz obter uma estimativa
( de s menos precisa, alis de preciso equivalente que
= 0,170960,
( teramos com 9 observaes, se conhecessemos a mdia ve~
logo dadeira m. No caso geral, com N observaes, se utili-
( zarmos uma estimativa de m para calcular s, este ter
(
s =,
v-lo, 1 70960
9 . 10,018996 = 0,138 . N - 1 graus de liberdade.
( Para evitar a extrao da raiz quadrada, no raro
(
se usa a estimativa da varincia' s 2 = O 018996 ou apr_o 1.4. UMA FRMULA MA1S PRATICA PARA CALCULAR A SoMA oos
. 2 , -'
XLmadamente, s = 0,0190, em Lugar do desvio padrao s QuADRADOS DOS DESVIOS
( = O, 138. A estimativa da varincia frequentemente se cha-
(
ma tambm quadrado mdio. Vimos acima que a soma dos quadrados dos desvios
(S Q D), geralmente designada apenas por soma de quadra-
( dos, pode ser calculada desde que se obtenham o~ desvios
( 1.3. GRAUS DE LIBERDADE todos em relao mdia verdadeira ou em relaao sua
estimativa. Na prtica, porm, prefervel evitar o
( O leitor ter decerto reparado que no so iguais calculo dos desvios, pois trabalhoso e geralmente exi-
( as duas estimativas de s obtidas na seo anterior. Mas- ge o uso de maior nmero de decimais do que o dos dados
isto no deve causar admirao, pois as estimativas, no orlglnais. Ora, demonstra-se com facilidade que, no ca-
( sendo valores exatos, variam mesmo. De uma maneira ge- so de usarmos a estimativa da mdia, temos,
( ral, qu~nto maior o nmero de observaes, mais preci-
sas serao as estimativas, embora isto no obste que em
( um ou outro caso um experimento com menor nmero de da-
dos d estimativas mais prximas dos valores verdadeiros
(
(geralmente desconhecidos) do que outro com dados mais onde L:x 2 indica a soma dos quadrados dos dados a serem
( abundantes. analisados, L:x e a soma desses mesmos dados e N e o
Na seo anterior, quando admitimos como mdia ver- seu numero.
(
dadeira o valor m = 1,50, achamos s = O, 141. Este va- No caso das pesagens de 10 canas, referido na seao -
( lor, calculado com 10 desvios em relao mdia verda- 1.2, temos:
deira, certamente menos digno de confiana do que se,
( zx2 = (1,58)2 + (1,76) 2 + . + (1,67) 2 = 24,2580
nas mesmas condies, tivssemos tomado 20 ou 30 obser-
( vaes. O nmero N de ob,servaes em que se baseia o cl Ex= 1,58 + 1,76 + . + 1~67 15,52,
( -
culo de 8 quando se conhece a mdia verdadeira m da-
pois, uma indicaao sobre a preciso da estimativa 8 ob~
. logo
S QD = 24,2580- (1/10).(15,52) 2
( tida, e constitui o seu nmero de graus de liberdade. As - 24,2580 - 24,087040
( sim, a estimativa s 0,141 tem 10 graus de liberdade:- = 0,17~960 .
. I!
( ,,
,... ,
(
(
6 7
(
(
Obtemos, pois, o mesmo valor calculado anteriormen- 1.5. CoEFICIENTE DE VARIAO
te por outro mtodo. O termo subtrativo (1/10) (15,52)/
( recebe o nome de correo, e geralmente indicado com a Chama-se coeficiente de variao (C.V.) o numero da
letra C. Em geral, porm, no h interesse em calcular do pela frmula seguinte:
(
C com nmero de decimais maior~ que o de l:x 2 No caso aci
100 9
( ma, pois, o valor de C deve ser aproximado para 24,0870-:- }; c. v. =
fll
de sorte que obtemos:
(
S QD = 24,2580- 24,0870 = 0,1710
No exemplo da seo 1.2. tnhamos m 1,552 e s
( =0,138,logo o coeficiente de variao e:
0,1710
( 0,0190 l X , 138
9 c. v. 1,552
= 8,9% .
(
s 10,0190 0,138 .
O coeficiente de variao d uma idia da precis-o
(
Esta estimativa do desvio padro tem 9 graus de li- i_~ do experimento. Tendo em vista os coeficientes de va-
( herdade. ;~
riao obtidos comumente nos ensaios agrcolas de campo,
~ podemos consider-los baixos, quando inferiores a 10%,
( ;t
~ mdios, quando de 10 a 20%, altos, quando de 20 a 30%,
( 1.5. ERRO PADRO DA MDIA muito altos, quando superiores a 30%.
(
Pesadas as 10 canas do canavial de uma usina, obti-
( vemos os dados acima referidos na seo 1.2, e para eles- 1. 7. ExERCCIOS
ca~culamos a estimativa da mdia m = 1,552 e o desvio pa ~
( (1.7.1) Os pesos ao nascer de 12 bezerros machos da ra
drao 0,138, este com 9 graus de liberdade. Se colhsse=- i
-m:
( mos vrias amostras de 10 canas teramos diversas estima !e a Charolesa so os seguintes, em quilogramas:
(
tivas para a mdia e poderamos calcular com elas novo i 47 45 37
desvio padro, que serLa o erro padro da mdia s(m). 41 46 47
( Mas h uma frmula simples que permite obter o erro pa-
34 25 40
dro da mdia s (m) sem ser preciso colher novas amos-
( 45 48 40
tras. Com efeito, demonstra-se que
( 2 Calcular as estimativas da mdia e do desvio padro
2
( s <ffi> = v<ffi> = ~ . desses dados. Calcular tambm o erro padr.o da mdia e
o coeficiente de variao~
( A o smbolo V indica estimativa da varincia. No caso
vertente temos pois: (1. 7.2) Admitindo-se que seja de 20% o coeficiente de
( variao relativo ao peso de cabeas de repolho, pergun-
0,0190
( vem.> 10
= 0,0019 ta-s~ quantos repolhos devemos pesar para obter um erro
padrao da media igual a 5% dela.
( s(m) lo,oo19 = 0,044 . Resposta: E! suJicien te pesar 16 cabeas de repolho.
( Dizemos ento que a estimativa obtida para a media
e m = 1,552 0,044. O erro padro da mdia evidentemen (1.7.3) Para determinar a produo mdia de um cana-
( te d uma idia da preciso da estimativa para ela obti= vial, demarcaram-se nele, em vrios pontos escolhidos ao
( da. Por exemplo, uma estimativa 1,552 !... 0,500 te- m1 "' acaso, 10 pequenas reas de 100 m2 cada, cuja produo
ria evidentemente muito menor p.reciso do que a que de- foi pesada. Os resultados obtidos, em kg por 100m2 ,
( mos acima, pois o seu erro padro maior. foram os seguin.tes:
..
( ,
.' 'IJ,,
(
(
8
(
850 840 720 900 780
(
(
810 920 780 740 800 2. PR1NC1PIOS BASICOS DE EXPERIMENTACAO
( Calcular a produo mdia, em toneladas por hecta-

(
re, e o erro padro dessa mdia. Sendo de 400 hectares 2.1. UNIDADE ExPERit'ENTAL OU PARCELA
a rea de colheita da usina, qual a produo de
(
esperada, e qual o seu erro padro? Quando se realiza um experimento, preciso esco-
Resposta: A produo mdia nas 10 parcelas 81,4 lher uma unidade para a experimentao, para a colheita
( 2, O t/ha. A produo de cana esperada em 400 hectares se dos dados que devero refletir os efeitos dos tra'tamen-
( r 400 x 81,4 = 32.560 toneladas, com erro padr tos ensaiados. Por exempl_o, quando se estuda a alimenta
400 x 2,0 = 800 toneladas. ao de vacas leiteiras, a unidade experimental pode ser
( urna vaca, que receber urna das raes e cuja produo se
(1.7.4). Numa classe de 16 alunos foram dadas as segui~ r pesada separadamente, ou ento um grupo de vacas, qe
(
tes notas numa prova de Matemtica: sero consideradas em conjunto ..
( No caso de experimentos de competio de variedades
7,5 4,5 7,5 6,0
( 4,0 5,5 7,0 4,0 de cana, por outro lado, a unidade experimental poder
8,0 3,5 8,0 ser uma nica linha de cana de dez metros de comprimento
( 5,0
8,0 3,5 4,5 ou, corno usual, de 3 a 5 linhas vizinhas, desse tama-
5,5
( nho, as quais so colhidas = pesadas em conjunto. Em ex
Calcular a media aritmtica, as estimativas da va- perimentos com caf, a unidade experimental pode ser um
( rincia e do desvio padro, e o coeficiente de variao. grupo de 2 a 8 covas ou mesmo uma s.
Obter tambm o erro padro da mdia. A unidade experimental, no caso de experimentos com
(
vegetais tem recebido por vezes o nome de canteiro ou
( talho, mas a denominao de parcela, aplicvel tambm
( 1.8. BIBLIOGRAFIA no caso de experimentao animal, parece prefervel.
( ANDERSON, R.L. e T.A. Bancroft, 1952. Statistical Theory
in Research. McGraw-Hill, Nova York.
( BRIE'GER, F.G., 1955. Curso de Estatstica Analtica, I 2.2. PRINCPIOS BSICOS DE ExPERIMENTAO
Parte, E.S.A. "Luiz d.e Queiroz", Piracicaba.
( A experimentao moderna, embora multiforme, obede-
DIXON, W.J. e F.J. Massey, 1957. Introduction to Sta-
( tistical Analysis, 2~ edio, McGraw-Hill, Nova York. ce a alguns princpios bsicos que so indispensveis
FEDERER, Walter T., 1955. Experimental Design. Macmil- validez das concluses por ventura alcanadas. A pri-
( meira delas e a necessidade imperiosa, indeclinvel de
lan, Nova York.
( repetio. Se tivermos duas variedades de milho, A e
PIMENTEL GOMES, F., 1978. Iniciao Estatstica, 6~
edio. Livraria Nobel, So Paulo. B, plantadas em duas parcelas da mesma rea, prximas ou
( no, o fato de A ter produzido mais do que B pouco
PIMENTEL GOMES, F., 1984. A Estatstica Moderna na Pes-
significa~ pois muitas explicaes, alm do fator varie-
( quisa Agropecuria. POTAFOS, Piracicaba.
dade, podem justificar os resultados obtidos. Por exem-
( plo, a parcela em. que A foi semeada pode ter melhor so
( lo ou dispor de mais gua. Poderemos, porm, tentando
contornar a situao, semear diversas parcelas com cjt; e
( diversas com B e considerar a produo m.dia de cada
( variedade - e aqui intervm o princpio da repetio.
(
(
(
10 11
(
( Mas este princpio sozinho nau resolve tot.:.tllltcntt~ o pro- talvez o mais importante e de uso mais generalizado,
blema, pois, se todas as parcelas com A estiverem agru conhecido por blocos ao acaso ou blocos casualizados.
( padas propositalmente num local e as com B noutro, a di= Quando no h controle local, mas apenas repetio e ca-
( ferena de fertilidade do solo ou de fartura de gua con- sualizao, temos o que se chama um experimento inteira-
ti~uar a ser uma explicao possvel, uma hiptese ra- mente ao acaso, ou inteiramente casualizado.
( zoavel. Torna-se necessria, pois, a interveno de um Num experimento inteiramente casualizado com 4 tra-
( ~litro princpio, ~e introduo relativamente recente, que tamentos, cada um repetido 5 vezes, por exemplo, tera-
(
e o da casualizaao ou aleatorizao. Admitimos, pois, mos 4 - 1 = 3 graus de liberdade (G.L.) para tratamentos
que temos 4 parcelas com a variedade A e 3 com a varieda e 5 x 4 - 1 = 19 graus de liberdade ao todo. A anli
( de B, e que a distribuio das variedades pelas parce- se da varincia obedeceria seguinte decomposio para
las tenha sido feita inteiramente ao acaso. Ento, se os graus de liberdade:
( qualquer parcela com A produziu mais que qualquer par-
( cela com B, o Calculo de Probabilidades nos indicaria Causa da variaao G.L.
que a probabilidade de isso acontecer por acaso e
( Tratamentos 3
4! 3! 1.2.3.4 X 1.2.3 l Resduo ou Erro 16
( p
7! 1.2.3.4.5.6. 7. 35 Total 19
( e esta concluso e vlida i~dependentemente de qualquer
( hiptese alm da casualizaao. Quer isto dizer que o re O numero de graus de liberdade para o resduo ob-
sul~ad~ obti~o pode de fato provir de simples acaso, is= tido por diferena: 19 - 3 = 16.
( to e, e posslvel que as duas variedades sejam realmente Suponhamos agora que os tratamentos sao agrupados
( equivalentes e que a diferena a favor da variedadeApro em blocos, cada um encerrando todos os tratamentos. Te-
venha de circunstncias fortuitas, como a maior fertili= mos ento 5 blocos, de onde se segue o esquema seguinte
( dade do solo das parcelas com ela semeadas. Mas a pro- para a anlise da varincia.
( babilidade de isso se dar por simples acaso apenas 1/35.
Logo h~ uma probabilidade de 34/35 de que o resultado ob Causa de variao G.L.
( tido nao tenha sido casual, isto , de que se deva a um
fator sistemtico, que seria a melhor produtividade da Blocos 4
( Tratamentos
variedade A. 3
( Um outro princpio, de uso muito. frequente, mas nao Resduo ou Erro 12
( obrigatrio, o do controle local. Suponhamos que que- Total 19
remos ainda comparar as duas variedades A e B de milho.
( Para melhorar a preciso da comparao plantaremos sem- O controle local pode ser levado mais longe, o que
( pre A e B em duas parcelas to semelhantes quanto poss- feito, por exemplo, nos quadrados latinos. Nestes de-
vel, bem prximas, que constituiro um bloco. Os blo- lineamentos os tratamentos so postos simultaneamente em
( cos podero ser espalhados por toda a rea em estudo ou linhas e colunas. Cada linha inclui todos os tratamen-
( podero ser agrupados. Poder haver ou no grande varia tos, e o mesmo acontece com cada coluna. Devemos ter,
o de fertilidade ou de outros fatores de um bloco par necessariamente, o nmero de linhas igual ao de trata ...
( outro, isto no importa. O que importa que cada mentos e tambm igual ao de colunas. Por exemp}o, num
( bloco seja to uniforme quanto possvel. Em outras pal~ quadrado latino com 5 linhas e 5 colunas (5 x 5), temos
vras, a variao dentro dos blocos deve s.er a menor pos- 5 tratamentos e o esquema da anlise e o seguin-
( svel, ao passo. que a variao entre blocos pode ser gran te:
( de ou pequena, vontade. Este tipo de delineamento,que
(
(
(
12
( 13

( Causa de variao G.L. Que os diversos cicLtos sao aditivos, como se ve no

a.
Linhas 4
modelo matemtico adotado e no, por exemplo, multi
( plicativos, como seria o caso num modelo
Colunas 4
( Tratamentos 4
Resduo 12 y ..
LJ
=m ti bJ e.
l.J
(
(
Total 24 b. Que os erros ou de~vio~ eij sao independentes, de
onde resulta que nao sao correlacionados.
( _ O controle local conduz sempre a uma diminuio do
numero de graus de liberdade para o resduo o que um c. Que os erros eij tm todos a mesma varincia 2 2
(
mal. Quando, porm, h uma diminuio grande da varin- d. Que os erros eij tm distribuio norm~.l.
( cia residual, como em geral acontece, ganha-se em preci-
( sao. Isto levou os experimentadores a aumentar cada vez Estas hipteses parecem muito restritivas, mas nao
m~is a aplicao do controle local, atravs da introdu- so tanto assim, pois em geral no h grande importncia
( ao dos delineamentos em parcelas subdivididas ("split em que se verifiquem apenas aproximadamente. Por exem-
( p 1 ot " , em I ng 1-
es ) , em blocos incompletos equilibrados, plo, os testes mais e~ uso (t e F ou v) no se alteram
em reticulados ("lattices"), em blocos incompletos par- muito se a distribuiao for apenas aproximadamente nor-
(
(
cialmente equilibrados, etc. Em muitos casos
.
o abuso do controle local, principalmente nestes delinea'
porem mal, ou mesmo que a distribuio se afaste bastante da
normalidade. A adi tividade tem importncia tal vez maior,
ment~s mais complexos, conduz 3: tamanha perda de graus mas em geral se verifica. Quando, porem, isto no se da,
( d~ l1.berdade_e a tal compl~caao no~ clculos que o expe somos obrigados a fazer transformaes das variveis,
r1.m~ntador nao raro chega a conclusao de que dever"a pre aplicando, por exemplo, logaritmos. O uso de transfor-
(
fer1.velmente ter usado um delineamento mais simples. Is= maes tambm permite, em geral, contornar as dificul-
( t~ particularmente importante quando o experimentador dades que surgem quando a distribuio dos erros eij se
( nao tem facilidades de computao eletrnica, nem acess o afasta muito da normalidade. Se eles tm distribuio
aos conhecimentos especializados de um matemtico- esta- binomial, por exemplo, usamos a transformao
( tstico competente, que o acuda nos casos mais difceis.
( z. .
l.J
= are sen ;y-:-:
l.J
( 2.3. ExiGNCIAS 00 ~DELO MATEMATICO que pode ser comodamente aplicada com o auxlio das tabe
( las de SNEDECOR (1967), e se a distribuio de Pois-
Toda analise da varincia de um experimento pressu son, podemos usar a transformao
( poe um modelo matemtico e a aceitao de algumas hip=
( teses bsicas. Se tomarmos como exemplo um experimento z..
~J
ry.:
l.J
em blocos ao acaso, teremos como modelo matemtico
( ou ainda
y .. = m + t. + b. +e .. ,
( l.J L J l.J z. .
~J
= ly. . +
l.J
c. 50
onde Yij o valor observado relativo parcela que re-
( cebeu o tratamento i no bloco j; m a mdia geral; ti que e prefervel quando se incluem nmeros inferiores a
med~ o efeito_do trat~en~o_i; bj mede o ef=ito do blo 15.
(
co J; e eij e a contrl.]:lul.ao do acaso, isto e, a parte
( da variao devida a fatores no controlados. Na anli-
se admitimos as seguintes hipteses:
(
(
(
 (
( 14
( 15

(
2.4. UM ExEMPLO DE APLICAO 00 rbDELO r'1ArEfv1Anco 4200 suo + 60 3760
4200 100 40 4060
( Num ensaio inteiramente casualizado o modelo materna
4200 100 + 55 4155
tico e
(
(
Yij =m + ti + eij , Na prtica. porm, no conhecemos os valores dos
termos do segundo membro, isto , da mdia geral m, dos
qnde Yij e o valor observado relativo parcela j que re
( cebeu o tratamento i, m e a mdia geral; ti mede o efei-= efeitos de tratamentos ti, nem dos erros eij. pois so
de no.s so conhecimento apenas os valores observados Yij .
( to do tratamento i, e eij a contEibuio do acaso.
Podemos, porm, estimar a media geral e os efeitos de
Facilita muito a boa compreensao do assunto consi-
( tratamentos, e, pois, as mdias de tratamentos. Quanto
derar um exemplo terico no qual, conhecidos os_ termos
aos erros individuais, no podemos nem sequer estim-
( do segundo membro do modelo, obtemos as observaoes. To-
los, pois temos de nos conte~tar com uma estimativa s do
memo's, pois, o caso de um experimento bem simples, in-
( valor exato o do desvio padrao.
teiramente casualizado, com 3 tratamentos e duas repeti-
(
(
es para cada um deles. Os tratamentos podem ser, por
exemplo, trs hbridos de milho. Tomemos m = 4200 kg/ha
como mdia geral da produo e sejam os efeitos de tra
ii = +
A estimativa da mdia geral seria:

= 4216
[4870 + 4720 + . + 4ls5]
kg/ha.
( tamentos os seguintes:
( t1 = +600 kg/ha; t2 = -500 kg/ha;
As mdias estimadas para tralamentos sao: -
t3 = -100 kg/ha. 1 + 4720] 4795 kg/ha
( ~ usual tomar os efeitos de tratamentos de tal sor-
ml 2 [4870
te que sua soma algbrica seja nula. ~ o que ac0ntece m2 1 [3730 + 3760] 3745 kg/ha
( nesse caso, pois temos: 7
m3 1 [ 4060 + .nss] 4 1.03 kg/ha
( +600 500 - 100 o. 2
( As mdias dos tratamentos m1. = -
m + ti serao: Por sua vez, o desvio padro, estimado por mtodo
( 4200 + 600 4800 kg/ha , que veremos no captulo 3, nos d s = 73,5 kg / ha, com 3
ml
( m2 4200 5oo 3700 kg/ha , graus de liberdade.
m3 4200 100 4100 kg/ha .
(
Para obter os valores observados devemos, porem,
( introduzir erros ou desvios casuais. Tais erros podem
2.5. ExPERIMENTAO INTENSIVA E ExPERIMENTAO ExTENSIVA
{ ser obtidos de tabelas especiais, como a de DIXON e MAS-
Feito um experimento em um .lugar, com todas as suas
SEY (1957). Sejam os seguintes os erros obtidos, reia-
( parcelas agrupadas numa pequena rea, seu~ resultados a
tivos a uma distribuio normal com a = 60:
rigor s so vlidos para a rea em questao e para o ~no
( eu = +70 +30 agrcola em que se colherem os dados. Tais
e21 e31 -40 limitaoes
( e12 = -80 e2 2 +60 e32 +55 so muito graves e tiram a maior parte do valor das con-
cluses obtidas. Para conseguir concluses mais gerais
( Os valores observados seriam entao:
pode-se comear por utilizar bloco~, completos ou nO,
( isto , cada um com todos ou s com alguns dos_tratamen -
Yll 4200 + 600 + 70 4870 tos, e distribuir esses blocos et tod a regiao para a
( Yl2 4200 + 600 80 4720 qual se procuram obter conclusoes. Se se tratar de uma
YLl = 4200 500 + 30 3730 regio pequena (uma fazenda, por exemplo), 6 ou 7 blocos
( !

(
(
(

(
16 17
(
( p~>dl'ruo ser suficientes. Se, ao contrrio, l'stivermo s ARRUDA, H. Vaz de, 1959. Contribuiao para o Estudo da
interessados numa regio mais vasta (a faixa canavieira Adubao Mineral do Milho nas Terras Roxas do Munic-
( paulista, por exemplo), ser prefervel fazer numerosos pio de Ribeiro Preto (tese). Piracicaba ..
( experimentos distintos, relativamente simples, cada um BARTLETT, M.-S., 1947. The Use of Transformatwns. Bio-
vlido para uma pequena rea, pela qual se distribuem metrics 3: 39-52.
( os blocos. CA11POS, H., 1984. Estatstica Aplicada Experimentao
( Fazer dois ou trs experimentos compactos e deles com Cana-de-acar. FEALQ, Piracicaba.
tirar concluses para reas muitssimo maiores e perigo- COCHRAN, W.G. e ~ertrude M. Cox, 1957. Experimental De-
( so, mesmo que eles se limitem a um determinado tipo de sigfi, 2~ edao. John Wiley, Nova York.
( solo, pois a experincia nos mostra que reas relativa- DIXON, W.J. e F.J. Massey, 19~7. Introduc~ion to Sta-
mente prximas, de solos de mesmo tipo, no raro reagem tistical Analysis. 2~ ediao. MacGraw-Hlll. NovaYork.
( de maneira bem diferente.
FEDERER, Walter T., 1955. Experimental Desigo. Macroil-
( No que se refere a experimentos com animais, espe-
lan, Nova York.
cialmente quando supridos de raes suplementares, boas FISHER, R.A., 1951. The Design of Experimenta, 69 edi-
( aguadas e abrigos, a influncia do solo e do clima e mui
o. Hafner, Nova York.
( to menor, de sorte que as concluses obtidas sofrem me- HOPP, H. , 1954. A Guide 'to Extensive Testing on Farms,
nos limitaes de espao e de. tempo.
(
4 partes. USDA, Washington.
Por outro lado as condies de trabalho nas fazen-
QUENOUILLE, M. H., 1953. The Design and Analysis of
( das tm em geral caractersticas diferentes das que pre-
Experiment. Charles Griffin, Londres.
valecem nas estaes experimentais. Naquelas, as varie-
( dades ou linhagens cultivadas e os espaamentos podemser SILVEIRA NETO, S., O. Nakano, D. Barbin e N.A. Villa No-
distintos, a quantidade de sementes por hectare e ge- va, 1976. Manual de Ecologia dos Insetos, captulo
( 6. Ed. Agronmica Ceres.
ralmente menor, os tratos culturais, o combate s pragas
( e molstias so quase sempre menos cuidadosos, as aduba- SNEDECOR, G.W. e W.G. Cochran, 1967. Statistical Me-
es e a defesa contra eroso costumam ser menos inten- thods, 6~ edio. Iowa State College Press, Ames,
(
sivas. Da decorre que resultados obtidos em ensaiosfei Iowa.
( tos em estaes experimentais frequentemente no so v= THONI, H., 1967. Transformations of Variables Used 1n
lidos para as propriedades particulares da regio, como the Analysis of Experimental and Observational Data.
(
tem demonstrado a experincia de vrios pases. A Review. Iowa State Uni v. , Ames, Iowa.
( Os experimentos-chave, de cunho nitidamente cient-
( fico, concentrados nas estaes experimentais, so obje-
to da experimentao intensiva, que pesquisa novas possi
( bilidades. J a experimentao extensiva encara os ex=
( perimentos nas fazendas, nas condies da prtica, essen
ciais pa:! que se julgue adequadamente a aplicabilidade
( e conven1encia econmica dos novos metodos indicados pe-
la experimentao intensiva.
(
(
( 2,6, BIBLIOGRAFIA
( 1\NDEHSON, R.L. e T.A. Bam:roft, 1952. Statistical Theory
(
in Research. ~1cCraw-lli 11, Nova York.

(
 . ---- - - - - - -- ----

(
( 18
( 19
mo parm etro, elas_n ao d:veri am diflr ir a nao ser
( 3. OS TESTES OU PROVAS DE SIGNIFICANCIA acaso. Para compa ra-las e que usamo s o teste F.
por
( Tera -
mos:
( 3.1. Os TESTES F E u F = 10,88 = 7,56
( l, 4/~
o
teste bsico para a anlis e da varlan cia e o tes-
As tabela s de F (de nmer os l e 2) do o valor 3,10
( te z de R.A. Fishe r, hoje geralm ente subst itudo
pelos para o nvel de Si. de proba bilida de, e 4,94 para o
( seus equiv alente s F de G.W. Snedeco~v 2 de A. Hald; nvel
ou de 1%. Quer isto dizer que h uma proba bilida de de
u, de F.G. Brieg er, todos eles tendo em vista compa rar 95%
( vari ncias ou os respe ctivos desvio s padr es. Se s 2 de obter , por simple s acaso , um valor de F igual ou
e s2 in-
so as estim ativas das varin cias a compa rar, enth . ferior a 3 10 e ha proba bilida de de 5% de obter os
( ......f.' ' valo-
'res de F super iores a 3,10. Analo gamen te, e- de 1%
a pro:-
( babili dade de que o valor de F exceda 4,94 e de 99%
a
F u logo u proba bilida de de que o F no_e~ceda 4,94. No c~so ~er~e
( ~
s te o valor obtigo excede o l1m1te de 1% e se d1z s1gn1
f~
( . Note- se que u e uma das forma s da letra grega cativo ao nvel de 1%. Isto quer dizer que h uma proba
teta -
mins cula. bilida de infer ior a li. de que o valor de F observ ado
( te-
Todas as tabela s de F public adas ate o momen to nha ocorri do por acaso.
( f o- Em vez do teste F pod8re mo9 usar o u:
ram feitas supo~do sf > s 2 , de sorte que os valor
es de
( F das tabela s sao sempr e maior es do que um. Para 3,30
porem , existe m h muito s anos tabela s para v > l,
o v, u = = 2,75 .
como 1,20
( para v < 1. E agora ns public amos tambm tabela s
para Buscam os ag o ra na tabela doJS limite s unila t e rais de
( F< 1 (tabel as 3 e 4).
u os valore s corres ponde ntes aos nv~is de 5% e 1%
. Supon hamos , por exemp lo, a seguin te anlis e da va- de
proba bilida de e r efer entes a 3 e 20 graus de l iberda
( r~ncia d~um experi mento com 4 tratam entos e 6 de.
repet i- Esses valore s so:
( oes.
5% 1,76
( l% 2,22
( Causa de varia ao G.L. S.Q. Q.M. Desvi o padro Como o valor obtido excede o limite de 1% (2,22)
( Tratam entos dizemo s que signif icativ o ao nvel de 1%.
3 32,64 10,88 3,30 Na analis e da vari ncia quase sempre espera mos que
( Resdu o 20 28,80 1,44 1,20 todos os quadra d os mdio s obti9o s sejam iguais ou
supe-
ri~res ao que se obt~m do resdu o. Nestas condi
( Total 23 61,44 ~es, s
se justif ica o uso das tabela s de liroi.f.~~- -~-fl.}~~te_r:L
s de
( u e de F. Quand o, porm , no sabemo s "a prior i" se
o de~
vio ' padro do numer ador maior ou menor que o do
( Admit indo-s e a hipte se de nulida de, isto , supon denomi_
- nadar ento devem os utiliz ar as tabela s de limite s
do-se que os tratam entos sejam todos equiv alente s, bila
(
drado mdio (Q.M.) para os tratam entos uma estim
o qua terai~, de u ou de F. Estasitua~o . ,~ V..e:z~s .~cc;>rr_~ na
ativa analis e de varin cia quand o. ao contr rio ~o . que _?_
( da vari ncia cr 2 , da mesma forma que o quadra do mdio e esp~
re- ra, o qudra do mdio (Q.M: } reTat iv_o_ a fratam ente>_f>
feren te ao resdu o. Sendo estim ativas difere ntes do -~- . t:'l:e
( mes- nor do que o quadra do mdi resi:d uL Se ii exemp lo
aci-
(
(
 ;; ,

(
( 21
20
(
. o cons c ienciosa t e mos, porem, os seguintes: 1) As
ma foss e 0,090 o quadrado m~dio para tratamentos, t e rra- ca
( comparaes feitas pelo teste t devem ser esco lh"d 1 as an-
mos:
( tes de serem examinado~ os dados; 22
Podem-se fazer. no
0,090 mximo tantas comparaoes quantos sao os graus de 11ber-
( F = 0,062 dade para tratamentos, e os contrastes devem ser ortogo-
1,44
( nais. Mas o que devemos entende~ por contraste e ~ que
e aconselhar-se-ia o uso dos limites bilaterais (tabelas so contrastes ortogonais? Se m1 , mz, m3 e m4 sao ':s
( 3 e 4), que so, no caso de F < l, com 3 e 20 graus de verdadeiras mdias dos quatro tratai!lentos de um exper1-
liberdade:
( niento,
5% ........... 0,071 , Y1 = m1 - mz ,
( 1% ........... o, 023 . Y2 = m1 + m2 + m3 - 3 m4 ,
( O valor de F obtido, sendo inferior ao limite de so exemplos de contrastes. O que caracteriza um contra_s
( 5%, mas superior ao de 1%, diz-se significativo ao nv e l te que se as mdias que nele ocorrem forem todas
de 5%. Um fato como este, embora no deva ser esperado, iguais, o contraste dever ser nulo. De fato, com
( em geral, ocorre s vezes e, no raro, e
sintoma de de- m1 = mz = m3 = m4 M, temos:
( feitos na anlise da varincia. Uma das explicaes pos-
sveis e a presena de erros -grosseiros no clculo das Y1 M - M= O
( somas de quadrados ou dos nmeros de graus de liberdade. Yz M + M + M - 3M = O
( Outra explicao bem comum e a de que o resduo inclu a Para que isto acontea, a soma algbrica dos coefi-
alguma importante causa de variao que f oi controlada, cientes deve ser nula.
( mas no foi isolada na anlise da varincia. A ex istn- Consideremos agora os contrastes
( cia de correlao que no tenha sido levada em conLa tam
bem e urna explicao dessa anomalia. Por exemplo, num ex mz + O.m 3
( perimento em parcelas subdivididas geralmente as s u bp a r~ + ffi2 - 2 ffi 3
( celas de cada parcela so positivamente correlaci onadas, Os coeficientes do primei ro contraste sao:
o que nos leva a isolar dois resduos distintos na anli 1 -1 o
( se da varincia (veja-se o captulo 9). Se na anli s e da -
e os do segundo sao:
( varincia os dois resduos forem postos juntos, os com- 1 1 -2
ponentes a serem comparados com o quadrado mdio do r e- Se multiplicarmos o primeiro coeficiente de Y1 pelo
( sduo (b) podero tornar-se significativamente inf e ri o- primeiro de Y 2 , e assim por diante, obteremos:
( res ao quadrado mdio residual, erroneamente estimad o . 1 -1 o
s vezes, porem, nenhuma destas explicaes serve , e a soma destes nmeros zero. Dizemos ento que os con
( mas isto no deve assustar ningum, porque, do pont o de trastes y 1 e Yz so ortogonais. Na anlise da var1ancia
( vista do Clculo de Probabilidades, o caso, embora pouc o os contrastes ortogonais so importantssimos. Do pon~o
provvel, nao e impossvel, logo dever ocorrer uma vez de vista prtico, a ortoganalidade indica que a varia~o
( ou ou i: r a. de um contraste inteiramente independente da variaao
( de outro qualquer que lhe seja or.togonal.
Num experimento com quatro medias, m1 , mz, m3, m4,
( 3.2. o TESTE t: h trs graus de liberdade para tratamentos e podemos,
( '. ento, obter trs contrastes ortogonais, como os seguiu-
Outro teste clssico o testto> t, quto> podto> ser usa-
( do para comparar medias. Como requisitos para a sua apli_
(
(
(
22 23
(
( Y1 m1 - m2 , cientes sao nu los. Se o numero de repetioes f o r se1s p~

( Y2 m1 + m2 - 2m3 , ra todos os tratamentos, teremos:

Y3 m1 + m2 + m3 - 3m 4
(
Mas os trs seguintes tambm serviriam:
(
Yf Jm1 2m2 - m3 , e se 52 = 1,44, com 20 graus de liberdade, como na anali
( Y2 m2 2m3 + m4 : se que vimos na seao 3.1, ento
Y~ 3ml + Sm2 m3 - 7m 4 .
(
( Os valores ml, m2 , m3 , m4 , verdadeiras mdias dos
s (? 1) ~ = 1,20 {f- 0,693 .
t:atamentos e~ es:udo, no so conhecidos. Conhecemos,po
( Provemos agora o contraste pelo teste t. O que ge-
:em,~suas e~t1mat1vas, geralmente indicadas por rol, m2~
ralmente se procura verificar se esse contraste difere
( m?, m4, ass1m como uma estimativas do desvio padro re-
de zero, o que se consegue da seguinte forma. Calcula
S1dual, que veremos adiante como .calcular. Queremos ago-
( ra provar os contrastes Y1 , Y2 , Y3 . Como faz-lo?. Tome- -se:
( mos o contraste Y1 para comear. Devemos obter primeiro 1,20
= 1,73 .
uma estimativa para Y1 e outra para o seu erro padro. 0,693
( Temos:
Com 20 graus de liberdade,---QI_) limites de t (tabela
m2 9) so: para o nvel de 5%, 2,09,)e para o de 1%, 2,84.
( Se as estimativas das medias forem Como o valor de t obtido neln-sequer atinge o limite de
5%, diz-se que no significativo e conclui-se que o
( 26,0 22,8 contraste Y1 provavelmente no difere de zero, isto e,
( 24,8 24,0 no rejeitamos a hiptese de nulidade, a hiptese de que
ficar m1 e m2 sejam iguais. Note-se qve no fica provado que
( essas medias so iguais, mas apenas que no temos motivo
( yl = 26,0 - 24,8 1,2 . para afirmar que so diferentes, o que uma afirmativa
Qual sera seu erro padro? bem mais fraca.
( Vejamos agora o caso do contraste Y2 . Temos
Dado um contraste
( ?2 - + m2 - 2 m3
ml
y = clml + c2m2 + + Cnffiu'
(
26,0 + 24,8- 2 X 22,8 5,2
onde o primeiro t:atamento !em r 1 repeties, o segundo 1 ( 4 '
( '1(?2) (-- + - + b) s2 = s2
r2, e assim por d1ante, entao a estimativa da varincia 6
da estimativa ? de Y s(?2) s = 11,44 1,20
(
o
rcn~
( 5,2 -
(3.3.1) t 4,33
+ .. + ) 1,20
( r2
Este valor excede os limites de t para 5% e 1%, da-
2
( onde s o quadrado mdio residual, e como a varincia dos acima. Diremos, pois, que esse contraste difere sig-
o quadrado do erro padro, este sera: nificativamente de zero, o que equivale, neste caso, a
(
dizer que a mdia dos dois primeiros tratamentos difere
( s <?) = / v C) da mdia do terceiro, pois
( Para Y1 temos cl = 1, c 2 ... -1, e os outros coefi-
(
(
 -

~-~.l
~;:;;;:;;;;;;;::;;:;:~~---~
. ~.. .~~ ------.-:F __.,_
- .".~:"!iH~-
. -~_, _.......,.~:-~~~':-'!'?:'..'~~:~~-':~~::~tJ ~~:~.

24
( l 25
(
Enta o todo contra~te e ntre dua~ mGd ias,
( istu e, do
Anal ogam ente testa remo s o cont raste Y tipo
3
( Feit a a esco lha dos cont raste s a testa r
ante s de Y = m1 - mu
exam inar os dado s, nada h a obje tar cont ,
( ra o uso do tes cuja estim ativa exce der o valo r f:..= l, 94
te t. Mas no lci to, por exem plo, sera sign ifica ti.
( comp arar por esse ao nve l de 5% de prob abili dade . Tal acon
proc esso a maio r medi a com a meno r dela vo tece com a
s, ou as duas - .
difer ena entr e a maio r e a menor das medi
( maio res com a meno r. Isto pode ser feito
, porem , pelo s as ac h a d as,
teste s de Tuke y, de Dunc an e de Sche ffe, pois ent o
( mais rece ntes ,
que passa mos a expo r. y = ml - m3 = 26,0 - 22,8 = 3,2 .
( Note -se que no caso part icul ar de um cont
tre duas medi as apen as, tal como yl = ml raste en- Se adota rmos o nve l de 1% de prob abili
dade , tere
( - mz, temo s: mos:
t
ml - mz
( 1,20
6 = 5,02 = 2,46
( 16
e aque le mesm9 cont raste sera aind a sign
( onde a prim eira medi a se supo e obti da ifica tivo nest e
com rl repe ti es, nve l. _
( e a segu nda com rz. Mas o test e t No caso de serem dife rent es os nume ras
e realm ente mais ge- de rep:t i-::
ral, como vimo s acim a. oes o teste de Tuke y pode ainda ser usad
( o, mas enta o e
apen as apro xima do. Temos ness e caso
(
(
3.3. oTESTE DE TUKEY 6 = q V(l/ 2 ) V (Y)
.
Se, por exem plo, m
tiv esse 6 repe tioe s e mz ape-
nas 5, ent o fica ria, ao1 nve l de 5% de
( O teste de Tuke y, base ado na ampl itude prob abili dade :
tota l estu -
dent izad a, ("stu dent ized rang e", em Ingl
s) pode ser uti-
( lizad o para comp arar todo e qual quer cont
raste entr edua s A
w -- _) , 96v
' ~
2 (~
6
l
+5)( 1,44 ) = 2 ,03.
( medi as de trata men tos. No caso . que estam
os disc utin do,
em que h 4 trata men tos, exist em 6 cont A dife ren a obse rv ada, Y = 3,2 cont inua
( raste s dist into s ria a ser
que podem ser estu dado s. O test e exat si gnif icat iva.
o e de uso muit o _ .
( simp les quan do o nme ro de repe ti es
o mesmo para to- e o teste de Tuke y pode s er adap tado tam~em a~ JUlg a-
dos os trata men tos, o que admi tirem os de ment o de cont raste s mais comp licad os, mas
( inc io. nao cuida remo s
Comeamos por calc ular o valo r 6 = q s//; dist o , pois ent o o test e de Sche ffe pare
, onde q ce ser, em ge-
( e o valo r da amp litud e tota l estu dent izad ral, mais conv enie nte.
a ao nve l de
5% ou de 1% de prob abili dade ; s a estim E: inte ress ante que, muit o raram ente ,
( ativa do desv io pode acon te
padr o resid ual, e r e o nme ro de repe cer que, embo ra o test e F no tenh a sido
ti es, supo sto o s~gnificativona
( mesmo para todo s os trata men tos. No caso anl ise da vari nci a, obte nha- se um ou
vert ente temo s ma1 s cont raste s
n = 4 trata men tos, n' = 20 grau s de liber sign ifica tivo s pelo test e de :u~ey. Tal
( dade para o re ocor :e, por
sdu o, e o valo r q ao nve l de 5% de prob exem plo, no caso dado pela anal ise de . vari
abili dade ~ ~nc;a . e pela s
( pois , 3,96 (ver tabe la 10). medi as segu intes , obt~as de um ensa iO
(flct~CiO) COm 4
Temos ent o trata men tos e 6 repe tio es.
(
( - 3,96 ~ 20 = 1,94 . , /

( 16
:J_ _ _ _ _ _ _ _ _
_ _ _ _ _ __! __ _
~--_____
._{_ ::.
-~

(
( 26 )l:
27
(
( - todos os tratamentos tenham o mesmo numero de re-
Causa de . variaao G.L. S.Q. Q.M. F petioes .
( Para o uso do teste necessitamos tabelas espec~a~s
Tratamentos 3 54,24 18,08 3,01 (tabelas 12 e 13), uma para o nvel de 5% de probabilid~
( Resduo 20 120,00 6,00 d e, outra para o de 1%. .
( Voltando ao exemplo que estamos discut~ndo, comea-
Total 23 174,24 calcular uma amplitude total mnima significati-
( mos por " ~ )
("shortest significant range , em Ingles pelo teste
( va .
de Duncan para o contraste entre a ma~or e a menor d s
a
A temos F = 3,01, valor que apenas se aproxima do medias:
( correspondente ao nvel de 5% de probabilidade (3,10).
( Sendo as mdias s
D = z
( 26,0 m2 = 23,8 rr
24,2 m~ = 22,o onde r e o nmero de repeties, s o desvio padro e z
( tirado das tabelas, para o nmero de m~ias ordenadas
( como obtemos ao nvel de 5%' s abrangidas pelo contraste em estudo e o numero de graus
de liberdade do resduo. Logo) ao nvel de 5% de proba-
( /':,. 3,96 l67O 3,96 '
bilidade, temos:
( /6 1,20
verifica-se que ? m{ -
m~ 4,0 excede esse limite e D4 = 3,18 (3,18) (0,49) = 1,56 '
( , pois, significativo ao nvel de 5% pelo teste de Tu- /6
( t. key. Por outro lado, pode ocorrer que o teste F seja pois a comparao entre a maior e a menor das 4 mdias
significativo, sem que nenhuma das diferenas entre me- abrange todas as mdids do ensaio. Para comparar a se-
c dias seja significativa pelo teste de Tukey. gunda colocada, logo abaixo da maior, com a menor de to-
( Fatos semelhantes ocorrem com o teste de Duncan, da das, teremos um contraste que abrange 3 mdias:
do a seguir, que tambm no concorda inteiramente com o 1,20
( teste F. Tais discordncias se devem aceitao de hi- D3 = 3,10 (3,10) (0,49) 1,52
( pteses diferentes nas dedues tericas, e so, alis, 16
de pouca importncia pratica. Este valor servir para testar tambm o contraste
( entre a m~ior mdia e a penltima por ordem de grandeza,
( isto entre m1 e m4.

(
3.4. oTESTE DE DUNCAN Finalmenie, para duas mdias consecutivas temos:

( DUNCAN (1955) introduziu um novo teste ou prova pa- 02 = 2,95 1,20 = 2,95 X 0,49 = 1,45 ,
ra comparao de medias, ao qual chegou depois de uma 16
( tentativa anterior. Sua aplicao bem mais trabalho- e este resultado corresponde ao que nos daria o teste t.
( sa do que a do teste de Tukey, mas se chega a resultados As medias que no se podem distinguir por~este tes-
mais detalhados e se discrimina com mais facilidade en- te podem ser reunidas por uma barra, como se ve a se-
( tre os tratamentos, isto , o teste de Duncan indica re- guir.
( sultados significativos em casos em que o teste de Tukey
no permite obter significao estatstica. Tal como o m1 = 26,0 m2 = 24,8 m3 "' 22,8
( teste de Tukey, o de Duncan exige, para ser exato, que ----- ----- -=====----------------
(
f.
(
 ( 28
' 29
(
Sempre que houver uma barra unindo duas m~dias~elas
( nao diferem significa tivamen te. Assim, m no signifi inferior a 13 3. No entanto, temos m2 - m3 = 12,2, valor
1
cativame nte diferent e de m2, pois ml - m2 = 1,2 nao exce=- que excede D2'= 12,0. Mas este resultad o n~o vlid~,
( ela regra acima, de sorte que podemos ace1tar como nao
de 1,45. Mas m1 significa tivamen te superior
( pois m1 - m4 = 2,0, que excede D = 1,52.
a m4 , ~ignificativas, p:l~ teste de Duncan, todas as diferen -
3 as entre essas med1as.
Em vez de barras tambm usual e at mais prtico
( usar letras, assim: Quando o nmero de mdias avultado (superio r alO,
( por exemplo) a aplica o do teste de Duncan se torna mui
~1 26,0 a to trabalho sa.
( m2 24,8 a c No caso de serem diferent es os nmeros de repeti-
m4 24,0 b c es dos tratamen tos, podemos usar uma generali zao se-
( 22,8
m3 b melhante que se fez para o teste de Tukey, tomando
(
Quando a mesma letra aparece com as duas mdias, a D = z I (l/2)~(Y)
( diferen a entre elas no signific ativa; quando no h
nenhuma letra comum s duas mdias, sabe-se que a dife-
(
rena alcanou significa o estatst ica. No diferem 3.5. oTESTE DE SCHEFF
( significa tivamen te entre si, portanto , as mdias m4 em3,
pois a ambas as estimati vas m4 = 24,0 e ro = 22,8 O teste de Scheff s deve ser aplicado quando o
( 3 cor- teste F (ou u) tiver dado resultad o signific ativo. Se o
responde a mesma letra b. Ao contrri o, signific ativa
( a diferen a entre m1 e m4 , pois nenhuma letra comum s valor de F obtido no for signific ativo, nenhum_ contras-
duas estimati vas ro 1 = 26,0 e ro 4 = 24,0. te poder ser signific ativo, e, pois, a apl~caao do te~
( te de Scheff no se justific a. Quando, porem, o
Tanto o mtodo das barras como o das letras h0je se va l or
( usam comument e tambm para resumir o resultad o da compa- de F obtido signific ativo, pelo menos um dos contras-
rao de mdias de tratamen tos por outros critrio s, tais tes entre tratamen tos ser signific ativo. Mas o contras-
c como o teste de Tukey. te em questo pode ser muito c omplicad o ou sem int e resse
pratico. E pode ainda acontece r que nenhum dos contr a s-
( Note-se que, sempre que, num gru po de mdias, a
maior no difere estatisti camente da menor, pelo tes entre duas mdias apenas seja signific ativo.
( teste
de Duncan, no se admi~e diferen a signific ativa, O teste de Scheff de uso bem mais geral que os
pelo de Tukey e de Duncan e permite julgar qualquer contras-
( mesmo teste, entre mdias intermed irias. Por exemplo,
sendo s = 10,0, com 20 graus de liberdad e, r = 6, consi- te. Para isso calculam os
(
deremos as mdias: s = I (n-1) ~
~
(1) F
( ~1 32,8
onde Y o contrast e em questo, n o nmero de trata-
( m2 32,6
mentos e F o valor da tabela ao nvel de 57. ou de 1%,
~3 20,4
( correspo ndente aos nmeros de graus de liberdad e para
m4 20,1
tratamen tos e para o resduo. Se as mdias de tratamen -
( ms 20,0
tos forem independ entes (no correlac ionadas) e
A temos:
( Y = c1m1 + c2m2 + + Cnffiu
( n5 = 13,3 ,
ento teremos
D2 = 12,0 ,
(
de sorti..! qui..! nao signific ativa a diferen a cntre a
( mior e a menor das medias, pois rol - ros = 12,8, valor
,{
., -c-:"'w=>ii'iiiiiiiiiiii""~~
-.~;:7.;E;_..;',z;;Rw~
-. ~
-.:ss""
.,..
,. .,..,..,......,."!""~!!!""'~...,,..,
__ ..,,,..
4 ~-.~ ~""'! - ~ L.<. "''!r~'!''"~~~~~~ ......:~"'"!!'~_.~ ........,._..,~--::.-:::''-t'f'-'::~~~~-c:>c'"=~
(
(
r' 30
\
31
( como j vimos , onde ri e o numero de repeti es do
tra- a contr astes escolh idos previa mente , antes de serem
( tamen to i, logo exa-
minado s os dados , e que tais contr astes, em numero
c
(
s = '; v(n-1) c2
2
c2 )
n
---r;+ ... +-r- F.
n
mximo igual ao de graus de liberd ade para tratam entos
devem ser ortog onais .
Sabe- se, porm , que,me smo com essas restri es,
no
,

a
( prova de t, aplica da a dois ou mais contra stes num mesmo
No exemp lo que discut imos em 3.1 e 3.2, se consi derar - ensaio no e exata . Com efeito , no exemp lo discu tido
( mos o contr aste em
3.2, se foi de 5% o nvel de signif :icnc ia adotad o
para
( cada um dos trs contr astes, a proba bilida de de que
um,
pelo menos , seja signi ficati vo, pot simple s acaso
( teremo s aproxi madam ente, de 3 x 5 = 15%. No caso geral , se o
, ,
n-
( ?
3(26,0 ) - 24,8 - 22,8- 24,0
=
vel de proba bilida de for a para cada contr aste, a proba
6,4 ) -
bilida de de que um pelo menos de n contr astes ortogo
e, ao nvel de 5%, F nais
3, 10, logo seja signi ficati vo de na. Para conto rnar essa difi-
( = l. 20 v3-'---=-9-~l---1~1--- culdad e, o teste de Bonfe rroni indic a o uso, para
S cada
(6 + 6 + 6 + 6) 3,10 = 5,17 . contr aste, de um nvel de proba bilida de a' . = a/n,
ento. , l?ara o conju nto teremo s na' = a. Para facil itar
A estim ativa obtida (6,4) exced e o valor de aplica ao do teste de Bonfe rroni, constr uram -se tabela a
( S calcu s
lado, logo o contr aste ser signi ficati vo ao nvel espec iais, como a tabela 21. Por exemp lo, com a = 5%
de e
( 5%. Para o nvel de 1% ja no signi ficati vo, pois en- e n = 3, o valor de t, para cana contr aste corres ponde
a
( tao obtem os uma proba bilida de a' = 5/3 = 1,67 e, com 20 graus de
li-
berda de, vale t = 2,61. Este v a lor de t que seria
( s
1,20v 3(2.+ .!:.+. !:.+.! :.) 4
6
=
6 6 6 ' 6,53 . 9~ do ao aplica r o teste a 3 contr astes ortogo nais relat
vos aos dados das sees 3.1 e 3.2.
usa-
i-
(
Note- se que um contr aste pode ser signi ficati vo quan
c do julgad o pelo teste de t, sem o ser quando utiliz armos

37r I PROPR 1ED.ADES DOS Novos TESTES
( o teste de Tukey , o de Dunca n ou o de Schef f. Isto
se
deve ao fato de que estes testes permit em testar Os testes de Tukey e de Dunca n tm fundam entos mui-
qual-
--( quer contr aste que intere sse, ao passo que o teste tos semel hantes . O teste . de Dunca n , porm , menos
t s con-
( se ~ode_apli~ar justif icada mente nas condi es expos serva dor, isto , da difere nas signi ficati vas com
tas mais
atras , ~sto e, a contr astes previa mente escolh idos facili dade, porqu e o autor adotou o critr io seguin
( togona~s. e em numer o nao - '
super ior ao dos graus de liber-or-
- mando o nvel de signif icnc ia de 5% de
te: To
p robab ilidad e
( dade para tratam entos . Entre tanto, pode- se tolera r num contr aste que inclua duas mdia s ele exige uma
0 uso proba
do teste t para a!gun s c~ntrastes, mesmo no ortog onais bilida de de 95% (0,95) de que no aponte mos como signi
( , fi
desde que o seu numer o nao exceda o nmero de graus c~tiva uma difere na realm ente nula; ja para o
de caso de 3
(
liberd ade para tratam entos . . media s, tal proba bilida de ser 0,9025 = (0,95) 2
ou
90,25% ; para 4 mdia s ela baixa para 0,8574 = (0~95)
( 3 ou
85,74% , e, em geral , para n media s, a proba bilida de
ser
( 3,6, 0 TESTE DE BoNFERRONI (0,95 )n-l. J no teste de Tukey , mais exige nte,
temos
sempr e uma prob bilida de de 95% de no apont ar como
( sig-
O teste de Bonfe rroni um aperfe ioam ento do teste nifica tiva uma difere na realm ente nula entre todas
as
( t. Com efeito , recome ndamo s que s se apliqu e mdia s de tratam entos . No de admir ar, pois, que,
o teste t com
n > 2 o teste de Dunca n d result ados signif icativ os
( em

(
 .. .., ..
33

(
(
cas os e~ que isto no aco nte
que ent ao o tes te de Dun can
das com mai or fre qu nci a. O
mu ito ma ior, com o tes te t
ce com o tes te de Tuk ey:
nos lev a a afir ma tiva s err a-
mesmo aco nte ce, com per igo .
n2
n2
;

;
120
00
-- 1,5 3
1,4 8

apl ica do ind iscr imi nad am ent A reg ra de tre s e:
( o que hoj e no se ace ita ma e,
is. O tes te de Dun can est abe
(
(
lec e, poi s, um mei o term o ent
vo do tes te de Tuk ey e a fal
te t usa do sem as dev ida s cau
J o tes te de Sch effe ain
re o rig or um tan to exc ess l
ta de rig or exa ger ada do tes
tela s.
da mai s rig oro so, des a-
< TIO
1
1 1
00

1
1
= --
120
1
-
~
1,5 3 - l ,48

y
0,0 5 ,

( con selh ve l par a a com para o 120 - 200 300 '

de dua s m dia s, mas pre sta
( bon s ser vi os par a pro var con
tra ste s mai s com plic ado s, 1
e par a isto e
de uso ind ica do. 3QO (O ,05 )
y == 1 0,0 2 .
( 120
38
I I INTERPOLAO HAAt-i>N I CA
( o val or pro cur ado 1,5 3 - 0,0
Nas tb uas de t, u, F, q e 2 = 1,5 1.
( Se qui zerm os o val or de F par
pol a o har m nic a, em que se
z fun cio na bem a int er-
por exe mpl o, ser pre cis o obt ~ n~ = 22, n2 = 200 ,
( usa m as rec pr oca s dos n- er prlm elro os val ore s p~ra
mer os de gra us de libe rda de -
par a arm ar a reg ra de tr s. nl = 22 , n2 - 120 ' e par a n 1 = 22 n2 = "", par a dep ols ,
Por exe mpl o, qua l ser o lim -
(
pon den te a 36 gra us de libe rda
ite de 1% de t cor res - por mel o des tes , che gar ao num ero ' bus cad o cor res pon d en t e
de? A tab ela de t nos d: a n 1 "' 22, n 2 = 200 .
( par a 30 gra us de libe rda de Nas tab ela s de F, de q e de -
... ... ... .. 2,7 5 , z a inte rpo la ao se faz
( par a 40 gra us de libe rda de exa tam ente do mesmo modo:..
... ... ... .. 2,7 0 ~ . .
Emb ora a inte rpc la ao har m . . . . .~ _
( Armamos ent ao a seg uin te reg lnc a seJ a a mal s lnd H:a
ra de tr s: da e, em alg uns cas os, como .
o d~ lt imo exe mpl o, sej a
( 1 1 1 ni ca pos sv el, ger alm ent e f a
30 - 40 uncl~na mals ou menos bem a
120 2,7 5- 2,7 0 0,0 5 , -
inte rpo la ao lin ear , seme 111an te a qu e se usa par a tb uas
(
1 1 1 de log arit mo s.
( 30 - 36 Par a 0 val or de t ao nv el
180 y de 1% de p:o bab ilid ade ,
' cor res pon den te a 36 gra us de
libe rda de, teri am os:
(
log o par a 30 gra us de libe rda de
( ... .. 2,7 5
1 par a 40 gra us de libe rda de
180 (0,0 5) ... .. 2, 70
( y = --- --- .1- --= 0,0 33 :::: Logo uma dif ere na d e lo gra
0,0 3,
var ia o de 0,0 5. E obte mos us d e libe rda de d uma .
( 120 a reg ra de tre s:
( 10 0,0 5
de ond e res ult a que o lim ite 6
bus cad o 2,7 5 - 0,0 3 y
= 2,7 2.
Pro cur emo s ago ra o val or de log o
( u (un ilat era l)
n 1 = 12 gra us de libe rda de, par a
(
n 2 = 200 , ao nv el de 1% de 6(0 ,05 )
pro bab ilid ade . A col una cor y = 10 = 0,0 3 '
res pon den te a n1 "" 12 exi ste
( na tb ua e nel a tem os:
de ond e res ult a que o lim ite
bus cad o e 2, 75 - O,03
.( = 2,7 2, como ant erio rme nte
.
c
(
( 34 35
(
(
3,9, INTERVALOS DE CoNFIANCA No caso de termos, nao um contraste, mas apenas uma
mdia,Y = m1 , por exemplo, a frmula (3.2.1) pode ainda
( Consideremos uma estimativa ? de um contraste y e ser aplicada e obtemos intervalos de confiana para a me
seja s (Y) seu erro padro com n' graus de liberdade. Se dia em questo. Temos:
(
o valor de t para este nmero de graus de liberdade e ao
nvel de 5% de probabilidade for t 0 , ento h uma proba- ml 26,0 , s <ffi 1 ) = 1,20 fi= o' 490
(
bilidade de 95% de que tenhamos
Y' - t s (Y) < Y < ? + t s (Y)
-
ml ~ to s <lli 1 ) 26,0 2,09 X 0,490 24,98
0
( 0
ml + t o s <lli 1 ) 26,0 + 2,09 X 0,490 27,02
isto e, em 95% dos casos o intervalo de confiana (va-
( H, pois, uma probabilidade fiducial de 95% de que
rivel) de extremos Y' - t 0 s(Y') e Y' + t s(Y') conter 0
( verdadeiro valor docontraste. Quer diz~r que se repetir a verdadeira media m1 esteja entre 24,98 e 27,02. De ma-
mos muitas vezes o experimento, em 95% dos casos 0 inter neira anloga se obteria o intervalo de confiana pai;a
( nveis diferentes de probabilidade.
valo de extremos Y' - t 0 s(Y.) e Y' + t s(Y') conter 0 va=
( lor verdadeiro Y do contraste. Podemgs exprimir isto em Nos casos em que se aplicam os testes de Tukey e de
out:as palavras dizendo que e de 95% a probabilidade fi- Scheffe, intervalos de confiana baseados nesses testes
( podem ser obtidos.
duc1al de que o verdadeiro valor do contraste esteja
( dentro do intervalo de confi~na determinado num certo Por exemplo, para um contraste qualquer Y = rni - ~
experimento. os extremos do intervalo de confiana sero Y- q s e
(
Por exemplo, consideremos o contraste Y = m1 - m3 no - s l1r
exemplo de 3.2. Temos ento e Y + q -== Para Y = m1 - m3 no exemplo de 3.2 obte-
/r
( Y' = 26,0 - 22,8 = 3,2 , mos, pois, ao nvel de 5% de probabilidade,
y
~= 3,2 ,
( 26,0 - 22,8 =
s(Y) S 1,20 X 0,577 0,692 .
s
( y - q = 3,2 - 3,96 ~ 1,26 ,
(
so 20 os graus de liberdade do resduo logo,
nvel de 5%, temos t 0 = 2,09. E fica: '
ao rr- /6
3,2 + 3,96 ~
( y s
Y t 0 s(Y') = 3,20- 1,45 = 1,75 , + q = 5,14
( Y' + t 0 s(Y') = 3,20 + 1,45 = 4,65 . rr r6
Dizemos, pois, que h uma probabilidade fiducial de Para o caso do teste de Scheff, os extremos do ~n
(
95% de que o valor exato Y do contraste entre os dois tervalo de confiana so:
(
tratamentos esteja entre 1,75 e 4,65, querendo dizer com Y- I (n-l)~(Y) F , Y+ / (n-l)~(Y') F .
( isto que num grande nmero de experimentos semelhantes
interv~los anlogos ~o de extremos 1,75 e 4,65 que foi Ainda no caso do exemplo de 3.2, o contraste
( determ~nado encerrarao o verdadeiro valor de y em 95% do Y m3 - m4 3m 1 - m2 -
( dos casos.
O conceito de intervalo de confiana ("confidence nos d Y' = 6,4 e os extremos do intercalo de confiana,
( interval", em Ingls) que a fica foi introduzido por ao nvel de 1% de probabilidade, so
( J. Neyman, e veio substituir os limites ou intervalos fi
(
duci.ais de R.A. Fisher. Os dois conceitos conduzem aos 6,4 - (69 + 61 +
1
6
1
+ 6) 1,44 X 4,94 -0 'l3 '
mesmos resi.Iltados na maioria dos casos, mas os fundamen-
tos lgicos so diferentes.
(
(
36
( 37
( 6,4 + 13 9
6
1
(- + - +
6
1
6
+ ..!_) 1,44
6
X 4,94 12,93 0 btido de ensaios anteriores em condies anlogas._Al em
to , devemos fixar a diferena mnima d que devera ser
d ~s
( pois a tabela 2 nos d F -
4,94 e
es tatisticamen te comprovada pelo ensaio. Entao,
. sendo q
( amplitude total estudentizad a para o exper~mento a ser
9 1 1
fJ (?) (- + - + + _!_) 1,44 ;eto, e sendo F o valo: da tbua, ao nve~ a escolhido
( 6 6 6 6
de probabilidad e, com numero de_graus de l1be:d~de nl
( Em experimentos agrcolas ou zootcnicos o nvel de (do novo experimento) e n 2 , o numero de . repet1oes r e
5% de probabilidad e parece ser mais indicado e conve- dado pela frmula:
( niente do que o de 1%.
(
r
(
3,10, DETERMINAO 00 Nt'J.1ERO NECESSRIO DE. REPETIES
(
Um dos problemas mais interessante s da experimenta- Este nmero de repeties nos garantir uma probabi
( ao e a determinao previa do nmero necessrio de rep~ lidade a de que o ensaio no venha comprovar a diferena
( ties. Numerosas solues j foram propostas, mas ne- d, isto , uma probabilidad e l - a de que seja comprova-
nhuma e inteiramente satisfatria . da estatisticam ente, pelo teste de Tukey.
( Como os valores de q e de F a serem usados no
Na experimenta o agrcola ou zootecnica a exper~en se-
c cia indica que dificilmente se conseguem resultados ra- gundo rnem~ro dependem de~ claro_que s se p?de obter
zoveis com ensaios que tenham menos de 20 parcelas. Es- uma soluao por aproximaoes sucess~vas, a part~r de uma
( te nmero deve ser tornado, pois, em geral, corno mnimo. tentativa inicial qualquer.
( Assim sendo num experimento com 2 tratamento~, de- Vejamos um exemplo. Suponhamos que pl~nejarnos um
vemos ter pelo rn;nos 10 repeties, para que haja no rn~ experimento com 5 variedades de cana-de-auc ar ~ que t:-
( nirno 20 parcelas ao todo. mos, de ensaio anterior , urna estimativa do desv~o padrao
( Outra indicao til e a de que devemos t e r, em ge- residua l s 2 = 7,4 t/ha, com n 2 = 60 graus de ll.berdade,
ral, pelo menos 10 graus de liberdade para o resduo. e consider emos que o novo experimento deva comErovar pe-
( Estas duas restries, embora muito teis na prti- lo teste de Tukey qualquer diferena de produao de 15
( ca, podem, porem, ser deixadas de lado em al~uns casos. t/ha ou mais. Admitimos que o ensaio seja em blocos ua-
Tal ocorre nos experimentos de grande precisao suali z ados e tomemos 5 repeties, corno tentativa ini-
(al guns
( ensaios fsicos ou qumicos, de laboratrio, por cial. Neste caso, teremos 4 graus de liberdade para tra~
exem-
( plo) ou ento quando temos um grupo numeroso de experi- tamentos (variedades) e n 1 = 16 graus de liberdade para
mentos, que sero estudados em conjunto, tendo em vista 0 resduo, logo, ao nvel de 5% de probabilidad : !tabe~a
( unicamente resultados gerais. Neste caso, cada nos d q = 4,34. Por sua vez o valor de F, tambem ao_n~
experi-
( mento tem individualme nte pouco valor e, pois, podemos, vel de 5%, com n 1 = 16 e n 2 = 60 graus de liberdade e F=
se necessrio, reduzir um pouco o nmero de repeties, = 1,81. Teramos, pois:
( a fim de, com os recursos disponveis , poder aumentar o
nmero de ensaios. 2 2 2
( r (4,34) (7,4) (1,81) =8,3 repeties.
Uma soluo rigorosa interessante e recente para o (15)2
( problema pode ser obtida p~lo uso do teste de Tukey, da
( maneira que vamos expor. O numero de repeties conveniente estar entre o
Em primeiro lugar devemos contar com uma estimativa numero usado inicialmente (5) e o valor agora obtido
( previa do desvio padro sz, com n2 graus de liberdade, (8,3). Log~ 5 repeties so insuficiente s.
( Tentemos agora r = 7 repeties. Fica:

(
 (
( 38
( 39
q = 4,17 e F= 1,70, logo Uma soluo prat1ca e rpida para a determinao do
( nmero necessrio de rep:tes se pode obter pela frmu
r =
(4,17) 2 (7,4) 2 (1,70)
( 7,2 repeties la de Tukey, dada na seao 3.3, com pequena modificao~
(15) 2 Com efeito, a frmula
( s
O nmero necessrio estaria entre 7 e 7 2 "7r
(
oes. Has, como tal numero nao -
- pode. deixar de
' ser ntei
q

( ro, deveremos tomar ou 7, nmero que pecar ligeiramen .

( te por falta, ou 8, que pecar por excesso. Uma vez que ' se dividida pela estimativa da mdia (m) e multiplicada
usamos o valor de F corresponden te a 5% de probablida- . por ioo, nos d:
( de, com 7 repeties haver uma probabilidad e muito pr-
( xima de 95% de que uma diferena de produo, entre v a- .: (). X 100 ~ x lOO
m
redades, de 15 t/ha, ser estatsticam ente comprovada : ~
q
( pelo experimento. Para este fim no raro se usa um n- : m

c vel de segurana mais baixo, a fim de obter nmero tam-

bm mais b~ixo de repeties. Assim, por exemplo, al-
( guns estat1sticos recomendam usar F ao nvel de 25% de
probabilidad e. Se assim prcedssemo s no exemplo dado
(
acima chegaramos concluso de que 5 r;p~ties so ~~ ,
( suficientes e 6 esto um pouco alm do m1n1mo necessa-
rio. Caberia ao experimentad or, ento a deciso final
( .. -
entre 5 e 6 repet1oes. ' '
( Uma soluo interessante se obtem tambm, por mar-
( cha anloga, quando conhecemos o coeficiente de var1a-
o (C.V.) e a diferena mnima d, em porcentagem, a ser
( comprovada. Temos ento;
( q 2 (c.v.) 2 F
r =
( d2
Seja, por exemplo, o caso de um coeficiente de va-
( d = 4,08
riao, de ensaio anterior, C.V. = 15%, calculado com um
( desvio padro que tinha n = 60 graus de liberdade.
Se
( quizermos saber o nmero necessrio de repeties de um
experimento a ser feito, com 8 tratamentos e d = 25% to-
( mando como ponto de partida 3 repeties acharemos:
( (4,99) 2 (15) 2 (1,86)
r = = 16,7 .
( (25) 2
(
Trs repeties nao sao, pois, suficientes. Novas
( tentativas nos permitiro verificar que sero necessa-
( rias, aproximadam ente, 11 repeties para conseguir apr~
; .,_~ . ., ciso desejada.
_.(
(
isto e,
c.v.
d = q --;r-
onde d a diferena mnima significativ a t. em porcent~
gero da media (m). Com esta frmula podemos calcular a
diferena mnima significativ a (em porcentagem) pelo tes
te de Tukey para um nmero r repeties e tendo em vista
um dado coeficiente de variao. Por exemplo, num en-
saio em blocos casualizados com 4 tratamentos e 6 repeti
oes, o resduo tem 15 graus de liberdade. O valor
de
q, para 4 medias e 15 G.L. para o resduo , pela tabe-
la 10, q = 4,08. Se tivermos C-. V. = 10%, o valor de d
sera:
lO
16
Valores como este so apresentados na tabela 3.10.1. Ela
nos permite ter uma idia da preciso obtida para um da--
do nmero de repeties. Seu exame nos mostra claramen-
te que a maioria dos experimentos de campo tem prec1sao
insuficiente , de tal sorte que raramente se consegue,com
um s deles, comprovar diferena~ entre mdias de trata-
mentos menores do que o coeficiente de variao.
3.11. BIBLIOGRAFIA
BRIECER, F.G., 1946. Limites Unilaterais e Bilateraisna
Anlise Estatstica. Bragantia, 6: 479-545.
 ,_ :
~
~--, .3J:CSL

(
( 40
(
Tabe la 3.10 .1. Dife ren a mni ma sign 41.
ific ativ a, em porc en cANTATORE DE FRANK, Norma, 1980 . Man
( tage m, ao nve l de 5% de prob abil idad ual de Esta dst ica
e,pa Apli cada . Edi tori al Hem isfer io Sur,
( ra ensa ios em bloc os casu aliza dos com Buen os Aire s
di=
vers os coef icie ntes de vari ao . CHEW, V., 1977 . Com paris ons Among Trea
( tmen t Means in an
Ana lysis of Vari ance . USDA, Was hing ton.
( coNAGIN, A., 1961 . Prin cpi os de Tcn
ica Exp erim enta l e
N9 de N9 de An lise Est ats tica de Exp erim ento s
( COEFICIENTES DE VARIAO (mim eogr afad o).
trat a DAGNELIE, P., 1975 . Tho rie et Meth odes
repe Stat istiq ues , 2
(
rrent os ti es volu mes. Pres ses Agro nom ique s de Gem
5% lO% 15% blou x, Blg ica.
20% 25% 30% DUNCAN, Davi d B., 1955 . Mul tip1e
( Range and Hul tiple F
2 4 11,2% 22,5% Test s. Biom etric s, 11: 1-42 .
( 33,8 % 45,0% 56,3% 67,5% FEDERER, Wal ter T., 1955 . Exp erim enta
2 6 7,4% 14,8% l Desi gn. Macmi1-
22,2% 29,7% 37,1% 44,5% lan, Nova York .
( ' 2 8 5, 9% . 11,8% 17,7% 23,6% 29,5% 35,4% HALD, A., 1952 . Stat istic a1 Theo ry
2 lO 5,1% 10, li.
( 15,2% 20,2% 25,3% 30,4% with Eng inee ring
2 16 3,8% 7,5% App lica tion s. John Wile y, Nova York
11,3% 15,1% 18,8% 22,6% .
( HARTLEY, H.O ., 1955 . Some Rece nt Deve
lopm ents ~n Ana1y
s~s of Vari ance . Commrunications
( 4 4 11,0% 22,1% of Pure and App lied
33,1% 44,2% 55,2% 66,2% Mat hem atics , 8: 47-7 2.
4 6 8,3%
( 16' 7i. 25,0% 33,3% 41,6% 49,9% KRAMER, Clyd e Youn g, 1956 . Exte nsio n
4 8 7,0% 13,9% of Mu1 tiple Rang e
20,9% 27,8% 34,8% 41,8% Test s to Group Heans with Uneq ual Num
( 4 lO 6,1% 12,2% bers of Rep1ic~
18,4% 24,5% 30,6% 36,7% tion s. Biom etric s, 12: 307- 310.
4 16 4, 7% 9,4%
( 14,1% 18,9% 23,6% 23,3% KRAMER, Clyd e Youn g, 1957 . Exte nsio n
of Mu1 tip1e Range
Test to Crou p Corr elate d Adju sted Mean
( s. Biom etric s,
8 4 ll ,9% 23,9% 13: 13-1 8.
35,6% 47,7% 59,7% 71,2%
( 8 6 9,3% 18,6% PIMENTEL GOMES, F., 1954 . A Com para
27,9% 37,2% 46,5% 55,8% o entr e Md ias de
8 8 7,9% 15,8% Trat ame ntos na An lise da Var inc ia.
( 23,7% 31,6% 39,5% 47,5% Anai s E.S. A.
8 10 7,0% 14,0% "Lui z de Que iroz " , l l : l-12 .
21,0% 28,0% 35,0% 42,1%
( 8 16 5,5% PI~lliNTEL GOMES, F., 1978 . Inic
10,9% 16,4% 21,9% 27,3% 32,8% ia o Esta tsti ca. 6~
edi o. Liv rari a Nob el. So Paul o.
( PIMENTEL GOHES, F. , 19 54. A Deca dnc
l2 4 12,4% 24,8% ia do Test e t. Rev.
c 12 6 9,9% 19,7%
37,2%
29,5%
49,7%
39,4%
6 2,1%
49,2%
74,5%
59,1%
Agr icul tura , 29: 215- 218.
ROY, S.N. e R.C. Base , 1953 . Simu ltane
( 12 8 8,4% 16,8% ous Con ficen ce
25,2 $ 33, 7i. 42,1% 50,5% Inte rval Esti mat ion. Ann. Math.. Sta
12 lO 7,5% 15,0% t., 24: 513- 536.
22,5% 30,0% 37,4% SCHEFF~, Henr y, 1953 . A Method for Judg ing all
( 44,9% Con-
tras ts in the Ana 1ysi s of Vari ance .
(
Biom etrik a, 40:
25 2 20,5% 41,0% 87-1 04.
61,5% 82,0% 102,5% 123,0% SNEDECOR, Geor ge W. e W.G. Coch ran, 1967
c 25
25
4
6
l3 ,4%
10,8%
26,9%
21,6%
40,4% 53,8% 67,2% 80,7% thod s. 6{1 edi o. Iowa Stat e Coll ege . Sta tist ical Me
( 32,5% 43,3% 54,1% 64,9% wa. Pres s. Ames, Io-:

( 100 2 22,3% 44,7% 67,0% 89,3% 111,7% 134,0%

( 100 4 15,4% 30,8% 46, 2%. 61,7% 77,1% 92,5%
(

c
(
(
( 43
( zir o n~mero de repeties de alguns dos tratamentos. Is
(
4~ EXPERIMENTOS INTEIRAMENTE CASUALIZADOS to, porem, nenhuma dificuldade trar no caso de termos
um experimento inteiramente casualizado.
( A principal desvantagem deste tipo de experimento e
4~1~ GENERALIDADES que realmente conduz a estimativas bastante altas d _
(
rincia residu~i, pois as variaes de toda ordem, aa~~m
( Quando dispomos de um terreno bem uniforme, e tnu- das gue se atr1.buem a tratamentos, so tomadas como va-
til estabelecer blocos, cujo nico resultado ser traz riaoes de acaso.
( diminuio no nmero de graus de liberdade para o res- '
( duo. Em tais condies, o experimento inteiramente
lizado ser prefervel. O mesmo pode acontecer em 4 2 UM
I I ExEf'IPLO
( rimentos de laboratrio, onde as condies sejam sempr
( muito uniformes, ou em pesquisas com animais, quando te- Suponhamos um experimento (fictcio) de alimentao
mos um rebanho muito homogneo. No caso de experimentos de porcos, em que se usaram quatro raes (A B c D)
( em vasos, se a posio destes for mudada com frequncia, cada uma fornecidaa cinco animais escolhidos'ao'ac~so.O~
( ao acaso, tambm no se justifica a introduo de bloco aumentos de peso observados, em quilogramas, constam da
Cumpre notar, entretanto, que um terreno aparentemente tabela seguinte.
( uniforme pode ser bastante heterogneo. Alem disso, em- .
( hora uniforme em relao a uma planta, pode revelar - s
com manchas de fertilidade diferente ao ser cultivado RAES
( com outra planta. De sorte que, na ausencia de
( es seguras sobre a uniformidade do terreno em relao A B c D
planta em estudo, e sempre prefervel introduzir
( cos, que sero teis se aparecer heterogeneidade e pouco 35 40 39 27
( ou nada prejudicaro se os blocos forem todos semelhan- 19 35 27 12
tes. No caso de ensaios com animais, estes, embora homo- 31 46 20
( l3
gneos, podem estar em baias com diferenas importantes 15 41 29 28
( de iluminao, exposio ao calor ou aos ventos frios, 30 33 45 30
etc., o que vem exigir a organizao de blocos.
( Os experimentos inteiramente casualizados apresen- 130 195 160 llO
( tam certas vantagens importantes em relao a experimen-
tos de delineamentos mais complexo, tais como:
(
a) Qualquer nmero de repeties ou de t~atamentos pode Como temos A tratamentos, o nmero de graus de li-
( ser usado e o nmero de repeties pode variar de um berdade para tratamentos 4 - 1 = 3. Os 20 animais usa-
tratamento para outro sem que isto dificulte a anli- dos nos experimentos nos do 19 graus de liberdade para
(
se; o total. Logo, restam 16 para o resduo.
( b) O nmero de graus de liberdade para o resduo
~

e o Quanto s diversas somas de quadrados, so obtidos

maior possvel. s sim:
(
2 2
Apesar do referido acima no tem a, devemos, em ge- 35 + 19 + . + 40 2 + . + 302= 19.625
(
ral, usar o mesmo nmero de repeties para todos os tra G =Ex= 35 + 19 + .. + 40 + + 30 = 595
( tamentos. Entretanto, a morte de animais ou plantas, ou
( outras causas que levem perda de p$rcelas, podem redu-

(
r=--~'-:..

(
(
44 45
(
com 3 graus de lil;>erdade (dos tratamentos~ e 16 (do resduo).
( I c2 595 ? As tabelas de F (tabelas l e 2) dao os limites 3,24
c
I
( 17 .701,25 para o nvel de 5%, e 5,29 para o de 1%. Loeo este resu!
N 20 '
(
tado significativo ao nvel de 5%; o que se indica por um
\
I SQ Total L:x2 - c asterisco, asstm: 3,99*. A significncia ao nivel de l%
(. i seria indicada por dois asteriscos.
( li 19.625 - 17.701,25
1,923,75,
o fato de ser significativo ao nvel de 5% o teste
F indica que h uma probabilidade superior a 95% de que
l 1 exista pelo menos um contraste entre tratamentos que di-
(
i
I
SQT
5
(130 2 + 160 2 + 195 2 + t.toz) - c fere de zero, que no nulo. Mas esse contraste pode
( ! ser muito complicado, sem nenhum interesse pratico.
823 '75 As mdias dos tratamentos, m1, mz , m3, m4, n' o
( so
SQ Resduo SQ Total - SQT conhecidas: mas temos suas estimativas:
(
( 1923,75- 823,75 ~ 130 ~

ml 26,0 m2 39,0
1100,00. 5
(
SQT a Soma de Quadrados para Tratamentos. 160 .
( m3 -5- = 32,0 m4 = 22,0
Obt~das as somas de quadrados, os quadrados mdios
( <9.M.) ~ao calculados mediante sua divis~o pelos resp ec- Se nos interessa a compara~o entre duas mdias de
t~vos numeros de graus de liberdade.
( tratamentos es colhidas entre as quatro de que dispomos,
um teste conveniente para julgar o contraste e ntre elas,
( como j vimos, o de Tukey. Para usar este teste calcu-
( Obtemos, pois, a seguinte analise de varincia. lamo s
( s
Causa de
/.:, = q
(
variao G.L. S.Q. Q.M. F_
Ir
( onde q e o valor de amplitude total estudentizada para o
Tratamentos 3 823,75 274,58 nvel de 57. ou de 1% de probabilidade, s o desvio pa-
( 3,99 dr~o residual (8,3 no caso acima ) e r o nmero de re-
Resduo 16 1.100,00 68,75
( peties. Para usar este teste vantajoso que todos os
Total 19 tr,:~.tamentos tenham o mesmo nmero r de repeties. Tabe-
( 1. 923; 75
las de q s~o reproduzidas no fim desta obra (tabelas lO
( e 11). Com n = 4 tratamentos e n' = 16 graus de liberda-
de para o resduo, a t~bela de q para o nvel de 5% nos
( O desvio padro e: da q = 4,05, logo Jc..i\V...
( 0= /68,75 8, 3
/.:, = 4,05
8 3
= 15,0
( O valor de F e: ;;;;
( 274' 58 Para o contraste Y1 mz. - m4, por exemplo, obtemos
F J,99
( 68,75 a estimativa
Ii .
( 39,0- 22,0- 17,0
(
f
(
(
46 47
(
Esta estimativa excede este valor de 6 = 15,0, logo . A diferena entre a ma~or media (39,0) e a menor
( significativ a o nvel de 5%, isto , a segunda rao (22,0) 17,0, valor que excede D4 = 12,0, lugo signi-
( difere significativa mente da quarta. Para comparar a se- ficativa, pelo teste de Duncan, ao nvel de 5% de proba-
gunda rao com a primeira usaramos o contraste Y2 bilidade. Tambm a diferena entre a maior (39,0) e
( a
= m2 - m1 , para o qual temos :: estimativa ?2 = 39 ,O penltima (26,0), que 13,0, excede D3 = 11,7, logo
( - 26,0 = 13,0. Este valor nao excede o limite 6 igualmente s~gnificativa ao nvel de 5%. Os resultados
15 ,O, logo no chega a ser significativ o ao nvel de 5%. das compara oes podem ser resumidas pelo quadro seguin-
(
Por outro lado, este mtodo tambm nos permite cal- te.
( cular "intervalos de confiana" para os contrastes . Para
o primeiro (Yl = m2- m4), por exemplo, os extremos do 39,0 32,0 26,0 22,0
( intervalo de confiana so a ab b h
(
17,0- 15,0 = 2,0
( 17,0 + 15,0 = 32,0
( isto , temos uma probabilidad e fiducial de 95% de Pa ra contras tes mai s c ompli c ados, qu e envolvam ma~s
que
o verdadeiro valor de Y1 = m2 - m4, que desconhecido , de duas mdias; esses mtodos no so convenientes , mas
( h o teste de Scheff, que indicado. Para o contraste
esteja entr~ 2,0 e 32,0.
( Para o segundo contraste (Y 2 = m2 - m1 ) os limites
+ cn~ ,
do intervalo de confiana, calculados do mesmo modo, se
( r~am onde se e xi ge c1 + c2 + . + c O , o limite a calcu-
-2,0 e 28,0. n
( Para comparao de mdias atualmente muitos prefe- lar :
rem o teste de Duncan. Os valores de z ao nvel de 5%
( de probabilidad e (tabelas 12 e 13) so: n - 1
S = s ,V/ --r-- ( 2 1:1 +. c 22 + . + cn2 ) F ,
( Para 4 mdias: 3,23 ,
Para 3 medias: 3,15 ,
( Para 2 medias: 3,00 onde n e o nume r o de tr a tame nto s, r e o nmero de r e peti
( Logo temos: oes, s o de svio pad ro c F tirado da tbu
de limites unilat e rais no nvel co.nveniente de probabili
( 3,23 ~ 12,0 dade, geralmente 5% ou 1%. -
( g- Por exemplo, suponhamos que queremo s comparar a se-
gunda rao com a mdia da primeira e da quarta. O con-
3,15 ~ 11 '7 ,
traste que nos interessa ento
( ;s-
3,00 ~
(
D2 11 'l . para o qual obtemos:
( 15
( ?3 = 2 X 39,0 - (22,0 + 26,0) = 30,0 .
As medias, em ordem decrescente, sao:
( m2
m3
39,o
32,o
s = 8,3; 1<4 + l + l) 3,24 = 28,3
( ~
1
1 = 26,0 Como temos ? 3 > S, o contraste Y3
( m4 22,0 signifi cativo
l
I
ao nvel de 5%. O intervalo de confiana para Y3 t:eria
(
(
I
~~--------~~--------------
 .!1!'!'!: " ~

f -

(
( 48
( 49
por extremos 1,7 e 58,3, isto~. temos uma probabilid
( fiducial de 95% de que o verdadeiro valor de Y3 estej trastes entre duas mdias apenas ou outros sugeridos pe-
entre esses limites. los tratamentos, e no pelos valores de suas mdias, co-
( O mtodo de Scheff pode ser usado para qualquer mo esse Yo. . . .
( po de contraste e tambm se aplica quando o nmero de Quanto ao teste ~. p?der~a se: apl~cado a trs con-
peties no o mesmo para todos os tratamentos. Mas trastes ortogpnais escolh~dos prev~arnente, por exemplo:
( mtodos de Tukey e de Duncan, no caso da comparao
( duas mdias, do resultados melhores que o de Scheff yl ml - rn2 '
devem, pois, ser preferidos. Yz ~ rn3 - m4
( Sabemos que pelo menos um contraste entre as medi
difere significativamente de zero, se o teste F (ou u y3 m1 + mz - m3 - m4
(
for significativo. Pode-se obter facilmente um contras Temos
(
(
entre mdias que ser significativo (pelo teste de Sch
f) se o teste F (ou u) tiver dado resultado significa
vo. Esse contraste
'1 = 26,0 - 39,0 ~ 13,0

(
Yo = c1m1 + c2m2 + ... +c m) ,
(
~
n n
com ci = iii - ii, onde ii a media geral estimada do s CY 1) = s = 8 '3 X 0,6325 5,25 '
( perimento, e iii (i= 1, 2, .. , n) a estimativa da
( dia do tratamento i. No exemplo em discusso ii = 595/2 -13,0
= 29,75, logo esse contraste :
t = = - 2,48 .
5,25
(
Yo = (26,0-29,75)rn 1 + (39,0-29,75)rn2 + (32,0-29,75)m
( 3 H 16 graus de liberdade para o resduo, l~go o li-
+ (22,0-29,75)rn4 mite de ~para 5% (tabela 9) 2,12, e para li. e 2,92.
(
-3,75 rn1 + 9,25 m2 + 2,25 m3- 7,75 m4 . Segue-se que o valor ~chado si~nificativo par~ 5~, o
( que indica que as raoes A e B dao resultados d1st1ntos,
Ternos para ele: por esse teste.
( Obtemos analogamente:
-3,75 ii 1 + 9,25 rn 2 + 2,25 ~3- 7,75 m4 .
( '2 = 32,0 - 22,0 = 10.0
-3,75x26,0 + 9,25x39,0 + 2,2Sx32,0 - 7,75x22,0
(
167,8 ' s(V 2 ) = s ~ = 5,25 t l '90 '
(
e, pela prova de Scheff, com s = /68,75 = 8,3, F =3,24, e ainda:
( ao nvel de 5% de probabilidade,
11 ,o
( s 8,3 I <315> ro,75) 2 +(9,25) 2 +(2,25) 2+o,75) 2 J3,24 t = 7,42 1,48 .
( 148,5
Os dois ltimos valores de ~ achados no so signi-
( A estimativa de Yo (Vo = 167,8) supera o valor S ficativos.
( 148,5 e , pois, significativa, ao nvel de 5% de pro-
babilidade, corno se esperava. Mas esse contraste exces
( sivamente complicado e, provavelmente, no tem nenhum in
( teresse. Os contrastes que mais interessam so ou con-
(
(
 (
(
50
51
(
(
4.3. UM ExEMPLO COM PARCELA PERDIDA O quadrado de 95 ~ dividido por 4 porque 95 ~ soma
de 4 parcelas apenas. Os outros quadrados so divididos
( Cons~deremos os mesmos dados do exemplo anterior, . por 5 porque cada um se refere a 5 parcelas.
mas s~ponhamos que o primeiro animal do lote que recebeu Temos ainda:
(
a raao A morreu, ou que por qualquer outro motivo a ra-
SQ Resduo SQ Total - SQT ':' 998,75 .
(
(
o A foi fornecida a quatro animais apenas. Os dados
analisar sero, pois, os da tabela abaixo, cuja
=

O nmero de graus de liberdade para o resduo e, co
da varincia dada a seguir. mo no caso anterior, obtido por diferena: 18 - 3 = 15.
( A seguir, completa-se a anlise da varincia seguin
( do a mesma marcha vista anteriormente. -
RAES A comparao entre duas mdias quaisquer pode ser
( feita pelo teste de Tukey. Se ambas tiverem 5 repeties
(
A B c D e se adotarmos o nvel de 5% de probabilidade, usaremos ,
com s = I 66,58 8,2 :
( 40 39 27
19 35 27 12 4,08
( 15,0
31 46 20 13
( 15 41 29 28
30 33 45 30 j quando uma das mdias a comparar for a que tem so 4
( repeties, utilizaremos:
( 95 195 160 llO
(
/':,I
.= 4 ' 08'v~(~
2 ~4 + l)
5
66,58 15,8 .

( As mdias, em ordem decrP.scente, s ao:

(
-
:::z 39,0 a
Causa de var1aao G.L. S.Q. Q.M.
(
F
:::3 32,0 a b
23,8 a b
~1
Tratamento 3 895,99 298,66 4,49*'~
m4 22,(} b
( Resduo 15~ 998,75 66,58
( S diferi ro significativamente, pois, pelo teste
de Tukey, ao nvel de 5% de probabilidade, a maior mdia
( Temos neste caso: da menor.
c Ex2 192 + 31 2 + ... 402 + .. + 30 2 = 18.400,00
J pelo teste de Duncan a comparao entre a maior
e a menor mdia, ambas com 5 repeties, ser testada,ao
( LX 19 + 31 + + 40 + ... + 30 = 560 , nvel de 5% de probab ilidade, perante o valor:
( 560 2
c
( 19= 16.505,26 , D4 = 3
, 25 ~ 11 ' 9

( SQ Total = Ex 2 - c = 1894,74
rs
ao passo que a comparaao entre a ma1or (39,0) e a pe-:-
( 95 2
195 2 + 160 2 + uo2 ' n~ tima (23 ,8), uma com 5 e outra com 4 repeties, ser a
SQT --+ - c 895,99 testada por:
( 4 5
(
.(
...,.....
r= ~~:;.
,.~ ;
,_~ m;
.,._;;;;;;;::=-""M.,.
__;~
.. ~.===~--~7~~~~-- -.~-- .
--"'t~ ~"'ffl4.'"=""Joo ..,.:; :..,::_-""';~r~,. _.. .. !~:T:~~r..:.~ ..:. :eo>.-.. ~,,_,~~~

(
(
52 53
(
ver funda~ent o em moti~os b.ol gicos estra nhos
aos resul
( 12,2 . tados
~ d obt1d os no exper 1men to o teste te perfe 1t
val1 o, e a conc - '
_ lusao indic ada por ele deve amen te-
( preva 1 ecer
Por este teste , h, pois, difer ena sign ifica sobre as que sao dadas por outro s teste s. Ali
tiva ao nl- s, 0 teste
( vel de 5% de prob abili dade entre essas medi de Dunc an ~eu, no caso em ques to, resul tado
as. o resu l- conc ordan te
tado final das comp ara es pelo teste de Dunc com forne c1do pelo teste t.
( an est re-
sumid o a segu ir, pela conve no j conh ecida
( .
( 39,0 32,0 23,8 22,0 4.4. UM ENsAIO DE ALINENTAo DE lEITo As
a ab b h
~
( _Daremos como exem plo um expe rimen to reali zado
pelos
tecn1 cos Manoe~ B~cke:, Luis Paul in Neto ,
( Gera ldo Leme
Para comp arar, por exem plo, os trs trata ment os de da Roch a e BenJa mln C1nt ra. Dois trata ment os
foram estu -
( maio r medi a com o de meno r medi a, o teste de Sche ffe e da~os (feno de alfaf a e feno de
quic uio), aplic ados a 8
indic ado. Ele se aplic ar ao cont raste le1to as Duro c Jerse y, bem homo gnea s. A 4
( delas e lh.
( y = ml + mz + m3 - 3m 4
das po:: sorte io, foi forne cida a rao com
f a, e as 4 -tres tante s ~ a rao com feno de
feno, des~~ fa~
quicu io. Os
ganho s ~e peso no per1o do expe rimen tal (3
( e obter emos , ao nive l de 5% de prob abili dade , mese s) so da-
dos aba1x o.
(
(
s = 8,2 vr 3 (~ + 1 + 1 + --)
4 5
9
3,29 = 40,3
5 5
Feno de a lfafa Feno de qui cuio
( Como
67,5 kg 65,0 kg
( y = 23,8 + 39,0 + 32,0 - 3(22 ,0) = 25,2 ' 70,5 ke; 58,5 kcr
( v-se que o cont raste no e sign ifica tivo
ao nive l de
76,0
67,5
kg
kg
65,0 k;,
( 5%. 64,0 kp:
Se esco lhido de antem o, podem os testa r pelo
( teste Hedia s 70,4 kg
t o cont raste entre os trata ment os 63 'l kg
A e B, por exem plo.
( Temos:
( ? =- ml + mz = -23,8 + 39,0 15,2 , A anl ise da vari nca , que nao
- apres enta difi~ulda
des, cond uziu aos resul tado s segu intes .
(
(
s (Y) = 8, 2 V};; + j = 5, 50 ,
Causa de varia o G.L. S.Q.
( 15,2 Q.M. F
t = 5,50 2,76 .
( Raes 1 105' 13
Com 15 graus de liber dade , o limit e de t para 105 '13 9,70*
5% Resd uo ou erro 6 77,37 12,90
( 2,13 e para 1% e de 2,95. Logo ,o cont raste
e si~nifica
(
tivo ao nve l de 5% pelo teste t, ao passo Tota l
que nao o era 7 182,5 0
pelo teste de Tuke y. Mas se a comp ara o tiver
( sido es-
colhi da "a prio ri", antes de exam inar os dado
s, ou se ti
(
(
 (
( 54 55
(
A significao do teste F, ao nvel de 5% de proba- JOHN, P.~.M., 1971. Stastical Design and Analysis
( a of
bilidade, indica que uma diferena entre medias como fxFerLments. Macmllan, Nova York.
( que foi obtida ou maior, se poderia obter por acaso em KRAMER, Clyde Young, 1956. Extension of Multple R
(
menos de Si. dos casos. Em outras palavras, se concluir- T~sts to.Group.Means with Unequal Numbers of Repl~~!~
mos que o feno de alfafa realmente melhor, teremos t~ons. B1ometr1cs 12: 307-310.
( mais de 95% de probabilidade de estarmos fazendo uma PIMEN~E~ GOMES, F., 1978. Iniciao Estatstica, 6~
afirmao correta. ed~ao, Livraria Nobel, S. Paulo.
( Num caso como este, em que comparamos apenas duas 1967.
para trata _ W.G. COCHRAN,
SNEDECOR, Geoarge W._e Statist:ical
( medias e temos' pois, um s grau de liberdade Methods, 6. ediao. Iowa State College Press,
Iowa. Ames,
mentos, os testes F, t, de Tukey, de Scheffe e de Duncan
( so todos exatamente equivalentes, de sorte que e intil
( aplicar qualquer outro alem do teste F, j utilizado.
As medias obtidas so:
( Feno de alfafa: 70,4 kg '
( Feno de quicuio: 63,1 kg ,
cada uma delas com erro padro
(

( 1,80 kg.
(
( Note-se que este ensaio nao obedeceu s normas que
demos atrs sobre os mnimos de 20 parcelas e de lO
( graus de liberdade para o resduo. No entanto, conduziu
( a resultado razovel, graas principalmente ao baixo coe
ficiente de variao (5,4%). Seria muito melhor, sem ne=
( nhuma dvida, se contasse com os mnimos indicados, pois
( ento seriam mais precisos os resultados. No entanto, o
experimento, embora do tipo mais simples e com poucos
( animais, atingiu plenamente o fim em mira.
(
( 4.5, BIBLIOGRAFIA
(
BRIEGER, F.G., 1946. Limites Unilaterais e Bilaterais
( na Analise Estatstica. Bragantia 6: 479-545.
( COCHRAN, William G. e GertrudeM. Cox, 1957. Experimen-
tal Designs, 2~ edio. John Wiley, Nova York.
( DUNCAN, David B., 1955. Multiple Range and Multiple F
c l' Tests. Biometrics 11: l-42.
FEDERER, Walter T., 1955. Experimental Design. Hacmillan,
( I Nova York.
(
I
I
(
(
t.
l,..
,;
..
::;
 _:;;:,..,_ - --~~

(
( 57
( 5 EXPERUfliTOS EM BLOCf.E rASUA.LIZAim
I

( c A D B
F E
( 5,1. GENERALIDADES
po ls 0 essenci al nao e a disposi o topogr fica, mas s1m
. .
( homogen e1dade dessas parcela s dentro do bloco. Nas en-
Os blocos ao acaso ou blocos casuali zados consti a
costas, onde a fertilid ade geralme nte decresc e segu1n . d
( tuem talvez o tipo mais importa nte de delinea mento. o
as linhas de maior declive , as parcela s de cada bloco,
control e local aqui represe ntado pelos blocos, cada
( em geral, seguem uma mesma curva de nvel.
dos quais inclui todos os tratame ntos. Para que o
(
(
l rimento seja eficien te, dever cada bloco ser to
me quanto possve l, mas os blocos podero diferir
tante uns dos outros. Por exemplo , se nos interes sa es 5'2' LM ExEJVPLO
(
(
I
\t
tudar a aduba o dos canavia is de uma usina de acar
colherem os para cada bloco um terreno bem uniform e,
poderem os espalha r os blocos por toda a proprie dade,
Num experim ento de competi o de varieda des de ba~a
tinha, feito pelo Eng9-Ag r9 Oscar A. Garay e~ Balc~rce,
~
Argenti na, em blocos c asualiz ados, as produo es obt1das ,
( tendo, assim, conclus es validas para toda a rea culti '
vada, e no apenas para um determi nado local. em t/ha, foram as seguint es.
(
Nos experim entos zootcn icos cada bloco ser
( tudo de animais de caracte rstica s semelha ntes.
exemplo , se estudarm os raes, para gado leiteir o, pod
( 19 29 39 49 Totais de
mos pr no mesmo bloco animais de idades, po cas de par Varieda des
o e produ es de leite semelh antes. E para termc s con-' bloco bloco bloco bloco Varieda des
(
cluses gerais podemos pr num bloco as melhore s vdcas,
( noutro as piores e noutros ainda vacas de produ o inter Kennebe c 9,2 13,4 11 ,o 9,2 42 8 .:
. '
medir ia. Huinkul 21,1 27,0 26,4 25', 7 100,2
( - S. Rafaela
Dentro de cada bloco os tratame ntos sao 22,6 29,9 24,2 25,1 101,8
( Buena Vista 15,4 11 ' 9 10,1 12, 3 49,7
s parcela s inteiram ente ao acaso. Num expe.rim ento com B 25-50 E 12,7 18,0 18,2 17,1 66,0
( 6 tratame ntos (varied ades A, B, C, D, E, F, por exemplo )
e 4 repeti es, poderam os ter o plano seguint e: B 1-52 20,0 21,1 20,0 28,0 89,1
( B 116-51 23,1 24,2 26,4 16,3 90,0
19 bloco: CADB FE B 72-53 A 18,0 24,6 24,0 24,6 91,2
(
29 bloco: EBDA FC
( 39 bloco: A F B C E D Totais de
142,1 170,1 160,3 158,3 630,8
49 bloco: FEAB DC Blocos
(
Mas as parcela s, no campo, nao precisam estar
( linha. Poderia m ficar num grupo compac to, como usual
( em terreno s planos, nos quais, em geral, no se sabe
Temos agora:
que direo varia a fertilid ade. O 19 bloco
( pois, ter a seguint e disposi o: Ex 2 (9,2) 2 + (21,1)~ 2 + .. + (13,4) 2 + + (24,6) 2
( c A D 13.584, 36 '
( B F E
c LX= 9,2 + 21,1 + .. + 13,4 + ... + 24,6 =630,8 ,
( ou esta, se julgada conven iente:
(
 .. nu r ... . ..!'!'

(
58
(
59
( ( 6JO 8) :'
c ~ ~--~~ = 12.4: 34,65 tO dl' b\oCO !;, JL' SOrte que em geral . nem
e prec iso calcu -
( "32 lar 0 quad rado mdio e o valo r de F respe tivo.
SQ Tota l ~x2 - C = 1.149 ,71 o valor de F para trata ment os :
(
1 131,3 9
( SQT [ (42,8 )2 + (100 ,2)2 + .. (91,2 ) 2 J -c F = = 15,J7 **
4
( 8,55
919,7 2 '
para o nve l de 1% de prob abili dade , o valo
( e, sendo SQB a Soma de Quad rados para Bloco r da tabe la
de limit es unila ter-a is de F (tabe la 2) com
( l da:
s, temos ain- ;
de liber dade 3,64 . Logo o valo r obtid o (15,3
7 e 21 graus

I
7) s~g
1 nific ativo ao nve l de 1% de prob abili dade
( , o que se in-
SQB I (142, 1) 2 + . + (158 ,3) 2] -c dlca com dois aster isco s.
8
( . Note -se que o efeit o dos trata ment os intei
50,53 . rament~
ipdep.e nden te de ser ou no sigm ficat ivo o
efeit o de blo
(
(
lI r a:
Final ment e, a Soma de Quad rados para o Resd
uo se-
cos .
~-~~ Para comp arar as mdi as de trata
ment os entre s~ po-
demos usar o teste de Tuke y. Preci samo s proc
( SQR = 1.149 ,71 - 919, 72- urar o valo r
50~53
= 179,4 6 . de q (tabe las 10 e ll) com n = 8 trata ment
os e n' 21
( Temo s, pois , a segu inte anal ise de vari ncia _grau s de liber dade para o rE:sd uo. A tabe
la lO da q
( \ . = 4,77 para n = 8, n' = W = q ~ 4,68 para n = 8, n'
O valo r desej ado -pode ser obtid o por inter
pola o
( Causa de varia ao G.L. harm nica , que se faz toman do por base as
S.Q. Q.M. recp rocas dos
F
( de graus de l.ber dade . Ternos, pois , para x l
Bloco s 3
= 20
( 50,53 16,84 1,97 o valo r q = 4,77 e para x 1
Trata ment os 7 15,3 7 ,.,., q = 4,68. Como
919 '72 131,3 9
( Resd uo 21 179,4 6 8,55
' l l 1
( : ::, _J; 31 1.149 , 7l 20 24 120
(
entao uma var1a ao de l/120 nos deu uma dimin uio
( de 4,77 - 4,68 = 0,09 no valo r de q. Por outro
lado:
( O nme ro de graus de liber dade para trata ment l 1
os e
8- l = 7, e para bloco s 4- 1 = 3. Como
( ao todo temos 20 21
32 - 1 = 31 graus de liber dade , resta m 21 420
para o res-
( duo. logo, fazem os a regra de tris:
O valo r de F para bloco s e
c 16,84 .l
( F 1,97 0,09 ,
120
( 8,55
com 3 e 21 graus de liber dade . O resul tado 1
obtid o (1,97 )
( no sign ifica tivo, pois no ating e o limit y
e de 5% , de 420
prob abili dade (3,07 ). Raram ente inter essa
{ testa r o efei-
(0,09 ) L l 120
( I y
420 120 (0,09 ) 420 0,026 :: 0,03
I
'i
 (
( 60
( 61
Segue-se que o valor de q correspondente
( mentes e 21 graus de liberdade para o resfduo (-
;' O resultado final das comparaoes e dado a seguir:
= 4,77- 0,03 = 4,74.
( 25,5 25,1 22,8 22,5 22,3 16,5 12,4 10,7
A interpolao linear, mais fcil mas menos
( lhvel, neste caso d q = 4,75, valor pr~ticamente
(
ao obtido acima. ou
Temos, pois, para o nvel de 5%,
25,5 25,1 22,8 22,5 22,3 16,5 12,4 10,7
(
2,92 a a a a a b bc c
(
D. = 4,74 6,92 ,
;-;;- H, pois, um grupo de variedades de alta produo
( (S. Rafaela, Huinkul, B 72-53 A, B 116-51, B 1-52), que
pois o desvio padro residual e s = 18,55 = 2,92.
( As medias de tratamentos, em ordem decrescente,so. se destacam nitidamente das demais, do ponto de vista es
1. S. Rafaela 25,5 t/ha tatstco.
( Para compara:: grupos de tratamentos, pode-se usar
2. Huinkul 25,1 t/ha
( 3. B 72-53 A 22,8 t/ha o tes~e de Scheffe~ de maneira inteiramente anloga ao
4. B 116-51 22,5 t/ha que flzem~s.no capltulo anterior. Por exemplo, para com-
( parar a med~a das duas variedades de maior produo (S.
S. B 1-52 22,3 t/ha
( 6. B 25-50 E 16,5 t/ha Rafaela, Hulnkul) com a mdia das 3 seguintes (B 72-53
7. Buena Vista 12,4 t/ha A, B 116-51, B 1-52), usarfamos o contraste
(
8. Kennebec 10,7 t/ha Y =
3 m1 + 3 m2 - 2 m3 - 2 m4 - 2 ms ,
( Qualquer diferena, entre duas dessas medias,
rior a 6,92, significativa ao nvel de 5%. Logo o para o qual, se tomarmos o nfvel de 5% de probabilidade,
( teremos:
riedade S. Rafaela no difere significativamente das
( tro que lhe seguem, mas supera todas as demais s = 2,92 I (7/4)(9 + 9 + 4 + 4 + 4) 2,49 33,39 .
des, de B 25-50 E em diante.
( Como
Se usssemos o teste de Duncan, terfamos, ao
( de 5% de probabilidade: y = 3(25,5 + 25,1) - 2 (22,8 + 22,5 + 22,3) =16,6
( D 2 = 2,94 4,29 , vemos que este contraste no significativo ao nvel
de 5% pelo teste de Scheff.
(
(
(
3,09 4,51 , 5.3 I UTRO ExEMPLO
( Numa pesquisa sobre o efeito do leo de milho no
e ainda te?r de colesterol do sangue, o medico Dr. Ben Hur C.
(
D4 = 4,64, Ds = 4,74,
D6 = 4,81, PalVa obt:v~ os~dados da tabela 5.3.1, de 7 pacientes.
( A anallse e feita tomando-se os pacientes como blo-
Agora a diferena entre a media de produo da _cos. Os resultados obtidos so dados a seguir.
( riedade B 25-50 E e a da variedade Kennebec, igual
( 5,8 t/ha; se torna significativa de 5% de probabilidade
pois excede o valor D3 = 4,51.

(
(
(
( 62
63
( Tabela 5.3.1. Teor de coleste rol no sangue, em mg
( 100 g. mfnmo 20 parcela s e exignc
~
ia de pelo menos lO graus
de liberda de para o res~duo. No entant~, uma vez que ~
( resultad o foi signifi~ativo, _ a con.clus ao permane ce de pe,
semque _p.e_I1hl!ma. obj.eao .. possa .ser . levanta da _contra _ela._
( Antes da Depois da
dieta de dieta de Totais 5;:- porm, o resulta do no fosse signifi cativo, entao p~
( de deramo s admitir que tal fato decorre sse da escassa pre-
leo de leo de ciio do ensaio, o que poderia ser corrigi do pela inclu-
( milho milho blocos
so de mais alguns pacient es, isto , pelo aumento do n
c t 19 pacient e 270 175 445
mero de repeti es.
SNEDECOR e COCHRAN (1979) discute m longame nte casos
( 29 pacient e 410 308 718 como este, de ensaio em blocos casuali zados com apenas
(
(
'
.~
~
ll
39
49
59
69
pacient e
pacient e
pacient e
pacient e
350
360
350
430
248
231
196
190
598
591
546
dois tratame ntos, frequen temente mencion ados na biblio -
grafia como "dados emparel hados". Parece- nos prefer vel,
,porm, aplicar -lhes o mtodo g:ral da anlise ~os en-
( I 79 pacient e 268 252
620
520
saios em blocos ao acaso. Convem observa r, porem,
com dois tratame ntos por bloco a analise da varinc ia e
que,
/
\ os testes t e F so perfeita mente validos mesmo que cada
( I Totais de
tratame ntos 2438 1600 4038 tratame nto tenha uma varinc ia diferen te, o que contra-
riaria a hiptes e c da seo 2.3. Em ~utras palavra s,
(
I
I
se antes da di e ta a varinc ia fosse a 2 , e depois da die-
ta a~,_o Quadra~o Mdio do Resd~~ e~Lmaria (uy+a~)/ ~
(
\._ isto e, a media das duas var~anc~as. O teste F api~
( ! cado nesta seo conti.nu a valido e eorresp onderia exat~
Analise da - .
\'ar~anc~a mente a o teste t aplicad o ao contras te de tratame ntos
(
Y = m1 - m2. S no seriam vlidos os erros padre s
( Causa de
variaa-o G.L. S.Q. Q.H. das mdias e.s timadas (18 ,2 mg), pois na verdade seriam
F
( diferen tes, para as duas medias, e no sabemos quanto
valem, pois conhece mos apenas uma estimat iva (2311 mg 2 )
Blocos
(
Tratame ntos
6
1
22.000
50.160 50.160 21 70*''<
I
da mdia das duas estima tiv as f e ~. Has correto
erro padro da estimat iva do contras te entre as duas me-
o
( Resduo 6 13.863 2.311 dias (25,7 mg), que o que mais interes sa.
(
(
( H, pois, efeito signifi cativo da dieta sobre
5, 4. UM ExEf'IPLO COM PARCELA PERDIDA
o
teor de coleste rol no sangue. As mdias so as seguint es: Suponha mos agora que no experim ento do exemplo 5.2
( Antes da dieta: 348,3 + 18,2 mg , . tenha sido perdida a parcela com a varieda de Kennebe c
( Depois da dieta: 228,6 +18,2 mg
A diferen a para menos ll9, 7 + . 2"5", 7 mg. O inter-
no 19 bloco (9,2). A anlise pode ser feita ento median
( te a estimat iva de um valor que substit uir o que deve=
valo de confian a para esta diferen a, ao nfvel de 95% ria ser obtido nessa parcela . Esta estimat iva de maneira
( de probab ilidade , tem extremo s 56,7 mg e 182,7 mg. alguma represe nta o valor que seria obtido, pois ningum
Note-se que, neste caso, no foram atendid as as re- pode saber qual fosse, mas ~apenas um artiffc io de cl-
( comenda es gerais dadas em 3.10, relativ as ao uso de no culo que conduz ao mesmo resultad o a que se chega-
(
(

c 64 65
( ria, por .proc esso s muit o mais com plex
os, tJo caso 'tJr"~
~~~nt< ublvm u<;

( apen as os dado s real men te obti dos.

No caso de um expe rime nto em bloc os u = 7 (8,5 - 132, 9)2 = 96,4 7
( valo r de y que repr esen tar a parc ela
ao acas o, 8 7
perd ida ser
( logo a verd adei ra sorna de quad rado s para trata men tos se-
rB +n T-G ria 932 45- 96,4 7 = 835, 98 .
y =
(
(r-- l)(n - 1) o q~adrado md io para trata men tos ser 835,
98/7
( 119, 43 e obte mos enfim
onde B i o tota l das parc elas rest ante
s no bloc o em
( figu ra a parc ela perd ida, r o nme 119, 43
nume ro de trata men tos, T o tota l
ro de bloc os, n F = = 13,3 3**
( do trata men to de 8,96
cela perd ida nos outr os bloc os e G
o tota l das Essa corr eao em gera l infl ui pouc o,
( las disp onv eis. No caso pres ente temo de sort e
s B q~e
T = 33,6 , G = 621, 6, r = 4, n = muit as veze s se disp ensa . Por outr o
( 8, logo lado , como semp re re
duz o Quad rado Hdi o para Trat ame ntos
, se este j for p..;_
( quen o, no sign ifica tiva men te ~aior
4(13 2,9) + 8(33 ,6) - 621, 6 do qu~ o quadra~o_rn~
dio resi dua l, sabe -se de antem ao que
y
8,5 . depo~s de corr~g~do
( =
tambm no pode r supe r-lo sign if cati
3 )( 7 vam ente
( O test e t pode r ser usad o, com os cuid .
Este valo r i subs titu do no luga r do ados j v~s
dado perd i tos ante riorm ente e aind a 'leva ndo- se
( e a anl ise feit a como ante rior men em cont a que ao com
te, com a nic a para r a md ia do trata men to com par~
fere na de que se perd e um grau de ela perd ida com ou-
( libe rdad e para o tro trata men to qual quer o erro padr ao
\ sdu o. Obte mos, pois , a segu inte anl da estim ativ a da
L ise da - dife ren a Y entr e essa s duas md ias
( I
!

( n
\ r(r- 1) (n-1 )
( Caus a de vari aao C. L. S.Q. Q.H. F
( send o, pois , um pouc o maio r que o erro
Bloc os padr o da dife -
3 53,3 1 ren a entr e as med ias de dois trata men
( Trat ame ntos tos sem parc ela
7 932, 45 133 '21 perd ida, que e
Res duo 20 179, 15
( 8,96
( Tota l 30 1.16 4,91
sC?) = s ~ .

( As nova s md ias de trata men tos sao as

mesmas dada s
ante s, com exce o apen as da refe rent
e vari edad e Ken-
c Cumpre sali enta r, por m, que na lti
nebe c, cuja md ia ser agor a
( ma anl ise
quad rado mdi o rela tivo ao res duo 33,6 + 8,5
est corr etam ente e fi) = 10,5 t/ha .
( tima do, mas o que corr espo nde a trata
men tos est lige i 4
rame nte exag erad o. Para corr ig- lo,
( bast a sub trai r da so Para com para ao dest a med ia com a da
ma dos quad rado s para trata men tos o vari edad e B 25
nme ro U dado pel -50 E, por exem plo, como s = ~
( form ula = 2,99 , ter{a mos :
c u n - l
(y -
( n

(
 .
,S:...-iiliiiliiiiiem;;:i.=--=!~!"""',_~~......- -'tl!'tl"'-')-~_.._.,..,,.,..,.~,~~-"".,......,.,..,........-,......._~~"'."'"J~"'"..:"",.,.;:":''-W..-:'~~'ot ..,~..~-;~-~,_~""'."'::. : ,~::..::~~ -~. '' '' "'""''"''"' .... ------ - - - - - - - - - - - - -- -- - - - - -

.I
~.,...... ..

~
66
c t 67
( l 16,5- 10,5
! t 2,60* VC?) 2 ~ sZ + 4 I 1 + n 2
(
2, 99 v'---42 + 8 r r r(r-1) (n-1) I s
( 4.3.7
[~ + 4n
s2.
( com 20 graus de liberdad e. r r(r-1) (n-1)
( O teste de Tukey pode ser usado ao nvel de 5% Logo, corno r = 4, n 8, s2 = 8,96, fica:
probabil idade com
79
( V(?) s 2 =79
- 8,96 = 16,85
11 4, 77 42 42
( 7,13 '
Teremos, po~s,
(
para mdias em que no houve parcela perdida, e com S /(n-1) ~ (Y) F
(
17(16,85 ) (2,49)
( . / 1 2 n
6'
( ( 4 ' 77 ) s V 2[ -;=- + r ( r-1) ( n-1) ] 17,14

(
(
(
(4,77) (2,99)

7,79 ,
v~. [ 4
2
+
8
4.3.7
onde usamos o valor de F para o nvel de 5% de probabili: _
dade. Corno
? = 16,5 + 12,4- 2 (10,5)
= 7,9
o contrast e no signific ativo, pelo teste de Scheffe,
quando urna das medias a comparar e a que teve pois est a estimati va no s upera o valor de S obtido.
( perda
urna parcela.
( O teste de Duncan pode ser aplicado de maneira ana-
lega. 5.5. 0 CASO DE DUAS PARCELAS PERDIDAS
(
O teste de Scheff pode ser usado em qualquer caso,
( levando- se em conta, porm, que, sendo ffi. a estimat i va Quando h duas ou mai s parcelas perdidas num expe-
- . ~
da rned~a do tratamen to com parcela perdida rimento em blocos casualiz ados, corno dever ser feita a
( e IDu a
tiva da mdia de outro tratamen to qualquer ternos: anlise?
( O mtodo mais simples e eficient e parec e ser o se-
guinte, explicad o por meio do exemplo de 5.2, onde supo-
( ];_ + --,-_:.n--,- 1 s2
r r (r-1) (n-1) mos perdidas urna parcela no primeiro bloco, com a varie-
( dade Kennebec (9,2), e outra no s egundo bloco, com a va-
( riedade Huinkul. Comeamos por substitu ir por incgnit as
os valores perdidos e procuram os realizar a anlise esta
( tstica com os valores conhecid os e com essas
Cov (mi , mu) = O , incgni::-
( tas. Obtemos a tabela seguinte .
onde Cov indica covarin cia. Assim, para um contrast e
(
Y = rn 6 + rn 7 - 2 rn 8 ,
( no caso presente , ternos:
( v <ffi6) + v Cm7) + 4 v cffi 8 )
( 2 v <ffi6 ) + 4 v Cm8 )
(
(
 (
68 69
(
-- - - az x - .loJ 6+x) ~( 132 ,9+x) + )2(594,
l
6+x+y)
( Variedades
19 29 39 49 X 4 ' o'
bloco bloco bloco bloco
(
1 az l l
y- 4(73,2+y) - S(l43,l+y) + )2(594,6+x+y)
l
o,
( Kennebec X l3 ,4 ll ,o 9,2 33,6+x 2 Cly
Huinkul 21,1 y 26,4 25,7 73,2+y
( S. Rafael a 22,6 29,9 de onde obtemos o sistema de equaes:
24,2 25,1 101,8
c Buena Vista
B 25-50 E
15,4
12,7
ll, 9
18,0
10,1
18,2
12,3
17,1
49,7
66,0 {
21
X
X + y
+ 21 y
=
=
205,8 ,
563,4 .
( B 1-52 20,0 21,1 20,0 28,0 89,1
B 116-51 23,1 Da tiramos x = 8,5, y = 26,4. Com estes valores
( 24,2 26,4 16,3 90,0
B 72-53 A 18,0 podemos levar a cabo a anlise da maneira usual, com os
24,6 24,0 24,6 91,2
( resultados dados a seguir.
( Totais de
132, 9+x l43,l+y 160,3 158,3 594,6+x+Y
(
blocos -
Causa de variaao G.L. S.Q. Q.M. F
( Blocos 3 51,46
( Temos agora: Variedades 7 926,10 13 2 ,30 14,04**
Resduo 19 178,93 9,42
( L:x2 = 12.770,72 + x2 + y2
' Total 29 1.156,49
( L:x 594,6 + X + y c = (594,6 + X + y)2
( 32
( SQ Total = L:x2 - c
1 Note-se que as duas parcelas pe r didas a c arretam a
( SQT 4 [ (33,6 + x)2 + (73,2 + y)2 + ... J _c , perda de dois gr aus de liberdade no resduo.
( A Soma de Quadrados para o Resduo fica corretamen-
l te estimada por este processo, mas a que corr esponde a
(
SQB 8 [ (132,9 + x) 2 + (143,1 + y)2 + ... j _c ,
tratamentos (variedades, neste caso) est ligeiramente
( Z = SQR = SQ Total - SQT- SQB exagerada. A sobrestimao resultante para o Quadrado Me
= 12.770,72 + x2 + y2
dio de Tratamentos geralmente desp'rezvel, mas, num
( 1 trabalho rigoroso, poder ser corri gida, da maneira ex-
- 4 [ (33, 6 + x) 2 + (73,2 + y)2 + ] -
( plicada a seguir.
Subs ti tuimos novamente por x e y os dados _ perdidos
( ~[ (132,9 + x)2 + (143 1 +y) 2 + ... ]+ (594,6 + e obtemos mais uma vez a soma dos quadrados para o res-
( 32 duo, agora, porm, sem levar em conta os tratamentos.
Fica:
( Na ltima igualdade s fazemos figurar os termo
que encerram as variveis x e y, pois os demais no Z = SQRC = x 2 + y 2 +
( ressam.
( . Agora
... .
procuraremos determinar x e y de maneira -~ ~ [ (l32,9+x) 7 + (l43,l+y) 2 + ... j
seJa m1.n1ma a Soma de Quadrados do Resduo (Z
( to se consegue facilmente igualando a zero as
( pardais dZ/Clx. az/ay. Fica:
(
.. .r-:~-1'!~~

(
70
( 7l
SQRC e o que se costuma chamar <I Soma d <~uadrados 4. B 116-') l 22,') t/ha
para o Residuo, ou Erro, Condicion al, ist o ~. a sorna dos 5. B 1-52
( 22,3 t/ha
quadrados para o resduo quando os tratament os so des- 6. B 25-50 E 16,5 t/ha
( prezados. A seguir igualamos a zero as derivadas par- 7. Buena Vista 12,4 t/ha
ciais az/ax e az/ay e resolvemos o si~tema de equa~e 8. Kennebec
( 10,5 t/ha
obtido. Chegamos ass1m ao sistema:
( Para os testes de comparao de medias necessitam os
l
x - 8 (132,9 + x) O , saber calcular a estimativa da varincia de um contras
te. Para isto h uma regra aproximad a de J. Taylor, ba=
( l seada no nmero efetivo de repetie s.
y - - (143,1 + y) =o ' Considerem os o contraste Y = m - lllu entre as m-
( 8
dias dos tratamento s i eu e seja n 1 o nmero de tratamen
de onde tiramos logo x = 19,0 e y = 20,4. Com estes tos. Tomamos como igual a um o nmero efetivo de repeti=
(
lores podemos agora calcular SQRC. Conse guimos: oes do tratamento i para cada bloco em que i e u ocor-
( ram; esse nmero ser igual a (n-2)/(n-1 ) para c ada bloco
SQRC = SQ Total- SQB = 977, 78 .
( em que o tratamento i aparece, mas u no aparece; final-
Mas SQRC inclui a Soma de Quadrados para Tratamen- mente o nmero efetivo de repeti~es ser zero quando i
( tos, que agora pode ser obti~a por subtrao: no aparece no bloco. Para o tratamento u se gue-se a me~
( SQT SQRC - SQR ma regra.
Por exemplo, para comparar a variedade 2 (Huinkul)
( 977' 78 178,93 com a variedade 6 (B 25-50 E), temos para a primeira
( 798,85 r1 = 3 repeties efetivas, e para a segunda r 2 = 3 +6 /7 =
= 27 / 7 repeties efetivas. Logo
( Este e o verdadeiro val o r da soma de quadrados
tratamento s. o quadrado medi a correspond ente e: 16
( (9,42)
27
798,85
( QMT 114' 12 '
7 Essa regra se aplica a qualquer caso de parcelas
( perdidas, com boa aproxima o.
logo
( No caso do teste de Tukey, por exemplo, teramos,
114' 12 para o nvel de 5% de probabilid ade:
c F 12,11** .
c
(
9,42
Note-se que este valor de F inferior ao obtido an
teriormen te, sem esta correao de que estamos tratando.
q / \t(Y)

( O mtodo que acaba de ser descrito bem geral e p~ 4,79 I o/2 ) (16/ 2 7) 9,42
de ser usado quando h trs ou mais parcelas per9idas,
( e ainda para delineame ntos mais complicado s do que os os 8,00
( blocos casualizad os. Como
As medias de tratamento s sao as seguintes:
(
l. S. Rafaela 25,5 t/ha
( 24,9
2. Huinkul 24,9 t/ha 16,5
( 3. B 72-53 A 12,8 t/ha 8,4 .
j
I
I verifica-s e que o contraste em estudo e significat ivo.
I

( I
 72 I
(
73
( 5.6. UTROS TIPOS DE ENSAIOS EM BLOCOS CAsUALIZADOS numa ordem obtida por sorteio, como, por exemplo, uma
( O delineame nto que acabamos de estudar neste cap daS segu i.ntes: AB Bfl, ABAB, AABB, e te.
( tulo se denominar ia com mais propriedad e delineame nto em , A anlise segue normas inteiramen te anlogas as que
blocos completos casualizad os, porque se fazem ensaios, ,
se usam para os blocos casualizad os, como veremos a se-
( guir.
mais complexos , em que se organizam blocos, mas c~da
deles no inclui todos os tratamento s: temos entao No ensaio acima referido, os dados de produo de
( os
blocos incomplet os casualizad os, dos quais alguns tipos milho, em kg por parcela de 200 m2 , foram os indicados
(' abaixo.
so discutido s nos captulos 10 e 11. Por outro lado, '.,
( h casos, raros, em que cada bloco inclui todos os trata-
mentos duas ou mais vezes. Podemos ter, por exemplo,
( Totais
experimen to com 3 tratamento s, blocos de 6 parcelas, c Aradura Aradura
( duas repeties de cada tratamento em cada bloco. O de- , profunda normal de
lineamento assim obtido tem a vantagem de, com o blocos
( nmero de parcelas, trazer maior nmero de graus
herdade para o resduo. 19 bl oco 5,5 7,0 6,0 6,8 25,3
(
29 bloco 6,8 6,2 5,2 5,9 24,1
Um exemplo interessa nte, de ensaio em blocos casua-
( 39 bloco 4,6 6,0 4,4 4,7
lizados com duas repeties por bloco, e dado por um ex- ' 19,7
perimento do Eng9-Agr9 Duvilio Omet:o, com dois 49 bloco 6,4 6,8 7,2 5,6 26,0
( trata-
mentos Caradura profunda e aradura superfici al), com 59 bloco 7,7 8,8 7,1 6,4 30,0
( repetie s. Se o experimen to fosse em blocos 69 bloco 6,2 5,8 7,6 4,5 24,1
completos
( casualzad os do tipo usual (com uma repetio poY blo-
co), o nmero de graus de liberdade do resduo seria ll.
( Como, porem, se fizeram apenas 6 b locas, , c a da um Temos:
com
( duas repetie s para cada tratamento , o esquema de anli
se da varincia passa a ser o seguinte. l:x 149,2 , l: x2 = 955,22
(
(149 ,2) 2
( c = 927,53
Causa de variaao G.L. 24
(
Blocos SQ Total= 955,22- 927,53 = 27,69
( 5
Tratamento s
( Resduo
1
17
SQT ~2 [ ( 77 , 8) 2 + ( 71,4) 2 ] - C 1, 70 '
(
(
Total 23 SQB i-t (25,3) 2
+ ... + (24,1) 2 ] -c= 13,92
(
Obtemos, pois, a anlise de varincia dada a se-
( Ganhamos, pois, 6 graus guir, onde no foi significa-tivo o efeito de tratamen-
d~
~

liberdade para o res~-

tos.
( duo.
Designand o-se por A e B os dois tratament os, cada
( bloco incluir o A duas vezes e o B tambm duas vezes,
(
(
(
 ~ .sws ..
t
(
( 74
( 75

( Causa de varia ao -c. L. S.Q. produ o de c ana-p lanta dl um e nsaio de varie dades
Q.M. F de c a
na f e ito pela C o operat~a dos Usine iros do Oeste
( do Est~
Bloco s 5 13,92 do de S~o Pau lo.
( Trata mento s 1 1,70 l., 70 2,39
Resd uo 17 12,07 o, 71
(
Varie dades 19 29 39 49 Totai s de
( Total 23 27,69 bloco bloco bloco bloco varie dades
(
Co 413 88 '7 i09 '7 90,7 99,7
( 388,8
Co 419 123 '9 151,7 131 '9 114,5
(
5.7. O CAso DE l)1 BLoco ou TRAr PMENTo Pm mo CB 41-76 115 ,4 116,4 152,7 142,5
522,0
527 ,o
CB 36-24 122,2 141 '6 165 '7 162,7
( Uma das vanta gens dos ensai os em bloco s 592,2
CB 40-19 137,5 126 '7
dos e que a perda total de um ou mais bloco s 162,0 114,5 540,7
( mais tratam entos em nada dific ulta a anli se estat
CB 41-70 111 '7 159 ,o 120,0 107,5 498,2
stic a, CB 41-6 137,9 148,2 150,0 122,5 558,6
( Se, por exem plo, no ensai o de 5.2, fosse perdi
do o 19
bloco , resta riam os outro s trs, e ter,a rnos, pois, Totai s de
( um en
saio em bloco s casua lizad os com 8 tratam entos bloco s 837,3 9 53,3 973,0 863,9 3627, 5
e 3 repe-
( tie s. Analo game nte, perdi das todas as parce las
de 3
varie dades , por exemp lo, resta riam as demai s em
( um
sa~o com 5 trat ament os e 4 repet ies
, em bloco s ao
( so.
(5.8.5 ) Num ens a io de cornpeti~o de varie dades
de
( mand ioca, m bloco s ao acaso , realiz ado pelo
Insti tuto
de Pesqu isas Agron mica s do Lest e (atua l Centr
( 5,8. ExERCCIOS o Nacio nal
de Pe squis a de rland o ca e Fruti cultu ra, da El:1BRA
PA) , em
( Cruz das Almas , BA, as produ es foram as se guint
(5.8. 1) Numa horta temos 6 cante iros comp ridos, es, em
ca t/ha.
( da um dos quais comp orta 5 parce las. Plane jar
detal hada=
mente um exper iment o, a ser feito nesse s cante
c 5 tratam entos e 6 repet ies , nos segui ntes casos
iros, com
: a) Vari edade s 19 bloco 29 bloco 39 bloco 49 bloco
( Inteir amen te casua lizad o; b) Em bloco s casua lizad
os.
(5.8.2 ) O mesmo exerc cio anter ior, supon do-se Aipim bravo
( que 14,5 15 ,8 24,0 17~0
temos s 4 tratam entos . Hi 1agro sa
(5.8. 3) Uma fazen da disp e de terra s de dois 5 '7 5,9 10,5 6,6
( tipos Sutin ga 5, 3 7,7
disti ntos, embor a semel hante s (de lomba da e de 10,2 9,6
( enco sta). Salan g Preta 4,6 7 '1 10,4
o fazen deiro desej a fazer um exper iment o com 8 frmu las Ham~o
10,8
de aduba~o e 6 repet ies . Para obter resul tados 14 '8 12,6 18,8 16,0
( bem Escon dida 8,2 8,2
gerai s, que delin eame nto dever utiliz ar? Se 12,7 17 '5
( usou blo-
cos casua lizad os, como ser prefe rvel , corno dever
dis-
( por os bloco s? Note- se que convi r repet ir o ensai
o pelo . Fazer a anlis <:' da v ar :i nci a L' a comparcu;ao da
menos em dois anos agrc olas. s me-
( (5.8.4 ) Anal isar os dados segui ntes, refer entes di as. Obtt>r ntl' rvalo cle c onfia na para a difer
a ena en-
tr.e as varie dades Mam~o e Escon dida.
(

.(
.,
 (
( 76
6. EXPERIMENTOS EM QUADRADOS LATINOS
(
5,9, BIBLIOGRAFIA
(
ANDERSON, R.L. e T.A. Brancroft, 1952.
'6,1. GENERALIDADES
(
Theory in Researc~. McGraw-Hill, Nova York . . Nos quadrados latinos os blocos sao organizados de
( CALZADA BENZA, Jos, 1964. Mtodos Estadsticos para duas maneiras diferentes, uns constituindo as linhas, ou
( Investigacin. Lima. tros as colunas.
CARVALHO, M:J. Rodrigues, 1946. A Estatstica na Suponhamos, por exemplo, que queremos experimentar
( rimentao AgrcoTa. Liv. S da Costa, Lisboa. 5 raes (A, B, C, D, E) em 5 vacas e com 5 capins dis-
( COCHRAN, Wil1iam G. e Gertrude M. Cox, 1957. Ex:per1".me!nt:a1 tintos usados para pastagens. Evidentemente aconselh-
Designs, 2';i edio. John Wi1ey, Nova York. vel um delineamento em que cada rao seja experimentada
( DAGNELIE, P., 1975. Thorie et Mthodes Statistiques, em cada uma das vacas e com cada um dos capins. Um tal
( vol. 2. Presses Agronomiques de Gembloux. delineamento, que um quadrado latino de 5 x 5, poder
FEDERER, Walter, T., 1955. Experimental Design. ter o esquema seguinte.
( lan, Nova York.
( JOHN, P.W.M., 1971. Statistical Design and Analysis
Experiments. Macmi llan, Nova York. . Vaca l Vaca 2 Vaca 3 Vaca 4 Vaca 5
( KEMPTHORNE, O., 1952. The Design and Analysis of Ex:peri-
ments. John Wiley, Nova York. Capim l B E
(
MYERS, J.L., 1979. Fundamentais of Experimental Design,
D A c
Capim 2 c A B D E
( 3~ edio. Allyn and Bacon, Boston. Capim 3 D B c E A
( Capim 4 A c E B D
Capim 5 E D A c B
(
(
Este tipo de delineamento tambm e usado para eli-
( minar a heterogeneidade do solo em duas dire~es perpen-
( diculares (linhas, numa direo, colunas, na outra) e
te~os ento de levar em conta a localizao topogrfica
( das parcelas, como se v no esquema seguinte de um qua-
( drado latino de 6 x 6.
(
( Coluna Coluna Coluna Coluna Coluna Coluna
( l 2 3 4 5 6
( Linha l B F c A D E
( Linha 2 D A E c B F
Linll.i 3 A D F B E c
( Linha 4 c B D E F A
( Linha 5 E c B F A D
L~nha 6 F E A D c B
(
(

.(
(

( 78 79
(
.1\ os tratamentos sao seu; (f.., 13, C, D, F, F), dis- remos:
( tribudos de tal forma que cada tratamento aparece uma ,. 2
s vez em cada linha ou coluna.
t. X 5.792.45t ' i:x = 11763 ,
(
Os quadrados latinos constituem um bom tipo de deli
( (11763)2
neamento, mas sua flexibilidade muito menor do que a c 5.534.727'
( dos blocos casualizados. Como o nmero de repeties de- 25
ve ser igual ao nmero de tratamentos, em geral no se
( usam quadrados latinos no caso de termos mais de 8 trata l.ogo
( rnentos, pois ento o nmero de repeties serla, nao ra- SQ Total= Ex 2 -C= 257.724
ro, um tanto exagerado.
( Por outro lado, os quadrados latinos de 3 x 3 e A Sorna dos Quadrados para as Linhas e:
4 x 4 encerram to poucas parcelas que s podem ser usa-.
(
dos se o experimento incluir vrios quadrados latinos.
SQ Linhas ~I (2322) 2 + (2676)2 + .. + (2325) ZJ - C
( Os quadrados latinos mais usados so os de 5 x 5 a
8 X 8. 30.480 .
(
E para as Colunas obtemos:
(
( 6 2 IJ-.1
I I Ex8'1PLO SQ Colunas ~5 I <2654) 2 + ... + <1970) 2 J _ c

( Num experimento de competio de variedades de ca- 55.640 .

( na-de-acar foram usadas cinco variedades (A, B, C, D,
E) dispostas em um quadrado latino de 5 x 5. As produ- Para obter a S8ma de quadrados relativa a Tratamen-
( es de cana-planta, em kg por parcela, so dadas na ta- tos, c alculamos prirne.!'.ro os totais deles:
(
bela seguinte. A - Co 290 ....................... ..... 2463
B - Co 421 ....................... .... . 2204
( C - Co 419 ....................... .... . 3024
( Totais D - POJ 2878 ....................... .. . 2067
de E - CP 36-13 ....................... .. . 2005 .
( linhas
Ternos, pols,
(
(
D432
C724
A518
E473
B453
A524
c533
~550
E331
D400
2322
2676
SQT iI (2463) 2 + ... + (2005) 2 ] -c= 137.488.
( E439 B384 css6 D297 A420 2146 Podernos,ent~o, completar a analise da varlancia,
B494 D5oo E313 A486 csor 2294 que ~ dada a seguir.
( As1s c660 D433 E394 B313 2325
(
Totais
( de 2654 2540 2289 2310 1970 11763
( colunas

(
(
(
(
"\ .
~-'"I .

(
( 80
( 81
( Caus a de varia ao G.L S.Q. Q.~. F
? = 2 X 492,6 - 4}3,4
401,0 = 170,8 ,~

( logo o cont raste em ques tao nao i sig~ificat

Linha s 4 30.48 0 ivo.
Colu nas Se tivs semo s plane jado de antern ao comp arar
( 4 55.64 0 Co 290 com a POJ 2878 , por exem plo, poder amo a
Trata ment os 4 137.4 88 34.3 72 s faz -lo
( Resd uo pelo teste t, assim :
12 34.11 6 2.843
(
Tota l 24 257.7 24
t = 492,6 - 413_...!._4 = 2,35*
( 33,71
(
. Podemos agora busc ar comp arar entre si as onde 33,71 = 53,3~
( medi as de varie dade s pelo teste de Tuke y.
= h843
Corno s i o erro padr o da difer ena das duas medi as,
( = 53,3 , para o nve l de 5% ternos ambas com
5 repet ie s. O valo r de t 2,35 , obtid o acim a, sign i
( ficativo ao nve l de 57..
6 = 4,51 53,3 Uma comp ara o tambm s veze s inter essa nte
(
= 107, 5, a de
15 cada trata ment o com a mdi a gera l. Tal cont raste pode
( onde q = 4,51 o valo r da tabe la lO para ser julga do pelo teste de Sche ff. Facil ment
n = 5 e se demo ns-
trata - tra que neste caso temos
( mento s e n' = 12 graus de liber dade para o
resd uo.
as medi as de trata ment os so, em ordem decr
esce nte: S IF s (n-1 )/n
(
c - Co 419 + 604,8
a
onde n e o nme ro de trata ment os. Temo s, po1s , no caso
(

A - Co 290 ..... ..... .... 492,6 prese nte e para o nve l de 5% ,

( B - Co 421 . . . . . . . . . . . . . 440,8
D - POJ 2878 ..... ..... .. 413,4
_ 13,26 X 53,3 X 4
s - -- 5 = 76 '7 5 .
( E - CP 36-13 ...... ...... .. 401 ,o
( " vemos que a Co 419 supe ra todas as outra s Como a mdia gera l 470,5 , logo se verif ica
varie dade s, que so a va
pois a difer ena entre a medi a dela e a "rie dade Co 419 difer e dela.
( da varie dacle
prxi rna Co 290, 112,2 , valo r que supe ra
( == 107,5 .
o limit e 6. 6 3 Ourno
I I ExENPLO
O teste de Dunc an pode ser usado da mane ira Num expe rimen to de aduba o de cana
(
nhec ida. j co- Aleg re, com ferti lizan tes mine rais e adubo s da Usina Mont e
verd es, havi a
( A comp ara o entre a Co 290 e a mdi a das os trata ment os que const am da tabe la segu inte,
duas l- respe ctivo s totai s de ac ar prov vel, em kg com os
( timas varie dade s pode ria ser feita pelo teste por parc ela.
de Sche ff
cons idera ndo o cont raste
( Com Crot alri a
Y == 2 m2 ~ m4 - m5 , Sem
( Crot alri a Sem Adubo Com Adubo
para o qual tera mos
( Mine ral Mine ral

( s = 53,3 v-/_45 <4 + 1 + l) 3,26 210,8 .

Com Calc rio
Sem Ca lcri o
431,7 8 (Tl)
412,2 3 (T4)
490,1 5 (T 2 )
480, 74(T 5) .
459,8 9 (T3)
482,3 3 (T 0 )
(
No entan to
(
(
___f_
(
( 82
83
( O delineamento utilizado foi um quadrado latino Je 6 .< 6. I
( Os valores obtidos para as parcelas constam da tabela
\;:l
(.)o
6. 03. l. co
i I Ul Cll
( Ter::os: <1) ..... <d
'! <11<ll.C
"'
I

I ......
Lx 2 = :: MOOr--l.f"\0'1
( 213.718,8104 o
+-1 "'
.....
( I logo
LX 2757,12 , c 211.158,6304 <d
~
u
H ...-~
l.f"\r-~r-.l.f)l.f)
..;T..;T..;T..;T..;T..;T
l.f)
......
N

<1)
(
( I
I
SQ Total = 213.718,810 4- 211.158,6304

SQ Linhas= i[
~2560,1800

(453,47) 2 + .. + (459,66)2]- C= 146,6124,

. "'o
!CO
(.)o
<d
( .c
( I! SQ Colunas ~ [453,22) 2 + .. + (479,29)2]- c "'
;:l

<d
303,5828 , Q)
(
( 1
"'o
.u
SQT [ (413,78) 2 + .. + (482,33)2] -c 819,1283 . :: N
6 ......
( ~
.-l
..;]"

H
( Q)
0.. r-1 lfl ('.; f'. r- L{') ......
:X: 0\ N ~< CO l.f"\ lf'\
( Causa de variaao G.L. s .Q. Q)
N
Q.H. F
( r=
::l
Linhas 5 146,6124
( Colunas 5 303,5828 --
X N
Tratamentos 5 819,1283 163,83 ~
......
( 2,53 <U-.o
Resduo 20 1290,8565 64,54 .-I
Q) <ll
( U"'
H
Total 35 2560,1800 <U o
( o..::
....... .-l ......
( b.J.U ......
~ co
.--l
( O valor de F obtido nao atinge o limite de 5%, que e de s o
2,71. Mas e preciso considerar que os graus de liberdade
Q)

( para tratamentos podem e devem ser analisados com maior UJ

~
"'H
co

detalhe, isolando-se o efeito de cada causa de variao, O"'

"' co
( <U ::l
como se segue. .l O"
( I 8
Q)

(
A) Efeito do Calcrio .-I

Total dos tratamentos com calc-rio: 1381,82 (18 parce-

( las)
( Total dos tratamentos sem calcrio: 1375,30 (18 parce-
las)
(
( total geral: 2757,12 (36 parcelas)
(
(
(
(
84 85
(
SQ Calcrio= ~
8 (U8l,82) 2 + (1375,30) 2 1 -C contraste ent.re totais de tratamentos, a soma de quadra-
( I
dos correspondente e
( com um so grau de liberdade. y2
(
SQY = ------==---------
B) Efeito da Crotalria (sem considerar adubao
( neral) onde
( Total dos tratamentos com Crotalria: 1913,11 (24 par c e-
las) + c2T2 + ... +c n Tn
(
Total dos tratamentos sem Crotalria: 844,01 (12 parce- e r1, r2, rn sao os nmeros de rpetioes dos di ver-
( las) sos tratamentos. Se o nmero de repeties for r para
todos os tratamentos, teremos:
( Total geral: 2757,12 (36 parcelas)
( SQY
SQ Crotalria (l/24)(1913,11) 2 + (l/12)(844,01) 2 - c
(
r Ccf +c~+ ... +c~)
703,6876 ,
Para o caso (A), temos, pois,
( tambm com um grau de liberdade.
?1 431,78 + 490,15 + 459,89- 412,23- 480,74 - 482,33
(
C) Efeito do Adubo, dentro da Crotalria 6,52
(

c Com Crotalria, cor.. Adubo: 942,22 (12 parcelas) (6,52) 2

Com Crotalria, sem Adubo: 970,89 (12 parcelas) 1,1808 .
( 6 X 6
( Com Crotalria: 1913,11 (24 parcelas) Analogamente achamos:
( ?2 = 225,09 ,
( (942,22) 2 + (970,89) 2 (1913,11) 2 (225,09) 2
SQAd.d.Crot. 703,6876
( 12 24 (4 + l + 1 + 4 + l + l) 6
( = 34,2486 Y3 = 28,67 ,
Outro processo para obter estas somas de quadrados (28 67) 2
seria considerar os contrastes 34,2487 .
( (I + 1 + 1 + 1) 6
Yl Tl + T2 + T3 - T4 - Ts - T5
( Y2 = -2T 1 + T2 + T 3 - 2T 4 + T 5 + T5 , A Soma de Quadrados para as Interaes pode ser ob-
tida por subtrao:
( y3 = - T2 + T3 - Ts + T5
SQI = 819,1283- (1~1808+703,6876+34,2487) = 80,0112 ,
( ortogonais, que do, respectivamente, o efeito do Calc-
(
rio (A), o da Crotalria (B) e o do Adubo mineral dentro com dois .graus de lib~rdade. ~1as tambm podemos separar
da Crotalria (C). estes do1s graus de l1berdade, considerando um grau de
( Dada uma funo linear liber?ade pa~a a interao A x B e outro para A x c. Pa-
ra a 1nteraao A x B teramos de considerar a funo li-
( y = clTl + c2T2 + .. + cnTn, near
(

(
 !I

( 86
87
( Y4 = -2T 1 + T2 + T 3 + 2T4 - T5 - T&
conJi~es, se adotado o nvel de 5% de probabilidad e (ta
( obtida multiplicand o-se ordenadamen te os coeficientes de . bela 1), para o ensaio todo, deveramos adotar para cada
( Y 1 e Y 2 . Fica: contraste o nvel de 5/5 = 1,0%, o que nos levaria a
usar a tabela 2. Nela encontramos, com 1 e 20 graus de
( 'i\ - 52,13 , liberdade, F = 8,10, o que nos mostra que o efeito da
( Crotalaria (para o qual obtivemos F = 10,90) significa
SQA X B = (4 + 1 + 1 + 4 + 1 + 1) 6 37,7436 . tive ao nvel de 5%. Se adotssemos o nvel de 1% para
( o ensaio, teramos de buscar o limite de F (corresponde n
E para A x C obtemos analogamente :
( te a a = 0,2%) numa tabela especial, e obteramos F -
Ys = - T2 + T3 + Ts - T6 , = 12 ,61.
( Alternativam ente, podemos manter o limite de proba-
? 5 = -31,85 bilidade a, escolhido para o ensaio, e dizer que o nvel
(
SQA X c = 42,2676 . corresponden te para cada um de n contrastes estudados "
( n a . Com a = 5%, no caso em discusso, o nvel de proba-
Teramos, pois,a seguinte analise da varincia.
( bilidade para cada contraste 5 x 5 = 25%, pois temos
n = 5. J com a = 1%, no conjunto, o nvel de probabili-
( dade para cada contraste seria de 5 x 1 = 5%.
(
Causa de Vari(lo G.L. s .Q. Q.M. F

( Linhas 5 146,6124
Colunas 5 303,5828
6 4 UM
I I ExEf\'\PLO COM PARCELA PERDIDA
( ---------- ---------- ---------- ---------- ------- . No exemplo discutido em 6.2, suponhamos que foi per
( Calcrio (A) 1 1 '1808 1,18 o ,018 . di da a parcela com tr3tament o A (v ariedade Co 290) na
Crotalria (B) 1 703,6876 703,69 l0,90 1<* X. primei ra linha. Temos ento de estimar um val or par a
Adubo d.Crot.(C) 1 34,2486 34,25 o; 531 substituir o que dev eria s e r obtid o . A frmula, e , neste
Interao A X B 1 42,267 6 42,27 o' 655 caso ,
Interao A X c 1 37,7350 37,74 0,585
(
Tratamentos (5)
y = r(L + C + T) - 2 G
( (819,1196)
Resduo 20 (r-1) (r-2)
1290 '6 712 ' 64,53
c onde r e o nmero de repeties, G o total geral das
( Total 35 2559,9800 parcelas no perdidas, e L, C, T so, respectivam ente,to
tais da linha, da coluna e do tratamento em que figura
( a par cela perdida.
( No caso presente temos:
Vemos, pois, que o efeito da Crotalria f~i signi0:_ .
( 5(1804+2022+ 1945) - 2 X 11245
cativo ao nvel de 1%. Todos os demais componentes sao ' y .= 530 .
( sem significao . 4 X 3
A aplicao do teste F, no mesmo ensaio, a cinco Colocamos este valor no lugar do nmero que deve-
( contrastes distintos, como nesse caso, cada um ria ter sido obtido na parcela perdida e realizamos
de les a
( corresponden te a um grau de liberdade para . tratamentos, anlise da varincia da maneira usual. Obteremos ento
equivale exatamente ao uso do teste t para esses mesmos , os resultados da tabela seguinte.
( contrastes, nos termos da prova de Bonferroni. Nestas .
(
(
~ -
I :Mt

{
(
(
88
( 89

( c - Co 419 604,8
Causa de variaao G.L. S.Q. Q.M. F A - Co 290 495,0
( B - Co 421 440,8
( Linhas 4 30.357 D - POJ 2878 413,4
Colunas 4 56.563 E - CP 36-13 401 ,o
( Tratamentos 4 138.041 34.510
( Resduo ll 34.041 3.095 Para comparar as mdias entre si, o teste t pode
ser usado, com os cuidados j apontados e tendo em vis
( Total 23 259.002 ta que o erro padro da diferena entre'a mdia do tra-
( tamento com uma parcela perdida e a mdia de outro tra-
tatamento qualquer
(
Tal como no caso dos blocos ao acaso, este /2 1
( conduz a um valor ligeiramente exagerado para o quadra- 8
V r + '(-r----::-;1),..-('r---;:2')
do mdio correspondente a tratamentos. Embora o valor
( sendo, pois, um pouco ma~or que o erro padro para a di-
obtido seja, na maioria dos casos, perfeitamente satisfa
( tor~o, se quizermos ser estritamente rigorosos podere- ferena entre as mdias de dois tratamentos sem parcela
mos corrig-lo pela substrao, da soma de quadrados, perdida, dado por
(
de uma cor~eo
(
U = (~) 2 [ _ r (L + C) - G ] 2
c r y (r - 1)2 ' com s = /3.095 55,6.
( onde as letras tm a mesma significao dada acima. Ob-
temos: Os testes de Tukey e de Duncan.podern ser usados da
( maneira explicada no capitulo 3. Para o teste de Tukey,
( (!) 2 I 530 _ 5(1804 + 2022) - 11245 12 por exemplo, ternos
u
c 5 16
IJ. = q
s
( _!i (530 - 493) 2 /;=-
25 no caso de um contraste entre duas mdias de tratamentos
( sem parcela perdida, e
876
(~
(
1
( -
O valor correto da Sorna de Quadrados para Tratamen-
.
tos sera, po~s,
t..' = q /(1/2) \1(?) = q s /cl/2) +
(r-l)(r-2))
( 138.041- 876 = 137.165 para um contraste entre o tratamento com parcela perdida
e outro qualquer. No caso vertente temos, ao nvel de
( de onde se segue que o valor correto do Quadrado Hdio 5% de probabilidade,
( para Tratamentos 34.291 e o de F
4,58 55,6 = 113 9
( 34.291
F= = 11,08** ,fi; ' '
( 3.095
As rndias, em ordem decrescente, -
serao agora:
JJ.' 4,58 X ;5 6 -
' v~~-2 (3.
5
+ _ 1_)
4. 3 125,3 .
( Logo a variedade Co 419 supera significativamentea
( Co 421, pois temos

(
 ~
+4'bd4JJ .
~~ .JM,.

(
c 90 91
(
? = 604,8 440,8 164 ,o ' 6.5 , QUADRAOOS lATI NOS COM TRATAMENTOS) LINHAS OU
(
CoLuNAS PERDI Dos
( valor que excede o limite~= 113,9. Por outro lado, a
Co 290 no difere significativa mente ao nvel de 5% da Casos . de anlise relativament e difcil ocorrem em
( Co 419, pois temos ento quadrados latinos com tratamentos, linhas ou colunas pe.E_
( didos.
y = 604,8- 495,0 = 109,8 , Quando faltam duas ou mais linhas ou colunas, ou
( dois ou mais tratamentos, a anlise bastante difcil.
( valor que nao atinge o limite 6'= 125,3 . Detalhes a respeito so dados por YATES e HALE (1939).
O caso de um s tratamento perdido, que no raro,
( O teste de Scheffpode ser usado em qualquer caso, mais simples, e ser discutido a seguir. Alias, tam
( levando-se em conta porm, que' sendo mi a estimativa bem estudado por YATES (1936).
da media do tratame~to com parcela perdida e a estima mu Tomaremos corno exemplo o quadrado latino da seao
( ti v a da media de outro tratamento qualquer' temos 6.2, onde suporemos que foi perdido o tratamento A. Res-
tam, pois, parcelas dispostas num quadrado latino incom-
~ ~r-2) ]
( 2
v (mi) [ + (r-l) s '
pleto, como a seguir, onde os asteriscos indicam as par-
( celas perdidas.
( l Totais
r de
( linhas
e que essas mdias no so correlaciona das. Como j v~
( mos, no caso de um contraste Y =c1rn1 +c2rn2+ +cl,mn, t~ 432 (D) * 458(B) 583 (C) 33l(E) 1804
( mos 724 (C) 4 7 8 ( E)
* SSO(B) 400(D) 2152
( V('Y) = c 2 nv ( m
1
- ) + c 2 p(-
1
) 2
2 v rn 2 + . . . cn rnn
vc- ) 489(E) 384(B) 556 (C) 297(D) * 1726
494(B ) 500 (D) 3l3(E ) 50l(C ) 1808
( Por exemplo, seJa o c ontraste Y = m1 + m2 - 2rn 5
660 (C)
*
* 438(D) 394 (E) 3l8(B) 1810
Temos:
(
vC1) vcm1 ) + vCffi 2 ) + 4 v(m 5 ) Totais
( de 2139 2022 1765 1824 1550 9300
1 1 1 . 4 2
( (- + ---) s2 + - s 2 + - s colunas
5 4.3 5 5
( 77 s2 Verifica-se, portanto, que cada linha encerra todos
60-
( os tratamentos restantes (B, C, D, E), o mesmo aconteceu
77 x do com cada coluna. As somas de quadrados de tratamen=
3.o95 3.972
( 60 tos so, pois~ calculadas da maneira usual. No entanto
( \ogo, ao nvel de 5%, obtemos: as parcelas restantes de cada linha no incluem todas as
colunas, e vice-vers, de sorte que para calcular a soma
( S = yf (n-l)tf(f)F = ,/4(3972)3,3 6 = 231,0 . de quadrados para linhas necessrio ajusta-las em re-
( lao s colunas; analogamente , no clculo da soma de
Como Y = 495!.0 + 440,8 - 2 x 401,0 = 133,8, vemos quadrados para colunas h necessidade de um ajuste rela~
( que o contraste nao e significativ o ao nve 1 de 5% de tivo aos efeitos de linhas. Em geral calculamos a soma
( probabilidad e. de quadrados de linhas sem ajuste e obtemos a soma de
quadrados de colunas ajustadas para os efeitos de li-
(
(
L
 A

(
( 92 93
( -
nhas. A soma de quadrados para o resduo se obtem, As comparaoes entre tratamentos se fazem da manei-
( tao, da maneira usual. ra usual, sem dificuldade alguma. Por exemplo, para com
( No caso vertente, temos: parar mdias de tratamentos pelo teste de Tukey, ao n~
vel de 5% de probabilidade, achamos:
( SQ Total Ex 2 - C
4.571.730- 4.324.500 13486
( /::,. 4,53 119,6
247.230 .
15
( SQT = (l/5) ( (2204) 2 + (3024) 2 + (2067) 2 + (2005) 2 ] -C -
As medias de tratamentos sao:
( = 134.441 , c - Co 419 604,8
( SQ Linhas = (1/4) [ (1804) 2 + ... + (1810) 2 1 - C B - Co 421 440,8
= 27.890 . D - POJ 2878 413,4
(
Resta calcular a soma de quadrados de colunas (aju!
E - CP 36-13 .... .. 401,0
( tadas), o que se faz pela frmula: Verifica-se, pois, que a variedade Co 419
( significativamente todas as demais, e que estas na o
1 2 diferem significativamente entre si.
SQ Colunas (aj.) E[ (n-l)C+L]
n(n-1) (n-2)
No caso de perda de uma linha, ser necessrio cal-
1
( cular a soma de quadrados de tratamentos ajustados para
(n-1) (n-2)
colun~s, o ~ue se faz pela frmula seguinte, inteiramen
( onde n e o nmero de linhas, c e o total de cada coluna te analoga a usada acima:
( e L o total da linha correspondente parcela perdidanes
sa coluna. Para a l ?- coluna, por exemplo, temos c~..,2l39-; SQ Trat. (aj .) = ---,--=-1 ,_,..-~ 1: f(n-l)T+C] 2
n(n-l) (n-2)
( e o valor de L correspondente e L = 1810, total da ~~ li
( nha. Achamos, assim, o valor ajustado 4(2139) + 1810 ~ l
= 10366. (n-1) (n-2)
( Para as outras colunas procedemos de maneira anlo- onde T e o total de cada tratamento e C e o total da co-
ga. E obtemos:
luna em que esse tratamento foi perdido. A estimativa
( SQ Colunas (aj.) (l/60) 435.870.856- (1/12)(9300) 2 da varincia da estimativa de um contraste Y = mi ffiu
57.014 entre duas medias de tratamentos d entao:
(
A analise da varincia e, pois, a seguinte. ~(?)
2(n-l)
( = s 2.
n( n-2)
( - As mdias de tratamentos, ajustados, se calculam p~
Causa de variaao G.L. S.Q. Q.M. F la frmula.:
(
Linhas 4 27.890 1
(
Colunas (aj.) 57.014
m1
n(n-2) l (n-l)T +C - -1- Ex]
4 n-1
( Tratamentos 3 134.441 44.814 12' 86** No quadrado latino de 6.2, admitindo-se que seja
( Resduo 8 27.885 3.486 perdida a ltima linha, teramos para o tratamento B,por
( exemplo, T = 1886 e para a coluna correspondente que
Total 19 247.230 e a 5~, obtemos C 1652. Como Ex= 9438, fica:,
c m2 = Cl/15)(4 x 1886 + 1652- 94 8) 45s,a. i
(
(
- fi~

(
94
( 95
As outras mdia s ajusta das se calcul am da
anlog a. CANTATORE de _:RAN~, N., ~980 .. Manua l de Estad stica
( Apli
cada. Edlto rtal Hernts ferto Sur, Bueno s Aires .
( CARVA~O, M.~. Rod:i gues, 1946. A Estat stica
na Expe-
6,6, ExERCCIOS rlrnen taao Agrlc ola . Liv. S da Costa Lisbo a.
(
COCHRAN, Wi~liam G. e ?e~trude M. Cox, 195l. Experi men
( (6.6.1 ) Plane jar detalh adarne nte um experi mento em tal Deslg ns, 2? edtao . John Wiley , Nova York.
qua- -
drado latino de 5 x S. FEDERER, Walte r T., 1955. Exper iment al Desig n. Macmi
( lan, Nova York. 1-
( Suges to: Escre va ao acaso um quadra do latino de KEMPTHORNE, Oscar , 1952. The Desig n and Analy sis
5 x 5 qualq uer, tal corno o que demos acima , e, por of
sor- Exper iment s. John Wi ley, Nova York.
( teio, troque a ordem das linhas e depois a das colun
as. As SANCHES, Samue l F., 1978. Anli se Estat stica de um
letras tambm sero atribu das aos tratam entos por Ex-
( sor- p~rimento em Quadr ado Latino com Perda de Parce
teio. las,
Ltnha , Coluna ou Tratam ento (Disse rtao de Mestr a-
( do). Piraci caba.
(6.6.2 ) Anali sar o experi mento de 6. 2 admit ind o que
( se SNEDECOR, Geor ge W. e W.C. Cochr an, 1967.
perdeu a parce la da 1~ linha e da l~ colun a, cuja produ Stati stca l
- Metho ds. 6? edio . Iowa State Colleg e Press, Arnes
( o foi 432 kg. ,
Iowa.
( (6.6.3) Nurn ensaio de alimen tao de sunos usou- se YATES, F. e R.W. Hale, 1939. The Analy sis of Latin
um Squa
quadra do latino de 4 x 4, com os result ados segui ntes, re when Two or More Rows, Co1urnns or Treatr nents are
( refere ntes aos ganho s de peso, em kg, ao fim de 25 2
dias. Missin g. Jour. Royal Stat. Soe. Suppl . 6: 67-79 .
( 1';1 2~ 3~ L,~ YATES,. F . , 193 6 . Incorn plete Latin Squar es. Jour.
Sc1., 26: 301-31 5. Agr.
colun a coluna coluna c o luua
(
( Leiteg ada 1 93,0(A ) l08,6( B) 10 8 ,9(C) l02,0( D)
Leiteg ada 2 ll5,4( B) 96,5(D ) 77,9 (A) l00,2( C)
( Leiteg ada 3 l02,l( C) 94,9(A ) ll6,9( D) 96,0(B )
( Leiteg ada 4 117 ,6(D) ll4,l( C) ll8,7( B) 97,6 (A)
(
( Os tratam entos. eram: A - Castra o aos 56 dias de
idade; B - Anima is inteir os; C - Castra o aos 7
I
dias
de idade; D- Castra o aos 21 dias. As colun as tinham !1

( em mira contr olar a varia o de peso dos leite s dentro 1

de cada leiteg ada.
( /

( tos.
Anali sar os dados e compa rar as mdia s de tratam en
I
I
(
j
(
6,7, BIBLIOGRAFIA I
(
CALZADA BENZA, Jos, 1966.
I
(
Inves tigaci n . Lima.
Mtod os Estad stico s para la '"I
( 1
,( :.]
. '.;::~ .
 (

97
(
7. EXPERIMENTOS FATORIAIS completos e a adotar o sistema de confundimento ("t'on-
( founding"), de_onde resultam maiores complicaes no pla
nejamento e analise dos experimentos. Outra soluo 0
(
71
I I GENERAL! DADES uso dos fatoriais fracionrios ou dos fatoriais incomple
( tos, em que nao sao usadas todas as combinaes dos fato
res. No h dvida, porm, de que os experimentos fato=
(
Na definio de F. Yates, experimentos fatoriais ri ais so, em geral, mui to convenientes e de uso bastan-
( sao aqueles que incluem todas as combinaes de te comum.
conjuntos de tratamentos ou fatores. Por exemplo, pode-
(
mos~ num experimento com novas linhagens de algodo, com
( binar 4 linhagens com 3 espaamentos, obtendo um fato=
rial de 4 x 3, onde temos todas as 12 combinaes poss- 7121 LM ~LO
(
veis. Num experimento de adubao mineral podemos combi-
( nar 3 doses de nitrognio com 3 de fsforo e 3 de pots- A tabela 7.2.1 reproduz as produes, em t/ha,
sio, obtendo um fatorial de 3 x 3 x 3 ou 33, com 27 di- de parcelas de um experimento fatorial de adubao de
23 , em blocos casualizados, em que os fatores so ~itro
(
ferentes combinaes.
Os experimentos fatoriais geralmente so ma~s efi- gnio (N), fsforo (P) e potssio (K), cada um deles po-
cientes do que os experimentos simples com um s conjun- dendo estar ausente ou presente.
to de tratamentos (por exemplo, s competio de culti- Como usual, (l) representa a testemunha, isto e,
vares, sem variao de espaamento, e, de outro lado, s' a parcela sem adubo, N indi~a presena de nitrognio e
espaaments,com um cultivar apenas) e permitem tirar ausncia dos demais elementos, e assim por diante.
( concluses mais gerais. Se plantarmos os 4 cultivares no A analise da varincia, no levando em conta o es-
( vos (A, B, C, D) num mesmo espaamento E., s poderemos quema fatorial, seria a segui1;1te.
concluir que A, por exemplo, o melhor ultivar se este
espaamento for usado. possvel, porem, que com um ou Analise da varincia
( tro espaamento E2 o cultivar B venha a superar larga=
mente qualquer outro cultivar com qualquer outro espa- Causa de variaao G.L. S.Q. Q.M. F
( amento. Num experimento fatorial com cultivares e espa-
( amentos simultaneamente esta possibilidade e pesquisada, Blocos 3 3 '20 11
de sorte que as concluses tm maior generalidade. Tratamentos 7 4,5246 0,6464 3,88**
( No caso de experimento de adubao s com potssio, Resduo 21 3,4955 0,1665
( por exemplo, e possvel que o solo no reaja simplesmen-
te porque, alem do potssio, falta fsforo. Por outro la Total 31 11,2212
( do, se, como e
costume, todas as parcelas receberem fs=
( foro e nitrognio, ficaremos sem saber se h necessidade
destes elementos. J um experimento fatorial resolve in-
( teiramente o problema, pois pesquisa todas as possibili- No entanto, este resultado tem pouco interesse,pois
( dades. num experimento fatorial os efeitos dos diversos fato-
O principal defeito dos experimentos fatoriais e res devem ser isolados e provados separadamente, como f a
( que o nmero de tratamentos aumenta rapidamente. Ora, um remos a segui r.
( ensa~o fatorial, em blocos casualizados, com um grande O efeito do N ser dado pela comparao de todos os
numero de tratamentos, perde bastante sua eficincia, em tratamenJ:os com N com todos os demais, sem N, o que pod~
( geral. Somos levados, pois, no raro, a usar blocos in- r ser indicado assim:
. (
- '<:"""" .
=

--
-- -

-:-.--
(
- ~-
-----.. ' . ~- ~

..
:~ ::! '!~:-: -:.:~.: ...,
:S J L
( 98 -- ..........,.__
" 99
( (1) N p NP K NK PK NPK
( -1 +l -l +l -1 +l -1 +l
( (Jj
M
(Jj
oC) .-1 U") ..... --r ..... isto , o efeito do nitrognio, medido pelo contraste
( til C!) o 0'1 lf'1 --r C1\
.u "'O o ~ ~ ~ ~

f(N)=-7,54+9,9l-8,63+l l,l9-ll,75+l0,92-8,99+11 ,98

o .-1 r-- N co N o
( E-< ..c .-1 N ..... N ao
7,09 ,
( o
..c
.-I
. ser:
( M
E!
::><: U") co o U") co 7 09
p.. --r
( C!)
"'O z
0'1
N
~
N
<"")
~

N
- <"")

<"")
~
0'1
~

.....
.....

16 = 0,443 t/ha,
( o
!til
()'>
co
onde 16 e o numero de parcelas em cada grupo: 16 par c e-
til o
( "'
U") 0'1
..c ::><:
p..
N o 0'1 r-- 0'1 las sem N e 16 com N.
::J
.....
~ ~ ~

( "C) N N N co A soma de quadrados referentes ao efeito do

til nitro-
genlo ser a:
c (J)
"'O
::><:
N
r--.
o
N
lf'1
N
lf'1
r--
N
0'1
( o
.u
z ~ ~

N
~

N
~

o.-1 (7 ,09) 2
N <"")
SQN X = 1,5709
/
~
<1.1
4 8
\ E! co
"' "'co- r--
.-I U") U")

c 1-<
C!)
p.
::><:
lf'1

N
~
lf'1
M
~

N N
~
r--
~

.....
.....
com um grau de liberdade, onde 4 o numero de repeti-
es e 8 a soma dos quadrados dos coeficientes do con-
( :><
C!) traste:
( 8 N U") N o 0'1
::J p.. r-- co o .-< ( -1) 2 + (+1)2 + ( -l) 2 + (+1)2 + ( -1) 2 + ( + l) 2
( (J)
z ~

..... <"")
~
"'
N
~

('") .-1
~

+ ( + 1) 2 = 8
+ ( -1) 2 +
"'O .-<

( co Para o fsforo (P) teramos:

"'"' "'"' M <"")
r-. U")

( p..
.....
A

N
~

.....
~

N
~
"'co~
(l) N p NP K NK PK NPK
-1 -1 +1 +1 -1 -1 +l +l
( 8
(J)
o o .ll"l ..... logo,
( z
co
~
N
~
0'1
~
"'
0'1
~
0'1
..... N N N 0'1
f(P)=-7,54-9,91+8,63+11 ,19-11,75-10,92+8,99+11 ,98
( = 0,67 '
( .. N N lf'1 l1"l --r

c
_..-...
.-<
'--'
<"')

.-< - - ......- -
.....
N
r-- ('")

N
l1"l
r--
portanto
0,67
= O,042 t/ha ,
( N
16
( H o o o o
t.J
o
C)
o
C)
o
C)
o SQP ..
(0,67) 2
..... .-< .-I .-I 4 8 0,0140 .
( A ..0 ..0 ..0
X

( o- o- O O
.-< N <"') --r
(
c
fii'W;,;; r ,..
 ( 100
(
Os ~feitos de N, de P e de K sao denom inado 101
( tos prin cipa is . s
( No quad ro segu inte esto indic ados todos os varia ao G.L. S.Q . Q.M. F
cont r
(
tes a estud ar, com - simb oliza ndo -1 e + indic
ando +l. -.
Nitro gen1o (N) 1 1,570 9 1,570 9 9,43 **
Fsfo ro (P) 1 0,014 0 0,014 0 0,084
(l) pots sio (K) 1 1,268 0
( N p NP K NK PK 1,268 0 7,62 *
Intera~o N x p 1 0,502 5 o,so2 5 3,02

l
( Efei to do N Intera~o N X K 1
+ + +
0,239 8 o ,2398 1,44
Efei to do p Intera~o p X K. 1
( + + 0,517 7 0,517 7 3' 11
Efei to do K + Inter aao N X p X K. 1
+ 0,411 8 o' 4118 2,47
Inter ao N X p + +
( +
Inter ao N X K + + (Trat amen tos) (7)
i + + (4,52 46)
( i~ Inter ao p X K
+ +
+ Bloco s 3 3 '2011
( ~ Inter ao N X p X K + Resd uo 21 3,495 5
j + + + o' 1665
( '
Tota l 31 11 ,2~12
(
Os sina is para as inter ae
( do prod uto dos sina is s sao obtid as por
dos efeit os princ ipais meio .

vos. Obtem os, pois , os resp ecti Conc lui-s e, pois , que s sao sign ifica tivos
dados da tabe la segu inte. os efei
tos do nitro gen1 o e do pot ssio. O solo em
( estud o nO
' . reagi u aduba o fosfa tada. As inter ae
(
-
Causa de varia ao
?
s no so sign i
ficat ivas , o que gera ~ mente acon tece nos expe
S.Q. G.L. Estim ativa rimen tos de
aduba o.
( do efeit o t impo rtant e salie ntar que:
(
Efei to do N 7,09 1,570 9 1 Efeit o de N na prese n a de P
Efei to do p
0,67
0,443 Q + lnter aao N x P
( Efeit o do 0,014 0 1 0,042 0,443 + 0,251
K 6,37
Inter ao 1,268 0 1 0,398 0,694 t/ha; _
( N X p 4,01 Efe~to de N na aus ncia de P
Inter ao 0,502 5 1 0,251 N - Inter aao N x P
N X K -2' 77
( Inter ao p
0,239 8 1 -0 '173 0,443 - 0,251
X K -4,07
Inter ao 0,517 7 1 -0,25 4 0,192 t/ha ,
( N X p X K 3,63 o' 4118 1 -0,2 2 7 e analo game nte para os outro s caso s. g claro
( , porem , que
esses valo res pode riam ser obtid os diret amen
te, assim :
( Efei to de N na prese na de P =
A anl ise comp leta da vari ncia sera , pois = (1/8) (NPK + NP - PK - P)
( guin te. , a se- (1/8) (11,9 8 + 11,19 8,99 - 8,63)
( O ,694 t/ha .
( Outro proce sso para obte r as somas de quad
rados , !s
veze s pref erve l, o segu inte. Para o caso
do nitro ge-
( nio, por exem plo, somemos de um lado os totai
s de todos
( os trata ment os sem esse elem ento. Obtem os:

(
.( _c ;'',, , _--_.,.. i! - c;;~\ _.,.,_2
 (
c 102 103
(
Com nitrognio 44,00 ,
( Sem nitrognio 36,91 Tratamentos Totais
( E temos enfim: ~-------------------------------- de
A AV v (l) blocos
( SQN = (l/16)[ (44,00) 2 + (36,91) 2 ] -C= 1,5709
( Analogamente obteramos a soma de quadrados refe 19 bloco 0,020 5 '150 3,040 0,020 8,230
te ao fsforo e ao potssio. Quanto s interaes, s 29 bloco 2,005 4, 770 4,760 0,630 12,165
r1a mais difcil obt-las individualmente, mas poder 39 bloco 0,700 3,960 5,860 o' 110 10,630
( mos conseguir em conjunto uma soma de quadrados 49 bloco 1,120 5,230 5,520 o ,115 11,985
(
teraes (SQI), por subtrao:
3,845 19,110 19,180 o ,875 43,010
SQI = SQT - SQN - SQP - SQK
(
= 1,6717 '
c com 4 graus de liberdade. Nos experimentos de adubao '
( em que as interaes raramente so significativas, Seguindo a marcha usual obtemos a seguinte anlise
esquema de anlise seria satsfatrio, em geral, e teri da varincia.
(
o resultado exposto a seguir.
( -
Causa de variaao G.L. S . Q. Q.M. F
(
Causa de variaao G.L. S.Q. Q.M. F
Blocos 3 2,4731 0,8244 l ,33
(
1 1,5709 1,5709 9 ,4:.: Tratamentos 3 71,5373 23,8458 38,46 1<*
Nitrognio
(' 1 0,0140 0,0140 0,084 Resduo 9 5,5799 0,6200
Fsforo
( Potssio 1 1,2680 1,2680 7,62 *
4 1,6717 0,4179 2,51 Total 15 79,5903
Interaes
c
( (Tratamentos (7) (4,5246)
Blocos 3 3,2011
( Faz-se mister, porm, levar em conta o esquema fa-
Resduo 21 3,4955 0,1665
torial do experimento e decompor convenientemente os 3
(
graus de liberdade para tratamentos, o que ser feito a
( seguir.
(
( 7, 3, CMrRO ExEM'LO A AV V (l) S.Q.
(3 ,845) (19, 110) (19, 180) (O ,875)
(
( Consideremos os dados seguintes de um experimento
A + + 2,900 0,5256
( fatoril em que os fatores eram adubao mineral comple-
v + + 33,570 70,4341
ta (A) e adubao com vinhaa (V). As parcelas foram
A X v + + -3,040 o ,5776
( dispostas em blocos ao acaso.
(
(
 .
r.,~ii'iiiiiiiiiliiiii:ililij,'I;:-.'"""""..,..,.-""""""~---~-!!!-!'!'_=-E'' " ''" '~-~,_...,_..,_..,.,.~.,~>c: ~'t ' "' :':: ~ .~:::O:!:.:'c1:C="-": :c'<O:.C:===~~ ,Q

)(
( 104 105
(
Obtemos, pois, a anlise da varincia dada a
( guir. Tratamentos Totais
( ------------------------------- de
(1)
( -
Causa de variaao G.L. S.Q. Q.M. F
A T AT blocos

( 19 bloco 18,0 20,6 19,6 19,2 77,4

Adubo Mineral (A) l 0,5256 0,5256 0,848 29 bloco 8,6 21 ,o 15,0 19,6 64,2
( Vinhaa (V) l 70,4341 70,4341 113,60 **' 39 bloco 9,4 18,6 14,6 18,4 61,0
(
Interao (A x V) l o,5776 0,5776 0,932 49 bloco 11,4 20,6 15,8 20,2 68,0
( (Tratamentos) (3) (71,5373) 47,4 80,8 65,0 77,4 270,6
Blocos 3 2,4731
(
Resduo 9 5,5799 0,6200
(
Total 15 79,5903 A anlise da varincia, feita nos moldes indicados
( nos exemplos anteriores, a seguinte.
(
( -
Conclui-se, pois, que s e significativo o Causa de variaao G.L. S.Q. Q. M. F
( da vinhaa. Tambem aqui outra marcha poderia ter sido
guida no clculo da soma dos quadrados. Para o caso Blocos 3 37,83
(
adubo mineral, por exemplo, teramos:
( Com adubo mineral ........ 22,955 , Adubo :t-'lineral (A) l 131,11 131,11 31,29**
( Sem adubo mineral ........ 20,055 , Torta (T) 1 12,61 12,61 3,01
Interao A x T 1 27,57 27,57 6,58*
( SQA = ~ [ (22,955) 2 + (20,055) 2 ] -C= 0,5256 .
( (Tratamentos) (3) (171,29)
E teramos ainda, analogamente, Resduo 9 37,68 4,19
(
( SQV =~((39,290) 2 + (4,720) 2] - C 70,4341 . Total 15 246 '80
( A soma de quadrados referente a interao seria ob-
( tida por subtrao:
A interao significativa indica que o comportamen-
( SQI = SQT - SQA- SQV = 0,5776 . to de um fator depende das doses do outro. No caso ver-
( ten!e, a ao da torta e influenciada pela presena ou
ausencia
. de adubo
- mineral. Quanto isto acontece , a an-
( hs_e ~cima nao e a mais indicada, e deve ser modificada.
.

7,4, l.M ExEMPLO COM INTERAO SIGNIFICATIVA

( Poder1amos, com maior vantagem, adotar o seguinte esque-
Consideremos agora o seguinte experimento fatorial ma para os trs graus de liberdade de tratamentos.
( de 2 x 2 em que os fatores eram adubo mineral (A) e tor-
( ta dos filtros Oliver de usinas de acar (T).
(
:' (
(
 (
( 106
107
(
G.L. 1
( Adubo Mineral l
SQA
8
I (158,2) 2 + 012,4) 2 1 -c= 131,11 ;
Torta na Ausncia de Adubo Yineral 1
( Com Torta, sem Adubo Mineral 65,0
Torta na Presena de Adubo Mineral 1 Sem Torta, sem Adubo Mineral 47,4 '
(
O calculo pode ser feito como se segue.
SQ Torta na Ausncia Ad. Min ...
(
( (1) A T AT -
y s .Q.
=..!:. [ (65,0)2
4
+ (47,4)21 - (65,0+47,4 )2
8 38' 72
(
Adubo Mineral + + 45,8 131,10 Com Torta, com Adubo Mineral
( 77,4 '
Torta na Ausncia de Sem Torta, com Adubo ~neral 80,8
( Adubo Mineral o + o 17,6 38,72 SQ Torta na Presena Ad. Min.
Torta na Presena de =
( Adubo Mineral o o + -3,4 1,45
= 4l [ ( 77 '4) 2 + ( 80 , 8) 2]
(77,4+80,8 ) 2
(
- 8 1,44 .

(
Obtemos, pois, a seguinte analise da varincia . As pequenas diferenas observadas na ltima decimal
( considerad a se devem s ~roximaes feitas no calculo.
(
Causa de variaao G.L. S.Q. Q.M. F
( 7.5. CoNFUNDittENTO
( Blocos 3 37,83
Se no exemplo de 7.2 repetirmos os tratamento s em
( Adubo Mineral blocos de quatro parcelas de tal sorte que no contraste
l 131, lO 131, lO 31,29
Torta na Ausncia de correspond ente interao N x P x K os tratamento s com
( ' sinal mais fiquem num bloco e os com sinal menos, nQYtro
Adubo Mineral 1 38,72 38,72 9,24 *
( Torta na Presena de bloco, o efeito da interao ficara confundido com o dos
Adubo ~.ineral blocos, isto , o contraste estima ao mesmo tempo a in-
( l 1,45 1,45 0,346 terao N x P x K e a diferena entre blocos, logo nao
( (Tratamen tos) se pode avaliar bem nenhum desses efeitos. Corno a inte-
(l) ( 171,.27)
rao N x P x K j sabidamen te de interesse nulo ou ou
c Resduo 9 37,68 4,19
quase nulo, no h desvantage m nesse confundim ento, que,
( Total por outro lado, traz a vantagem de reduzir a quatro par-
15 246 '78 celas o tamanho dos blocos. Assim, em cada repetio te-
( remos dois blocos, um com os tratamento s N, P, K e NPK,
( distribud os ao acaso, outro com os tratamento s (1), NP,
Verifica-s e agora que o solo reagiu adubao com NK e PK, distribud os ao acaso dentro do bloco. A anali-
( torta , mas s na ausncia de adubao se de varincia seria ento a seguinte.

. mineral.
Outro modo de calcular as d1versas somas de quadra-
(
dos seria o seguinte:
(
Com Adubo Mineral 158,2
( Sem Adubo Mineral il2,4
(
_ (
 - a , ~-~l-

f'"'"
(
( 108
109
(
( Causa de var.1a ao c. L. S.~. Q.M. F
de varia o Graus de liberd ade
( Nitrog nio (N) 1,5709 1,5709 8,22 *
( Fsf,or o (P) l o ,o 140 0,0140 o ,073 2

(
Potss io (K) l 1,2680 1,2680 6,63 * - confun dida)
Intera o (parte nao
2
Intera o N X p l 0,5025 0,5025 2,63 2
( Intera o N X K 1 o, 239 8 o, 239 8 1,25
Intera o p X K 0,5177 0,5177 2, 71 (Tratam entos) (6)
( Blocos 17
(Tratam entos) (6) (4,112 8) Resdu o 30
(
Blocos 7 3,6669
( Resdu o 18 3,4415 o, 1912 Total 53
(
Total 31 11,221 2
( Um caso mais import ante o do confun diment o em um
ensaio fatoEi al de 3 x 3 x 3, com N, P, K, por exempl o.
(
(
-
A soma de Quadra dos para Blocos e calcul ada da Uma repeti ao inclui , ento, 27 parcel as, o que seria ex
ne1ra usual cessivo para um bloco s. Por isto, em regra, se prefe-
( SQB = (1/4) [ (8,02) 2 + (8,99) 2 + ... +(11,6 4) 2 ]- C:= re us~r o confun diment o de dois graus de liberda de da in
teraao ;ripla N x P x K. Com duas repeti~es, o esque-
( onde 8,02 ~ o total do primei ro bloco, 8,99 o do ma da analis e de varin cia seria o seguin te.
( etc.
A Soma de Quadra dos para o Resdu o ~ obtida
( trao .
Causa de varia o Graus de
( Num experim ento fatori al de 3 x 3 com os fatore s N
e P, por exempl o, temos 2 graus de liberda de para N, liberd ade
( 2 N
para P e 4 para a intera o N x P. Podemos confun dirdois 2
p
( graus de liberda de desta intera o, usando blocos de 3 2
parcel as, da maneir a indica da abaixo : K '2
Intera o N p
( X
4
19 bloco 29 bloco 39 bloco Intera o N X K
( 4
00 10 20 Intera o p X K 4
( 11 02 12 Intera o N X p x K (parte nao confun dida) 6
22 21 01
( (Tratam entos)
O primei ro algaris mo refere -se ao nvel de N, o se- (24)
( Blocos 5
gundo, ao de P.
Se o en~aio tiver 6 repeti~es, o esqtiem a da ~nali- Resdu o 24
(
se da varin cia ser o.segu inte.
( Total 53
(
(
(
(
'__[
 ..
~~i'"'-;-,--------=~,.,..,......,..~....,.~ a....,,U.~""~'"~~.::~.-,..,..._.,..~~-"'="'~''':"""'};~:.;~<'!;:;:;':" ';."::!''V,<:>- onJ'!'~"'"' - : :::.,2::6;:-~1.:.:..-~~s: :~::.~!gY,ll!tf!:;{~3!fl.c1?2~::Yi-f:FlF~;"Vt~f~E!N~~~''-'11:':;:-;:f; . : ; .!>J;~;; , o;.;;;,, , ;;c"M!!

(
( 110 lll

(
Acontece, por~m, que a interaao N A P K j~ s~ Grupo w Grupo X
( pera que no ocorra, de sorte que poderamos at inc
no resduo os seus graus de liberdade, e ass1m
( 19 bloco 29 bloco 39 bloco 19 bloco 29 bloco 39 bloco
ele a contar com 30 graus de liberdade.
( Por outro lado, em ensaios de pouca precisao, t 000 001 002 000 001 002
em mira a obteno de informaes gerais sobre uma 012 010 Oll
( 011 012 010
gio, pode-se fazer em cada local apenas uma 021 022 020 022 020 021
c do experimento fatorial de 3 x 3 x 3 com N, P,
esquema de anlise seguinte.
101 102 100 102 100 101
( 110 lll 112 110 111 112
122 120 121 121 122 120
( 202 200 201 201 202 200
( Graus de 211 212 210 212 210 211
Causa de Variao liberdade 220 221 222 220 221 222
(
( N
p
( K Grupo Y Grupo Z
( Interao N X p
Interao N X K 19 bloco 29 bloco 39 bloco 19 bloco 29 bloco 39 bloco
( p K
Interao X

( Interao N x P x
- confundida)
K (parte nao 000 001 002 000 001 002
011 012 010 012 010 Oll
( (Tratamentos) (24) 022 020 021 021 022 020
( Blocos 2 101 102 100 102 100 101
112 110 111 111 112 110
( 26 120 121 122 120 121
Total 122
( 202 200 201 201 202 200
210 2ll 212 210 211 212
( 221 222 220 222 220 221
Neste caso nao temos resduo propriamente, mas po-
( demos usar como resduo a interao N x P x K, com 6
c graus de liberdade.
O problema do confundimento, tendo em vista a dis- Qualquer dos grupos pode ser usado, indiferentemen-
( te.
tribuio dos tratamentos pelos blocos de maneira a so
( confundir com eles interaes de ordem elevada (de trs
ou mais fatores, em geral),~ bastante difcil, salvo em
(
casos particulares. No caso mais comum do experimento fa 7.6. UM ENSAIO FATORIAL 3 3 3 COM.DuAS REPETIES
X X

( torial de 3 x 3 x 3 com confundimento de dois graus de

liberdade da interao tripla, h quatro modos distintos Tomamos como exemplo um experimento de adubao de
( de fazer o confundimento, designados por YATES (1937)por c~na com N, P, K, feito por STRAUSS (1951), com confun-
( W, X, Y e Z, como vemos a seguir. dimento de dois graus de liberdade da interao tripla
N x P x K. Foi usado o confundimento correspondente ao
(
(
(
~ ,--.., """' """' ...-., ......... ........, .--., ........, ....,_ " """' ~. ........, ~ "" .--.,~~-~~-~,--..,~..-.,~~""~~~

l' j
j

tf.l tf.l '"O '"O '"O 0..00 ......

.o .o ""'""'""'
N o
,_..
""'""'""'
No-" O NHO n> ti
o.. c
......
N
t;d H O 'O
...... o Cll o
o('l l"t H
n> ro ::l :c '
o ...... so n> ..
Cll
Cll rt
P-1
ro )
.Il~
...... n> o"Cil
'""' ~ I-'~ ro
,_. ro
...... ~
....... (j\ 1-'NN ():) N W N ():) WNN P-1 H1
1.0
......., '-J
w
Ul I.OWN '"O ():) '-J~(j\ z ():) 1.00\1-' z I-'
'-J ........
'-J ~I.OW

"
"Ul0\0
.. o
..
o
..NU1W
.. ..
~0\.Jl o
..
o ..-..JI-'N
" .
0\Ul():) o -..JN
ro
,....... "Ul o o O\ ti
P-1 f
,1:::-
......
():) ... s
1.0 0..
"Ul www
c
......., (") 1.0 ():) N W N ():) WWN ro P-1
Ul 1-'WO '"O 1.0 <Xli-'<Xl z 1.0 ~~o z s Cll

+
N

......
......
"Ul .
N '-J ,_...
"~(j\Ul
"
...... ......
"():)
-..J(j\():)
"N~N
" "
>-'
..
......
..0 0" \ N
N '-J N
.. ......
rt ti
-.....ro I
il
():)
o ::r' 'O
n> ro
+
'-J
w rt
I-' :l
'""'
~
.'-J
Ul ......
o
():)
www
(j\(j\~ '"O
1.0
......
WNW
1-'():)1-' z
1.0
......
WW N
~ww z
'O ..O
.,P-1
P-1 OI
ro
~
ii
w w ....... . ..1.0 ..(j\ ..'-J li
.1.0
~
I.OW():)
"~ "w ..'-J
N CD

N
~WI.D N ():)
"N ..-..J():)-..J
.. "
N ():) 0\ N

oCll
Cll
" ":.3
~
._, ('l

N
o
........ NS
'-J
I o
Cll
(")
N N N I-' 11
11 (j\ ():)1.0():) (j\ ():)1.0():) O\ o 1.0 (j\ ro
.......(j\ 1.0
o
..
'-J ~ '-J
0\0W
1.0
o
'-J ~ '-J
....
1.0
o
():)l/1\Jl Ul
c
N o "WU1N
" " o
0\0W
"W\JlN "o " ....
t-'t-''-J
. ~ l/1 ......
,_.
():)

Tabela 7.6.1. Produo de cana-de-acar, em t/ha, de um experimento fatorial de adu-

baio.

la. 2a. Totais la. 2a. Totais la. 2a. Totais

Trata- Trata- Trata-
repe- repe- P.ar.- repe- repe- par- repe- repe- par-
mentos mentos meu tos
tio tio ClalS tio tio c i ais tio tio dais

000 37,0 29,3 66,3 001 60,2 39,1 99,3 002 28,3 24,3 52,6
012 42,6 37,0 79,6 010 57,6 19,5 77 '1 Oll 66,6 41,8 108,4
021 68,4 64,4 132,8 022 76,0 66,0 142,0 020 66,8 55,1 121,9
101 33,5 28,6 62,1 102 42,8 27,7 70,5 100 32,6 37,0 69,6
llO 45,7 61,3 107 ,o 111 63,4 63,0 126,4 112 63,4 50,8 ll4,2
122 49,7 52,8 102,5 120 58,2 53,4 111,6 121 71 '1 56,8 127,9
202 36,2 35,2 7l ,4 200 56,6 30,5 87,1 201 41,3 36,9 78;2
211 47,4 55,4 102,8 212 69,1 49,5 118,6 210 50,2 67,2 117,4
200 59,0 56,2 115,2 221 59,4 43,2 102,6 222 55,4 69,5 124,0

419,5 420,2 839,7 543,~ 391 '9 935,2 475,7 439,4 915,1

w1 = 839,7 w2 = 935,2 W3 = 915,1

,_.
,_.
w
~, . ....
~iiiiiiii iiiii----~~"""'"""'~~--
-.-.--.._,..,.
(
( 114 115
(
A Soma de Quadrados de Tratament os deveria ser:
( causa da variaao G.L. S.Q. Q .M.
SQT ( 1/2) ( (66 ,3) 2 + (79 ,6) 2 + .. +(124, 9) 21 ~ C F
(
- 7.890, 72 Nitrognio 2 42,51 21,26 0,341
(
mas e
preciso da descontar a parte correspond ente Fsf oro
p 0 tassi9
2 5.251,41 2.625,70 42 ,06*"'
( dois graus de liberdade confundido s com blocos. A 2 160,38 80,19 1,28
Intera~o N x P 4 1.069,29 26 7,32 4,28*
a descontar dada por:
( Intera~o N x K 4 622,11 155,53 2,49
(1/18) ( (839,7)2 + (935,2) 2 + (915,1) 2} -c 281,66 , Intera~o P x K 4 165,05 41,26 0,661
(
Interaao N x P x K
logo
( (parte no confundida ) 6 298,31 49,72 0,796
SQT 7.890,72 - 281,66 7.609,06 ,
c =

com 24 graus de liberdade . (Tratamen tos) (24)(7.609 ,06)

/
\ Blocos 5 1.628,33
Temos ainda: Resduos 24 1.498,34 62,43
(
SQN e p (1/6) ( (218,2) 2 + . + (342,7) 2 ] -C
=
( = 6.363,21 Total 53 10.735,73
( SQN (1/18) [ (880,0) 2 + (891,8) 2 + (918,2) 2 ] -C
( 42,51 , Poderamo s, alias, adicionar ao resduo os 6 graus
SQP (1/18) [ (657,1) 2 + (951,5) 2 + (1081,4) 2 ] de liberdade no confundido s da interao N x P x K e
( -C
obter um resduo de maior preciso, com 30 graus de li-
5.251,41 .
( berdade, s 2 = 59,89.
Logo Isto alteraria ligeiramen te us valores de F, mas,
(
SQN p neste caso, no haveria modifica o nas conclusoes fi-
X = 6.363,21 - 42,51- 5.251,41 1.069,29 '
( nais, que indicam e feito significat ivo para o fsforo e
com 4 graus de liberdade . para a interaio N x ~. Una consulta ao <;!uad~o em que t_t::
(
De maneira anloga calculamos SQN x K e SQP x K. Fi mos as produoes tota1s correspond entes as diversas com-
( nalmente a soma de quadrados referente aos 6 graus _de binaes de doses de N com doses de P nos re~ela logo a
( liberdad~ da interao N x P x K no confundido s obte~ razo dessa interao significat iva: em ausencia de N
se por subtrao da soma de quadrados de tratamento s(nao o efeito do fsforo foi bem mais acentuado do que na sua
( presena, fato inesperado para o qual conviria haver uma
confundid os): SQT = 7.609,06 .
Chega-se, pois, seginte analise da varincia . explicao , que poderia ser dada por prejuzos causados
(
a germinao dos toletes pelo adubo nitrogenad o. vista
( disto poderamo s refazer a analise no que serefere a
efeitos de N e P, da maneira dada a seguir.
(

(
(
(
(
(
(
 -

~~""'"'!!1'-..... ,

(
( 116 117
(

( -
Causa de variaao G.L. S.Q. Q.M. F No Nl N2
(
Nveis de p dentro Ko 161,4 136,5 165,8 463' 7
(
de No 2 2.854,47 1.427,24 K1 19 5 '2 168 ,o 148' l 511,3
( Nveis de p dentro Kz 146,9 155,9 160,7 463,5
de N1 2 2.262,03 1,131,02 18,88**
( Nveis de p dentro 503,5 460,4 474,6 1438,5
( deN 2 2 1.204,20 602,10 10 ,05**
( Resduo 30 1.796,65 59,89
(
Po pl p2
( - as dadas a seguir, todas
As medias obtidas sao com
( erro padro de 3,2 t/ha. Ko 126,2 153 ,5 184,0 463,7
K1 135 ,o 177,4 198,9 511,3
( NoPo 36,4 t/ha N1Po 33,7 t/ha N2Po 39,5 t/ha Kz 107 ,3 175 ,1 181,1 463,5
( NoP1 44,2 t/ha NlPl 57,9 t./ha N2P 1 56,5 t/ha
368,5 506,0 564,0 1438,5
( NoP2 66,1 t/ha NlP2 57,0 t/ha N2P2 57,1 t/ha
( Mais um passo frente poder ser dado considerando
-se os componentes linear e quadrtico em cada caso, da Temos, pois:
( maneira indicada no captulo 12.
SQN (1/9) [ (503,5) 7 + (460,4) 2 + (467,6) 2 1 c
(
107,20 ,
( 7.7, UM ENsAIo FATORIAL 3 3 3 coM LIMA S REPETI c;o
x x SQP ( 1/9) l (368,5) 2 + (506,0) 2
+ (564,0) 2 1 c
( 2.240,39 ,
Consideremos agora os dados da primeira repetio
( do experimento discutido em 7.6. Temos l: SQK (l /9)r c463, n 2 + (511,3) 2 + (463,5) 2 1 - c
168,54 ,
( SQ Total= 4.535,55,
Alm disso, temos:
( SQ Blocos= (1/9) [ (419,5) 2 + (543,3) 2 + (475,7) 2 ]- C
SQN e P (1/3) ( (125,5) 2 + (173,8) 2 1-C= 2.630,76
( = 853,88 . +

( Organizamos, agora,os quadros seguintes, a semelhan SQN x P = 2.630,76- 107,20- 2.240,39 = 283,17 .
a do que fizemos no caso anterior. Analogamente obtemos:
(
No Nl N2 SQN X K = 464,65 '
( SQP X K = 141,71 .
( Po 125,5 108,9 134,1 368,5
pl 166,8 172,5 166,7 506,0 Finalmente, a soma de quadrados para os 6 graus de
( p 211 2 179 o 173 8 564 o liberdade da interao N x P x K no confundidos obti-
da por subtrao:
( 503,5 460,4 474,6 1438,5
(
(
 -
~~~---~,-.,._-.-.........,._..,..._..__,,......'iii'~~~~f-l'*'~!:.~~-'~""":;~~:,~'~""':~-.:~o.""'l'' ''- '- :;=_f~~-'<""1;:'T~~ p-.~. ~ ,

(
( 118
119
(
SQN / p X K 4.535,55- 853,88 + 107,20 + Po- 2 P1 + P2
( + 168,54 + 283,17
[
+ 141,71 368,5 - 2 X 506,0 + 564,0
(
= 276,01 . - 79,5
(
Chegamos, assim, seguinte analise da varincia, na SQP" =
(-79,5)2
( 6 X 9 117,04 .
qual a interao tripla tomada como resduo. e =

( Nas interaes duplas N x p N x K e p x K, a parte

( q~e realmente interessa e a inte;ao entre componentes
Causa de variaao G.L. S.Q. Q.M. F 1
l1ne ares : N 1 1 1 x p , N x K , p 1 x K 1 . Temas..

2 53,60 N1 X P1
Nitrognio (N) 107,20 1,17
(
Fsforo (P) 2 2240,39- 1120 '20 24,35** logo,
( Potssio (K) 2 168,54 84,27 1,83
Interao N X p 4 283,17 70,79 1,54 SQN I X p f = (-46,0)2
( 6 X 2 176,33 .
Interao N X K 4 464,65 116 '16 2,53
( Interao p X K 4 141, 7l 35,43 o, 770 Analogamente obteremos:
Blocos 2 853,88
( Interao N X p X K SQN I X K f = 7 '36 , SQPf X Kf = 21,33 .
( - o confundida)
(parte na 6 276,01 46,00 Chegamos, assim, seguinte analise da varincia, na
( q~al os_graus de liberdade e a Soma de Quadrados do Re-
Total 26 4535,55 Slduo sao obtidos por subtrao.
(
(
No entanto, e mais conveniente, em geral, procurar Causa de variao c. L. S.Q. Q.M. F
( aumentar o nmero de graus de liberdade do resduo pela
Nitrognio (N) 2 107,20
( incluso nele de parte dos graus de liberdade das inte-
Fsf oro (P)
53,60 o, 837
raes duplas. Para isto e aconselhvel distinguir no 2 2.240,39 1.120,20 l7,49>'d
( efeito de cada elemento, com dois graus de liberdade, um Potssio (K) 2 168 '54 84,67 1,32
para o componente linear, e outro para o componente qua- Interao N' X p1 1 176,33 176,33
( 2,75
Interao Nl X K I 1
(
drtico, maneira que ser explicada melhor no captulo
Interao pf X K'
7,36 7,36 o, 115
12. Por exemplo, no caso do fsforo, o componente linear 1 21,33 21,33 0,333
Blocos 2 853,88
( (P') seria dado pelo contraste:
Resduo 15 960,52 64,03
( - Po + P2
195,5 , Total 26 4.535,55
( 368,5 + 564,0
(195,5) 2
I
i
( SQP' = 2.123,35 ,
2 X 9 As medias para os 3 nveis de fsforo so:
(
e o componente quadrtico (P") pelo contraste Po 40,9 t/ha
(
PJ 56,2 t/ha
( Pz 62;7 t/ha
( todas com erro padro de 2,7 t/ha.
(
 r= ..... . . . ~.

(
( 120
121
(
7.8. lJM ENsAio FATORIAL DE 6 x 3x 3 <ll
-o
<JJ
( -o
<l)
<T 0\NLr\ -'1" 0\ C')
A determinao da acidez de mangas .....
(}) <1l
-o
~ ~ ft ft

co
ft ~ ~

( em 3 meses do ano e em 3 anos agrcolas sucessivos, Cll <l)

N
o..--4
MNO
M'-OCO U')
U')
M
M
,..._
.u . .... ....... ...... co
o ,_.
....-. ~ --'

c os dados da tabela 7.8.1, cada um deles media de dete E-< <d

naes em 3 frutos, reproduzidos de um trabalho de S :>
( ( 1960). 0\ o coao o co -.o
( Aqui, no ternos repeties, mas podemos usar a U') ~ ~ ft ft ~ ft ft

0\
......
Lf"\ M U') U') r--- -.:r o
terao tripla como resduo. ("'1
(
Com a tabela seguinte obtemos dados para o
,_. co -.:r
( as Somas de Quadrados de Variedades, de Meses M ..... U') ft
N
ft
-.::tN
ft ~
co ft
U')
ft
U')
ft

rao dupla Variedades x Meses. X

<l)
c
0\
......
-.::t-'1"Lf")-.::t -.o M co
( <1l
N
'J
( r- '-0 '-0 -.::t N 0\ ...... co
Totais Lf") ft ~ ~ ~ ~ ~ ~

( Variedades Novembr o Dez embr o Janeiro 0\

......
-'1" -'1" " ' Lr\ -'1" -.o o
variedades ("'1

(
Bourbon 69,3 19,1 14,0 10 ? ,4 0\ 0 \ 0 0\0\ co -.:r 0\
( 12,6 12,6 133,9 "'......
~ ft ~ ft ft

co
ft ~

Brasil 108,7 0\ \.0 ...:::t '~ ~ 0\

( Extrema 126, 9 19,5 15 , 8 162,2 "'

<T

180,5 ,_.o
Ma 145,1 21,0 14, 4
( ,Ll
s
C() N '-0 '-0 0\ N o Lf")
Non Plus <l)
Lr\ ~

-.o "' -.o -.o

~ ~ ~

o
~

r-
~

0\
...... ...... o
( Ultra lll '8 27 , 9 18,7 15 8 ,4 N
<l)
<T

Oliveir a 100,1 21,4 14, 4 135,9 o

( r- o ......
Lf") ft
O
A
O
A
N
ft
0\
~
o
,..._
~

( Totai s de 0\ -.o "' -.o -.o -.o r-

......
(
mes es 661, 9 121,5 89,9 873,3 "'
0\ -.::t <T MN .-1 o -'1"
( lf)
0\
ft

-.oco o o
ft A ft

o
ft

o
~

lf)
~

Da ti ramos: ...... ...... C") " ' " ' <T N

( "' N
SQ Variedades = (l/9) [ (102,4) 2 + ... + (135,9) 2] - C ,_.o r- o o r-
( = 417,18 , ,Ll
C()
lf) ~ ft ~
C")
ft
.-1 C()

s
A ~ ~

0\
......
<T NO\ r---
-.:r
Lr\ o C()
( SQ Meses= (1/18) [ (661,9) 2 + (1 21,5) 2 + (89,9) 2 ] - C
<l)
:>
N C") C") C') C") o
N
o
( 11.485,46 z r- ,..._
LI")
N
ft
M
ft
'-0 N
~ ft
-.:r o
ft ft ft

( Temos ainda: 0\ C() C() ,..._ ,..._

-.o o ,..._
. ...... _ N MM-.::t M <T N -
N
( SQ Variedades e Meses (l/3) [ (69,3) 2 + ... +(14,4) 2 ] - c
12.625,15 co til
( -o
<l)

SQ Variedades x Heses 12.625,15- 417,18- 11.485,46 <d co <1l

til
;:l ,_.Cll
( -o .-+ s .-+ .....
722,51 . <lJ
,_.
,Ll .-l <lJ A< Cll <lJ
,_.
ri till-<!Cil
<1l .u
).o :>
c
.( <d
;:l
o
O" -1-1 .-l
J.<:X:~0.-1.-<
:> ~ ~w :z;!:::lo
(
' .
(
(
 -----"'ili~iii-;-iii;-"'!!;=o;;;p-"""'"""'..,...'""""...,.-_....,li,.,..,.l,'-"'~~::-e:.,
Ff;,emljju'iii'-'ii'il''lij. .. ,,,..,.,.,,_,..,.,..,~,~~:-w-::---:~,~-"-~'~:<>-~c.:->:rc.~--~ "=="'-""--'-......._::.;;.;ooiiio

( 122 123
(
De maneira anloga calculamos as outras somas de ' Verifica-se, pois, que s5 nomes de novembro h di-
( quadrados necessrias, e obtemos a anlis e da varincia , ferenas significativas de acidez; nesse ms a variedade
( seguinte. Ma, mais tardia, supera significativamente todas as de
mais, com exceo da Extrema.
c
( C. de variaao G.L. S.Q. Q.M. F

(
7,9, ExERcfCIOS
Variedades (V) 5 417,18 83,44 9,84
( Meses (M) 2 11.485,46 5.742,73 6 77,21 ** (7 .9.1) Num experimento fatorial de adubao de
Anos (A) 2 15,26 7,63 0,900 cafeeiro com N, P, K, de 2 x 2 x 2, feito por Y~LAVOLTA
( Intera~o V x M 10 722,51 72,25 8,52 ** e outros (1958), foram contados os galhos secos de 4 pis
( Interraao V x A 10 88,26 8,83 1,04 de caf por parcela. Dos nmeros obtidos extraiu-se a
Interao M x A 4 24,58 6,14 o' 724 raiz quadrada, com os resultados dados na tabela 7.9.1.
( Resduo (Intera Analis-los estatisticamente e comprovar que o nitrog-
( o V x M x A) 20 169,58 8,48 nio e o potssio trouxeram diminuio significativa no
nmero de galhos secos.
( Total 53 12.922,83 (7.9.2) Planeje detalhadamente um experimento com
( 3 variedades de caf, 3 espaamentos e 3 formas de apli-
cao dos adubos, com 2 repE:ties e com confundimentode
( dois graus de liberdade da 'Lnterao tripla.
A interao significativa Variedades x Meses indica
( que as variedades se comportam de modo distinto nos me-
ses estudados. Com efeito, isto se verifica pelas ~idias
(
da tabela seguinte. 7.10. BIBLIOGRAFIA
(
ANDERSON, R.L. e T.A. Bancroft, 1952. Statstical Theory
( in Research. McCraw-Hi ll, Nova York.
Variedades Novembro Dezembro Janeiro
( CALZADA BENZA, Jos, 1966. Mtodos Estatsticos para la
Bourbon 23,1 6,4 4,8 Investigacin, Lima.
( CCCHF.AN, W.C. e Gertrude .H. Cox, 1957. Experimental De-
Brasil 36,2 4,2 4,2
( Extrema 42,3 6,5 5,3 signs, 2~ edio. John Wiley, Nova York.
48,4 7 ,o 4,8 JOHN, P.W.}1., 1971. Statistical Design and Analysis of
( Ma
Non Plus Ultra 37,3 9,3 6,2 Experiments. Macmillan, Nova York.
KE}~THOP~E, O., 1950. The Design and Analysis of Experi-
( Oliveira 33,4 7,1 4,8
ments. John viley, Nova York.
( ~~LAVOLTA, E.; F. Pimentel Gomes eT. Coury, 1958. Estu-

( A diferena mnima significativa para mdias de va- dos sobre a Alimentaao Mineral do Cafeeiro (Co 66ea
~ab~ea L., Variedade Bourbon Vermelho). Piracicaba.
riedades em um mesmo mes, pelo teste de Tukey, :
( SI~~O, S., 1960. Estudos da Planta e do Fruto da Manguei
( ra (Mang~6eha ~ndiea L.) (tese). Piracicaba. -
4,45 7,48 . SNEDECOR, G.W. e W.G. Cochran, 1967. Statistical Methods,
( 6~ edio. Iowa State College Press, Ames, Iowa.
(
(
(
 --~-~~~~~~~~~-~~~~-~~-~~-~-~~~---

"''~~-~'--:'",. '- ""'-' ~ . ,... 1 'O,O ' "' o . ,; ~ . l ..,.,..:m"'_,. ___ , '""'--"'-.., '
. ~- , ... , ,..,,,. ,...._.. o , .,,. _.-.>."o."'"" " "' ''' '

1-'
.,..N

Tabela 7.9.1. Razes quadradas dos nmeros de galhos secos de um experimento fatorial
3
de 2 , de adubao do cafeeiro.

19 29 39 49 59 69 Totais de
Tratamentos
bloco bloco bloco bloco bloco bloco tratamentos
(1) 10,20 7,55 7,62 10,54 8,00 4,58 48,49
N 5,39 7,62 4,69 3,32 5,48 4,24 30,74
p 8,54 12,45 7,28 8,37 8,00 6,08 50,72
~ 8,83 6 '71 3,74 3,00 9,43 3,87 35,58
NP 8,43 3,61 5,00 4 ,58 8,00 4,80 34,42
NK 2,24 3 '16 1,00 1,00 3,87 2,24 13 '51
PK 6,63 6,24 3,87 3,32 9,17 3,16 32,39
NPK 4,36 2,00 l '73 2,65 2,65 0,00 l3 '39
Totais de
54,62 49,34 34,93 36,78 54;60 28,97 259,24
blocos

o-<

-o
~
1:::1 (/) t:= ;J
~c::
rox~ "i~~>cn
::l "' Ql < (/)
""' ~ "'1 Cll ..... ~
ro >1
::l .... ~ '"'' r. 1-' ,... . :-:1
~ El
~ 1-'
ro..,.
i" Q)
Hl:l\011
::l l"'t w 111 Cl. '""'
OQCil-...J ro...o
1-'
~
""'
f't) ""Q'-"
-
rt H 1-i ro
ro S
.., ' l:J" n ::l
I'D ....
:TJ
"'
'i ro 1'1>>~ x
Pl'it:::::l::l;3"0
..... ~ncrro
Pl Cll i" c: ..,
1-' .... ~ r. .....
()Q o 3
t:=::lo.. 't
c o ;J

~~(/)~~
PJQ.OilJOl
c: 1-' i"

o 1:1 ~
>o
Cll""'
ro
,.., 111 ""'
........ lll:>
cn '< O 0..
o Cll .... c
>-'1-'rt ro cr
..... n o >1 Q)

CllOOI'I>Jl)l
S n""
n
.....
1"11 .. .-.o
>1
(1) WI)J ::l
;J (...: Pl
r. O'
(1) ~ I N
~ 111 "" o
(').,.. ~ ::l
rt Lo.: r.> Q)
o . c:
::X: loj ::l
lll .... ..... (") .....
11 lU IUI!Il N
I 1-' O I 1.11
 (
126
( LO
( rimentos referentes a latossolo roxo, outro correspon-
(
8. ANALISE DE GRUPOS DE EXPERIMENTOS dente a aluvio, etc. Se necessrio, podemos 1r . .
ma1.s
longe e considerar se a terra e
nova ou velha, se aduba-
( da ou no, e assim por diante.
(
8.1. GENERALIDADES Consideramos a seguir os quadrados mdios residuais
dos diversos experimentos. Para que os experimentos pos
( Em muitos ramos da experimentao h uma influncia sam ser reunidos sem mais dificuldade,- preciso que es=
decisiva do local ou da ocasio sobre os efeitos dos tra ses quadrados mdios residuais no difiram muito entre'
( tamentos. Tal ocorre, por exemplo, nos experimentos com si, isto , que sejam relativamente homogneos. Para jul:_
( plantas, nas quais o solo e as condies climticas tm gar essa homogeneidade tradicional o uso do teste de
influncia muito grande. J em experimentos com animais Barttlett. No entanto, de acordo com pesqtiisas de BOX
( a influncia do local e do clima e muito menor, especi- (1953),esse teste para comparao de estimativas de va-
( almente quando se trata de gado que recebe raes contra rincias to sensvel falta de normalidade que deve
ladas e que dispe de abrigos convenientes. - ser abandonado.
( As limitaes de espao e de tempo em um experimen- Por outro lado, estudos de BOX (1954) indicam que
( to podem ser, s vezes, parcialmente afastadas pelo jul- se em todos os experimentos os tratamentos tiverem o mes
gamento do experimentador. Entretanto, s uma experimen mo nmero de repeties e a relao entre as var1ancias
( tao apropriada poder dar uma soluo definitiva aopr~ no for superior a 3, a anlise da varincia e os testes
( blema de generalizao dos r-esultados de um experimento. correlatos podero ser aplicados sem prejuzos srios.
Se quisermos, por exemplo, estudar a adubao do c~ r: importante, pois, aplicar aos quadrados .maios resi-
( feeiro no Estado de So Paulo, tendo em vista obter re- duais um teste que nos permita concluir se se pode acei-
( sultados gerais, deveremos comear por localizar experi- tar que a relao entre a maior varincia e a menor no
mentos em toda a rea cafeicultora do Estado. Deve es- seja superior a 3. Para isto, combinando ensinamentos de-
( sa rea ser repartida segundo os tipos ~e solo, segundo DAGNELIE (1975) (pg. 52) com o teste de F mximo (PEAR-
( o mtodo de cultivo (com ou sem irrigaao), a topogra- SON e HARTLEY, 1956) conclumos que se deve calcular
fia, etc. A seguir so os experimentos distribudo~qua~
( do possvel, ao acaso. Num caso como este os experime~ QHl
( tos devem ser preferivelmente de delineamento simples,~ 3QM2
merosos e baratos, para que o custono sejaexcessivo. Se onde QM1 o maior, e QM2 o menor dos k quadrados mdios
( o q~e nos interessa so resultados gerais, estes s po- considerados. Se tivermos a F>'< .s_ 1, naoa h que temer,
( derao ser alcanados satisfatoriamente pe~a multiplic~ evidentemente. Se, ao contrario obtivermos F* > 1, se-
o dos locais e dos anos de e~perimentaao. E,_para_f~ r necessrio consultar a tabela 31 de PEARSON e HART-
( cilitar a analise e a combinaao dos dados num SO COnJU~ LEY (19~6), de dupla entrada, relativa ao numero k de ex
( to, devem ter, preferivelmente, todos os experimentos,os perimentos, e ao nmero v de graus de liberdade de cada
mesmos tratamentos e o mesmo tipo de delineamento. quadrado mdio residual. A consulta a essa tabela nos
( Uma vez obtidos os dados, agrupamos os experimentos mostra que, mesmo com 30 graus de liberdade para o res-
( segundo os critrios j adotados na repartio da rea duo e k = 12 experimentos (valor mximo de k na tabela),
a estudar. Poremos de um lado os que se referem a cult~ se tiverm<:>s
( ras irrigadas e de outro as no irrigadas, pois de ante-.,
c mao julgamos que esses dois grupos apresentam
as to grandes que no podem ser considerados em
diferen~ QMl
<m2
< 7
( to. A seguir, podemos utilizar como critrio de
mento o tipo de solo. Teremo-s, pois, um grupo de a prova nao ser signiticativa ao nvel de 5%.
( O teste F bilateral (tabelas 3 e 4 deste livro), apli_
( cado ao quociente
_(
f~~ ...
, -~,........,..
,M>--~---.---;:::----=-~--~- M'"''"~--~--C<'">-U'<' ,,.,,,.,,..,,_,...,,,,, ,,, ,,,,

(
128
c 129
( F
( s .Q.
e tendo em vista que. com k experimentos, causa de var1aao C. L. Q.M. F
( fl/2)k (k-1) pares possveis de quadrados mdios
(
duais, leva a resultado semelhante. Tratamentos 4 1,45 0,3625 o. 730
Conclui-se, pois, que, no caso de grupos de Resduo 15 7,45 0,4967
( mentos similares, em que todos os tratamentos tenham
mesmo nmero de repeties, quase sempre se podera f Total 19 8,90
( a analise conjunta sem dificuldade, se o quociente
( o maior e o menor quadrado mdio residual for menor
que 7. Quando, porm, esse quociente for alm de 7,
( vir considerar separadamente subgrupos de Experimento II
( com quadrados mdios residuais no muito discrepantes.
Alternativamente, podemos fazer ajustes nos nmeros
(
graus de liberdade, de acordo com o mtodo proposto N1PK1 11,0 10,5 9,0 9,0 39,5
( COCHRAN (1954), que sera exemplificado na seo 8.7. Mas N1PK 2 lO ,O 9,5 9,0 8,0 36,5
na verdade esse mtodo no se tem revelado promissor quan
( 12 ,o
do as discrepncias so grandes entre os quadrados -- N2PK 1 9,0 9,5 9,5 40,0
( dios residuais. N2PK 2 10,5 11,5 10,5 10,0 42,0
(
8.2. CoMo FAZER A ANALISE Testemunha 8,5 8,0 lO ,O 7,0 33,5
( Tomamos agora o que chamaremos de um grupo de 2Xpe-
( rimentos, isto , uns tantos experimentos que considera-
192,0
mos comparveis, de acordo com os critrios indicados aci
( ma. Se cada um deles tiver mais de uma repetio, fare= Causa de varaao G. L. S.Q. Q.M. F
( mos a analise respectiva, separadamente. E a seguir rea-
lizaremos uma analise em conjunto, reunindo, porm, sex Tratamentos 4
( 12,05 3,0125 2.70
perimentos de varincias residuais no muito diferentes~ Resduo 15 16,72 L, 116 7
( Consideremos, corno exemplo, o caso de cinco experimen
tos de adubao de algodo, inteiramente casualizados-; Total 19 28,80
(
com tratamentos: N1PK 1 , N1PK 2 , N2PK 1 , N1PK2 e testemunha,
( onde N1 e N2 representam, respectivamente, uma e duas do
ses de nitrognio, P uma dose de fsforo, K1 e K~ ser! Experimento III
(
ferem, respectivamente, a uma e duas doses de potassio.
( Os dados e as analises individuais so expostos a seguir.
N1PK 1 7,0 7~5 6,5 5,5 26,5
( Experimento I N1PK;, 8,5 7 .o 8,0 5,5 29,0
( 4,2 2,4 2,8 N2PK 1 9,0 6,0 6,0 5,5 26,5
N1PK1 3,2 12,6
( N1PK2 3,6 2,2 1,8 3,2 10,.8 N2PK2 9,0 9,5 8,0 7,0 33,5
( N2PK1 3,2 2,6 3,0 2,0 lO. 8 Testemunha 7,0 7,0 4,5 6,0 24,5
NzPK 2 3,6 2,8 3,0 2,4 11,8
(
Testemunha 9 4 140,0
(
 r~ ~~~"'~-

(
(
130 131
(
Os quadrados m~dios residuais relativos a esses en-
( Causa de variaao G.L. S.Q. Q.M. F saios, todos com 15 graus de liberdade, so GSseguintes,
( em ordem decrescente:
Tratamentos 4 12,00 3,0000 1,96
( Resduo 15 23,00 1,5333 2,2280 ; 1,5333 ; 1,1167 ; 0,4967 ; 0,0115 .
( O quociente do maior quadrado mdio com o menor ct
Total 19 35,00
193,74, valor que vai muito alm do limite de 7 que jus-
(
tificamos na seo 8.1. Alis, o teste de F mximo nos
( daria
Experimento IV
( F* = ---:::-2-'-'-:::2_2-:::8-::-0-::--:::--
N1PK1 8,0 6,9 6,0 6,5 27,4 3 X 0,0115 = 64,58*i< '
(
N1PK 2 8,0 5,5 7,5 8,0 29,0
valor que significativo ao nvel de 1% de probabilidade
( 26,2
N2 PK 1 7,0 4,7 5,5 9,0 pela tabela 31 de PEARSON e HARTLEY (1956). Por qual-
( N2PK 2 9,0 6,5 5,5 7,0 28,0 quer dos dois critrios, verifica-se, pois, q,ue no pode-
( Testemunha 3,5 3,0 3,9 7,0 17,4 mos estudar conjuntamente os cinco ensaios. Mas, se ex-
cluirmos o experimento v, cujo quadrado mdjo do resduo
( 128,0 e 0,0115, teremos
(
2 '2280
( Causa de variaao G.L. S.Q. Q.M. F 0,4967
= 4,49 < 7.

( Tratamentos 4 22,04 5,5100 2,47 E se conclui que a reunio dos quatro primeiros experi
Resduo 15 33,42 2,2280 mentos correta. Obtemos ento a seguinte anlise con=
( junta.
( Total 19 55,46
(
Experimento v Causa de variaao G.L. S.Q. Q.M. F
(
N1PK 1 1, 72 1,81 1,73 1,62 6,88 Locais 3 475,40 158,47 121 , 1.':> *"'
(
N1PK 2 2,38 2,56 2,48 2,43 9,85 . Tratamentos 4 31 '85 7,':)6 b ,09 *'''
(
N2PK 1 2,52 2,88 2,76 2,54 10 '70 Interao Locais X
( n 2PK 2 2,78 3,01 2,83 2,79 11,41 X Tratamentos
12 15 '69 1,30() 0,::173
( Testemunha 1,48 1,62 1,58 ~,56 6,24 Resduo 60 80,62 1,344
( 45,08
Total 79 603,56
(
( Causa de variaao G.L. S.Q. Q.M. F
Quando o que interessa sao resultados gerais, o tes
( Tratamentos 4 5,3829 1,3457 117,02** te de tratamentos deve ser feito ~referivelmente em rela-
( Resduo 15 o. 1722 o,0115 o ao Quadrado Mdio da Interao Locais x Tratamentos:
( Total 19 5,5551 7 96
F=
1,308 = 6 , 09** .
~

(
 (
( 132
133
(
Por outro lado, o teste para in te raoes nos dar i. a: onde m5 a mdia .da testemunha. As estimativas desse
(
1,308 contraste nos guatro locais, calculadas com totais de
( F = 1,344 o ,973 tratamentos, sao:
( Num caso como este, em que nao h nenhum indcio 8,4
( significao das interaes, pode-se tambm testar o 24,5
drado Medio para Tratamentos em relao ao Quadrado 17,5
( dio Residual: 41,0
( 91,4
F 7,96 = 5,92>'<* .
( 1,344
Teremos agora:
( Neste caso, em geral se obtm maior precisao, pois
h maior nmero de graus de liberdade para o resduo. No SQinter. Y1xLocais
= (8,4)2 + ...
x
+(41,0) 2 - (91,4)
x
2=7 '),
,1~.
( entanto, sempre que houver indicao da presena de 20 4 20 16
( teraao, mesmo no significativa, este procedimento O fator 20 no denominador provm da soma dos quadra
deve ser seguido. dos dos coeficientes do contraste considerado. O fator
( Podemos, como em casos anteriores, considerar indi- 4 se explica per ter sido o clculo feito com totais de
( vidualmente graus de liberdade relativos a contrastes de 4 parcelas. Explicao semE,lhante vale para o fator 16.
tratamentos, como fazemos a seguir. Obtemos a seguinte anlise de varincia.
(
(
Causa de varlaao G. L. s .Q. Q.M. F Causa de varlaao G.L. S.Q. Q.H. F
(
( Test. versus Test. versus Trat.
l 26 'll 26' ll 19 ,96''<1< 26,11 26' 1l 11,02 ,.,
Trat .Adubados Adub. (Y 1)
(
Nl versus N2 l 1,00 1,00 0,765
( Int. Yt X Locais 3 7,12 2,37
Kl versus K2 l 2, lO 2,10 1,61
(
Interao N X K l 2,64 2,64 2,02
( Ao mesmo resultado chegaramos pelo teste t, como
Interao Locais X

c 12 15,69 1,308 se segue:

+[
X Tratamentos
2
( 2 (91,4) I=
s = (8,4) 2 + .. + (41,0) 2 - 189,86 '
4
( Alguns podero criticar nesta anlise que a Intera-
( ao Locais x Tratamentos pode no ser a mesma para todos
os contrastes entre tratamentos. Para evitar esta cr-
s(?l) =~ = 6,89. ?1 =
9
z 4 ~ 22,85
( tica, podemos estimar cada contraste em cada local e pr~ t =
22,85 - o
= 3,32* .
va-lo separadamente. Por exemplo, o primeiro contras- 6,89
(
te da anlise acima e:
(
Analogamente se testam os qutros contrastes.
(
(
(
(e. . c~
'"'l"'t-.. t .. ~ t,

(
(
134
( 135

( Causa de variaa o S.Q. Q.H.

G.L. f
Q) (/}
( (/}
"d Q)
"d
(
N1 versus Nz(Yz) 1 1,00 1,00 o ,926 ri "' COO.-!Qlf)O"Ir--~
............ ............ ...
Intera o Y x Locais 3 3,25 1,08 "'
w Cll "d
ri Q) ('")r-..('").-lao..jlf)~
o
o ctl.-1 .-!CO..j.-<~r')lf)..j
~
( E-< )..l
Q)
14
<11
('")('")lf)~lf)lf)lf)('")
co
r')
00:>
(
( eausa de variaa o G.L. S.Q. Q.M. F
NMOO \aor--0\ N o
......... *" ...........
( K1 versus K2 (Y 3 ) 2,10 2,10
0\CO..jN NO"INM
1 1' 46 ..;j"lf)O" \<J\0\I'(J \lf)

( Intera o Y x Locais 3 4,32 1,44

( NCOO"I..jr')<J\CO~
............ ............ ...
COVIMN N.-ICOO "I
( ..;j"r')..j~lf)lf)..j..j

Causa de variaa o G.L. S.Q. Q.M. F

( (/}
lf)
o ..;j"'-()~ao<.Doao~
( Intera o Y2 x Y3 1 2,64 2,64 7,83 ri (JJ
o
O ............ ............ .. N
"d lf) '-OtJICO lf)..;tlf)lf )lf)
Intera o Y2 x Y3 x \QJ w C""l(""l("" llf)lf)..jlf) C'l
( s (:!
x Locais 3 1,01 o,3 37 Q)
s
( ri
H ..;tQaoQ ..;tlf)C"" lN 0\
aJ O ........... ........... ... o
r o. ..;j" CO CO N I ' lf) '.0 0
\ 00
><: lf"\r--0"10\0\COr--~

ste ltimo mtodo r.Ll

( tem a desvant agem de reduzir ex
cessiva mente o numero de graus de liberda de para testes:
( de sorte que s pode ser usado sem muita de sv antagem
N'.DO\O Q.-I.-10 \
( quando e grande o nmero de locais. ..;t~0000"\0"10-.;t
co
....... .-1
(
( 8.3. lJM GRUPO DE ENSAIOS DE BATATINHA N
O
COQ.-ilf)MN~~
........... ........... ...
.-llf"\Q ON.-Ir- -N
C""l'-ONN N.-1.-1-.; j"
( Um exemplo bastant e interes sante e dado por um gru- ~ ......-l r-l ,.....-4 ........!

( po de ensaios de competi o de varieda des de batatin ha,

OC""l'.D N.-1-jlf), ..._
realiza dos pelo Eng9-Ag r9 Oscar . Garay, da Estao Ex- ... ... .............. ao
( perimen tal de Balcarc e, Argent ina, instala dos em locali- r-.00-.;tN .-IO"ICO r-- ao
..;j-..;t~OO~~'-O..;t co
( dades da regio batatei ra da Provnc ia de Buenos Aires. ..j

Cada um deles tinha 4 repeti es e 8 varieda des em blo-

( cos casuali zados. Os dados, em t/ha, e a anlise de va- .-4

M
( rincia individ ual do 19 experim ento foram vistos na se-
o 5.2 deste livro. Para os demais ensaios co
us dados
( eram semelha ntes. Damos na tabela 8.3.1 os totais deva-
riedade s e os quadrad os mdios residua is para todos os
"'
.-4
(].)

( ..0
<ll
experim entos. E-<
(
(
(--*~'

136 137
(
A relaio entre o maior quadrado m~dio residual As mdias de variedades, em ordem decrescente, sao
( (8,55) e o menor (1,99) vai pouco alm de 4. Fssim sen- dadas a seguir.
( do, podemos fazer uma anlise conjunta sem dificuldade.
1. Huinkul 21,8 t/ha
Temos: 2. B 116-51
( 20,3 t/ha
SQ Experimentos = (1/32) [ (488,8) 2 + ... +(613,0) 2 ] -C 3. s. Rafael a 19,8 t/ha
( 4. B 1-52
3.691,59 ' 19,4 t/ha
( S. B 72-53 A 19' 1 t/ha
SQ Variedades= (1/28) [ (313,8) 2 + ... +(346,6) 2 ] - C
6. B 25-50 E 13,8 t/ha
( 3. 276' 19 ' 7. Buena \Tis ta 12,4 t/ha
( SQ Var. e Exp. (1/4) [ (47 ,0) 2 + ... +(53,2) 2 1- C 8. Kennebec 11,2 t/ha
8.772,33.
( A diferena mnima significativa, ao nvel de 5% de
logo probabilidade, pelo teste de Tukey, e:
(

(
SQ Var. x Exp. =
=
8.772,33- 3.691,33- 3.276,19
1.804,55 .
,
u
=
4 , 50 l/I 42,9 7
28
5,58 t/ha .
(
o quadrado mdio residual a media ponderada dos Por a se conclu que as 4 primeiras variedades su-
( quadrados mdios residuais dos ensaios, neste caso equi- per am s gni fi c a ti vamen te as 3 ltimas.

valente media aritmtica respectiva, pois os pesos a Os testes t, de Duncan e de Scheff se aplicariam
(
serem usados (nmeros de graus de liberdade respecti- da maneira j conhecida, pa,~a comparar mdias de varle-
( vos) so todos iguais. dades, sempre usando como resduo a Interao Varedades
Obtemos, assim, a seguinte anlise da varincla. x Experimentos.
(

(
Causa de varaao G.L. s .Q. Q.M. F 84
I I OUTRO ExEWLO
(
( Experimentos (E) 6 3.691,59 615,27 14,43 ** Um modo prtico e usual de anlise-conjunta de ex-
Variedades (V) 7 3.276,19 468,03 10,89 '~<* perimentos consiste em considerar as medias referentes
( Interao V x E 42 1.804,55 42,97 a cada caso e analis-las corno se cada experimento fosse
11,13 '"'* uma repetio.
( Resduo mdio 147 3,86
D~rnos na tabela 8.4.1, corno exemplo, as mdias de
( produao, em kg/ha, de urna variedade (V38) e de oito li-
( Os quadrados mdios para Experimentos e para Varie- nhagens de rnamoneira em cinco localidades no ano agrco
dades so testados em relao Interao V x E; esta, la 1946/47, de acordo com dados de SOUSA' e CANECCHIO
c por sua vez, se prova em relao ao resduo mdio. F9 (1952) .
( Pela anlise de varnca se conclu que, embora ha O maior quadrado mdio residual observado (88210)
ja interao significativa Var.iedades x Experimentos, s menos de trs vezes maior do que o menor deles (29930),
( to , embora 0 comportamento relativo das variedades vi= lo?o os ex~erirnentos p~d~m ser ana~!sados em conjunto sem
( rie significativamente de uma localidade para outra, ha ma1ores cu1dados. A anal1se da var1ancia, feita como pa-
efeitos gerais de variedades que se sobrepem a essas va ra o aso de blocos ao acaso, dada a seguir.
( riaes, de sorte que se podem indicar algumas varieda~
( des como de maior produo para toda a regio, e nao
nas de interesse local.
(
(
 138
139

Causa de var1aao G. L. S.Q. Q.M. F

.,......
<11
Locais 4 4.800.004 1. 200.00 J 41,00 MN..SOillC:OillC:OO ,..._ o
0::: ill0\0\Nll"\r--.Ntrl..S N N
Tratamentos 8 398.815 49.852 1,70 0\.--INO\C:0.--10-'1"0 0\ t.r\
Interao Trat. X
.-INN.-1.-INNNN co -'1"
UJ ...... --o
x Locais 32 936.520 29.266
(
Total 44 6.135.339 (<lJ
( +J ..SNC:Or--.NNMO\,..._ -'1" o
.....<lJ ..SNll"lillMMC:OO\ill o N
,..._
( E-<
--o..S..Strlll"\ll"\illill-'1"
,.-.l .-I .-I .......... r-1 ........ ' .-4 ....--. r-1
o
-'1" tf)
...... M
( Verifica-se,- pois, que os tratamentos nao
entre si. Entretanto, como a variedade V 38 foi
( mo testemunha, razovel isolar na analise o contraste <11
<J
que compara esta variedade com as linhagens, co me faze- o NUi....--l("')f"'-.. r- C"'J~N ...... o......
( <J
o
MO\Lf"\..-<<.;:TO\M0\0\
C:Oll"\CO--or--.N N MO\
l1"\
mos a seguir. l1"\
,..._ N

c ::E! ...-1.-1.---tr-IMNNNr-1
.--'
co
co

( <11
..c
(
Causa de var1aao G. L. S.Q. Q.H. F
-' -

-- 00
.!G H
<1!
s<11
o
o .O L{')
--o 0\NO\OMO\NN
.....;:t r- '-O r--1 N .-1 -'1"
LI',
o,..._
( Di f. entre V 38 e Ei -o -'1" l1"\COM..j'..j'Nilll1"\ l1"\ ......
linhagens <lJ
.,...~ ..... .-lr-ir-1.-lr-1.-lr-1..-1 M 0\
(
1 11. 16 7 11.167 o, '3812 ~ p..
....... --o
Entre linhagens 7 387.648 55.378 1,89 .,s. .
( o
(
Tratamentos 8 398. 815
-o
(:: ...o illO\If\..SN c-< illM CO
<lJ
6
<lJ
H c0.-10'.()f'.lf\ ..j' N'.()
..j' o
M
,..._ M
cO p.. .-< N O N N ..--lN N ,-< 0\
( <lJ
r-1.-lr-1.-l.-1~..-1.-lr-1
o....... 0\
N
-o 0:::
Tambm neste caso o resduo usado foi o Quadrado
Hedio da Interao Tratamentos x Locais. .,...cO
( -o
\<!)
s
c 8,5. AINDA UTRO ExEMPLO o
l eU
U)
(::
( <-i'
;:I
<lJ
bO
-o <11
c Veremos agora como reunir experimentos realizados o ..c
em vrios anos e em diversos locais. Tomamos como exem- l-1
p.. .,c. . .,. .
(/)

cO
( ...... o
plo dados sobre amendoim publicados por SOUSA e ABPJU1I-
......
COillCO.-INM o .,...
U)
-o
;:I
.,...
<lJ co.-.illr--.r--cococo o cO
( DES (1952). Trata-se de mdias ajustadas de produo de M -'1" ..-< .--1.-<COC:OCO ....... ..... (I)

amendoim, em kg/ha, em trs estaes experimentais e em -'1"

<lJ :> . .l .....l .....l.....l....l.....l....l.....l
o <lJ
E-< 0:::
( trs anos agrcolas, como vemos a seguir. co -o
<11
<11 -o ::z::
( ...... Q)
Q) .....,_. O"
..a
( <11
E-< :>
<11

(
(
 (

( 140 141
( '
Ano 41/42
( Totais de
Variedades Locais Totais de
( Variedades Campinas Rib. Preto Pindorama tratamentos locais
( 40 - Roxo 1780 690 4400 6870 40- Roxo 20220 Campinas 24190
( 54 - Roxo 1450 470 4330 6250 54- Roxo 19400 Rib: Preto 16380
59 - Cateto 1430 520 3440 5390 49- Cateto 17430 Pindorama 30470
( 53 - Tatu 790 280 3710 4790 53- Tatu 13990
(
5450 1960 15880 23290 Total Geral 71040 Total Geral 71040
(
(
Ano 42/43
( O esquema de anlise pode ser o seguinte, dado por
Variedades Campinas Rib. Preto Pindorama COCHRAN e COX (1957) (pp. 565-567).
(
( 40 - Roxo 2610 1570 1850 6030 Causa de_variao G.L.
54 - Roxo 2590 1330 2010 5930
49 - Cateto 2710 1500 2240 6450 Tratamentos (T) 3
( 53 - Tatu 1590 1170 1790 4550 Locais (L) 2
Anos (A) 2
( Interao T X L 6
9500 5570 7890 22960
' ( Interao T X A 6
Interao L X A 4
( Interao T X L X A 12
Ano 49/50
(
( Variedades Campinas Rib. Preto Pindorama Primeiro calculamos:

( 40 - 2570 2650 2100 7320 SQ Total

Roxo
54 - Roxo 2320 27~0 2160 . 7220 173.938.800- 140.185.600
(
49 - Cateto 2130 1890 15 70 5590
( 53 - Tatu 2220 1570 870 4660 33.753.200'

( SQT = ~ [ (20220) 2+ ... + (13990)2] -C= 2.562.555 ~

9240 8850 6700 24790
(
SQL-- 12
l [ ( 24190) 2 + ... + (30470) 2 ) -C 8.304.517
(
( SQA-- 12
1 [ (23290) 2 + ... + (24790) 2 ] - C 158.550
(
( SQ Anos e Loca1S =i [ (5450)2+ .. +(6700)2] - c
d = 29.273.300
 (
( 142
143
c SQL X A= 29.273.300- 158.550- 8.304.517 = 20.810.233 O teste para tratamentos sugerido por COCHRAN e
( COX (1957) para este caso consiste em tomar:
( SQ Trat. e Anos=~ [ (6870) 2 + ... +(4660) 2 ]- C= 3.369.467, QMT + QMT X L X A
F
( QMT X L + QMT X A
SQT X A= 3.369.467- 2.562.555 - 158.550 = 648.362
( 854.185 + 93.355
Para o clculo de SQT x L precisamos organizar uma 24.788 + 108.060
( tabela com totais de cada tratamento em cada local, como
vemos a seguir, onde os nmeros entre parnteses indicam 7' 13 **.
c quantos dados f oram somados. Os nmeros de graus de liberdade para este testeso
( calculados ass1m:
(
Campinas Rib. Preto Pindorama ( QMT + QJ11.T X L X A) 2
( (QMT) 2 ( QHT X L X A) 2
40 - Roxo 6960 (3) 4910 (3) 8350 (3) 3 + 12
( 54 - Roxo 6360 (3) 4540 (3) 8500 (3)
( 49 - Cateto 6270 (3) 3910 (3) 7250 (3) (854.185 + 93.355)2
53 - Tatu 4600 (3) 3020 (3) 6370 (3) (854.185)2 + _;_
(93.355)2
( _ ____;__
3 12
(
( Temos ainda: 3, 7 . '
( SQ Trat. e Locais = _! [ (6960) 2+ ... +(6370) 2] - C ( QJIIT X L + QMT X A) 2
3
( (QJIIT X L)2 (QNT X A)2
= 11.015.800 ' 6 + 6
(
SQT X L = 11.015.800 - 2.562.555 - 8.304.517
( 148.728 . (24.788 + 108.060)2
(
(24.788)2 (108.060)2
Obtemos, pois, a seguinte anlise da varincia. 6 + 6
(
( Causa de variao G.L. S.Q. Q.M. = 8,6 .
( Tratamentos (T) 3 2.562.555 854.185 Os nmeros 3, 12 e 6 nas frmulas so os nmeros de
( Locais (L) 2 8.304. 517 graus de liberdade dos quadrados mdios respectivos.
Anos (A) 2 158.550 Conclui-se que o nosso F tem 3,7 e 8,6 graus de li-
( Interao T X L 6 148.728 24.788 berdade, aproximadamente. O valor de F correspondente,da
( Intera~~o T X A 6 648.362 108.060 tabela, pode ser obtido por interpolao harmnica, que
Interaao L X A 4 20.810.233 5.202.558 nos d o valor 6,80 para o nvel de 1% de probabilidade,
( Interao T X L A 12 1.120. 255 93.355 ou ento simplesmente consideramos os nmeros inteiros
'
( mais prximos, que so 4 e 9 e que indicam o valor 6,42
Total 35 33.753.200 para o mesmo nvel de probabi ldade. De qualquer modo
 (
( 144
145
( que se proceda, verificar-se- que o F obtido (7,13)
( significativo ao nvel de 17.. (854.185 + 93.355) 2
Num caso como este, porm, em que o Q::r.x L e menor 3.7 '
( (854. 185) 2 (93.355) 2
do que o QMT x L x A, ao passo que o contrar~o acontece 3 + 12
( com o Q'I:IT x A, um procedimento razovel e muito mais sim
ples consiste em tomar como quadrado mdio residual par (160.000 + 108.060) 2
( comparao de tratamentos o que corresponde a QMT x A,is 11,6 .
( to , 108.060. Obtemos ento: - (160. 000) 2 (108.060) 2
6 + 6
( F = 854.185
108.060
= 7 90*
, ,
( Verifica-se que o valor de F achado significativo
com 3 e 6 graus de liberdade. O teste de Tukey, ao nvel ao nvel de 57.. Uma estimativ~ para o desvio padro s
( de 57., nos daria: que nos interessa na comparaao entre tratamentos seria:
( 328,7 QHT X L + QMT X A QHT X L X A
/::,. = 4,90 53 7 ,o
( 19 160.000 + 108.060 - 93.355
( 174.705
onde 328,7 = 1108.060
( s
418,0 '
As medias de tratamentos so:
( com nmero de graus de liberdade
40 - Roxo 224 7 kg/ha
( 54 - Roxo 2156 kg/ha n = (174. 705) 2
4,4
( 49 - Cateto 193 7 kg/ha (160.000)2 (108' 060) 2 (93.355)2
53 - Tatu 1554 kg/ha + +
( 6 b 12
Logo, as nicas diferenas significativas sao entre Logo o teste de Tukey nos daria, ao nvel de 5%,
( as variedades 40 - Roxo e 54 - Roxo, e a variedade 53 -
( Tatu. 5,50 766,3 ,
Se ao contrrio, tivssemos
(
QMT X L > QMT X L X A > QMT X A ' e a diferena entre as mdias das variedades 40 - Roxo e
(
poderamos tomar como quadrado media residual para o te! 53 - Tatu, que e 693, no atingiria o limite de signifi
( te de tratamentos o correspondente a QMr x L. cncia, embora muito se aproxime dele.
Se, porm, tanto QMT x A como QMT x L superarem
' ( QMTxLxA, como proceder? Para o teste F usamos o mtodo
( indicado por COCHRAN e COX (1957), aplicado acima, que 86 I I UTRO t~TODO DE ANAL I SE
( continua vlido. Suponhamos, para dar um exemplo, que ti
vessemos QMT x L = 160.000 e que os demais quadrados m= O mtodo de anlise indicado em 8.5, j bastante
( dios continuassem a ser os mesmos. Ficaria: complicado, torna-se de aplicao ainda mais difcilquan
(
do, como ocorre comumente, no temos experimentos nos
854.185 + 93.355 mesmos locais em todos os anos agrcolas. Quando isto a-
F = 3,53 ,
( 160.000 + 108.060 contece, um procedimento razovel e mais simples consis-
te em tomar indiferentemente os experimentos, sem dis-
-(
tinguir se so de lugares diferentes ou de anos distin-
(
(
(
(
146 147
(
( tos, e analis-los de maneira semelhante ao que vimos em
8.2. Se assim procedermos com os dados de 8.5, obteremos
( a seguinte anlise. Ul
(j)
( Cl) "Cl

( S.Q. Q.M.
a
<J (j)
C1l
"Cl
(j)
0000
\O -<r -<r o
o
-<r
Causa de variaao G.L .. F
,_,
O "Cl 'M C') 0\ -<r
Lr'l N
H 0\ 0\ ,..._ Lr'l N
( C1l
:>
M
Tratamentos (T) 3 2.562.555 845.185 10 ,58**
( Experimentos (E) 8 29.273.300
( Interao T X E 24 1.917.345 79.889

( Total 35 33.753.200 Ul
C1l
t:: M
( M -<r
p..-.._
0000
............ 0\ 0\
o
o
o
o
13 N ,..._ \O Lr'l Lr'l Lr'l 0\
( C1l -<r
Exige-se aqui, como nos casos anteriores, que os u
NNN...-i 0\ \O
o
quadrados mdios residuais no sejammuito diferentes,is ......
(
to e, que o malor deles no supere sete vez es o me~
( nor.
Ul
C1l
Os testes de Tukey, de Duncan e de Scheffe seriam c 0\
( 'M
p.. ...._
-<r 0000
OMCJ\r--.
o o
,..._
aplicados da maneira usual, tomado para quadrado medi o re 13 <X) ...-<0000(')
0\
...... 0\
C1l -<r ,..._
( si dual o que corresponde a QMI' x E. Teramos, pois, ao u
N r-I f""""'i r--i M

( nvel de 5%,

( 282,6 - 36 7,4 o
/::,. = 3,90 . ~ o
( /9 (j)
J..< ...._
Lr'l 0000
Lr'l -<r 0\ ,..._
o
Lr'l
o
o
0\ '-Or-.OOLrl <X) r--
( Logo a variedade 53 - Tatu teria produo inferior ""'
1::<:
-<r N N ,.--; ,.--; <X) -<r
<X)
a todas as demais, e estas no difeririam entre sl.
( C1l
13
( (lj o

(
8.7 I ofi:TODO DE CocHRAN o ...._
J..< Lr'l
"Cl 0\
0000
o...or-.r-.
.--l.--lLr'I<X)
o
o
r--
o
o
0\
t:: -<r N N .--l N

(
Quando os quadrados mdios residuais sao muito di- M "' Lr'l

ferentes, o mais acertado, como j dissemos, separar ""'

( os experimentos em subgrupos em que tal no acontea. Ou
(
tro mtodo, porem, que pode ser usado, o que vamos
expor a seguir, adaptado de COCHRAN (1954), e que con-
( . siste em fazer um ajuste nos nmeros de graus de liber- o ......
dade. Cl) ~ ctt
( (j) o (j) ;:l (j)
;:l
"Cl
Consideremos, como exmplo, os dados da tabela 8. T. '1:1
ctt o>< o><
~
<O C1l
~
Cl)
'1:1
'M ......._
'1:1 !ZIZUE-< C/l,M
( 1, sobre o amendoim, adaptados de SOUSA e ABRAMIDES (j) .-I <O
Cl)('l.-1

(1952). ,_,
.-I I 1. I I C1l u ~.3
(
(
>
l1l 0-<1'0\M
-<r Lr'l -<r Lr'l
~
O
E-<
a
...-i ~
O' I
(
 ...
~- ~,~-~- ,,_.il'"~-~loO>o -~,~--.,--.. -- ~"!'"-''-~ '~"""""''l:'lf~l~~~, ~~..,_-.~: .": ~":":!-~ ~~.,.._ ........ ~i_~"'!'~~ -~- ~.;f \ ' '. , .. ~;- y: ... :~--~ .. 'r";,,~

(
(
148 149
(
Adrai tiremos que os experimentos sejam em blocos ao (nr) Sendo s { o Quadrado I-tdio Residual em cada
c a c aso, tendo, pois, 9 graus de liberdade para o resduo, , rimento, .com ni graus de liberdade, temos:
expe-
( cada um deles.
Representemos por X os dados mdios da tabela ante-
(
rJ.or e teremos:
(
69.464.800, EX= 32.240
( n]_
( (32.240)2 16
c = ~--~~-----
64
259.854.400 (52.900 + ... + 106.900)2
(
(52.900) 2 (106.900)2
( Temos de multiplicar por 16 = 42 no clculo de C 9 + + 9
porque, "Como havia 4 repeties em cada experimento, o
( verdadeiro total geral seria 32240 x 4. Ajustamento an- 25,9 26 '
( logo se fez nos clculos restantes.
2
Esi 248.470
c SQ Trat. e Exp.
69.464.800
4
X 16
c 18.004.800 , vl - - - 62118 ~ 62,12 X 103
c e 4
( SQT = _!i [ (9560) 2 + ... + (5400) 2 ] - c 10.978.400
16 21.415.870.900
( 5354 X 106 .
16
( SQE = [ (6700) 2 + + (9500) 2 ] -C= 5.304.200 , e 4
16 .
( (n - l)(e- 1) 2 vl2
SQT X E = 18.004.800-10.978.400-5 . 304.200 = 1.772.200 . nte=
(
Quanto ao Quadrado Mdio Residual, o modo mais f- (e 2) v2 + vl2
( cil de obt-lo consiste em tomar a mdia ponderada dos
3 32 (62,12)2 106
X
( quadrados mdios residuais dos experimentos, embora pos-
sa tambm ser calculado da maneira usual, como em 8.2. 2 X 5354 X 10 6 + (62,12) 2 10 6
( A anlise obtida dada a seguir.
( 7,14 ::: 7
( Desvio Nas frmulas acima e o numero de experimentos e n
Causa de variao G.L. S.Q. Q.M. F
adro o nmero de tratamentos.
(
Tratamentos (T) . Te-:amos, pois, apenas 7 graus de liberdade para a
3 10.978.400 3.659.41) 7 19,12*
( Experimentos (E) 1nteraao T x E (em lugar de 9) e 26 para o resduo (em
3 5.304.200
( Interao T x E 191.356 3.08* 437,4 vez de 36). ~com esses nmeros ajustados de graus de li
9 1. 722.200
Resduo 62.118 249,2 herdade, que julgamos a significao dos valores de
36 2.236.248 F
( obtidos. O teste de Tukey pode ser usado com n = 4 tra-
. tamentos, n 1 = 7 graus de liberdade para a interao. Ao
( nvel de 5% obtemos:
.( Agora temos de ajustar os numeras de graus de \i-
herdade para a Interao T x E (nte) e para o Resjluo
c
(
(
( 151
!50
(

( t:, = 4,68 511,8 .

S. EXPERIMENTOS EM' PARCELAS SUBDIVIDIDAS;
(
(
Como as medias so: EXPERIMENTOS EM FAIXAS
40- Roxo ......... 2390
( 54- Roxo ......... 2335
( 49- Cateto ....... 1985 9,1, GENERALIDADES
53- Tatu ......... 1350
( Os experimentos em parcelas subdivididas so aconse
verifica-se que a variedade 53 - Tatu inferior a todas lhveis em alguns casos em que se pretendam estudar dois
( as outras, e que estas no diferem significativamente en tipos diferentes de tratamentos, como, por exemplo, va-
( tre si. riedades e espaamentos. Neste caso, cada parcela, semea
da com uma certa variedade, repartida em suoparcelas~
( cada uma com um dos espaamentos a estudar. Nos verdadei
( 8,8, BIBLIOGRAFIA ros experimenl=os em parcelas subdivididas ("splt plot")
as subparcelas devem ser distribudas ao acaso dentro de
( BOX, G.E.P., 1953. Non-Normality and Tests on Variances. cada parcela. As parcelas, por sua vez, podem ser dis-
( Bometrika, 40:318-335. postas em qualquer tipo de delineamento, mas geralmente
BOX, G.E.P., 1954. Some Theorems on Quadratic Forms se distribuem em blocos casualizados ou em quadrado la-
( Applied in the Study of Analysis of Variance Pro- tino.
( blems, I. Ann. Math. Stat. 25: 290-302. Nos experimentos em parcelas subdivididas. temos
COCHRAN, W.G. e Gertrude M. Cox, 1957, Experimental De- dois resduos distintos: o Resduo (a), referente as par
( signs, 2~ edio. John Wiley, Nova York. celas, e o Resduo (b), correspondente as subparcelas
( COCHRAN, W.G., 1954. The Combination of Estimates from dentro das parcelas.
Different Experiments. Biometrics 10: 101-129. Se no exemplo acima referido t1vessemos 5 varieda-
( DAGNELIE, P., 1975. Thorie et Mthodes Statistiques,vol. des, 3 espaamentos e 4 repeties, com as parcelas dis-
( 2. Presses Agronomiques de Gernbloux, Blgica. postas em blocos casualizados, a anlise acompanharia o
HOPP, Henry, 1954. A Guide to Extensive Testing on esquema seguinte.
( Farms. U.S. Department of Agriculture, Washington.
( PANSE, V.G. e P.V. ukhatme, 1959. Mtodos Estadsticos Causa de variaao G.L. Q.M.
para Investigadores Agrcolas (traduo). Fundo de
( Cultura Econmica, Mxico. Blocos 3
( PEARSON, E.S. e H.O. Hartley, 1956. Biometrika Tables Variedades (V)
for Statistician.s. Cambridge Un. Press.
4 QMV
Resduo (a) 12 QMR(a)
( SOUSA, O. Ferreira de, e Eduardo Abramides, 1952. tEn-
( sa1os de Variedades de Amendoim. Bragantia 12: 349-
(Parcelas) (19)
358.
( SOUSA, O. Ferreira de, e V. Canecchio F9., 1952. Melho- Espaamentos (E) 2 QME
( ramento de Mamoneira, VII, Bragantia 12: 301-307. Interao V x E
YATES, F. e W. G. Gochran, 1938. The Analysis o f Gr';)ups 8 QMVxE
Resduo (b) 30 QMR("'b)
( of Experiments, Jour. Agr. Sei. 28: 556-580.
Subparcelas 59
(
(

(
 -
~.!~~-1~\>IOl __

( 153
152
(
Consideram-se a analisam-se como experimentos em
( Se tivermos 5 repetioes e as parcelas dispostas em parcelas subdivididas os que se realiz~ nas me~mas par-
quadrado latino. o esquema de anlise ser: celas e com os mesmos tratamentos em do~s ou ma~s
( anos
sucessivos, desde que no haja mais de 3 ou 4 anos.
( Um ponto relativamente complicado nos experimentos
Causa de van.aaa G.L. Q.M. em parcelas subdivididas o que se refere comparao
(
entre mdias de tratamentos pelos testes t, de Tukey, de
Linhas 4
( !)uncan ou de Scheff.
Colunas 4
( Para explicar de uma maneira bem geral esta ques
Variedades 4 QMV to, imaginaremos um experimento em parcelas subdividi=
Resduo (a) 12 QMR (a}
( das com a tratamentos A aplicados s parcelas, dispostas
em r blocos casualizados, e b tratamentos B aplicados s
( (Parcelas) (24) subparcelas. A anlise da varincia seguiria, ento, o
( seguinte esquema.
Espaamentos (E) 2 QME
( Interao V x E 8 QMV X E
Resduo (b)
c 40 QMR (b) Causa de variaao G.L. Desvio padro
( Subparce las 74 Blocos r - 1
( Tratamentos A a - 1
Resduo (a) n a = ( a-1) ( r-1)
( Em qualquer caso, o Quadrado Mdio de Variedades
(Q~N) seria provado em relao ao Quadrado Mdio do Re- (Parcelas)
( 1.ar - 1)
sduo (a), indicado por QMR (a), e os Quadrados Mdos
( de Espaamentos (QME) e da Interao V x E, em relao Tratamentos (B) b - l
( a Q~ffi (b). Em geral, acontece que temos QMR (a) >QMR(b), Intera o A X B ( a-1) (b-l)
de sorte que os efeitos dos tratamentos ensaiados nas Resduo (b)
( subparcelas (os espaamentos, no exemplo acima) so de- nb = a ( b-1) ( r-1)
terminados com maior preciso do que os efeitos dos tra- Subparce las
( a b r - l
tamentos testados nas parcelas (variedades). Esta dife-
( rena de preciso s vezes constitu um def~to deste ti
po de delineamento. mas tambm pode ser vantajosa. Uma
(
desvantagem , porm, sem dvida, que a anlise estats- Consideraremos quatro c asos, que sao os ma~s impor-
( tica . mais difcil do que nos blocos casualizados ou tantes.
( nos quadrados latinos e que algumas comparaes entre
combinaes de tratamentos se tornam relativamente com- 19 Caso - A comparaao entre tratamentos A feita
( plicadas. com o au~lio do desvio padro sa Por exemplo, para um
Em casos mais complexos, as subparcelas podem, por contraste Y == Ai - Au , onde Ai e 1lu so
( medias de
sua vez, ser repartidas em subsubparcelas. Temos, ento, tratamentos A, temos:
(
(
trs resduos distintos: Resduo (a), referente a parce-
las, Resduo (b), a subparcelas, e Resduo(c), correspon
dente .a subsubparcelas. E o processo de subdiviso pode
~
s (Y) =
yq
. --
br
t
( ser ievado mais alem, se for conveniente.
(

(
(
( L54
155
(
com na graus de Liberdade.
J Caso Suponhamos agora que queremos comparar
( Para os testes de Tukey e de Duncan temos, respec- dois ou mais tratamentos B num mesmo nvel de A, o que
tivamente,
( equivale, no exemplo dado acima, a comparar dois espaa-
mentos para uma mesma variedade. Tambm aqui o desvio
(' padro sb que deve ser usado.
q D z ---
( Para um contraste Y = (AjBi) - (AjBu) temos:
(
onde q e z correspondem a a tratamentos e na graus de li t -
-
y
-S"(y)
( herdade e, finalmente, para um contraste
com nb graus de liberdade,
( Y = clAl + czA2 +

( o teste de Scheff nos d 11 q D=z

( 1 rr rr.
( lcom q (ou z) correspondente a b tratamentos e nb graus
/de liberdade.
( com F correspondente a (a 1) e na graus de liberdade. E para um contraste
( 2<] Caso - A comparaao entre me-d ~as
d e t ra t amen t os Y = cl (AJ Bl) + c2 (AJ B2) + . + cb (AJ Bb) ,
( B se faz com o auxlio do desvio padro sb. Para um con- 0 teste de Scheff nos d
traste Y Bi- Bu, temos:
(
( + ...
sCl) t
( onde F tem (b - 1) e nb graus de liberdade.
( com nb graus de liberdade e
49 Caso - Consideraremos agora o problema, bem
( sb sb
mais complexo, de comparar duas mdias A em um mesmo n-
11 q D = z
( vel de B, o que vem a ser, no exemplo acima, comparar
;ar ;a:-
duas variedades para um mesmo espaamento. O que compli-
( onde q (ou z) o valor da tabela para b tratamentos e ca a solu~o do problema que neste caso interferem si-
c nb graus de liberdade. E o teste de Scheff ser aplica- multaneamente os desvios padres sa e sb. Para um_ con-
do a um contraste. traste Y = (AiBj) - (Au.Bj), temos um erro padrao
(
(
y = clBl + caB2 + .. + cbBb s (Y) ~~ (b-l)Vb + Va as'
tendo em vista o valor br r
(
2 "2 - - -
/~
( onde Va = sa , Vb sb. Qual sera, porem, o numero de
s S (cl2 + graus de liberdade a usar no teste, isto , qual o nume-
b ar
( ro n' de graus de liberdade de s(Y) ou de s'?
onde F se refere a (b - 1) e nb graus de liberdade. Sabe-se que devemos ter sempre
(
(
(

(
(
( 156
157
(
Um valor aproximado para n', usado com bons resultados,
( eo proposto por SATTERTHWAITE (1946): o
::
........
NN-.J:>NC'l-.J:>..::t-.J:) o
1) Vb] 2
<1l ~

(
~ ~ ~ ~ ft ~ ft

[ Va + (b o o
n' =
....
<1l
u O
NCV'lC'/M'-ONCV'l
ooco.--.0'1--r..::r-.o
,..... 0'1
(V)
......
,....o N -.o .
Q)
(
v2
a
(b - 1)2Vt
(.)
,_.
<1l
..0
o
( + o. O :: -.J::>NOON0'-00 co N
na nb ,_. -<!" <1l ~ ~ ft

.--.N-..:;r.-<QC'/.-4.-4
ft ~ ft ft ft ft

( -.o
o O 00 lf'l 00 '-O. CV'l C'/ N CO ..::r
o. ...... ..::r
( Temos entao Q)
o
c ",_. -.::r-.oo..::rco..::r-..oo
y

Q)
N
~ ~ ~ ~ ft ~ ft ~ ~

t :> o '-OOONCV"'!OC'IMN o
u o COCO...-<OOlf"'\<'1'-00'\ ......
( s(Y)
I
<1l
.-1 ,....o N ,..... -.o
,_. ..0
( com n' graus de liberdade e, no caso dos testes de Tukey 1<1) o
e de Duncan,
j.J
<1l
O c '-O -.::r OO..::tONO -.o
<"') <1l n
(
ft ... #'> ..........

s O
OONNQ'\..:;tNG'I co
OOlf"'\0'>-.::tNCV"'!...-< o
n

lf"'\
...... -.o
( s' SI
<1) ...... -.::r

(
q D z --- " 00 o
..!:<:
o
c<1l ON'-OOOON..::tO
~
....

..::r
....
N
.... .... .. .. .. N
n

( onde -<:1"00-~ CV"'!NO 0'1

u O 0'\ f'.Of'.f\M'-OCO f'.
,....o N ...... lf"'\
(
(
(
s' = I
e q (ou z) e o valor da tabela para a tratamentos e n'
<1)

Ul
<1)
..0
O
N

O
o
c<1l
......
00 '-OOON-.::t 00'-0 ..;r
ft n n
'-O..OOlf'IN-.::t..-4'-0
f'.li"'\O'>lf'IMMNO
n n n n ft

......
-.o

f'.
ft

-<:!"
..::r
(
graus de liberdade.
O teste de Scheffe nos daria
",_.
<lJ o
:> c<1l NOO N O N ' - 0 0 N
n n
N
( (/) o o MO r-1
ft ~ ft

f""'"-. C"")
ft ~

r--. o
~

M
ft

o u ......
( S s1 j.
~
r
ci ( + + c~ ) F
..0
:l
o
,....
O
N
0'1 00 N 0\
......
l.f') M r-..
......
-.o
-.o

( onde F e o valor correspondente a (a- 1) e n' graus de

" <1l
<lJ
..0
().
,....
o
c<1l 000-<:t --r o
~ ~ ~
oco
.......... <X) N
ft ft

( liberdade.
Convem salientar que nos ensaios em parcelas subdi-
"o O
......
'-0-<:t"NOO..::tMlf"'\ co
00-.::tO'-OMMN (V)
...... ......
M
M
lf)
1<11
( ()'> '
vididas ha dois coeficientes de variao, um referente :l
o
( ao desvio padro sa, outro correspondente a sb. ",_.o u
,_.
~

(
( 9.2. UM ExEMPLO
p.,

(/)
o
~
~
<1l
al
,_.
o
O.">l
al
o. -o ........,
<1l o

~
<:.)

;:l
.g
~
~-
j
<::n
( Tomaremos como exemplo um experimento com 8 trata- s:: S::!<1l 'O o
Q) ;:l . . ~ ~....: <1l"l-( .c
( mentos (7 adubos verdes e milho) em blocos ao acaso, com ~ CJ..-4~
8""0
Q ..-,~..-1

4 repeties, realizado em dois anos sucessivos nas mes- 4-J ~<1)

~u 1-r.rJU 'i!
( mas parcelas. Os dados constam da tabela 9. 2 .1.
<1l
,...
H
.
.-.NM"-'tlf"'\-.J:>r--..CO
(
(
(
( 158 159
(
.Para fazer a anlise, comearemos por obter a
( duo total de cada parcela nos dois anos. Os numeras
( sim obtidos constam da tabela 9.2.2.
Indiquemos por X os totais das parcelas. (/)
o
( Fica: Q) .w
c
( rx2 = 686.381,68 EX 4385,2 "" Q) '-00-;1"N0NOCO N
~
(J) ft ft ft ft ft ft ~ ft ft

ri '-OCV'lOCOO\"'--<tr- '"l
crJ .w COCV'lNf'-Nf'-Lf\0 co
( w ,_.
( c (
4385 2 2
) = 300.468,42 o
E-< .w "' '-OU"\COU"\r'"lNC"''CO C"l
-;r

64
(
686.381,68
SQ Parcelas = - C= 42.722,42 .
( o
2 N CO--<t-;1"-;1"NN--<t-;1" N
u ft ft ft ft ft ft ~ ft ft
( 0\ O o CV'lU"\CON'-0"'--<l'N 0\
Adiviso por 2 no clculo da soma de quadrados pa- --<r ...... "'CV'lO\U"\1'-r--COr-- li"\
..0 r-4 ~ r-1 t-I ...... o
( ra parcelas devida a termos duas subparcelas (isto e, ......
dois anos) em cada parcela.
(
Tendo em vista gue h 19 subparcelas em cada bloco
( e 8 para cada tratamento, fica: icrl
O
o
u
o
000-;1"N-;1"CIJO
ft ft ft

if'I-'-;1"NV')U"\ NO
ft ft ~ . ft
co
li"\
ft

( 1 (V') ......
[ (1196,4) 2 + ... + (1059,2) 2]
r--.;:tO(V')r--'-0 CIJO r-
SQB -c= 851,43 ~ ..0 .-1 ,...; N ...... N o,.....
( 16
c SQT = S1 [ (686,6) 2 + ... + (807,8) 2] -C= 40.189,61 ,
(
O
o
u
o
COC0--;1"0-..j'OQ..;r
ft ft

ococn-;r"'co
ft ft ft ft . . co.
..;t,.o (V')
SQRes (a) = 42.722,42- 851,43- 49.189,61 = 1.681,38. N,...; 1'-NO\CV'lCO"' CIJCO li"\
( .D r-1 t-1 ~ r--1 ...... o
.-1

( Com isto podemos terminar a primeira parte do qua -

dro da anlise da varincia dada abaixo.
( Quanto segunda parte, os clculos so feitos como
(
se mostra a seguir.
O o
,..... ,.....
o
u
r- r- N
. .
OC0'.0-;1"N'-OCIJO
ft ft ft ft

0\ ...... '-0 NO\

. ft
--<r
.
r- N N li"\ 0\ '.0 o ..;r "'
0\
( SQ Anos = ~ 2 [ (1919,6)2 + (2465,6)2] - C = 4.658,07 , .D ,...; .-1 N .-1 .-<N .-1
.-1

(
onde 1919,6 e 2465,6 sao os totais respectivos do primei_
o tl
( ro e do segundo ano. U.

(
(
Para obter a Soma de Quadrados correspondentes In
terao Anos x Tratamentos, comeamos por organizar
quadro com as produes dos tratamentos em cada um
anos do experimento (tabela 9.2.3).
um
dos
N

N o
w
(/)
w
crJ

,_.
Q)

p.""
<1l
o'"'
Q)

o
<::3
P.<::J
cJ
""'
:3
~
;:I
~
~
~
j
<::n
( 0\ c
Q)
r:ltC1l
;:1.-,~ """r::..s:! crJ~,.C::
o
~
<1l () .ri ~ crJ Q.. .,...., ~ ......
( ...... ~Cll (Sc:.!O ~
Q) w .r:r..u 1-CI)U
(
..0
<1l
E-< E-<
113
,... . . .. . . .
.-<NCV'l--;1"11'\'-01'-00
(
(
(
( 161
i60
(
J\.JJJi~l ' da var~anc~a
Tabela 9.2.3. Totais anua~s relativos a tabela 9.2.1.
(
causa ~e Desvio
(
iI Totais de
variaao
G.L. S.Q. Q.M.
padro F
( I Tratamentos 19 ano 29 ano
tratamentos Blocos 3 851,43
( I
I l. Mucuna preta 333,8 352,8 686,6
Tratamentos (T) 7 40.189,61 5.741,37 75' 77 71,70**
( I Resi:duo (a) 21 1.681,38 80,07 8,95
2. Feijo de porco 205,2 327,8 533,0
( 3. CJtot. junc.e.a 370,0 450,4 820,4 (Parcelas) (31)(42.722, 42)
\ 4. Guandu 233,8 344,4 578,2
( Teph. c.ancU..da
I
I
5. 120,8 208,2 329,0 Anos (A) 1 4.658,07 4.658,07 68,25 121,88**
( 6. Soja 133,4 142,8 276,2 T.
Interaao A X 7 5.048,64 721 '23 26 '86 18,87**
\
7. CJtot. gJtan;U_a.na 87,6 266,4 354,0 Resduo (b) 24
( 8. 919 '73 38,22 6,18
Milho 435,0 372,8 807,8
( Total 63 53.348,86
1919,6 2465,6 4385,2
(
(
(
Temos agora: Como a Interao A X T e
significativ a, este esque-
ma de anlise deve ser modificado, pois isso indica que
(333,8) 2 + ... +(435,0) 2+]

l
( os tratamentos se comportam de maneira diferente em rela-
o aos anos. g prefervel, pois, estudar o efeito dos
( SQA X T 41 +(352,8)'2 + ... +(372,8) 2 - C - SQA - ~QT
anos em cada tratamento sP.paradamen te. Temos ento:
(
49.896,32 -4.658,07 ~ 40.189,61 SQ Anos dentro do Trat. 1 =
(
(
5.)48,64
Agora podemos completar a anlise de varincia que
[(333,8)2 + (352,8)2] l
8
(686 ,6) 2

( e dada a seguir.
I 45' 13 '
( I
I
I
e analogamente para os outros casos. Podemos ento orga-
J nizar a tabela 9. 2. 4 para a anlise da varincia.
(
Em todos os casos em que foi significativ o o efeito
( dos anos, houve aumento de produo no segundo ano, com
( exceo apenas do caso do milho (tratamento 8), em que a

(
safra diminuiu. Essa discordncia de comportament o que e
tornou significativ a a Interao Anos x Tratamentos na
( outra analise. Contrastes entre as diversas combinaes
de tratamentos e anos podem ser testados pelos testes t,
( de Tukey, de Duncan, de aonfer roni e de Scheffe, de acor
( do com as normas gerais j vistas. Por exemplo, para o
contraste entre duas medias de tratamentos nos dois anos,
( o mtodo de Tukey nos d, para o nvel de 5% de probabi-
( lidade:

(
i~----------------~--~
 ..
rr"'"!]i'"ii"--)-~J-----P--~----~---..,........,_ _.~t<"'~:(-.,.._""',.,.''''''~'~'!:'<'JMI'"""'i'!"',.-,,..,."~~,_.\~':Cn '.-",~"'P<:<::"::~":.: ':"",.,!-''''''.,~~r:>:"V'"1'

(
( 162 163
(
Tabela 9.2.4. Anli~e da var1anc1a du~; dados da Vemos, po1s, que a CJW.tal~a juncea e o milho no
( 9. 2.1. diferem entre si, e que ambos superam todos os outros
tratamentos, ao nvel de 5% de probabilidade, pelo teste
( de Tukey.
( Causa de A comparao entre essas mdias pelo teste de Dun-
~
G.L. S.Q. Q.M. F
variaao can seria feita com as amplitudes mnimas significati -
( seguintes:
( Blocos 3 851,43
Tratamentos (T) 7 40.189,61 5.741,37 71 '70** 3 35 8,95
( De 10,60 '
(
Resduo (a) 21 1.681,38 80,07 ' rs
(Parcelas) (31) (42. 722,42) 8 95
( D7 = 3,33 = 10,53 ,
( Anos d. Trat. 1 1 45,13 4-:5' 13 1,18
/8
Anos d. Trat. 2 1 1. 878,85 1.878,85 49 ,03** e ainda, calculados analogamente,
( Anos d. Trat. 3 1 808,02 808,02 21 ,09** D6 10,41, 9 '77
( Anos d. Trat. 4 1 1.529,05 1.529,05 39 ,90** = 10,25 ,
D5 9,30
Anos d. Trat. 5 1 954,85 954,85 24 ,92** D4 = 10,03 , li!
( Anos d. Trat. 6 1 11 ,os 11,05 'li
0,288 tI
( Anos d. Trat. 7 1 3.996,18 3.996,18 104,28** Verifica-se, pois, que ainda neste caso aC~o~ai~a iI
Anos d. Trat. 8 1 483,61 483,61 12 '62** junee_a e o milho no diferem entre si, e que ambos supe- li
( Resduo (b) 24 919,73 38,32 ram todos os outros tratamentos, ao nvel de 5% de pro- i I
( babilidade. ! i

Total 63 53.348,86 Se tivssemos mais de dois anos a considerar, a com

( parao entre eles poderia ser feita pelos testes de ~
( ou de Tukey ou de Scheff. Mas como s h dois anos, a
nica comparao possvel j est julgada pelo teste F
( da anlise de varincia. A comparao entre as produes
8 95
( 4,74 = 15 03 de dois anos para um mesmo tratamento (39 caso em 9.1)
/8 ' tambm j est feita pelo teste F, pelo mesmo motivo. Po
( demos, porm, estudar, como exerccio, um contraste do
onde o valor de q (4,74) foi obtido por interpolao har
( tipo includo no 49 caso, por exemplo, comparar a produ-
mnica, da maneira indicada no captulo 3. As mdias dos
o do milho no 19 ano com a da CJto~ai~a junee_a tambm
( tratamentos, em ordem decrescente, so: no 19 ano. Temos:
( C~o~ai~a juneea ................ . 102,55
Milho ......................... 100,98
y 435,0 - 370,0 = 16 25
=--4- 4 '
( Mucuna . . . . . . . . . . . . . . . . . . . . . . . . . . . 85,83
( Guandu ......................
Feijo de porco .................. 66,63
72,28 s (?) = !2 38,22
2 X
+
4
80,07 = 5.44
( CJto~cti~ gJta..n;t,Lana ............. . 44,25
( Teph!to~;a eandida ................ . 41. lJ [ 80,07 + 38,22] 2
n' 38,2 :::: 38 '
Soja . . . . . . . . . . . . . . . . . . . . . . , ...... . 34 ,53 (80,07) 2 (38,22)2
(
21 + 24
(
(
I
r."". "'"
h . .. ,.,.
r"\ - - - - r-, ,..... - - ,......._ ........... " ' - , " ' ........., ,-.., ~ ~

l
" r"\ - - ......., r"'\ """ r"\ , , ,......., "' ,....., """ ,....., .........., .....__ "

1l
.. , ;;- .- -c.-.-~ ~ ...~,..

,.....
n ro P. t1
.\.N
LD ~ 'O N OQ ,Cl
t-i O C:: C:
~
1-'
p.. p.. Ct>

"'"' ~o "' C1'

(t>
"' !-'
::l o
. c:
~
(l)t-it-iP .<l
'O
p.
Pl tu
(t>

-o (/)
,.q ()
o
o' tu "'
tu ::l P.::l
o' O
::l (t>
c: o
M\
1-'
()
'"dlllCJ
'O
t1
o c..,
P..Ct>
(t> to
~
Ct>
+:-

1-' ~ lll rt o o' llll

~
to
~
l "' n ,.Cl
ro ro c(t> ,..... ::l t1 1-':3 <
;.;- n tD.._. Cll t1ro ;:o
11
o 1-' ~ o ' tu < o ~' Pl
,.....
o
OQOil> P.S
a ro o o
.s::-1~
Cfl
P,.(D
lll l Nl-i
P..O O E!
(t>
~ o
o ,.q t>
.
to
1-' (t>
.......... o l!
~
'O t-i to 'O 1-' o t-i
o
(D () n 11 11
..
ro tn 1-' 11 () o 11 p.

l
>1 "' o lll rt o 11 11 rt rol
P.'d "' ll>
C:II>::IO Q
tnc:r'l-iP >O
c: "'
~
::I
~ +
w
"-./ "-./
'O ::; ro
Ct> o
..... n
,......,
.....>
::;
rt(t)CJ'
1-i to
.....
~
+:-
11
"'..
P.!t>
Ct> Cll to
~

~ (D lll >1
1-i
5 ~ ~ ~ ~ !-'

.s: -1~!
o' o.('l 1-' ln C1' o n o 1:10 tu rtN ln ro
'dii>IP. l
lll o "'
"'rt
(/) +:- \0
at'D\ oE! E!
'O
N
'-'
(/)
~
ro ln. w
w p.
()Q
;:l
1-'
"' !'
~

1-i ,.Cl (D lll ro rt 00 ro M\ ~

ln 1......
C1' !

~~~
nSroC :!ll rt tu 1-i + ro ~ ~ 1-' +:- ~ l
ro 1-'S lll ::l t'D\ o lll (/) ro N >-1 () +:- N
..... ::; p. lll\
ll> ro P.l-i ,.....
I -P-1'-' o. a11 ,-.. rt a N c:
;.;-
lll Vl '!
~
(/) o ro1 > ro o rt
'i c:: lll 1-' 1-' N ,......, P..lll + (/) N+ ro 1-'
lll lll p. (/) (]Q ..... p.. 1-' 1:10 11 '< <
a(DI '!
.s::-1~:
rn >--'000 ro ::l ro lll N ,Cl 00 o
..... ...._, ..... o
llll
ontn> -'P.
o c:: lll (D
M\
.....
+
.....
CllP.P..
c:
ro
..+:-
"-./ . o
~
ro ll> ..\0
N
~
o.SO" rt ()
n lll 1-'
;:r' lll
I
o "-./ ... ,
11 .o
\0 1
!ll'd'di- 'C: + n N N :1
P.t-'lll ::lS
lll (D t1 o
"'1-'
~ 11
.,... +:-
..._,
(D
t-t~;:rP..
M\Qill
,-..
>
n
o
11 ~
o <
::l
~--'' ** i
tJl ~ n ro ~ ro1 k -...] ::l '-' tJl (D

::;
lll ll>
.
tu
>-'(D"
ro
(D p. ::< o ~
,.....
,..... ~
N
~

tu p n
~s
1:10
...._,
N
~
1-i
tu
~

C1'
\0
'O
lll
,.....
p.
~
>mlnli
..... o N o ~ .:;:l
c: (/) 11 ro
CJl ~ '-' ~ lll
lll
O" 'O
x
c:
aro ~
* ::; :4 lll
1-'1
ro
~

o
,.....
~
rot1SV 1::l ~1:.!::>'0 ::;
..... o lll ..
lll p.
c::
~
o
ro ;:r 1-i
>--' e
ro
llll
o
::l
....
<
, p..
(D

'k ~
tJl tJl
\Do.() ro ro () p.. (/) ro
,..... 'O
OIS ::I o
Wt'D
ro <'- (D li
P..E! :4 11 o
(/) lll o Vl::S 1-' p.. o'
...... p. Vl N:4ro
~
lll (D
c: ,....
c:r'n < .....
(/)
P.OP>I ll
ro I I
P.::l
(!) o o
p..
/OQ
V1
N ,;:;:
Tabela 9. 3 . l . Produ o de cana, em kg por
parce~a.

Varied ade Adubado No Totais de No Totais de

ad.ubad o parcel as Varieda de Adubado
adubad o parcel as
290,4 261,6 552 ,0 264,0 244,8
l. 4. 508,8
223,2 206,4 429,6 223,2 230,4
Co 3X Co 419 453,(
309,6 228,0 537,6 292,8 230,4 523,2
292,8 192 ,o 484 , 8 278,4 172' 8 451,2
312,0 184,8 496,8 259,2 206,4 465,6
1428,0 1072,8 2500,8 1317,6 1084,8 2402 '4
134,4 124,8
!,,
259,2 223,2
2. 122,4 117,6 240,0 5.
146,4 369,6 I
218,4 168,0 386,4
F 42.,.68 120,0 127, 2 247,2 CP 36-24
170,4 196,8 36 7 '2
158,4 105,6 264,0 ~~
-~
175,2 199,2 374,4 f
.~
151,2 144,0 295,2 312,0 165,6 477,6 lj
~
698,4 :~
710,4 1408 ,8 1087,2 784,8 1872,0 l lp

~
~f
144,0 168,0 312,0
3. 153,6 ~
120,0 273,6 M
CB 38-22
~
105,6 98,4 204,0
175,2 199.2 374,~ Total do adubad o ...... . 5.275, 2 r~.
165,6 iJ
177,6 283j2 Total do no adubad o ... 4.356, 0
744,0 703,2 1447,2 Total Geral ...... ...... 9.631, 2
l
~
...... ~~
- ---~
C1' ~

I
ln
 (
(
166 167
(
( A distribuio dos tratamentos (variedades) e das Tendo em vista que a Interao Variedades x Aduba-
produes de parcelas nas linhas e colunas do quadrado1a significativa, podemos estudar o efeito da aduba-
( tino consta da tabela 9.3.2. em cada variedade separadamente, como se faz a se-
(
Tabela 9.3.2. Distribuio dos tratamentos no quadrado
( latino.
( variao G. L. S.Q. Q.M. F

c 477,6 465,6 295,2 283,2 496,8 2018,4 Ad. dentro de vl l 12.616,70 12.616,70 l3 ,85 **
( 5 4 2 3 1 Ad. dentro de v2 l 14,40 14,40 O,vlo
Ad. dentro de V3 1 166,46 166,46 o' 183
( 367,2 484,8 451,2 374,4 374,4 2052,0 Ad. dentro de V4 1 5.419,58 5.419,58 5,95 *
2 1 4 5 3 Ad. dentro de V5 l 9.144,58 9.144,58 10,04 **
(
Resduo (b) 20 18.214,27 910,71
( 523,2 204,0 264,0 537,6 247,2 1776,0
c 4 3 5 l 2

Os clculos sao feitos como em 9.2. !j

( 273,6 386,4 429,6 240,0 453,6 1783,2 li
3 5 1 2 4 Verifica-se, pois, que s trs das c~nco variedades ij
( estudadas reagiram adubao. il
( 552,0 259,2 312,0 508,8 369,6 2001,6 As mdias de produo so dadas abaixo, em kg por
1 2 3 4 5 parcela.
(
( 2193,6 1800,0 1752,0 1944,0 1941,6 9631,2
Variedades Adubado No adubado
(
( l. Co 3X 285,60 214,56
A anlise de varincia levada a cabo como no ex em 2. F 42-68 139,68 142,08
( p1o anterior, com os resultados da tabela seguinte. 3. CB 38-22 148,80 140,64
( 4. Co 419 263,52 216,96
Causa de variaao G.L. S.Q. Q.M. F 5. CB 36-24 217,44 156,96
(
Linhas 4 7.302,07
( Colunas 4 . ll. 832 '88
( Variedades (V) 4 105.701,30 26.425,33 25,65** Se quisermos comparar a produo de duas variedades
Resduo (a) 12 12.361,88 1.030,16 adubadas (comparao de 49 caso) pelo teste de Tukey,
( cal cu larernos:
(Parcelas) (24) (137.198,13)
(
Aduba~ (A) 1 16.898,57 16.898,57 18,56** s' = ;I 910,71 + 1030,16 = 31 15
2 .
( Interaao V X A 4 10.463,16 2.615,79 2,87*
Resduo (b) 20 18.214,27 910,71
( [ 1030 ,16 + 910.711 2
n' 28,9 = 29,0 G.L.,
( Subparcelas 49 182.774,13 (1030,16) 2 (910,71) 2
( 12 + 20

(
 (
( 168
169
(
( = 4,13 ~ = 57,57 . Tabela 9.4.1. Brix de mangas de diversas variedade s.
rs
( O valor de 6 fo calculado para o nvel de 5%
( probabilid ade. Variedades Norte Sul Leste Oeste Total
Verifica- se, pois, que a Co 3X excede
( mente todas as demais variedade s, quando adubada, com ei 18,0 17 '1 17,6 17,6 70,3
( ceo da Co 419. Esta por sua vez supera significativa~ Cariota 17,5 18,8 18,1 17,2 71,6
mente a CB 38-22 e a F 42-68. 17,8 16,9 17,6 16,5 68,8 210,7
c O mesmo valor de 6 nos permite comparar entre si as
( variedade s na parte no adubada. Verifica-s e ento que a 16,3 15,9 16,5 18,3 67,0
Co 3X e Co 419 no diferem uma da outra, e que ambas su- Extrema 16,6 14,3 16,3 17,5 64 '7
( peraram todas as demais. 15,0 14,0 15,9 15,2 60,1 191,~

c 16,0 16,2 l7 ,9 16,1 66,2

( 9.4. AINDA lJfRO ExEMPLO Oliveira 19,5 14,9 15,0 15,3 64,7
(
16,3 16,4 16,0 16,4 65,1 196,0
Os dados que vamos analisar, adaptados de um traba- i!
( lho de SIMO (1960), referem-se ao brix de frutos de 5 16,6 15,2 14,2 15,5 61,5 li
!I
variedade s de mangueira , colhidos de 3 ps por varieda- Bourbon 15,9 l3 '2 18,0 17,3 64,4
.( dos
i!
de. De cada p se colheram 4 frutos, um de cada um 17,5 15,8 16,7 18,4 68,4 194,3 "
i(
( pontos cardeais. Este ensaio se pode considera r como em
parcelas subdividid as: cada parcela uma mangueira , e 18,9 18,6 15,3 17,0 69,8
( correspon-
as subparcela s so as 4 faces de cada rvore, Imperial 18,5 l3 '7 18,2 18,3 68,7
( dentes aos 4 pontos cardeais. 21,5 16,4 18,3 16,6 72,8 211,3
( Os dados colhidos so Teproduzid os na tabela 9.4.1.
A analise segue marcha semelhante dos exemplos an 261,9 237,4 251 '2 253,2 1. 004, l 1. 004' 1
( teriores, com os resultados que se indicam a seguir.
(
( ca usa de variaao- G.L. S.Q. Q.M. F H, pois, efeito significat ivo de Variedade s e de
Pontos Cardeais, mas no para a Interao Variedades x Pou
( 7,39 tos Cardeais.
r' Variedades (V) 4 29,55 4,71*
( lO 15,71 1,57 As mdias para variedade s, em ordem decrescent e,com
ri Resduo (a) erro padro 0,36, so:
(
(
(
(
I (Parcelas)

Pontos Cardeais (P) 3

Interao V X p 12
30
(14) (45,26)

20,60
20,12
51,60
6,87
1,68
1,72
3,99*
o,977
Imperial .......... ..... .
Carlota .... , .......... .
Oliveira .......... ... ~ ..
Bourbon .......... .......
Extrema .......... ...... .
17,61
17,56
16,33
16,19
Resduo (b) 15,98
( A diferena mnima significa tiva, ao nvel de 5%,
Subparcela s 59 137,58
pelo teste de Tukey, :
(
(
(
/
 r--"-~--

(
( 170
171
(
( 4 66 11,57
(
, m l, 6 8 ,

( pois hi 12 subparcelas (frutos) para cada variedade.

(
Para os 4 pontos cardeais, as mdias, em ordem de-
( crescente, com erro padro 0,34, so as seguintes:
( Norte 17,46
( Oeste 16,88
Leste ................ ..... .
16' 77
( Sul ................ ....... .
15 '83
c A diferena mnima significativa, ao nvel de 5% de
probabilidade, pelo mtodo de Tukey, e:
(
( 6. = 3 84 v'I;l2
. m = 1,31 Causa de variaao
Blocos
'
G.L.
( 4
A mdia ger~l do ensaio 16,735. m: Logo o coefi Tratamentos A 2
( ciente de variaao para parcelas e: Resduo (a) 8
( 11,57 X 100 Tratamentos B 3
c. v. 16,735
= 7,49% Resduo (b) 12
( lnteraao A X B 6
ao passo que para subparcelas : Resduo (c)
( 24
v'I;l2 X 100 Total 59
( c. v. = --=2....:-.:;-..~=---- = 7,84% .
16 '735
( Se o mesmo experimento fosse em parcelas subdividi-
das,e no em faixas, o esquema da anlise seria o segui~
( te.
( 9.5, ExPER I fvENTOS EM FAIXAS
Causa de variaao G.L.
( Os experimentos em faixas se distinguem dos experi- Blocos 4
mentos usuais em parcelas subdivididas porque neles os Tratamentos A
( tratamentos no se distribuem inteiramente ao acaso nas
2
Resduo (a) 8
( subparcelas, mas, pelo contrario, so dispostos de rnane! Tratamentos B 3
ra a formar faixas, como mostra a figura a seguir. Interao A X B
( Temos a representado um bloco de um experimento em
6
Resduo (b) 36
( faixas com trs tratamentos A (A 1 , A2 , A3 ) e quatro tra- Total 59
tamentos B (B 1 , B2 , B 3 , B4 ) , Se tivermos cinco repeti-
(
es, a analise da varincia acompanhara o esquema se- _ _Esta anli~e, alem de mais simples, d maior preci-
( guinte. 1sao as com:earaoes entre tratamentos B e no julgamento
:da Interaao A x B. Logo, os experimentos em faixas de-
;:(
(
:vem ser evitados, sempre que possvel. Ha
casos, po-

.(
:j -----~-~----'----------~-----
 (
( 172 173
( rem, em que razoes de ordem pritica nos levam a adoti
( los. Tal acontece, por exemplo em alguns experimentes de causa dl! variaao G. L. S.Q. Q.M. F
poca de colheita, quando esta feita por meios mecni-
( cos. Convm, ento, que estejam numa s faixa todos Blocos 3 1.011,06
( tratamentos a serem colhidos na mesma poca, afim de fa- Tratamentos (T) 7 40.159,68 5.737,10 79, 73*>'<
cilitar o trabalho das mquinas. Resduo (a) 21 l.Sl.l,07 7l ,96
(
( (Pare e las) (31) (42.681,81)
(
9,6, lJM ExEWLO COM SUBPARCELA PERDIDA
Anos (A) 1 4.452,22 4.452,22 118 '54>'<*
( Suponhamos agora que no experimento de 9.2 foi per- Interaao A X T 7 4.899,16 699,88 18,63>'o'c
dida a produo de feijo de porco no 19 bloco (44,0), Resduo (b) 23 863,92 37,56
( isto , admitamos que h uma subparcela perdida. A ani-
( lse pode ser feita ento mediante o clculo de uma pro- suoparcelas 62 52.897,11
duo fctica a ser atribuida i subparcela perdida. A
( frmula a utilizar-se :
( N~te-se que se perde um erau de liberdade para o Re
r P + b (Ai Bj) - Ai
y sduo (b).
( (r-1) (b-1)
A modificao do esquena de anlise para atender ao
( onde r e o numero de repet~es, h o n~mero de trata- fato de ser significativ a a interao A x T, feita co-
mentos B testados nas subparcelas (anos, neste caso), p mo em 9.2.
( o total das subparcelas presentes na parcela onde se Na anlise acima o Quadrado Mdio para o Resduo (b)
( perdeu um dado, A o total de todos os dados relativos fica corretamente estimado, mas todos os outros esto li
ao tratamento atrbuido a essa parcela, e (A Bj) o geiramente exagerados. O erro cJmetido geralmente des
( total das ~ubparcelas com o~ trata~~;:tos Ai e Bj corres- prezvel, mas, se se desejar, poder-se- usar o mtodo
( pondentes a subparcela perd~da (feqao de porco e 19 ano, do resduo condic i on<cll e xp l iv a du em 5. 5 para obter os v a
no caso vertente). Temos no nosso exemplo: lore~ exatos, ligeiramente inferiores.
( Quando o que mais nos interessa a primeira parte
( r = 4, b = 2; P = 83 , 8 , da anlise, isto , as compara~es entre tratamento:> A, po
demos, com maior rigor, considerar perdida toda a parce=
( (Ai Bj) 56,6 + 52,4 + 52,2 = 161,2
la em que se perdeu uma subparcela e calcular o valor a
( A~ 83,8 + 56,6 + + 52,2 + 83,2 489,0 , ser utilizado na anlise pela frmula j dada para o ca-
so de blocos casualizados :
( logo
4 X 83,8 + 2 X 161,2 - 489,0 rB+nT-G .
( y = 3 56,2 . y =
X 1 (r-l)(n-1)
c Este valor obtido substitudo como se fosse a pr~ onde agora n o numero a de tratamentos A.
( duo da subparcela perdida e todo o clculo feito co-
mo em 9.2, com o resultado dado a seguir. g claro que se as parcelas fossem dispostas em qua-
( drado latino utilizaramo s a frmula corresponden te.
( No caso presente obtemos Y = 155,2 e a anlise e
a seguinte.
(
.(
J
~----------------~------~
 (
( 174
(
( Causa de variaao c. L. S.Q. F 10. BLOCOS INCOMPLETOS EQUILIBRADOS
( 3 1.229,47
Blocos
( Tratamentos 7 40.162,48 5.737,50 79,93** 10.1. GENERALIDADES
Resduo (a) 20 1.435,54 71,78
( Quando o nmero de tratamentos muito grande ou o
( Parcelas 30 42.832,98 material em estudo muito heterogneo ou, ainda, quando
certas limitaes restringem excessivamente o tamanho dos
(
bloco~, h, por vezes, interesse em fazer blocos incom-
( Agora h perda de um grau de liberdade para o Res- pletos, isto , que no incluam todos os tratamentos. Por
duo (a). exemplo, para comparar raes na alimentao dos porcos
( conveniente tomar para blocos os leites de mesmo sexo
Na tabela acima o valor de S Q T foi corrii~ido pe-
( lo mtodo descrito em 5.4. de cada leitegada, os quais dificilmente vo al~m de ~
ou 9. Logo, se as raes [orem em nmero de 12, por ex.e~
( plo, no poderemos fazer blocos completos. Por outro
( 9.7. BIBLIOGRAFIA lado, em experimentos com milho no raro temos algumas
centenas de tipos (hbridos. por exemplo) para comparar.
( P..NDERSON, R. L., 1946. Missing-Plot Techniques. Biome- Neste caso, nada nos impede de usar blocos completos, mas
( trics, 2: 41-47. eles ficariam to grandes que s em casos muito favor-
ANDERSON, R.L. e T.A. Bancroft, 1952. Statist~al Theo- veis poderiam ser considerados uniformes.
( ry in Research. HcGraw-Hll, Nova York. Em qualquer dos casos acima referidos uma soluo
( CALZADA BENZA, Jos, 1966. Mtodos Estadsticos para la consist: em usar delineamentos em blocos incompletos,dos
Investigacin, 2~ edio, Lima. quais sao particularmente importantes os bl6cos incomple
( COCHRAN, \L C. e Gertrude M. Cox, 195 7. Experimental De- tos equilibrados ("balanceei incomplete blocks"), que es=
( signs, 2? edio. John Hi ley, Nova York. tudaremos agora, os reticulados quadrados ("square lat-
FEDEPER. Walter, T., 1955. Experimental Design. Mac- tices" ou "two-dimensional lattices"), que veremos no ca
( millan, Nova York. ptulo seguinte,e os blocos casualizados com alguns tra=
( KEtWTHORNE, O., 1950. The Design and Analysis of Expe- tamentos comuns, que constam do captulo 17.
riments. J ohn Wi ley, Nova York. Os delineamentos em blocos incompletos equilibrados
( SATTERTHHAITE; F.E., 1946. An Approximate Distribution se caracterizam pelo fato de que neles cada tratamento
( of Est-imates of Variance Components, Biometrics, 2: aparece no mesmo bloco com cada um dos outros tratamen
ll0-114. tos e sempre o mesmo nmero de vezes :\.
( SH1O, Salim, 1960. Estudo da Planta do Fruto da Man- Consideremos, por exemplo, um experimento com v = 6
( gueira (tese). ESALQ, Piracicaba. tratamentos, numerados de l a 6, em b = lO blocos de K = J
parcelas, com a disposio seguinte.
(
1 L 5 2 .3 4
(
l L 6 2 .l 5
(
l 4 2 4 6
(
1 3 6 3 5 6
(
1 4 5 4 5 6
(
(
 (
( 176 177
( H casos, ainda, em que os blocos pouem set reuni
( A um tratamento qualquer aparece 2 vezes no doS em grupos de repeties, como no exemplo seguinte,
bloco com cada um dos outros. Por exemplo, o par em que v= 5 tratamentos, A 1, b = 10 blocos de k =L
( parcelas, e cada tratamento e repetido r = 4 vezes.
aparece nos blocos
(
19 i?rupo 29 grupo
c 2 3 4 2 4 6
(repetioes I e II) (repeties III e IV)
( Neste caso temos, pois, = 2. Al~m disso cada trat
to aparece em 5 blocos, logo o nmero de repeties l 2 l 4
(
r = 5.
( A analise da varincia seguiria o esquema seguinte. 3 4 2 3
( 2 5 3 5
Causa de variaao c. L.
(
Blocos 9 l 3 l 5
(
Tratamentos 5
( 4 5 2 4
Resduo 15
(
Total 29
( O esquema da anlise da varincia seria entao o se-
guinte:
( H casos em que os blocos podem ser reunidos de mo-
do a formar repeties e ento o esquema da anlis2 de
( Causa de var1aao G.L.
varlancia pode ser ligeiramente modificado. ~ o que con
( tece, por exemplo, no delineamento seguinte, em que te-
Grupos l
mos v = 6 tratamentos em b = 15 blocos de k = 2 parce-
( Blocos dentro dos grupos 8
las, com = l e r = 5 repeties.
Tratamentos 4
( Resduo b
l~ rep. 2 ~ rep. 3~ rep. 4~ rep. 5~ rep.
(
( 1 2 l 3 l 4 l 5 1 6 Total 19
3 4 2 5 2 6 2 4 2 3
( Acompanhando COCliRAN e COX ( 1~57), consideraremos os
( 5 6 4 6 3 5 3 6 4 5 experimentos em blocos incompletos equi lioraaos como en-
quadrados em trs tipos distintos, j exemplificaaos acl
( ma:
A analise da varincia seguiria entao o seguinte mo
( delo. Tipo I - Experimentos em que os blocos possam ser agrup~
( G.L. dos em repeties;
Causa de variaao
( Repet ioes 4 Tipo li- Experimentos em que os blocos possam ser dispo~
Blocos dentro das repeties 10 tos em grupos de repeties;
( Tratamentos 5
( Resduo 10 Tipoiii-Experimentos cujos blocos no possam ser agrupa
Total 29 dos em repeties ou grupos de repeties.
(
(
 -
~ . , , ....., ..,-!'""",.~~~~~.. ....,..~'"'!'~ 7'."" ~ .
... ~>-':~"'!'"~ ~.uzd\"""'l' "~-~~>"'":'': ::.~:~_..~.~~~ " ..-,-., _.~~-''!~'iff: M~- -.,.., ..,_,.., ~ , .. ;- ,., -. . ,, .. .. ,_., ., _ ~,--~ :-.

(
( 17 8
(
COCllRAN e COX ( l 'J S 7) cons i<..! I.! ram ma Jo i s Li pus , 0 no c;JSO UI.! blucus LllCOIUp' LUS equiJiiJraJo::;. \1;:-se, po.Ls,
( tipo IV, com v = b, e o tipo V, que so os pequenos expe que, quanto menor o va Lu r J~: L, menor a precisao das es-
rimentos, com poucas parcelas. No estilo Je e~posi~ timativas. Por isso, e~ i g ualdaJe de outras condies,
(
adotado neste livro e desnecessria a consideraao dos devem-se escolher de preier~ncia delineamentos em blocos
( tipos IV e V anteriormente referidos. incompletos equilibrados com o valor de ~ to prximo ae
A analise dos experimentos em blocos incompletos e 1 quanto poss ve 1.
c bem mais difcil do que a dos experimentos que vimos COCHRAN e COX (1':157) (captulo 11) <1ao uma relao
( atrs. Entretanto esta maior dificuldade de anilise, co dos principais delineamentos disponiveis em blocos incom
~o tam~em a maior perda de graus de liberdade no resl- pletos equilibrados, com os detalhes necessirios para ~
(
duo, sao frequentemente compensados por uma r_:duo gra~ seu uso.
( de no Quadrado Mdio Residual, de sorte que nao raro ob-
temos experimentos mais precisos.
( H dois tipos bem distintos de analise dos experi- 10.2. fiNAusE lNTRABLocos DElMtxPERirvENTO ro TIPO III
( mentos em blocos incompletos:
( a) Anlise intrab locas, em que so comparaoes entre Consideremos como exemplo o experimento cujos e1ados
parcelas do mesmo bloco so usadas nas estimativas figuram abaixo, no qual temos v = 5 tratamentos, = J,
de
(
efeito de tratamentos;
k = 3 parcelas por bloco, r= b repeti~;es, b = lu rilo-
cos. Neste caso temos
( 'r
.J
b) Analise com recuperao da informao interblo-
V 3 X 5
( cos, onde as comparaes entre blocos so tambm aprovei E = ,cU tU %
tadas na estimao dos feitos de tratamentos. kr 3 X 6
(
A anlise intrab locos pode ser usada para qualquer
( experimento em blocos incompletos e se baseia_ em mtodos
Totais Totais
de de
( estatsticos exatos. A anlise com recuperaao da infoE_
blocos blocos
mao interblocos, por outro lado, permite aproveitar m~
( lhor os dados, mas usa mtodos estatsticos apenas apr o-
( ximados e s deve ser usada para e x perimentos com nmero
35 (l) 1 0(2) 27( J ) ':lO :2)(1) 16 (4) u (:)) 6u
30 ( 1) 20(2) 22 ( 4) 72 26 (L) JU(J) 20(4) 84
de graus de liberdade relativamente grande para blocos
( 28(1) 16(2) 18(5) 62 27(2) 29(3) L7 (:;,) bJ
e para o resduo.
36 ( l) 29 (3) 30 ( 4 ) 9) :2':l(L) 2'::l( 4 ) 2 7 (5) ti.)
( Nos experimentos em blocos incompletos equilibrados
e muito importante a eficincia (E) dada pela frmula:
29 (l) l':l (3) 22( 5 ) 70 27(3) 2b(4) 2':1()) 81
(
V
( E =
kr Os numeres entre parenteses indicam os tratamentos.
( Temos sempre O < E 1. Sendo s 2 a estimativa da
A Soma de Quadrados Total e a Soma de Quadrados pa-
ra Blocos (n~o ajustados) se calculam da maneira usual:
( variincia residual, a estimativa da variincia da diferen
~~ en:tre as estimativas . das m0dias de dois rratamentos
( l:x 2 21.167 i:x = 7!:U
e
( (7o3) 2
m ) v ( ii. - 2 s2 c. 30
20.436,30
( u ~ r
blocos completos SQTotal = L:x 2 C= 21.167- 20.43b,JU = 7JU,/U

+
no caso de t' -
{ 1 2 s2
.(
v (m. ~
- ii
u
)
E r s QB (nao aj.) 1 (90) 2 + (72) 2 + .. +(o2) 2 1-C=412,7u.

c
(
 .:

(
( 180
181
(
O que d maLs trabalho e se faz de mane1ra dife c t c. Curnu a < s l i rrr;~ L i v a ti ;r rrrt:: J i a g <..~r a 1 G
( te do que vimos ate aqui e o clculo da Soma de Q.tadr ..
(
dos para Tratamento s ajustados para os efeitos de bl -
rn
7~3
26, 10
cos. Primeiro devemos calcular os valores de T., totais J 7

l
( de tratamento s: temos por fim:
(
35 + 30 + 28 + 36 + 29 + 25 183 26,10 + 6,67 32 7 77
( 28 + 20 + 16 + 26 + 27 + 29 146 26,10 - 2,53 2J,S7
(
e assim por diante. e ass1m por diante.
( A seguir calculamo s as correoes para o efeito
blocos (Ai), cada uma delasdada rela soma dos totais Os clculos e xplicados actma estao resumidos natabe
( blocos em que aparece o tratamento i correspond ente. Por la abaixo.
( exemplo, o tratamento 1 figura nos sei sprimeiros blocos. Te
mos, pois:
(
Al 90 + 72 + 62 + 95 + 70 + 60 449 Tratamento s T 1 A.
l
Qi=kTi-Ai t.
1
-
mi
( Az = 90 + 72 + 62 + 84 + 83 + 85 476 etc.
1 183 449 lO O b,b7 32' 77
(
Passamos a seguir ao calculo de 2 146 476 -38 -2,.)3 23, 5 7
( :~
Q. = kT. - A ..
3 161 504 -21 -1, 4 L.4, / l)
\.,
l l l 4 151 47!5 - 25 -l, b 7 2 4,4J
( i' Estes valores Q. so de importnc ia fundament al na anali
:. 5 142 44 :: -16 -1, 07 2 S ,lJ J
l,
( se de experimen fos em blocos incompleto s. A partir de=
les calculamo s agora as estimativa s dos efeitos ajusta- 7~3 o u,lJO
( dos de tratamento s (t.) pela frmula
l
(
1
t. = - - - Q. A Son1a de Q.Jadrados para Tratament o s (ajustados ) :
( l v 1

Podemos, por fim, calcular as medias ajustadas 1

( de S Q T (aj . ) 'l
' ( V
~: Q:i
tratamento s
(
m..l m + t.l 3~3x5 [ ( 100) 2 + (38 ) 'L + +(16) 2 J
(
( i
onde m e a estimativa da md{a geral. 283,6':! .

c l Ternos, pois: A Soma Je Q.!adrados para o Resdu o se c.alcula por

(
l Ql =
Q2 =
3 X 183 - 449
3 x 146 - 476
= l
-38
subtrao , como usualment e.
Obtmos, pois a seguinte analise da varincia .
(
( I e assim por dinte, e ainda:
1

I
( 100 "' 6,67 '
3 X 5
( 1
t2 = -----,- (-38) -2,53

l
( 3 X 5
(
~
 (
( 182
183
(
? '"24,70- 23,57 = l,U, V(Y)=V(~i -ntu) U,b6 ,
( Desvio
Causa .de variaao G.L. S.Q. Q.M. padro F s(Y) = /o,B6 = 0,93,
(
( Blocos (no ajustados) 9 412,70 45,86 1,13
t 1,22 .
Trat. (ajustados) 4 283,69 70,92 8,42 0,93
( Resduo 16 34,31 2,14 1,46
( Para contrastes mals complicados o clculo e se me-
Total 29 730,70
( lhante. Com efeito, para um contraste
( y = cl ml + c2 m2 + ... + c m
O teste de Tukey pode ser usado na comparaao de me v v
( dias, tomando-se:
temos
(
6. q /(1/2) v<~.l ~
u
) (10.2.1) v(?) = k
+ .. +
( ,\ v
e o de Duncan com
e as outras frmulas no mudam.
( D = z /(1/2) v em.l mu ) Por exemplo, para o C'.1traste
(
onde
(
:. 2k 1 2
l
( I
l -~
I,.
~i

,\v -r r fica
( i No caso vertente temos: 3
(
: I
3 X 5
2 X 3
vcffi.l - ffiu ) 3 5
2,14 o, 86 ,
logo
( X

( logo,ao nvel de 5%,fica: s(Y) >'2,57 - 1,60-,

0 86
( '-' = .4 ,33 vI
A 2 = 2 , 84
e como
(
Verifica-se, pois, que o tratamento l (cuja mdia Y = 2 32,77- 23,57- 24,70 17,27 ,
I
X
( ajustada 32,77) excede todos os demais, e que estes
( no diferem entre si. obtemos finalmente
O teste t pode ser usado, com os cuidados usuais,
( quer para contraste entre duas mdias de tratamentos, 17,27
t = = lO ;79io'<
(
(
I quer para contrastes mais complicados. Para o contras-
te O teste de Sch~f[ pode ser usado com
1,60

(
II'
1
S /(v - l) 'l(Y) F
( por exemplo, temos:
(
l
l
 (
( 1H4 185
(
Para o con trastL antL!rior ttramos, puts, .:lU
( de 51. :
(
S = -I 4 X 2, 57 X 3, 1 = 5, 56 Q)
'CJ
Q)
'CJ
( rJl rJl
o
rJl o Ul

Como a estimativa Y 17,27 excede esse Limite, ri () ~ -;r C'l J\ VI ri tJ J\ ::l 01 N r")

( C1l o
._, ..-< -;r -j C') N -;r
..... ._,co .....o M .:t M M ~
....
mos que o referido contraste ~ significativo, isto e, o .o o .o
( a media do tratamento 1 difere signifi ca tiv a mente da f-< H

( dia dos tratamentos 2. e 3.

Note-se que a frmula para fJ(Y ) dada na se c ao 3.2 o ......-... ...-..........-.. ....-.. o ....-.. .....-... ,..-...., .....-...
( ]C1l -;r r--. '.0 CX) l<1l r--. -.o VI cO
nao e vlida para blocos incompletos devido ao fato de ()'> ..__., ..__., "-"" .._.. ()'> ...._, ....._, ..._,. ....._.,.
r--. r--. -.o ..;r r--.
( neles serem as medias de tratamentos correlacionadas. No ._,
ri
..... r--.
..... CX) ..... '.0
..-< ._,
ri
..... .......... .....
caso especial dos blocos incompletos equilibr ados ela
Q) Q)
p. p.
( sub s tituid a por (10.2 .1). QJ
....-..
Q)
....-.. .....-.......-..
:~. 0::: ......-.........-.... ............ 0::: ,..-...,
.-< N M VI .-< N M -;r
( <1l ' .._/ '-" '--" ..._, CO ....._,..._,....._....~

C') M '.0 VI C') '.0 <'l~ <Xl lf)

<'l N ..... ..... <'l N ..... .....
( 10.3. ANALISE lNTRABLOCOS DE UM ExPERIMENTO DO TIPO I QJ QJ
( 'CJ "C)

Consideremos como exemplo o experimento cu jos dados rJl o

(f)
rJlo
U)

( fig u ram na pgina seguinte, no qual temos v = 3 trat amen- ri () N ~ 0\ CX) C') .4
co o
() N f) M M M
._,<11 .....o -;r ..;r N N -;r
..... .w .....
-;r -;r M C') n
.-<
( tos, = 1, k = 2 parce las por bl oco , r 7 repeties, o ..o o .o
b = 28, E = 55 %. Sendo um experim:nto do tip o I, cs blo H E-<

c cos podem ser a grupad os em repeti oes, como cons ta

tal)ela 10.3 .1.
da
o ....-.. ,...-... ....-.. ....-.. o --- ..--... ....--.... ~

( / CO "" ..._,. VI r--.

CX) "'"-.-/ /CO '.0 -;r co r--.
()'> ....._.... '-" ()'> '-"' ....._- ....._.... '-....../
ri co 0\ '.0 '.0 ri -;r co V) r-
( Temos: .w
QJ
r-l r-l ..... ..... .w ..... ..... r-l r-l
Q)
p. p.
( Q)
....-.. ....-..
Q)
....-.. ....-.. ....-..
l:x 2 = 17. 52 7 LX = 963 ' c= 16.560,16 ' 0::: .....-....
r-< N
..._, '--"'
,..-...,
-;r '.0
..._, .._..
0:::
,......; .~ ("'")
...._, '-"" ....._....
.....-....
lf)
'-"'
( <ll CO
<'l -;r V) C') <'l V) co r- co ~

S QTotal = 17.527- 16.560,16 966,84 ' N N .......... <'l N .-< .....

(
( S QRep. = +[ (132)
2
+ (143) 2 + ... + (128) 2 1- C= 102,47,
Q) Q) Q)

+[
"O "O "C)
(f) Ul
( U) o co ..... 0\ -;r N Ul o -;r 0\ N -;r 0\ U) o
rJl
CX)-;t r--. 0\ co
S QB (38) 2 + (31) 2 + ... +(29) 21 -C= 525,34 .4 tJ M M N C') C')
..... .4 u M MN N .-<
.... .4 u MMN N N
.....
.....o
co o cU ._, r-lo
c S QBlocos dentro das Re petioes 525,34 102,47
.w .....
H
o .o
.w
o
E-<
..0
H
<1l
o ..0
(
422,87 ,..-....,....-. ....-......-.. ....-.. ....-.. ....-.. ....-.. ....-.. ....-......-.. ....--...
( o N-<T'.O co
........,..._,..._., .._.. o lJ") Mf'-- co o CO V) f'-.'.()
.._......_, ...._, ...._,
1'11 1'11 '-"'-"'~.._.. leU
()'> co '.0 lf'ICO ()'> M '.0 N ..... ()'>
( Passamos agora ao clculo da Soma de Quadrados para .4 ..... ..... ..... ..... ._,
.4 ..... ........... ..... .4
lf'IM<'l'.O
........... ..... .....
Tratamentos (ajustados), que e
feito como no exemplo an .w
<11
p.
Q)
p.
.u
Q)
p.
( t er i or, por meio das frmulas: <11 ...-.. ....-.. ....-.. ....-..
,..._ Q) ...-... ....-.......-.. ...-... <11 ....-.....-.. ....-......-..
0::: .-< M VI c.:: rl('ol-;t'.Q
.._.. ...__,...._, .._.. e<::
.._,._ '--' ..... ...._,
-...._, <'l '-"
<'1 ."'" ...._,
( ....
~ ~

'11
..... o VI
..... ........
-<r '.O cU MO C') < C") r i VI C")
<'l -;r N N.--l ..... r--. N <'l ..... .....
(
(
 (
(
\
186 lb7
(
Q. kT. - A.
1 1 l Os testes t, de Duncan e de Scheff5 podem ser fei-
( l
t.1 tos como no caso anterior. Temos:
Q.1 '
(
( m..1 m + t.1 ' 'i/(rn. - rn >
2k 2x2
1 u
=
V
s 2 -l'Xi33,10 l ,Y) ,
(
S Q T ( aj . ) = ~V e,ao nivel de 5%i
c
(
Os resultados obtidos constam da tabela abaixo. 6 = q /r~-'0-(_m_i__-~-) = 4, 7 4 M = 4, 18
(
Tratamento T1 A'1 Q. tl
~

m1 Verifica-se, pois, que os tratamentos l e 2 nao di-

( 1 ferem entre si e superam todos os demais.
1 161 273 49 6,125 23,321 Para um contraste
(
2 164 284 44 5,500 22,696
( Y = 2m - m - m - m + m
3 115 236 -6 -0 '750 16,446 3 4 5 6 7
( 4 102 228 -24 -3,000 14,196
220 --22 -2,750 14,446 por exemplo, teramos, pela formula (lu.2.l):
5 99
( 6 103 224 -18 -2,250 14,946 2
( 7 108 22 7 -11 -1,375 15,821 vcf> = - -- -
1 X i)
J,l X 8 = 6,20 1

8 111 234 -12 -1,500 15,696

( logo, ao nvel de 5%, obtemos
( 9631 o 0,000
l(v-l)'V(Y)F = ..;'-j xG,20 x 2,49
S = lU, 40 .
('
\
Como Y = 5,125, verifica-se que o contraste em que~
( Temos, pois:
tao nao e significativo.
( S QT(aj.) = p~x 8 [ (49) 2 + (44) 2 + ... +(12) 2 1= 376,38 .
(
Podemos agora completar a anlise da varincia, que 10.4. ANALISE lNTRABLOCOS DE UM ExPERIMENTO DO TIPO II
( e dada a seguir.
Consideremos como exemplo o experimento seguinte com
c v= 7 tratamentos, = 1?. r= 6 repeties, b = 21 b.lo-
( Desvio cos, no qual os blocos sao reunidos em grupos de duas re
Causa de variaao G.L. S.Q. Q.M. F
Padro peties (tabela 10.4.1).
(
Repeties 6 102,47
( Temos:
Blocos dentro das
21 422,87
repeties
(
17,35** :x 2 = 375,300 :x = 124,0 c 366,09~ .
Tratamentos (aj.) 7 376,38 53' 77 7,33
( Resduo 21 65,12 3, lO 1,76
S QTotal = 375,300 - C = 9,205 .
(
_(
Total 55 966,84
S QGrupos = + l (41,7) 2 + (40,~:J) 2 +(41,4)2]-C=O,U~4
(
:c
 (
188 189
( Tabela 10.4.1. Daclos~deum experimt>nto Jo tipo 11. Tt>mos ainda:
( Tola i s de ToLais
19 Grupo
blocos
29 Grupo
blocos
s QT(aJ. .)= p
1
x [ (2,4) L +(O,b) 2 + ... +(1,6) L I= 3,267 .
2 7
(
3,5(1) 2' 8 (2) 6,3 3,8(1) 4,0(3) 7,8 A anilise da variincia ~ dada a seguir.
(
3,2(2) 3,7(3) 6,9 3,6(3) 2,7(5) 6,3
( 3,5(3) 2,5(4) 6,0 2,3(5) 3,0(7) 5,3
( 2,8(4) 2,7(5) 5,5 2,8(7) 2,5(2) 5,3 Desvio
Causa de variaao G.L. S.Q. Q.M. F
3,0(5) 3,2(6) 6,2 2,6(2) 2,8(4) 5,4 padro
( 2,4(6) 2 '6 (7) 5,0 2,3(4) 2,4(6) 4,7
( 3,1(7) 2' 7 (l) 5,8 2,8(6) 3,3 (l) 6,1 Grupos 2 0,024
Blocos dentro dos
( 41,7 40,9 18 5,381
Grupos (no aj.)
(
Totai_s de Tratamentos ( aj . ) 6 3 '26 7 0,5445 o' 73l::l 15,34*''<
( 39 Grupo
blocos Resduo 15 0,533 0,0355 0,1~8
(
3,0(1) 2,2(4) 5,2 Total 41 9 '~:o 5
( 2,7(4) 3,4(7) 6,1
( 3,2(7) 3,9(3) 7,1
3,3(3) 2,4(6) 5,7
c 2,8(6) 3, 4 ( 2)
2, 6(5)
6,2
5,5
Os testes t, de Tukey, de Duncan e de Scheff
aplicados exatamente r:omo nos casos anteriores.
sao

( 2,9(2)
2,3(5) 3,3(1) 5,6
( .,1
4 l, 4 10.5. JlNAusE coM REcuPERAo DA INFORMAo lNTERBLocos
(
1 Na anlise intrablocos, que j vimos, os efeitos de
( S QB -2- [(6,3)2 +(6,9) 2 + ... + (5,6) 2 ] -c= 5,405 blocos so considerados fixos e os contrastes entre eles
( no so aproveitados na estimao dos efeitos de trata-
S QB dentro dos Grupos = 5,405 - 0,024 = 5,381 mentos. Surgiu, por~m, a id~ia de que contrastes entre
( blocos tamb~m do inf armao sobre os efeitos de trata-
( ~
mentos. E se verificou que se os efeitos de blocos fo-
Tratamentos T.
~
A~ Qi t~ m~ rem tomados como aleat~rios, o que ~ geralmente poss-
(
vel, essa informao pode ser combinada com a que ~ for-
( 1 19,6 36,8 2,4 0,343 3,295 necida pelos contrastes de parcelas dentro dos blocos
2 17,4 35,6 -0,8 -0' 114 2,838 (utilizada na anlise intrablocos) para obteno de esti
( 3 22,0 39,8 4,2 0,600 3,552 mativas mais precisas dos efeitos de tratamentos. -
( 4 15,3 32,9 -2,3 -0,329 2,623 O modelo matemtico admitido, no caso de experimen-
5 15,6 34,4 -3,2 -0,457 2,495 to do tipo III, e:
( 6 16,0 33,9 -1,9 -0,271 2,681
( 7 18,1 34,6 1,6 0,229 3,181 y .. =rn+b. + t . +e .. ,
~J J 1 lJ
( 124,0 248,0 0,0 onde me a m~dia geral, bj ~o efeito ao bloco,ti, o do
(
(
 ------------- -------- - - - -- - -- -

( 190
191
( tra t amen t o e eij uma varivel aleatria, que se
com distribuio normal de varincia a 2 , vemos que se deve ter s empre O ' a <_ i. Para u,
fica a = 1, logo
( Define-se ento o valor k
M. Q~ + a Ai - a G
( a2 ~ v
a k
( k T. A. + A. G
~ ~ ~ v
( k
e com ele calculamos as novas estimativas t[ para k T. G
os ~ v '
( efeitos ajustados de tratamentos, e mj_ para suas medias
ajustadas, pelas formulas: e ainda,
(
M~ Mi M~
( M~ = Qi + a A~ - k t! =
a G , ~ v+(r-)a v+r- (v-l)+r
v
( , ..- Pode-se, porm, demonstrar que, nos blocos incompl~
onde G e o total geral, e
( tos equilibrados , (v -1) = r (k-l). Logo fica:
~, Mi
t. =
~, ~,

( v + (r- ) a
m. fi+ t. Mi
~ ' ~ ~
t~
1 k ..2i__ -m-
Tambm se pode usar a frmula ~ r(k-l ) +r --rk lk T. -
~ v
G]
r
-, T~
( k m.
~

m + t!
a-- G ' ~ ~ r
( v
( as vezes mais conveniente.
O teste de significn cia para tratamentos ser~a fei Neste caso, pois, a anlise corresponde i que se f~
( to por um teste de x2 : ria se nao houvesse blocos incompletos, isto , recamos
na anlise de um experimento em blocos ao acaso, quando
( se trata de delineamento s do tipo I e na anlise de um
l
( experimento inteiramente casualizado, quando o delinea
ka2[ (v + (r-)a]
mento do tipo III.
(
-
Acontece, porem, que, na prat~ca, nao- conh ecemos a 2
_. Se, ao contrrio,
a a2, a ser praticamente nulo. E para a
ai
for muito grande em relao
( nem a 2 mas apenas estimativas dessas varincias. O, temos
1' ~
Es- Mi = Qi, de sorte que voltamos a anlise intrablocos.
sas estimativas podem ser usadas no lugar dos parame-
( Em geral, porm, a est e~tre zero e um, e nenhum
tros mas tornam apenas aproximado o mtodo de anlise.
daqueles dois casos ocorre.
(
'As estimativas de a 2 e a 2 so obtidas a partir do
( quadrado mdio para o resduo {vr = s 2 ) e do qua~rado m! claro que > oi
O, logo devemos ter < l. Na pr~ a
tica, porm, ao estimar a com o auxlio de Vb e Vr> pode
dio para blocos (ajustados) (Vb), que veremos ad~ante co
( acontecer que tenhamos Vb < V r e en-to obtemos a > l. Por
mo calcular. Pesquisas feitas tm demonstrado que es-
exemplo, para experimentos do tipo III as estimativas de
ses quadrados mdios devem ter pelo mens 20 graus de li
(
herdade para que a aproximao obtida seja razovel. o2 e f
so, respectivam ente'
( Como 2 -2 b-1
s , 01
bk-v
a
( logo
(

_; __ ~------~----
 -
I ~,-
. iii'"''ii._,.-
,,..,.,----~-,.~;;;;:::;~~~~---~~-~ ~' ,~-,~~-~

( 1
1~3
(

I -a (bk - v) Vr
l r') =Vcffi~
2k
( l b-1
bk-v (Vb -v-r)
k(b-l)Vb - u 1 'Av + (r-'A)

( ! of
-~-
Para Vb < Vr obtemos ento < O, o que absurdo
I
i
e > 1, o que tambm e inadmissvel.
geral, devemos tomar at
= O e = 1.
Neste caso,
y cl ml + c2 m2 + + c
v
m
v
q tl + c2 t2 + .. + c t
c Quando se. faz a recupe.rao da informa~o interblo-
1:

I cos com o auxlio de estimativas oara o 2 e o, noh

v v
( te exato de significncia para tratamentos. No entanto ' ks 2
- , t'(Y) = ( c2 + c2 + .. + c2)
( a expressao ~ l 1 v '
V + (r-) a
( e ainda
l
( k vr [ V + {r - ;\) } IM?
1 /:, q) l/2) V(Y) '
D = z /(l/2) V(Y)
( ~ ~

e aproximadamente distribuda como um x2 com (v-l) graus s / (v-l) V(Y) F

( de liberdade. Isto nos permite fazer um teste
( do para a hiptese de nulidade de efeitos de tratamen-
tos. Outro caminho, mais indicado, consiste em tomar co
( mo uma nova Soma de Quadrados para Tratamentos (ajusta~ 10.6. ANALISE DE UM txPERIMENTO DE TIPO Ill COM
( dos) a expresso
REcuPERAo DA INFORMAo lNTERBLocos
( 1
S QT(aj .)* = - - - - -- - - - L:M?
( 1 Tomaremos como exemplo dados de FRAGA Jr. e COSTA
k [ v + (r - ) ]
( 1950), reproduzidos abai xo , que se referem ao ngulo z
( com a qual calculamos o novo Quadrado Hedio para Trata- correspond en te porcentagem p de plantas sadias, segun-
( mentos (ajustados). do a formula
O asterisco em SQT(aj.)* e em expres~es anlo-
( gas tem por fim evitar confuso com expressoes correspon z = are sen / p/100 .
( dentes referentes anlise intrablocos, isto , sem re-
cuperao da informao in~erblocos. No experimento em questo temos b = v = 13, k =r =4,
( Temos: = 1, e os valores de z obtidos constam aa talw L.1
( 10.6 .1, onde os tratamentos so indicados com nmeros, ~n
S QT ( aj . ) ''<
Q MT(aj.)* = tre parnteses, de l a 13. -
( v-1
Agora, para recuperar a informao interblocos a
( e, finalmente,obtem os, aproximadamente, primeira coisa a fazer calcular a soma de quaaraoos p~ e
ra blocos (ajustados). Para isso primeiro calculamos a
( F =
Q MT (aj .)* Soma de Quadrados para Tratamentos (no ajustados).
( 52
1 '
SQT(no aj.) T~ - C
(
(
Os testes t, de Tukey, de Duncan e de Scheff
ser aplicados da maneira indicada nas sees anteriore '
deste captulo, mas levando-se em conta que tl'mus agora
+ r

2382,37 .
l
1

(217 ,2).2+ ... +(282 ,9) 2 1-

(3593 ,9) 2
52
(
(
- (-------
 ar
A i,.. (,--.~",........,._

(
( 194 195
( Tal::ela l0.6.l. Dados do experimento de FRACA JR. e
(1950). . - Desvio
c Valores de z,ern graus Causa de varlaao G.L. S.Q. Q. 11.
adro F
(
Blocos (no aj .) 12 1490,56
( 19 bloco 52' 7 (l) 79,5(2) 63,4(4) 65,9(10) Tratamentos (aj.) 12 1512 '36 126,03 11,23 2, .':>:2. *
29 bloco 71,6(2) 56,8(8) 71 '6 (12) 65,9(13) Resduo 27 1267,56 46,95 6, 85
( 39 bloco 58,9(1) 75,0(7) 7 5 ,o (11) 71, 6(12
( 49 bloco 75,0(3) 65,9(4) 79,5(6) 79,5(12) Total 51 4270,48
59 bloco 71,6(4) 75,0(8) 71,6(9) 79,5(11)
( 56,8 (l)
69 bloco 65,9(3) 71,6(9) 65,9 (13)
( 79 bloco 75,0(2) 65,9(3) 65,9(5) 90,0(11) A seguir, usamos a frmula:
89 bloco 48, 8(1) 68,6(5) 63 ,4( 6) 61, 1(8)
( 99 bloco 63,4(6) 90 ,O (lO) 90,0(11) 71,6(13) SQB(aj.) = SQB(no aj.) + SQT(aj.)- SQT(no aj.)
( 109 bloco 71,6(3) 63,4(7) 61,1(8) 58,9(10)
119 bloco 75,0(5) 68,6(9) 7 5 ,O (lO) 75,0(12) e obtemos:
( 129 bloco 63,4(4) 61,1(5) 50,8(7) 79 ,5(13)
( 139 bloco 71,6(2) 63,4(6) 61,1(7) 75,0(9) S QB(aj.) = 1490,56 + 1512,36- 2382,37 = b20,5.':> .
( 3593,9 Organizamos agora a tabe 1a abaixo.
(
( Podemos fazer logo a anlise intrablocos, da ~anei -
Causa de variaao G.L. S.Q. ~.1'1.
( ra explicada antes, com os resultados dados a seguir.
Blocos ( aj . ) 12 620,5)
( Tratamentos (no aj.) 12 2382,37
- ( Tratamento T~ A. Qi tl -l
m Resduo 27 126 7,56
~

( 1 1044,1 -175,3 -13,48 55,63 Total

217 '2 51 4270,48
( 2 297' 7 1095,3 95,5 7,35 76,46
3 278,4 1111,9 1,7 o' 13 69,24
( 4 264,3 1113 '9 -56,7 -4,36 64,75 Temos, pois:
( 5 270,6 1087,1 -4,7 -0,36 68,75
6 269 '7 112 7, 9 -49,1 -3,78 65,33 v( r-l) Vr
( 7 250,3 1061,4 -60,2 -4,63 64,48 -a
( 8 254,0 1060,5 -44,5 -3,42 65,69 k(b-1) vb - (v-k) vr
9 286,8 1122,6 -24,6 1,89 71,00
( 10 289,8 1125,1 34,1 2,62 71,73 13(4-l) 46,95
334,5 1190,0 148,0 80,49 4(13-1) 51,71- (13-4) 46,95
( ll 11,38
12 297,7 1139,9 50,9 3,92 73,00 0,889
( 282,9 1095,9 35,7 2,75 71,86
13
( M. Q.~ + -a Ai- -a v
k- G
l
3593,9 0,00 0,01 4
( = Qi + 0,889 Ai - 0,889 :cf 3593,9
( = Q.~ + 0,889 A~ - 983,070 .

(
(
( 196
( 189, 5 J
As estimativas dos efeitos ajustados dl! traLanwntos F 4' 04 >'o'<
(
46,95
tf. so dados pela frmula
( ao
Por outro lado, poderamos ter calculado:
(
15,667
(
Finalmente, as medias ajustadas de tratamentos l
(
sao obtidos assim:
k 02 [ V + (r-) a l
( ~,

rn! m+ t. 69,11 + t! l
( ~ 1. 1. 142)13,01
4 X 46,95 [ 13 + 3 X 0,889]
(
Trata- ~ ~, ~,

( Qi A1. a A. M. t. rn. 48,44'~* '

rnentos 1. 1. 1. 1.
(
l -175,3 1044 ,l 928,20 -230,17 -14,69 onde em lugar dos parmetros 0 2 e a, desconheciaos, usa-
( 2 9 5,5 1095,3 9 73' 72 86,15 5,50 mos as estimativas s 2 = 46,95 e = 0,889. Mas o teste
,.,,~

3 1,7 1111,9 988,48 0,45 F parece mais aconselhvel.

( 7' 11
4 -56,7 990,26 -49,51 -3,16 Ternos ainda, ao nvel de 5% de probabilidade:
1113 '9
( 5 -4,7 1087,1 966,43 -21,34 -1,36
''"'
h 2k
( t
h
6 -49,1 112 7 '9 1002 '70 -29,47 -1,88 ver!-
1.
r'>=
u
vcli!-
1.
li')
u v + (r-)
i;;. 7 -60,2 1061,4 943,58 -99,69 -6,36 C'2,75
( ~''1 8 -44,5 1060,5 942,78 -84,78 -5,41 63,70
i> 9 24,6 1122,6 997,99 39,52 2,52 71,63
(
lt lO 34,1 1125' l 1000,21 51,24 3,27 72,38
(
I'~

'!'- 11 148,0 1190,0 1057,91 222' 84 14,22 83,33 Toda diferena entre duas m~dias ajustadas supe- m!
''; 12 50,9 1139,9 1013,97 81,20 5,18 74,29 rior a este valor~. pois, significativa ao uvel~ae 5%.
( r~
35,7 1059,9 974,26 70,83 Um exame dos dados nos mostra, por exemplo, que trata-
13 26 '89 l' 72
( mento l ~ significativamente inferior aos tratamentos 1.,
o -0,01 0,00 10, 11 e 12.
( J para um contraste
(
( Ternos agora:

( teramos, de acordo com o que v1mos na seo lU. 5,

l
(
S QT ( aj.) *
k [ v + ( r- ) ]
2
( C1 + c22 + +
( l
142.513,01 v + (r-) a
4 X 15,667
( 4 X 46,95
2274,10 ' . 6
( l X 13 + (4- l) 0,889
22 7 ,lO
( Q MT (aj.) * = 12
= 189,51 ' 71,92 .
(
(
 :~ :.\ J: '~:"\.2:5;~~~~~::=~;~~f'~:':'-':O:~:: ;_;~;,~ -~~ ~;~::=.=.::::t'';i::.-~ :'_ i:~- - L~i::::.~~~

(
J 3IELICTE2 ~-~ c::: ~r-r ::_:_:, ~ .:; -~ . i
-=:=:......~- ""-" ""-"-- ........:..- .-;..::.: ::. .....__..._~
-- - - - ---.. ~

( 198
(
s(Y) = ,r71,92 = 8,48, logo
(
(
Y = 2 X 74,61 69,56 - 65,95 13' 71 ' s QB( aj . ) S QB(no aj .) + S QT(aj .) S QT(no aj .)
422,87 + 376,38 - 702,84
( 13,71
t = 1,62 .
8,48 96,41 '
(
( Para o mesmo contraste o teste de Scheffe nos onde S Q B indica a soma de quadrados para blocos aentro
ria, para o nvel de 5% de probabilidade, de repeties.
(
( S = /12 X 71,92 X 2,13 = 42,88 . Organizamos agora a tabl:' la abaixo.
( Como Y = 13, 71, o contraste em questo nao signi-
( ficativo. Seu intervalo de confiana, para o nvel de
-
Causa de variaao C. L. S.Q. Q.M.
5%, seria de -29,17 a 56,59.
( Repeties 6 102,47
( Note-se que sem a recuperaao da informao inter- Blocos dentro das
21 96,41 4,59 (Vb)
blocos teramos V(ii mu) = 28,89 (em vez de 23,97) e Repetioes (aj . )
( para o contr-aste Tratamentos (no aj .) 7 702,84
( Resduo 21 65,12 3,10 \Vr)
( Total 55 966,~4

c obteramos V('Y) 86,68 (em lugar de 71,92). A recupe-

rao da informao interblocos trouxe, pois, uma certa
( diminuio nas estimativas dessas varincias, o que mos-
( tra que as mdias so agora estimadas com maior pre ci- Para delineamentos em b l ocos i ncompleto s e qui l.itlra
so. Este clculo no leva em conta, porm, o fato de dos do tipo I o c~lculo de se f az como se segue:
( que usamos uma estimativa em lugar de a, de sorte que
( o ganho em prec1sao , na realidade, um pouco menor do ( r-1) v r
que o indicado acima. -a 6 X 3 ' lO
O,b4U7
( r - vr 7 X 4,59 - 3' lU
vb
(
JD 7 ftNALI SE DE ExPER I t'ENTOS DOS TIPOS I E Temos, pois:
( I I li CCI-1
( REcuPERAO DA INFORMAo INTERBLOCOS M.
1
Q.
1
-
+ a A.
1
- a k
v
- G

( Tomaremos como exemplo os dados estudados na -

seao Q. + 0,6407 A. o' 6 40 7 -8-
2
9b3
1 1
( lO. 3. Temos :
Q. + 0,6407 A. - 154,32
( 1 1 1
s QT (no aj.) ET~ - C
r 1 e ainda:
( 1 (963) 2
-7- 56 M1
_.{ t!
702,84 , 1 v + (r-) a 11,844
(
(
(
( 200 2lJl
(
fi! = ;n + t! = 17, 2o + f! . Para experimentos de tipo II toda a marcha e igual,
~ ~ ~
( com exceao apenas do clculo de , que agora feito p~
Completamos, agora a tabela abaixo. la frmula
(
( ~
[ v(r-1)-k(g-l) I Vr
~, ~I
A~ a A~ M. t~ m. a
( ~ ~ k(b-g) vb - (v-k) Vr

( 273 174,99 69,67 5,88 23,08 onde g e o numero de grupos de repeties.

284 182,04 71,72 6,05 23,25 No exemplo da seo 10.4 achamos:
( 236 151,28 -9,04 -0,76 16,44
( 228 146,15 -32,17 -2,72 14,48 = 0,207 ..
220 141,02 -35,30 -2,97 14,23
( 224 143,58 -28,74 -2,43 14,77 O resto da anlise fica a cargo do leitor.
( 227 145,51 -19.81 -1,6 7 15,53
234 149,99 -16,33 -1,38 15,82
(
o 1926 0,00 0,00
JD,8, DECorvu:'OSIO DOS GRAUS DE LIBERDADE PARA
(
TRATAMENTOS
(
( Tal como nos experimentos de delineamentos mais sim
Temos ainda: ples antes discutidos, tambm nos experimentos em olocos
(
incompletos equilibrados os graus de liberdade para tra-
( l tamentos podem ser subdivididos de acordo com a estrut~
S QT ( aj.) * 584,39 ' ra do experimento. Isto particularmente importante,c~
(
mo j vimos, nos experimentos fatoriais.
( 584.39 o mtodo mais fcil para fazer isto e, provavelmen-
Q MT( aj.) 1< = 83,48 te, o seguinte. As estimativas das medias ajus~adas (mi
( 47
ou fi!) so multiplicadas pelo nmero de repetioes r e
( 83,48 ~ - .
os valores sao tratados corno se fossem tota1.s de trata-
F 26,93**
3,10 mentos. As somas de quadrados so obtidas das maneiras
(
2k indicadas nos captulos anteriores, mas os resultados cal
( '/(t! -
~
t'u )=vem.~ ~
m.u > =
V + (r-\) 1l
52 l ,046 , culados so multiplicados por V no caso da anlise ~n-
( v+(r-\) kr
e, ao nvel de 5% de probabilidade, trablocos, e por kr no caso da anlise com recu-
(
( I:J. = q /i v cill~
~
- i')
u 475~
= ' 2
3,44 .
per ao da informao interb locos.
Outro mtodo, que outros consideraro preferve},
consistiria em proceder da mesma forma com as estimativas ti-
( ~ evidente tambm que os prpri~s valores de iii ou ti p~
Logo as medias dos tratamentos l e 2 no dif
( dem ser usados, sem multiplicaao por r~ mas esta multi-
significativamente entre si, e superam significativamen-
plicao tem a vantagem, na nossa opiniao, de tornar mais
c te as medias de todos os outros tratamentos.
O teste de Scheff se aplica exatamente
intuitivo o mtodo.
( Consideremos, como primeiro exemplo, a anlise in-
cado nas se;es 10.5 e 10.6. trab locos do experimento da seo 10 . .3, que tomaremos co-
(
(
(
( 202
203
( mo um fatorial 2 "2 x 2 com N,r,r.-. Comeamos por calcu- librados, estl! resultado dl!Vl! sLr- mu.ILip.licaclo por
( lar os valores de Ui = r mi, dados no quadro abaixo.
v 1 X 8 4
( kr 2 7 Obtemos, po1s:
X 7
( Tratamentos -
m. u.1 = r mi 4
1.
S QN = 0,22 = 0,13
( 7
1 (NPK) 23,321 163,25
( 2 (PK) 22,696 158,8 7 Poderlamos tambm ter considerado o contraste
3 (P) 16,446 115, 12 y = (N) + (NP) + (NK) + (NPK) - (1) - (P) - (K) - (PK),
( 4 (l) 14,196 99,37 para o qual
( 5 (N) 14,446 101,12
6 (NK) 14,946 104,62 479,74- 483,23 3,49 ,
( 7 (NP) 15,821 110,75
( 8 (K) 15,696 109,87 logo
\v y-2 4
( 962,97 S QN y;;:s 0,22 = 0,13 .
kr 7
(
Para os efeitos de P e de K e para as interaes,
( Conservamos apenas duas decimais nos valores de Ui, fazemos com~ indicado no captulo 7 e, depois de feita a
( para facilitar o clculo e por ser desnecessria maior multiplicaao por ~ = , obtemos os resultaoosda
aproximaao. O total dos valores de Ui deveria ser 963. tabela abaixo. Kr 7
( A pequena diferena verificada se deve s aprox1~aes
( de decimais feitas nos clculos.
A Soma de Quadrados para o Nitrognio (N) obtida Causa de var1aao C.L. S.Q. Desvio
Q.M. F
( como indicado no captulo 7. Podemos somar de um lado padro
( os valores de Ui referentes a tratamentos com N, e do
Repeties 6 102,47
outro os que correspondem a tratamentos sem N.
( Blocos dentro 21 422, ()7
Obtemos:
das repeties
( Com nitrognio ................. 479,74 ,
( Sem nitrognio .................. 483,23 . Nitrognio (N) l o, l3 o, l3 0,36 0,042
Fsf oro (P) 1 180,50 l80,.JO l3 ,44 58,23'""'
( Se se tratasse de um experimento simples, tal como
Potssio (K) 1 124,03 124,03 11,14 40,01 ~"''
em blocos ao acaso, por exemplo, teramos:
( Interao N X p 1 o, l3 0,13 0,36 o ,Li42
Interao N X K 1 0,03 0,03 0,17 o, o lu
( (479,74) 2 + (483,23) 2 - c Interao p X K
S QN 1 69,03 69,03 8,31 22,27>'<>'<
28 Interao NxPxK
( (962,97) 2 1 2,53 2,53 1,59 0,816
463661,7005
( 28 56 Tratamentos (aj.) (7)(376,38)
( 16559,35 - 16559, l3 Resduo 21 65,13 3,10 1,76
( 0,22 Total 55 966,84
(
Como, porem. se trata de blocos incompletos
(
(
(
( 204
:LOS
(
Farc.emos agora a anlise do mesmo expPrimvnlo, Do mesmo modo obtemos as outras somas de quadrados,
( com recuperao da informao interblocos. ~ara i.sso que nos permitem completar a tabela seguinte.
( lizaremos as estimativas il obtidas na seao 10.7 e
cularemos U! = r m!.
~ ~
( Desvio
causa de var1aao G.L. S.Q. Q.M. F
( ~,
Padro
Tratamento m. U! = r ii!
~ ~ ~
( Nitrognio (N) 1 4,20 4,20 2 ,os 1,35
( 1 (NPK) 23,08 161,56 Fsforo (P) 1 267,23 267,23 16,35 86 ,20*"<
2 (PK) 23,25 162,75 potssio (K) 1 195,23 195,23 13,07 62,98**
( 3 (P) 16,44 115,08 Intera~o N x P l 0,03 0,03 o' 17 o ,010
4 (1) 14,48 101,36 Intera~o N x K l 0,003 0,003 o' uss o,0010
(
5 (N) 14,23 99,61 Intera~o P x K 1 115 '27 115,27 lO' 74 3 7, lb>'o'<.
( 6 (NK) 14,77 103,39 Interaao NxPxK 1 1,76 1,76 1,33 0,568
7 (NP) 15,33 108' 71
(
8 (K) 15' 82 110,74 (Tratamentos) ( 7) ( 5 83 ' 72)
( Resduo 21 65,12 3' lO l' 76
963,20
c
(
Tambm neste caso o total dos valores deU! (963,20) 10.9. BIBLIOGRAFIA
(
nao coincid2 com o valor exato que deveria se~ ~btido
( (963), mas a pequena diferena observada devida s apr~ ANDERSON, R.L. e T.A. Bancroft, 1952. StatsJcal Theo-
ximaes feitas no clculo. ry in Research. HcGraw-Hi11, Nova York.
(
As somas dos quadrados, depois de obtidos da manei- COCHRAJ.''I, W. e Gert rude H. Cox, 19 57. Experimental De-
( ra usual, so corrigidas mediante multiplicao por signs, 2'! edio. John Wiley, Nova York.
( /..v + (r-/..) a FEDEEER, Walter T., 1955. Experimental Design. Macmil
Para o caso do nitrognio, por lan, Nova York.
kr
( FRAGA JR., C.G. e A. S. Costa, 1950. Anlise de um Expe-
exemplo, temos: rimento para Combate de ViraCabea do Tomateiro.
(
Bragantia, 10: 305-316.
( Com nitrognio 473,27 KEMPTHORNE, Oscar, 1952. The Design and Analysis of Ex-
Sem nitrognio 489,93 perimenta. John Wiley, Nova York.
(
MALHEIROS, E.B., 1982. Efeitos da Recuperao da Infor-
( logo: mao Interblocos na Interferncia Estatstica em
( S QN =/..v+ (r-/..) a [ (473,27) 2 +(489,93) 2_ (963,20)2]
Ensaios em Blocos Incompletos Equilibrados (tese).
kr 28 56 -ESALQ, Piracicaba.
( HONTGOHERY, D. C., 1984. Design and Analysis o f Experi-
11,844 ments. John '.Viley, Nova York.
( 4, 96 .
2x7
(
(
= 4,20

(
(
 .. ---.. . . .
(~'-~ ~---.1;'0~.: -WOI;~--~~~,---- ::"'''-~"~~-~-'....--""""l1~""'"~~~~:,...~::-'"'"~'~'~""""""""'!'l' ~' .. ''1~':.-"'i'!~~r--:----:"! --:;!<' ~ -'-- ccJ!.-

(
I
( I 206
L07
( I 16
l 6 ll
( 2 5 12 15
( 3 8 9 14
li. RETICULADOS QUADRADOS 4 7 10 13
(
(
11.1. GENERALIDADES Vemos a que os tratamentos do primeiro bloco na
( primeira repetio (1, 2, 3, 4) esto repartidos um para
Os delineamentos reticulados quadrados ("square lat
( cada bloco da segunda repetio e tambm da terceira. E
t~ces"), introduzido~ por YATES (1936), tm em mira espe
o mesmo acontece_com os tratamentos de qualquer bloco de
( c~almente a competiao de cultivares numerosos de plan~
qualquer repetiao. Repeties com esta propriedade cha
tas anuais, como o milho, o trigo, o feijo, etc. No se
( mam-se ortogonais. Sendo usadas m repeties ortogo=
prestam para experimentos de adubao, nem para ensaios
nais, temos:
c !).
fatoriais. Os reticulados quadrados nos permitem dispor
um numero v = k 2 de_ cultivares em blocos de k parcelas.
( !'''
N = bk = mk2,
Da decorre que o numero de tratamentos deve ser um qua-
( drad~ perfeito, tal como 25, que o quadrado de 5, 36, e onde N o nmero total de parcelas. No caso de m = l
que e o quadrado de 6, 49, 64, 100, 121, etc. Nos reti-
( temos o reticulado quadrado simples ("simple lattice"),
culados quadrados os tratamentos de um bloco em uma re-
tambm chamado duplo ("doub le lattice"), que e o de uso
( petio se distribuem por todos os blocos de qualquer das
mais comum; quando m = 3, temos o reticulado quaclraJo
outras repeties. Por exemplo, num reticulado de 4 x4
triplo ("triple lattice").
( a primeira repetio poderia ter os tratamentos Jispo~ Quando k um nmero primo ou uma potncia de um n
( tos como a seguir, onde as linhas horizontais represen~
mero primo,_pode-se ir at m = k+l repeties ortogo-
tam os blocos. nais, e entao temos um reticulado quadrado equilibrado,
(
que um delineamento em blocos incompletos equi lora
( dos. Isto possvel com k = 2, 3, 4, 5, 7, 9, ll, mas
i,.', 1 2 3 4
( ~ impossvel para k = 6, por exemplo. Neste ltimo caso
i' 5 6 7 8 podem-se fazer apenas o reticulado duplo e o triplo.
( 9 10 11 12
No caso geral, um reticulado com m repeties orto-
13 14 15 16
( gonais pode ser repetido n vezes e obtemos:

( v = k2 , b = m n k, N = bk = m n k2.
A segunda repetio seria entao
(
Como no caso dos delineamentos em blocos incomple-
~c 1 5 9 13 tos equilibrados, tambm para os reticulados podemos fa-
2 6 10 14
zer an~lise intrablocos ou analise com reuuperao da in
( 3 7 11 15 formaao interb locas. -
c 4 8 12 16 Alm dos reticulados quadrados, que vamos estudar,
( existem os cbicos ("cubic lattices") e os retangulares
(~rectangular lattic:s"), ~odos de menor importncia e que
( e a terceira nao esturaremos. Ha tambem os quadrados reticulados
( ("lattice squares"), em que as parcelas se dispem em
linhas e colunas, semelhana do que acontece com os
( quadrados latinos.
(
( ~ -
-------.,_..,.,.......,.....,.,.--~..
""'~~~ - "~-~""''~,.~-......
...... . ..-
.....,.~.--.--_,..,=-> . ~~.,~
.- ,-,.,~~~-"~'1-'r."oo,;:... ,-._,._.;*-J i'':':.... ~.....
.-~_ . "f!'!: .o-.~~''-~~:' --- - -

( 208
209
(
11. 2. DEu NEJV'vENTOS RoBusTos mos por calcular os tota~s de tratamentos Ti, e as corre
( es Ai,. somas dos tota~s ~os blocos onde aparece o tra
Seguindo a tendncia recente da Estatstica Exp
( tamento 1. Calculamos depo~s:
mental, podemos denominar robustos os delineamentos
( sejam pouco afetados por perda de parcelas, de trataul'l:!n-
tos ou de blocos. Assim, os ensaios em blocos (comp
( tos) casualizados so robustos, pois a perda de um trata
Convencionemos representar por Sl(Qi) a soma dos v~
( mento ou de um bloco em nada altera as propriedades do !ores Qi referentes a todos os k t~atamentos que ocorr~m
delineamento e a perda de algum.s parcelas tambem no
( 0 mesmo bloco da primeira repetiao em que aparece o ~
traz dificuldades grandesde anlise. J os delineamen-
tos em blocos incompletos equilibrados no so robustos,
~esirno tratamento. Analogamente definimos S2(Qi), S3(Qi),
(
pois a perda de um tratamento ou de um bloco rompe toda .. ' Sm(Qi)
( conveniente tambm indicar por sjj'(Q)' para J
a simetria e todo o equilbrio do delineamento e acarre-
( ta srias dificuldades de anlise. O mesmo acontece com
1, 2 , ... , m, j 1 "' 1 , 2 , ... , k, a sorna dos valores Qi de ts-
dos os tratamentos que ocorrem no bloco j 1 da repetiao
os reticulados quadrados, que no so delineamentos ro-
( j, de sorte que se o tratamento i aparece nesse bloco,
bustos. Neles, a perda de um tratamento ou de um bloco
rompe toda a complexa estrutura matemtica, e exige temos
(
a anlise da varincia seja feita por mtodos gerais com
( plexos, em computador, e com dificuldades bem maiores_n
( comparao de medias. O mesmo ocorre, com maior razao,
No exemplo dado acima temos, pois:
com os reticulados cbicos e retangulares e com os qua-
( drados reticulados, todos eles maus delineamentos, de
( uso cada vez mais restrito.
Os reticulados em geral so hoje geralmente substi
( tudos pelos ensaios em blocos completos casualizados
( com alguns tratamentos comuns, que so flexveis, robus-
e assim por diante, e ainda
tos e de anlise fcil (ver captulo 17).
(
S2(Qs) S2(Qg) = S2(Q13) = Ql+Qs+l,!g+Ql3=Sn(t.l),
(
(
11.3. AALISE INTRABLOCOS S2(Q5) S2CQ1o) = S2(Q14) = Q1+Q5+Q1o+Q14

( A soma de quadrados total, a soma de quadrados para

S22(Q),
blocos dentro das repeties e a soma de quadrados para
( repeties so calculadas da maneira usual, sem nenhuma
e assim sucessivamente.
( dificuldade. Temos, pois,
Podemos agora obter os ~feitos ajustados de trata-
mentos t.' dados pela formula:
( S QTotal = zx -.c?2 S QRep. :;
(l/k2) ~R2 - c, ~

( S Q Blocos d.Rep. (no aj.) = (1/k) zB 2 -( l/k 2 ) zR 2 , l

t~ = _l_
mk
Q. +
~ m(m-l)k2
( onde B designa os totais de blocos e R os de repeties.
( As medias ajustadas de tratamentos serao dadas, fi-
Passanos, a seguir, ao clculo da Soma de QJadra-
( nalmente, pela formula
dos para Tratamentos (ajustados). Para isto, comea-
(
(
 (
( 210
211
(
-
m1
c + t.1 I 1 +
m
( m (m-1) k J '
mk 2 -
( se nao ocorrem no mesmo bloco no experimento (segundos a~
onde G o total das produes de todas as parcelas. saciados).
( A Soma de Quadrados para Tratamentos (ajustados) Tambm se pode usar para todas as comparaes indis
dada pela formula: tintamente uma estimativa mdia
(
( l 2Vr m
SQT(aj.) L: t. Q. m l 1 + ---:-(m---::1')...,..(k:-+-::1')- J
k 1 1
(
Logo, para comparar dois tratamentos pelo teste t
( Obtemos entao a seguinte tabela para a anlise
.-
.
var1anc1a.
da tomamos
(
( t

(
Causa de variaao G.L. S.Q. Q.M. .v-/2vr (l~)
m k
( Repeties m-1 SQRep. se forem primeiros associados, ou
( Blocos d. m(k-1) SQB.d.Rep.
repetioes (no aj.)
( t
Tratamentos k 2 -l Vt= SQT(aj .) m
( (aj.)
SQT(aj.)
kL-1 ll +
(m-l)k
SQR (por
( Resduo (k-1) (mk-k-1) SQR
subtra v =- ----
r (k-1) (mk-k-1)
se forem segundos associados, ou ainda, usando a estima-
( ao tiva m~dia da variincia, podemos adotar, em qualquer ca-
so
( Total mk 2 -l SQ Total
(
t =
( Para provar os contrastes entre tratamentos, pode- ~-- -
m
(
mos usar o teste F: \ !m- ll +
(m-1) (k+ l)
( Ti' = Em todos os casos o numero de graus de liberdade e
( (k-1) (mk-k-1).
A comparaao entre duas medias pelo teste de Tukey
( A comparaao entre pares de tratamentos, se plane- ou de Duncan pode ser feita pelas formulas:
jada de antemo, pode ser feita pelo teste t, tendo em
(
vista que temos
( 2 Vr (l + _1_)
( m k Tomando-se uma estimativa media para a varincia do
contraste entre dois tratamentos, obtemos:
( quando eles ocorrem no mesmo bloco (primeiros associa-

{
dos), ou
1:::. = q / Vr
m
[ 1 + --,--::-:--,m-=--~-
(m-1) (k+l) I.
(
(
(
(

( 212 213
( Tabela 11.3.1. Produes de milho, em kg/parc:la,
O teste de ScllefJ:pode ser aplicado de um
( ensalo fatorial 4 x 4, com J repetioes ortog~
trasteY, com
nais.
(
(
No caso especial de H Repetio Totais de
( blocos
( Y = mi - ffiu = ti - tu (1) 2,0 (2) 2,9 (3} 2,2 (4) 3,9 11 ,o
( (5) 2,3 (6) 2,5 (7) 1,4 ( 8) 1,7
j sabemos como calcular V(Y) = V(mi - mu). Como fazer, 7,9
( (9) 1,6 (10) 3,0 (11) 1,5 (12) 2,1 8,2
porem, para contrastes mais complicados? Se o contras-
(13) 2,3 (14) 3,4 (15) 2,0 (16) 2,b 10,5
( te for
( y J7,b
qml + czm2 + ... + Cvffiv
(
teremos
(

c~ 1
( -+
1 l
) 2'! Repetio Totais de
( l:
m (m-l)k blocos
( \7(?) vr
.1
(1) 2,2 (5) 2,3 (9) 2,7 ( 13) 1,4 8,6
( 2 (2) 3 '1 (6) 2,8 (10) 2,6 (14) 2,i:l 11,3
+ l: f c c- f
m(m-l)k l l ( 3) 3,1 (7) 2,9 ( 11) 2,5 (15) 2,4 lJ > y
( J (4) 4,0 ( 8) 2,8 (12) 2,7 (1_6) 1,5 11 ,o
(
com i # i~ onde I' se refere apenas aos valores de i e
( de i' tais que os tratamentos corresponden tes sejam pri- 41 ,8
( meiros associados.
3~ Repetio Totais ae
( blocos
( 11.4. LM ExEMPLO IE fJNAusE lNTRABLOCOS (1) 3,0 (6) 2,9 (11) 2,6 (16) 3,1 11,6
( (2) 1,8 (5) 1,9 (12) 2,9 (15) 2,5 Y,l
Usaremos como exemplo um reticulado quadrado triplo ( 3) ( 8) 2,0
1,7 (9) 1,4 (14) 2,3 7,4
( de 4 x 4. Temos, pois, m = 3, k = 4. Os 16 tratamen- ( 4) 4,4 (7) 3,7 (10) 3,3 (13) 2,2 13 'b
tos so hbridos de milho, cujas produes em kg por pa.::_
( cela so dados na tabela 11.3.1.
41,7
(
Temos agora:
(
LX :x 2 = 328,81
S QTotal = 328,81 - 305,53 "" 23,28 ,
( 121,1 '
SQRep. "'(1/16) [ (37,6) 2+(41,8) 2 +(41,7} 21-C"' 0,71,
( (121,1) 2
c 305,53
( 48 S QB1ocos dentro das Repeties (no ajustados) =
(
(
(~----------~--~-------
(
( 214
( = (l/4) [ (ll,0) 2 + (7,9) 2 + .. + (13,6) 2 1- por diante. A1Gm disto
( - (l/16) [ (37,6) 2 + (41,8)2 + (41,7)21 121,1
rn =
48
= 2,52
( 314,86 - 306,24 8,62 .
(
A Soma de Qua!rados para Tratamentos (ajustados) d
( ma~s trabalho. Comeamos por calcular: 2,52 o,31 2,21
(
Tl 2,0 + 2,2 + 3,0 = 7,2 , 2,52 + 0,18 2,70
(
Al 11,0 + 8,6 + 11,6 = 31,2
( e analogamente para os outros casos.
Ql 4 X 7,2- 31,2 = -2,4 Quanto Soma de Quadrados dos desvios para Trata-
( mentos (ajustados), ternos:
T2 2,9 + 3,1 + 1,8 = 7. 8
(
A2 11,0 + 11,3 + 9,1 = 31,4 SQT(aj .)=(J/k):tiQi
(
(
Q2 4 X 7,8- 31,4 = -0,2
= fl (-0,31) (-2.,4)+(0, LS) (-0,2)+ ... +(-,Jb) (-3,.':>)]

( Para os outros casos o clculo semelhante e os

result.ados constam da tabela 11.3. 2. = 9,48 .
( Completemos, agora, o quadro de anlise devarincia.
( Depois calculamos Sll(Q), S12(Q), ... ,S14(Q), Szl(Q), Tabela 11.3.2. Refere-se aos dados da tabela 11.3.1.
,S24(Q), S31 (Q), ... , S34(Q). Temos:
( ~

-2,4 - 0,2 - 1,3 + 13,6 = 9,7

N9 Tl A. Q. .
SI (Q.)
l Sz(Qi) s3 (Q.l tl ml
l l
(
( 0,4 + 2,0 - 0,4 - 0,3 1,7 1
2
7,2 31,2
31,4
-2,4
-0,2
9,7
9,7
-12,5 -8,2
-0,2
.-o, 31
u,lo
I 2,70
2 '21
7,8 9' 1
( e assim por diante, at obter 3 7,0 29,3 -1,3 9,7 -8,9 l,!:l -O,tl 2,44
( 4 12,3 35,6 l3 ,6 9,7 12,3 6,b 1,43 3 .~.':>
s 34 (Q) = 13,6 - 0,4 + 2,5 - 9,1 6,6 . 5 6,5 25,6 0,4 1,7 -12,5 -0,2 -o ,Ob 2,44
( 6 8,2 30,8 2,0 1,7 9,1 -0,2 o, 19 2, 7l
( Note-se que temos: 7 8,0 32,4 -0,4 1,7 -8,9 6,b -0,04 2,48
8 6,5 26,3 -0,3 1,7 12,3 1,8 0,14 2,66
( 9 5,7 24,2 -1,4 -0,7 -12,5 1,8 -0,24 2,28
( 10 8,9 33 ,1 2,5 -0,7 9,1 6,6 0,36 . 2 , 88
e assim por diante, de sorte que estes valores j ficam 11 6,6 30,7 -4,3 -0,7 -8,9 -8,2 -0,54 1,98
( calculados. 12 7,7 28,3 2,5 -0,7 12,3 -0,2 0,33 2,8.:>
( 13 5,9 32,7 -9,1 -10,7 -12,5 6,6 -0,93 1,59
Temos a seguir: 14 8,5 29,2 4,8 -10,7 9,1 1,0 0,4u 2,92
c tl =
1
-r:z 1
Ql + ~ (9,7-12,5-8,2)
.
= -0,31
. 15
16
6,9 30,5 -2,9 -10' 7 -8,9 -0,2 -0,45 2,07
( 7,~ 33,1 -3,5 -10,7 -12,3 -o,2 -0,36 2,lb
l l
( t2 = :cf Q2 + ~ (9,7+9,1-0,2) = 0,18 , 121,1 484,4 0,0 0,0 0,0 0,0 u,oo 4U,32
(

(
 .
-;r~- !!'. .!!li!".,_.-,.~---
.. .~.,-.-
. . . .., . Wi:<.......iF,"'-"'~-----......_,_,_~--~.;':'~-...... i--""".........""... ;~:h,-~.."':'!"~:~~'f''!:'f''~:-~ =~"lo':~~;~-;_~1;-'

(
( 216 217
( 2,85-1,59
t =
( Causa de variaao G.L. S.Q. Q.M. 0,442
( Pode-se tambm usar uma estimativa media para todos
Repeties 2 o, 71 casos, a qual ser~a:
( Blocos d.Rep.
9 8,62 2 X 0,2128
( (no aj.) V(Y) 3
O, Hl44 ,
c Tratamentos (aj.) 15 9,48 o,6320 2,97* s CY) lo, 1844
( Resduo 21 4,47 o,2128
A diferena mnima significativa pelo teste de Tu-
( 47
Total 23,28 key ao nvel de 5% nos daria
(
(
n = s '4 7 / o' 2~2 8 (1 + {o ) l,b6 .

( Temos: Um contraste como Y1= -ml - m3 + 2m4 pode ser tes-

0,6320 tado pelo mtodo de Scheffe. Temos
( F =
0,2128 2,97* '"
( 'VCY!) = 0,2128 l c-31- + l)
8
6 + _3_(-3)J
24
U,.)32Ll ,
valor que significativo ao nvel de 5% de probabilida
( de. pois temos:
( Para um contraste Y = mi - ffiu entre duas medias
de primeiros associados, temos: 6 '
(
2 X 0,2128 (1 + _1_)
( 0,1773 , [C, C. I
3 4 1 ~

( (-1) (-1) + (-1) (2) + (-l) (2) = -3 .

s(Y) /-~ 1773 0,421 .
(
Logo, ao nvel de 5% de probabilidade, temos:
( A comparaao entre os tratamentos 10 e 13, por exem
( plo, pelo teste t, nos d: s /15 X 0,5320 X 2,18 4,17
( 2' 88 - 1' 59 = 3,06**
t = 0,421
A estimativa do contraste :
(
J para o ca~o de segundos associados, isto e, de Y1 = -2,21- 2,44 + 2 X 3,95 3,25 '
r tratamentos que nao ocorram no mesmo bloco, temos:
( e ele no , pois, signifivativo.
2 X 0,2128 3
3
(l + ---z;:<4 ). = o' 1951
(
( s(?) = 10,1951 = 0,442 11.5. ANALisE coM REcuPERAo DA lNFORMA.o lNTERBLocos
( Neste caso, comeamQs por calcular a Soma dos Qua-
Assim para a comparao entre os tratamentos 12 e
( drados para os Tratamentos (no ajustados), que dada
13, que so segundos associados, teramos:
por
(
(
(
 -~.:tL. , '!>'~~~...........

(
( 218
219
( l
SQT(no aj.) =
m L:T~~ - c ' A seguir calculamos:
(
(
e entao a Soma dos Quadrados para os Blocos QMT (aj .) *= SQT(aj.) 7'
e: k2 - 1
( e enfim temos, aproximadamente,
SQB(aj.)=SQB(no aj.)+SQT(aj.)-SQT(no aj.).
( QMT(aj.)*
F = ~--:~-'--'--
( Podemos, pois, calcular o quadrado mdio para blo~ Vr
cos (ajustados): 2
com (k -l) e (k-l)(mk-k-1) graus de liberdade.
(
SQB(aj.)
( m(k-l) Todo o problema de recuperao da informao intra-
blocos gira em torno da estimativa que varia entre ze-
( e podemos estimar: r~ ~ um. C~m = O, nenhuma informao interblocos exis
( t1r1a; com a = l, a nova anlise se torna idntica d~
-a (m-l)Vr
b~ocos casualizados. Em geral, porm, o valor de es-
( mVb -Vr
ta entre esses dois. extremos e a nova anlise difere tan
( Agora estimamos para cada tratamento: to da anlise intrab locas como da anlise do reticulado
como se fosse em blocos casualizados.
(
Para dois tratamentos primeiros associados temos:
( _ 2Vr
Podemos estimar tambm os novos efeitos ajustados ~<m! ~) = -- ll +
( l m
para tratamentos
( e para dois segundos associados:
-,
t.
l 1-
( ~
+~ m-l+ 'i'T ' 2Vr
v (m.f. - ffi) = - - l l + m
m (m-l)k J.
(
onde S1 (Mi) a soma dos valores de Mi referentes a to- Pode-se tambm usar em qualquer caso uma estimati-
( dos os tratamentos que aparecem com o tratamento 1 no va mdia:
( mesmo bloco da primeira repetio, e S2 (Mi) , .. , Sm(Mi) 2Vr
tm significado anlogo referente s outras repeties v(ffi! - m') = [ l + ---;-~..;m:--~-
( l u m (m-1) (k+ l) j .
ortogonais.
( Finalmente poderemos calcular as novas mdias ajus- Com esses valores podemos aplicar tanto o teste t
tadas de tratamentos como_os testes de Duncan e de Tukey, por frmulas anlo-
( _, gas as de 11.3.
( m~ Para um contraste

( Na presente anlise no h nenhum teste exato de si_g_

( nificncia, mas se pode fazer um teste aproximado.
A soma de quadrados para tratamentos com novo ajus- temos [ c.!. + l 2
( tamento dada pela frmula . m k(m-1) Ec.
l
(
(
SQT(aj.) * - (l/k) Et! M.
l l
. "J(?) =V
r +
2
--:,...---::-,..,.-
m(m-l)k
(
(
(
220
(
L2l
( com i ~i', onde ~' se refere aos valores de i ,.
1~ 4~
-I
t. Mi + 0,341 S1 (Mi) + s 2 (tvli)+s 3 (Mi) J
tais que os tratamentos correspondentes sejam 1
( associados. Pode-se ent~o aplicar o teste de
l
( com
12
( S /(v-1) ti(?) F
logo
(
-r l
( tl= 12 (-2,1H)+0,0071(11,22-l4,29-7,09) = -0,2~
11.6. Urr1 ExEMPLo DE ANALisE coM REcuPERA(;:o DA
( -,_ l
l NFORMA(;:O INTERBLOCOS t2- 12 (0,07)+0,0071(11,22+9,90-1,49) ' 15 ,
(
e assim por diante. Finalmente:
( Tomaremos como exemplo o mesmo reticulado triplo de
(
4 x 4 que vimos atrs. Nesse caso temos: -,
ml 2,52 0,25 2,27
l
( S QT(no aj .) l (7 ,2) 2 + (7 ,8) 2 + ... + (7 ,4) 2 ] - c -,
3 m2 2,52 + o' 15 2,b7
( = 12,03 ,
etc. Podemos a seguir calcular:
(
SQB(aj.) 8,62 + 9,48 - 12,03 6,07 '
( S QT(aj .) (1/k) I t~ H.

+
1 1
6,08
( = 0,674
9 = [(-0,25)(-2,lb)+(,l5)(0,07)+ ... +]
( 2 X 0,2128
a = 0,24 + (-0,27)(-2,83)
3 X 0,674 - 0,2128
(
121,1 9,62
(
4
( logo
Temos, pois,
( QHT(aj.)>'< =
9,62
= 0,6413
15
( -2,4 + 0,24 X 31,2- 7,27 -2,18 0,6413
F = 3,01* .
( 0,2128
-0,2 + 0,24 X 31,4- 7,27 0,07 '
(
e assim por diante. Os valores todos de Mi constam da
( Para um contraste Y = m~ - m' entre ctuas medias de
tabela 11.6.1. Sua soma deve dar zero, salvo erros de primeiros associados, como o~ tra~amentos lO e 13,
c aproximao na ltima decimal. Como exemplo, temos:
por

( l - l - 0,24 2 X 0,2121) l 0,674 - U,L12b

0,34 ' [1 + -
( m-1 + 2 + 0,24 4 0,674
( 0,4256 1
3 [1 + -4- 0,68]
( temos

( "" 0,1660

c
'"" .-----'.". .~ "\ 0 ~ ~ ' \ ~ /'""'\ ~ ~ " \ .--..., " ' """\ ' \ ~ ~ ~ ' ~ ,. , ' '\ ~ ~ ~ 0 " ' ....., ., 11t

N
Tabela ll . 6. l. N
N

~ ~G
i Q~ .A~ aAc~ M. S 1 (Mi) S (l:\ ) S /Mi)
~,

t.
~,

m.
~ 2 ~ l

1 -2,4 7,49 0,22 -2,18 11,22 -14, 29 -7,09 -0,25 2,27

2 -0,2 7,54 0,27 0,07 11,22 9,90 -1,49 o, 15 'L,b7 i
~
3 -1,3 7,03 -0, 24 -1,54 11,22 -8,48 -1,12 - 0 ' 12 L,4u i
4 13,6 8,54
5 0,4 6, 1L!
1,27
-1,13
14,87
-0, 73
11,22
-0,24
12,80
-14,29
9 ,63
-1,49
1,48
-0,17
4,uu
2,35
I
:1
6 2,0 7,39 o, 12 2,12 -() '24 9,90 -7,09 ,:LO 2, 72 :t
:~
7 -0,4 7,78 0,51 o, 11 -0,24 -8,4 8 9,63 0,02 2,.)4 J

9
8 -0,3
-1,4
6,31
5,81
-0,96
-1,46
-1,26
-2,86
. -0,24
-1,87
12 ,80
-14,29
-1,12
-1,12
-0,03
-0,36
2,4Y l
.i
2, 1b ~
':
lO 2,5 7,94 0,67 3,17 -1, 87 9,90 9,63 0,39 2 '~:11
11 -4,3 7,37 O, lO -4,20 -1,87 -8,4i:i -7,09 -0,47 2,U)
12 2,5 6, 79 -0,48 2,02 -l, 87 12,80 -1,49 0,24 2,76
l3 -9,1 7 ,85 0, 58 -8,52 -9,66 -14,2 9 . 9 '63 -0,81 l, 71
14 4,8 7,01 -0, 26 4 ,54 - 9 ,66 9,90 -1,12 0,37 'L, b':!
15 -2,9 7,32 0,05 - 2 , 85 -9, 66 -8,4 8 -l '49 -U,3b 2, l~
16 -3,5 7,9~ 0,67 -2,83 -9,66 12' 80 -7,09 -0,2 7 2, :b

0,0 - 0 , 07 -0,07 -0, 0 1

~ - --
---~ - -- - - - ------ - - ~-

o a .o
o c o"'
(]Q
o ..
00 (D
8
c
,_. 8 ,_.
w
r< ou
"i
"' "'
r't
lb ,_.
('t) r<>
"'
llJ
C> ()

"'
o C> (f)
tll
C> '1::1 C> "'.. o
1-'
<
I
I
'1
D>
ro 11 '1
llJ
11
llJ
(I)
o
c. 11
(f)
o 11
(ll
'i li
<>
,......_ P>
"'
o <>
,.....__ "'o
'"1
'U
llJ
Ul
,.....__
::I (D r't >-<> s c.
.....a
N .._..
c:
a llll
o
w
\0
o ~
ln
(I)
I
. ln ..0
c ..r::-
Vl
Pl
..0
ro
(/;
!tl\!D
o. I
>-<>
.._.. (D
"i
tll
M >-<>
'-"
...... ./> (D .p. (D
"' r't 11 1-'(1) X 11 11

~
c.
..P> .ro
() 'i ro 11 (D
() ro1 'J ~

~
~
o o ~ 1-' s o
s I ::I
"'"'
~~g
o.
w
::I
"11 .....
(I)

. r't
"'o 'i ro
N N
"'o
1-'Cil
1-'
w
N
1-' '1 I-'
<> "' .
n
(]Q 'i Nil-' tll X o \0
+ lll .--.... X o,_.
.s
lll !tl\ N >-3 '-"Cil
::I
..... ~
s '1
.
(f)
c wo (D
N
a
(I)
.f"t ...,.,
. ..
1-' r't
ro . o
(f)
ro 1-'- ;>;-'
(D r'-.J .
!tl\
s
wo
. OCJQ
c:rc
.r::-
o
I

.
(D (]Q
.+ (')
11
c 1-' c ,_. "' I '<! ,..... ,_.
N r't ::I ~ 1-'

so oc.
(D

I~. . . .
(D
8 lll 1-' ::I
(f) ~ ::1 O' N c N
Sl
lll
1-'
(I)
l"t
I"
<
w
N
o
l"t
'"1
lll
"i o
co c.
o c
O' c: '-"- "'o.o co
lll
(I) ex,
(I)
(I)
~
1-'
.o
. (D (I) '1
o c 11 PJ
ro lll .r::-
; ()
o
11 8 11 A> CL
~

,_. (D ~
Ul c
o ,_. (f)

. PJ s
(I) 11
8 "'......
(D
(I)

rc
.......
(I)
(I)
.,.....
o
(f)
(D
+
...... o
()
. N
~

"'........ . o M
'1
o-
c
(I)
o
r.
...... ln o
'1
o
rT
+ ..... .

r.
lll
r't
ro
PJ
M
rt
......
B
O'
w PJ
.
CC c:r
rr
"',_.
PJ
6/w c.
o cc/w
lll
c.
o
\0
ln

**
PJ CL (D Cf)
Ul

.o
0.. PJ o I-'
Cf)
rt 8(D
.rt. . .
s ()
o o
o
.c
(f,
(D
::I tll (I)
rt < t-n
(I)
c O'
o(I)
(') 0.. o PJ ...... o & (') o.
o
3
o
(D

>-::
(f)

.....
8
!DI
r.
..tll "'o
1-'
"d
o - CC PJ
(I)
o
.._
M
'"1
c
;:>;"
c o.
1-'
..
(I)
>-i 11 (I)
11
tll
rt
(D
'<
ro
,_.
"' sro .,_.c c
3 .,_.
c PJ
8(D
w "' PJ
>-i
1-'
o ~
c
lll
(I)
~
::I
rt
tll P. 00 OI c
CC o
(f)
tll
..c ...,., ~
ro
M
c (I)
......
rt tll N
I
OI rr
I f-" '"1 1-' r-.;
I I N
rt
w
 (
( 224
225
(
temos ser obtidos mediantL' substituiao, ILls tabtlas anterio-
( 1 2 res, de m por mn.
0.2128 r c-j- + 8 0,68) 6 + :r,r 0,68 (1-2-2)] Devemos salientar que, no caso do mtodo presente,
(
0 valor de SQB(aj.) obtido do modo j indicado, quando
c o,498o se repete todo o delineamento reticulado, e no por meio
( de calculo dos componentes (a) e (b) como fazem COCHRAN
logo e COX (195 7) .
(
S = 115 X 0,4980 X 2,18 = 4,04
(
( Como a estimativa do contraste
ll.8. O REnculJ\DO QuADRAm coM UM TRATN-ENTo
CoMUM EM TOOOS OS BLOCOS
( Y = -2,27 - 2,40 + 2 X 4,QQ = 3,33 ,
( Por iniciativa do EngQ-Agr'? Glauco Pinto Vegas, o
valor que nio alcana S 4,04, o contraste nao e signi- Instituto Agronmico de Campinas introduziu a pratica ae
( ficativo pelo teste de Scheff. utilizar,nos experimentos de competio de variedades e
( hbridos de milho, reticulados quadrados com k 2 tratamen
( tos em blocos de (k+l) parcelas, recebendo a parcela adi
11.7, AREPETiO DE UM DELINEAMENTO RETICULADO cional de cada Sloco uma variedade (ou hbrido) padro,
-
( a mesma para todos os blocos, nao ~
inclu1.da entre os k2
Como j vimos em 11.1, torna-se necessrio, s ve- tratamentos or1~1.nais. Fica cla:o, pois, que esse~ exp~
(
zes,repetir todo um delineamento reticulado. Se este ti rimentos em ret1.culado quadrado 1.ncluem ao todo k + 1
( ver m repeties ortogonais e for usado n vezes no mesm" cultivares, em blocos de (k+l) parcelas. Por exemplo,
experimento, teremos ao todo mn repeties. num reticulado de 3 2 , com duas repecies ortogonais, ha
( A anlise se faz quase exatamente pelos mtodos j ver1a lO cultivares: 1,2, ... ,9, A, sendo A o cultivar p~
( indicados. dro, tomado como testemunha. Os blocos desse ensaio se
Temos: riam:
(
( 1 1 Bloco l: l 2 3 A
t.l. mnk
Q. +
m(m-l)nk2 [ Sl(Q.)+ ... +S (Q.)]
m
l. l. l. Bloc-o 2: 4 5 6 A
(
G + ~ 1 Bloco 3: 7 8 9 A
( ml. mnkz ti SQT (aj.) Bloco 4: 1 4 7 A
mn
( 1 Bloco 5: 2 5 8 A
vcffii - ffiu)
mn (1 + k) Bloco 6: 3 6 9 A
( para os primeiros associados,
( ~ 2Vr m Esse delineamento, alem de dar maior preciso na co~
~Cffii - ~) = -n;- [ 1 + (m-l)kl parao entre os k 2 cultivares originais, tem_ a vantagem
( de incluir uma testemunha, de comportamento ja bem conh~
( para segundos associados, e analogamente nos outros ca- ciclo e com mais repeties (mk, em lugar de m).
sos, inclusive no de recuperao da informao interblo A analise desse tipo de ensaio foi publicado por P.!_
c cos. MENTEL GOMES e VI~GAS (1978). Ele foi generalizado por
A anlise da varinca inteiramente anloga, mas OLIVEIRA e BARBIN (1988) e por OLIVEIRA (1990).
"{
os nmeros de graus de liberdade so diferentes. Podem
(

.c
. (
 r
(

( 226 227
('
11.9. BIBLIOGRAFIA
(
BOSE, R.C., 19
J2, O USO DA REGRESSO NA ANALISE DA VARINCIA
Least Squares Aspects of Analysis
(
Variance (mimeografado).
( COCHRAN, William G. e Ger~rude M. Cox, 1957. Experimen ]2.1. li:GRESSO LINEAR
tal Desighs, 2<:t ediao. John Wi1ey, Nova York.
(
KEMPTHORNE, Oscar, 1950. The Design and Analysis of Ex- A anlise da varincia tal como feita usualmente
c periments. John Wiley, Nova York.
KRAMER, Clyde Young, 1957. Extertsion of Multiple Range
pressupe a independncia dos diversos tratamentos utili
( zados. Quando esta hiptese no se verifica, a anlise
Tests to Group Correlate Adjusted Means. Biometrics da varincia deve refletir a dependncia entre os trata-
( 13: 13-18. mentos, sob pena de no ser vlida. Assim acontece no ca
( OLIVEIRA, A.C. e D.. Barbin, 1988. Experimentos em Reti- so em que os tratamentos so quantitativos (doses cres-
culado Quadrado com Alguns Tratamentos Comuns Adicio- centes . de um fertilizante ou de um inseticida, ou datas
( nados em Cada Bloco: Anlise Intrablocos. Pesq.Agro- de semeadura, por exemplo) com mais de dois nveis, e s~
pec. Bras. 23: 717-723. justifica a existncia de uma correspondncia funcional
(
OLIVEIRA, A.C., 1990. Experimentos em Reticulado Quadra (chamada equao de regresso) que ligue os valores dos
( do com Alguns Tratamentos Comuns Adicionados em Cad tratamentos (X) aos dados analisados (Y).
( Bloco: Anlise com Recuperao da Informao Inter- Consideremos, por exemplo, os seguintes dados (fie
blocos. Pesq. Agropec. Bras. 25: 289-298. tcios) onde se supel!l 5 tratamentos e 4 repeties, num
( PIMENTEL GOMES, F., 1954. Me todo Geral de Anlise para experimento inteiramente casualizado. Os. valores de X
Delineamento em Reticulados Quadrados. Seminrios so as doses de adubo usadas e os de T, os totais de pr~
( de Estatstica (lO): 33-54. duo de cada tratamento nas 4 repeties.
( PIMENTEL GOMES, F. e G.P. Viegas, 1978. Experiments in
Square Lattices with a Common Treatments 1n A1l
(
Blocks. Rev. Agricultura, 53: 34-43. X o 1 2 3 4
(
( T 2,0 2,0 3,0 4,0 5,0

(
Uma anlise da varincia segundo o esquema corren-
( te, sem considerar a regresso, nos daria, para L;Y2
( = 16,60, o seguinte.
(
( Causa de variaao G. L. S.Q. Q.M. F
(
Tratamentos 4 1,70 0,425 3,04
(
\ Resduo 15 2,10 o, 140
(
Total 19 3,80
(
(
O valor d~ F obtido no significativo. O fato de
no levarmos em conta a regresso nos levaria a esse re-
(
(
(
( 228 229
(
sultado em desacordo com a realidade e equipararia os Finalmente, a soma de quadrados para os desvios da
( dos em apreo, onde evidente a influncia da adubao regresso pode ser obtida por subtrao:
( aos seguintes, por exemplo, onde tal influncia no apa::
rece. SQD = 1,70- 1,60 = 0,10
(
( X o 1 2 3 4 Temos, pois, a seguinte analise da varincia.

( T 3,0 5,0 2,0 4,0 2,0

-
Causa de variaao G. L. S.Q. Q.M. F
(
c Vejamos como se pode fazer uma analise correta, que Regressao linear
Desvios da r e-
1 1,60 1,600 11 '42*"'
leve em conta a regresso. Admitamos inicialmente que
(
se trata de uma regresso linear: Y = a + b X. Ento as gressao
3 0,10 o, 033 o, 236
( estimativas dos parmetros b e a so obtidas pelas fr
nu las: (Tr at amen tos) (4) (1,70)
(
(
l:XY -
(L:X) (LY)
N
Resduo 15 2' 10 .
0,140

(
b -a y - 13 X Total 19 3,80
(l:X)2
( zx2 -
N
( Agora, pois, verifica-se que significativa a re-
onde f e X sao as medias de X e de Y, respec ti v a1.1ente. gresso linear, ao mesmo tempo que os desvios da regre~
(
No caso vertente ~emos: so no so significativos.
( Com a equao de. regresso podemos calcular os va-
(
L:XY = 4 O, O, l: X = (4 ) (1 O) 40, n 16,0, zx2 120, lores esperados para os tratamentos, que indicaremos por
Yi. Por exemplo para X O temos:
( logo
(40) (16, O) Y0 0,4 (0,20)0
( 40,0 - = + = 0,4 .
20
( b 8,0
"40 0,20 ' Com estes valores esperados e as medias observadas
(40} 2 de tratamentos (Yi) podemos calcular os desvios, quecons
( 120 -
20 tam da tabela 12.1.1. A soma algbrica destes desvios de
(
(
-
X
40
20 = 2,0
-
y- 20
16
0,8 -a o,s - co, 20) 2 =o.,4
ve ser nula.

( e a equaao de regressao e: - Y = 0,4 + 0,20 X .

12 .2. Os Pou Nvl ws RTOG<l'JAI s
(
A soma de quadrados para a regresso linear sera: O meto do acima descrito aceitave l para o caso de
(
(LX) ~LY) ] 2
regresso linear, mas no convem para casos mais compli-
[ .XY cados, pois ento prefervel o mtodo dos
( (8, o) 2 polinmios
SQS 1,60 . ortogonais, cuja utilizao explicada a segui.r.
( (l:X)2 40
zx 2 -
N
(
( ,- .
 (
( 230 231
( Tabela 12.1.1. c teu lo dos desvios da regressao.
( causa de variaao G. L. S.Q. Q.M. F
( X Y. ?. Desvio = y. - i"f.~
~ ~ 1 Blocos 3 2,73
( T:(atamentos 4 72,22 18,055 19,84**
o 0,50 0,40 0,10 Resduo 12 10,92 0,910
( 1 0,50 0,60 -0,10
( 2 o, 7 5 0,80 -0,05 Total 19 85,87
3 1,00 1,00 0,00
( 4 1,25 1,20 0,05
(
4,00 4,00 0,00 Podemos, porm, isolar cada um d o s quatro graus de
( liberdade para tratamentos a fim de avaliar separadamen-
( te os efeitos de 19 grau ou linear, de 29 grau ou quadr~
tico, de 39 grau ou cbico, e de 49 grau. Isto se torna
( Os dados da tabela 12.2 . 1, que se referem a um ex- fcil quando as quantidades que determinam os tratamen
( perimento de adubao de milho feit o pelos Eng9s- Agroos tos so igualmente espaadas, o que acontece no caso pre
Glauco Pinto Ve g as e Erik Smith, em blocos ao ac a s o , per sente, em que as doses de P2 0s so O, 25 , 50, 75 e 100
( mite ex emplific a r a apli c ao da teoria. Os tratamentos kg/ha. Em casos assim pode.n os utilizar tabela s par a o s
( c onstaram de adubao com O, 25, 50 , 75 e 100 k g/ ha de clculos. No caso pr e sente temos 5 nlveis de aduba o e os
P 205. coef i cientes a sere m usados para o compo nente d e 19 gr au
( so: - 2, - 1, O, +1, +2 como se v pela t a bel a 12 .6. Es -
Tabela 12.2.1. Produ o de milho, em kg / parcel a , de cre v e remos estes nmeros ao lado d os t o tais dos trat amen
(
um experimento de adubao de milho. tos respe c tivos, assim:
(
(
o Totais de Totais d e tratamento s (T) Coefici e ntes ( C 1)
( 25 50 75 100
bl oc os
( 18 '5 9 -2
3,38 7,15 10 ,07 9,55 9,14 39,29 37,02 -1
( 5, 77 9, 78 9,73 8. 95 10, 17 44,40 37,20 o
( 4,90 9,99 7 '92 10,24 9,75 42,80 37 '40 1
4,54 lO , 10 9,48 8,66 9, 50 42,28 38,56 2
(
18,59 37,02 37,20 37,40 38,56 168 '77
Agora multiplicamos cada total de tratamento pelo
( coeficiente respectivo e somamos os produtos. Obtemos:
(
EC] T = -2 X 18,59- 1 X 37,02 +o X 37,20 + 1 X 37,40 +
( + 2 X 28,56 40,32
A anlise da varincia, nos moldes usuais, seria a se
( gunte.
A soma dos quadrados para o componente linear sera
'( dada pela frnru la:
(
(
232
233
A ~nalise d? vartancta e, po1s, a seguinte.
SQL =
onde r e
o nmero de repeties e K a soma dos quadr e -
v a ri aao C. L. S.Q. Q.H. F
dos dos coeficientes, cujo valor, alias, aparece na t
la 12.6, na penltima linha de cada quadrinho.
Regress~o Linear 1 40,64 40,64 44,66**
. Regress~o Quadrtica 1 21,28 21,28 23 '38**
Temos neste caso K1 = 10, r= 4, logo:
Regress~o Cbica 1 9,23 9, 23 10, 14 *
(40,32) 2 Regressao de 49 grau 1 1,07 1,07 1,18
SQL 40,64 .
4 X lQ
(Tratamentos) (4) (72,22)
Para o componente quadrtico o de 29 grau temos:
Blocos 3 2,73
Resduo 12 10,92 0,910
Totais de tratamentos (T) Coeficientes (C 2 )
Total 19 85,87
18,59 2
37,02 -1
37,20 -2 Conclumos, pois, que s sao significativos os com-
37,40 -1 ponentes de 19, de 29 e de 39 grau. Qual ser, por~m, a
38,56 2
equao de refresso?
Para obte-1~ ca lculamos os coeficientes correspon-
dentes a todos os componentes, do linear ate o ltimo si
:C T -34,52 gnificativo, mesmo que nesse intervalo haja algum comp o=
2
nent e no significativo.
(-34,52) 2 No caso pre sente t emos :
SQQ 21,28
4 X 14
I:Cl T 40,32
Analogamente obtemos as somas dos quadrados para o
Bl
r K1 4 X lO 1,008 '
componente cbico (SQC) e para o de 49 grau (SQ49):
I:Cz T -34,52
B2 -0,616 '
L:C3 T = 71 X 18,59 + 2 X 37,02 + o X 37,20 - 2 X 37,40 + r K2 4 X lO
+ l X 38,56 19,21 ,
I:C3 T 19,21
0,480 .
B3
o::c3 T)z (19,21) 2 r K3 4 X lO

SQC = 9,23
r K 3 4 X 10
A seguir calculamos a media (Y) dos valores de y e
:C4 T = 1 X 18,59 - 4 X 37,02 + 6 X 37,20 - 4 X 37,40 + a media X dos valores de X:
+ 1 38,56 -17,33
X
-
y =
168,7
= 8,44
-
x = -
250
-. - =- so .
SQ4Q "" o: c~ T)2 (~17,33) 2
= 1,07
20 5
r K4 4 X 7Q A equaao de regressao e entao:
r.
~'"' "~O'?i'''"'-!'\~O'<Il'"""""'"'~~c :":":!'f.;:,.~ ~ --~--~-!'f~F\~~~+;=<~~~'*"'_--.~~---em r ;~~;:'t;_~.~;:.' ~ \-~ , T'":

c
(
I 234

y
-
-:- y reteritla em favor da l~i de Hitscherlich, biologicamen-
235

( ~e mais ;abtvt:l_ede in~erpretao mais.objet~va. Alis,

onde P 1 , P 2 , P 3 indicam os polinmios dados na polinomi~s sao f~n~e~ pouco apropnadas a repr!:sen7~
( 12.6 e M1 , M2 , M3 so nmeros tambm constantes
05
o de fenomenos b1olog1cos. O que os re~omenda e p~1~
( belas. Temos, pois: cpalmente a facilidade de seu uso, pois sao as funoes
mais simples.
( Y- 8,44 = 1,008 1 P1- 0,616 x Lx P 2 +
X X No caso presente, embora seja significativo o campo
( nente de 3Q grau, seria prefervel considerar um polin=
Mas mio de 29 grau, de propriedades matemticas mais de acor
(
n2- 1 do com o fenmeno biolgico estudado.
( pl x, Pz = x2 - 12
x2 - 2
3 n2 -
( p3 x3 -
20
7
X
17
= x3 - - 5 - x, ;;:;,,''fi. li:GRESso PoLINOMIAL APLICADA A DAOOS
(
pois o numero de nveis de adubao n = S. Fica por-
~ _., SH1 REPETI r;O
( tanto:
(
(
Y 8,44 + 1,008x- 0,616(x2-2) + 0,400 (xL -+x) Em muitos casos de interesse cientifico nao h pos-
sibilidade de repeties para os dados a serem coleta-
dos. Tal ocorre, por exempi.o, no que se refere a dados
( 9,672 - 0,352x - 0,616x 2 + 0,400x3. meteorolgicos de uma determinada localidade. Por outro
lado, mesmo quando possvel o uso de repeties, s ve-
( A varivel auxiliar X e dada pela equao: zes no foram feitas, de sorte que desejamos analisar os
( X- X dados sem a possibilidade de uma estimao exata do erro
X = experimental. Isto se pode fazer, com justificao acel
( q
tve 1' utilizando como resduo o quadrado medi o dos des-
( onde q a diferena entre dois nveis sucess1vos de X. vios da regresso. _ .
No nosso caso q = 25, logo: Tomemos como exemplo dados de temperaturas max1mas
(
X - 50 medias de julho de Piracicaba (SP), em graus centgra-
( X = - 2 dos, de 15 anos de observaes, reproduzidos na tabela
25
12.3.1. Ne1a inclumos os coeficientes correspondente's
( e fica aos componentes linear e quadrtico, que so os mais im-
( X portantes.
y = 9,6 7 2 - 0,352 ( - - 2) - 0,616(
25
~ - 2)2 + Temos agora:
(
X
( + 0,400(2.5 2)3. nz = 9.328,64 l:Y = 373,6 c = 9.305,13
'
( Esta equao nos d, por simplificao: .
SQTotal = 9.328,64 - 9. 305' 13 = 23 '51
(
y = 4,712 + 0,276X- 0,00483X 2 + 0,0000256X 3
( (L:Cl y)2 (46,0) 2
SQL 7,557
Embora a regressao polinomial nos preste bons servi K1 280
(
~s em numerosos casos, em experimentos de adubao e l
( (L:Cz Y)2 (53,2) 2
na o muito apropriada e deve, sempre que possvel, ser SQQ
37.128
o, 076
K2
(
(
 (
( 236 237
(
Tabela 12.3.1. Temperaturas mximas mdias em Praci
(SALATI, 195 7). 46,0
( 0,164 .
280
(
( Anos(X) Temperaturas(Y) Coeficientes cl A equao de regressao e, pois:
( 1941 24,5 -7 +91 y
-
y + Bl X
( 1942 22,0 -6 +52 24,907 + O,l64x .
1943 25,8 -5 +19
( 1944 24,4 -4 - 8 Se considerarmos os anos numerados de l a 15, entao
( 1945 24,6 -3 -29 teremos X = 8, logo:
1946 24,0 -2 -44
( 1947 23 'o -1 -53 X = X- 8
c 1948
1949
26,1
25,7 +l
o -56
-53 e fica Y = 23,595 + 0,164 X Esta equaao nos
l
mos-
( 1950 25,5 +2 -:44 tra que a temperatura media mxima, no perodo em estu-
( 1951 24,5 +3 -29 do, aumentou de forma aproximadamente linear, razo de
1952 25,5 +4 - 8 0,164 grau por ano.
( 1953 25,0 +5 +19
( 1954 27,3 +6 +52
1955 25,7 +7 +91 .12.4. Os CoEFICIENTEs DE CoRRELAo E DE lETERMINAD
(
( Quando temos duas variveis X e Y, das quais X fi
. xado com grande exatido, a teoria da regresso, j ex-
( Podemos, pois, fazer .a seguinte anlise da
~

varlan- posta, aplicada sem restries e deve ser preferida .

( Cla: No entanto, em numerosos casos, X e Y esto sujeitos a
... erros experimentais ponderveis. Nestas condies
(
mais indicado o uso do coeficiente de correlao linear
c Causa de varlaao G. L. S.Q. Q.M. F (p) como medida da dependncia entre as variveis. O coe
ficiente de correlao p tem sua estimativa indicada po~
( Regresso linear l 7 '55 7 7.557 5, 71* P ou p_or r, calculada pela frmu la:
( Regresso quadrti~a l o, 076 0,076 0,05 7 X
Desvios da regressao I xY _ ____:.(I.:._X-7.):--'(.:.._IY_:.)_
( 12 15,877 1,323 N
(resduo)
(
Total 14 23,510
(
(
A raiz quadrada do denominador se torna sempre com
( iinal positivo, de sorte que o sinal de r depender ape-
( S h, pois, indcio de regresso linear. O coefi- nas do numerador, que pode ser positivo ou negativo. O
ciente respectivo e: valor de r est sempre no intervalo fechado I -1, +l] .
.. ( Tomaremos como exemplo os dados da tabela 12.4.1,0:!!_
(
c
(
( 238 239
( de X e
o teor de K trocvel do solo, em milieqttivalente Segue-sl' que:
( de terra fina seca na estufa, e Y o aumento de prod
o de cana, em t/ha, devido aplicao de ISO kg/ha -8,0519
( KzO, sob a forma de cloreto de potssio. r -0,494
1(0,235608)(1128,96)
(
Tabela 12.4.1. Teor de K do solo e aumento de produo Um problema a resolver o de provar o valor de r
( de cana, em t/ha. obtido, a fim de verificar se difere de zero, valor que
( deveria assumir, teoricamente, na ausncia de correla-
~o, ~st~ , se o teor do potssio do solo no tivesse
( Teor de K (X) Aumento de produo (Y) influenc~a sobre o efeito da adubao potssica. H v-
'
I
( I rios mtodos para isso. Um deles consiste em calcular:
f
0,109 31,8
( II o, 138 24,5 r
o, 206 t = IN=1" ,
( I 0,153
11,8
18,8
( ~ o, 156 17,3 que corresponde ao teste t com N - 2 graus de liberdade.
( o, 240 11,0 No caso vertente temos:
t. 0,270 12,2
( !~ 0,126 20,6 -0,494
I
0,608 10,8 . t 113 = -2,05
( i.
~
0,199 h-(0,494) 2
t 5,3
( 'I o, 112 29,3 com 13 graus de liberdade, valor que muito se aproxi-
~
(
b
~
o, 138 8,0 ma do limite de significncia ao nvel de 5% de probabi-
h
o, 103 35,8 lidade (2,16).
( 0,127
r 19,6 Alternativamente podemos fazer a transformao co-
( I'!:~~ 0,063 21,4 nhecida por z(r):
( ,,~
..!
1 + r 1 + r
2,748 27 8, 2 z(r) = (1/2)1 _ r = 1,1513 log
~
I"
l 1
(
onde L indica o logartmo natural ou neperiano, e log in
( dica logartmo decimal. O valor z(r) obtido tem distri~
( Temos agora: buio aproximadamente normal, com mdia zero e erro pa-
dro igual a l/IN -3. No caso vertente, temos, pois,
( I:XY 42,9143 2,748 278,2
l - 0,494
( I:X2 0,739042 6288,64 z(r) = 1,1513 log = -0,5413
l + 0,494
( logo obtemos, como teste de significncia de r,
L XY - _..::(I:~X.:....)~(2:=-:Y::..;.)_ = 42' 9143 -
(2,748) (278,2)
( N 15 -,0,5413 - o
t = -1,88 '
( =-8 ,0519 ' 1//U
( com infinitos graus de liberdade. Ora, o limite de t
= 0,235608 , ao nvel de 5% de probabilidade , nessas condies,
( 1,96, valor que auase atingido pelo t calculado (em va
( 1128,96 . lor absoluto).

(
 (

( 240 241
( A principal vantagem de transformao de z(r) Os d;HJos Jes ta I. ti ma anal i se de varlancia nos per-
( permite comparar dois coeficientes de correlao mitem calcular o coeficiente de correlao por outro m-
quer. Suponhamos, por exemplo, que queremos comparar todo. Com efeito, temos, no caso de dados sem repeti-
( coeficiente de correlao achado anteriormente(r =-0, ao.
( N 15) com outro coeficiente r = -0,902, calculado
N 20 pares de dados. Temos: SQL 275,17
( 0,2437
z(ri) = -0,5413 SQTotal 1128,96
( z(r 2 ) = -1,4829
(
logo r = 10,2437 = 0,494. O sinal correto , por~, ne-
A variincia da diferena entre esses valorei e: gativo, pois deve coincidir com o sinal da expressao
(
l l l l ZXY - (X) (L:Y)
( + +-- 0,1422 ' = -8,0519.
12 17 N
(
logo teremos: O 0uadrado do coeficiente de correlao (r 2 ) recebe
(
o nome de coeficiente de determinao.
( -0,5413 + 1,4829 = 2,50 ,., No caso de se usar regresso de grau superior ao pri
t
10,1422 meiro, temos o coeficiente de correlao mltiplo, geral
( mente indicado por R, ao qual corresponde tambm um coe=-
( com infinitos graus de liberdade. O valor de t ficiente de determinao R 2 , que se calcula assim:
cede~ limite de 5% de probabilidade (1,96).
( No caso vertente outro mtodo que se pode s <oQ;uir SQRegresso
( o seguinte. Primeiramente calculamos a soma de quadra-' SQTotal
dos total para os valores de Y:
( quando nao h repetioes. Assim, se considerarmos, no
2
( SQ Total = L:Y 1128,96 exemplo da seo 12.3, os componentes linear e quadrti-
co da regresso, teremos:
( A seguir calculamos a soma de quadrados para a regressao
( linear (SQL) como foi visto em 12.1: SQRegresso 7,560 + 0,076 7,636 '
( (-8,0519) 2
SQL = 0,235608 = 275,17 7,636
O, 3248, R
25,510 /0,3248 = 0,570
(
E assim chegamos a seguinte anlise de varlancla.
( No caso de haver repetio, prefervel tomar:
( Causa de variaao G.L. S.Q. Q.M. F SQL SQRegresso
( SQTratamentos SQTratamentos
Regressao linear l 275,17 275,17 4,19
c Desvio da regressao l3 853,79 65,68 Assim, no exemplo exposto em 12.2, teramos, se con
siderada a regresso at o terceiro grau:
(
Total 14 1128' 96 SQ Regresso 40,64 + 21,28 + 9,23 = 71,15 '
(
O valor de F obtido no atinge o lmi te 7 l '15
( 0,9852 .
dente ao nvel de 5% de probabilidade (4 ,67). 72,22
(
(
f
 r- .
~~~-_.._...,,..~~~,....,...,....,_..,......,.,
___r,,,l:Ot~
t--. ---- - . . . ~oN>,~-~,,_,._...~-,, , ...... .,.., ....... .--.'~..
__ ~.,'!"~.--'"'~'-'. - ...!-..
-E~ -_'!~::
----.

c
( 242
243
( 2 7
~ bastante comum expr1m1r r ou R 2 em
( No ltimo caso, por exemplo, teramos R = ib. CoEFICIENTEs PARA lNTERPOLA(;:O CE PoLINMIOs
interessante salientar tambm que, num
( RTOC-DNAI S
mais geral, alguns definem tambm o coeficiente
( minao do modelo usado na anlise da varincia
do: ~ o

( n = J n1 V(~ lS n = (+ n1ve1s n = 5 nveis

SQ Total - SQ Resduo
( SQ Total 29 19
19 29 39 19 29 39 49
( Por outro lado, muitos cientistas (especialmente os grau grau . grau grau grau grau grau grau grau
( economistas) usam o coeficiente de determinao ajustado
(R 2 ) dado pela frmula -1 +1 -3 +1 -1 -2 +2 -1 +1
( o -2 -1 -1 +3 -1 -l +2 -4
(
n - 1 +l +1 +1 -1 -3 o -2 o +6 .
n - p - 1 +3 +l +1 +1 -1 -2 -4
( onde n nmero de tratamentos e p o nmero de +2 +2 +1 +l
( cientes de variveis na equao de regresso.
seo 12.2, se considerada a regresso at o terceiro K 2 6 20 4 20 lO 14 10 70
( grau, teramos:
M l 3 2 l 10/3 l l 5/6 35/12
( 5 - 1
R2 = 1 - --::-='---::----:--
5 - 3 - 1
(1 - 0,9852) = 0,9408.
(
( Um defeito do coeficiente de determinaao
que pode ser negativo, o que acontece quand o
( R 2 < p/ (n-1).
n = 6 nveis n = 7 nveis
(
( 12.5. BIBLIOGRAFIA 19 29 39 49 59 19 29 39 49 59
grau grau grau grau grau t; rau grau gra1 grau grau
( DRAPER, N. e H. Smith, 1981. Appled Regresson Analy-
ss, 2a. edio. John Wiley, Nova York. -5 +5 -5 +l -1 -3 +5 -1 +3 -1
(
HOFFMANN, R. e Snia Vieira, 1977. Anlise de Regre!_ -3 -1 +7 -3 +5 -2 o +1 -7 +4
( so. HUCITEC-EDUSP, so Paulo. -l -4 +4 +2 -lO -1 -3 +1 +1 -5
PIMENTEL GOMES, F., 1951. A Lei de Mitscherli c h e a An- +1 -4 -4 +2 +10 o -4 o + o
'(
lise da Varincia em Experincias de Adubao. Anais +3 -1 -7 -3 -5 +1 -3 -l +l +5
( E.s.A. ''Luiz de Queiroz", 8: 355-368. +5 +5 +5 +l +1 +2 o -l -7 -4
PIMENTEL GOMES, F. , 1984. A Estatstica Moderna na Pes- +3 +5 +1 +3 +1
(
quisa Agropecuria. POTAFOS, Piracicaba.
( SALATI, E. , 19 57. Contribuio ao Estudo do Clima de Pi- K 70 84 180 28 252 28 84 6 154 84
( racicaba (tese). ESALQ, Piracicaba.
M 2 3/2 5/3 7 I 12 21/10 1 1/6 7 I 12 7/20
(
(
(
( ----.
~~0-~~~~~~~-~~~~~~~~~~~~~~~~~0~~~11

l
l
l
I
i
I
~
i

N
.&:-
.&:-

n = 8 nveis n = 9 niveis

19 29 39 49 59 19 29 39 49 59
~
grau grau grau grau grau grau grau grau grau grau
~i
\
1
-7 +7 -7 +7 ...;7 -4 +28 -14 +14 -4 i
-5
-3
+1
-3
+5
+7
-13
-3
+23
-17
-3
-2
+7
-8
+7
+13
-21
-11
+ll
-4
I
l
I
-1 -5 +3 +9 -15 -1 -17 +9 +9 -9 1
+1 -5 -3 +9 + 15 o -20 o +18 o 'f'
+3 -3 -7 -3 +17 +1 -17 -9 +9 +9
+5 +1 -5 -13 -23 +2 -8 -13 -11 +4
+7 +7 +7 +7 +7 +3 +7 -7 -21 -11
+4 +28 + 14 +14 +4
K 168 168 264 616 2184 60 2772 990 2002 468
\{
2 l 2/3 7/12 7/lO l 3 5/6 7/12 3/20

n = 10 nveis n = 11 nveis

19 29 39 49 59 19 29 39 49 . 59
grau grau grau grau grau grau grau grau grau grau

-9 +6 -42 +18 -6 -5 +15 -30 +6 -3

-7 +2 + 14 -22 + 14 -4 +6 +6 -6 +6
-5 -1 +35 -17 -1 -3 -1 +22 -6 +1
-3 -3 +31 +3 -11 -2 -6 +23 -1 -4
-1 -4 + 12 +18 -6 -1 -9 +14 +4 -4
+1 -4 -12 +18 +6 o -10 o +6 o
+3 -3 -31 +3 +11 +1 -9 -14 +4 +4
+5 -1 -35 -17 +1 +2 -6 -23 -1 +4
+7 +2 -14 -22 -14 +3 -1 -22 -6 -1
+9 +6 +42 +18 +6 +4 +6 -6 -6 -6
+5 +15 +30 +6 +3
K 330 132 8580 2860 780 110 858 4290 286 156

M 2 l/2 5/3 5/12 1/10 1 1 5/6 1/12 1/40

N r~

""
I
VI
 ~~~~ ~~~~ ~~~~ ~~~ ~ ~~~~~ ~~~~ ~~~~ ~~~~ 11

I
j

l
I
I
--~
IJ
N 1
.+:--
(3\ j
l
J

n = 12 nveis n = 13 nveis

19
grau

-11
29
grau

+55
39
grau

-33
49
grau

+33
59
grau

-33
19
grau

-6
29
grau

+22
39
grau

-11
49
grau

+99
59
grau

-22
I
.I
i

-9 +25 +3 -27 +57 -5 +11 o -66 +33

-7 +1 +21 -33 +21 -4 +2 +6 -96 + 18 'j
-5 -17 +25 -13 -29 :-3 -5 +8 -54 -ll !

-3 -29 +19 +1 2 -44 -2 -10 +7 -11 -26 1

~

-1 -35 +7 +28 -20 -1 -13 +4 +64 -20 :i

+1 -35 -7 +28 +20 o -14 o +84 o -~
+3 -29 -19 +12 +44 +1 -13 ~4 +64 +2 0
+5 -17 -25 -13 +29 +2 -10 -7 +11 +26
+7 +1 -21 -33 -21 +3 -5 -8 -54 + 11
+9 +25 -3 -27 -57 +4 +2 -6 -~6 -18
+11 +55 +33 +33 +33 +5 +11 o -66 -33
+6 +22 +11 +99 +2 2

K 572 12012 5148 8008 15 9 1:: 18 2 2002 572 68068 6188

M 2 3 2/3 7/24 3/20

, .,:::;_ ;'"_.,._, ..... ' ..:-': $' -;- ' ., ____ _,., '--~ -'
~~ ~ ~~ ~~~~~~~~~~~ ~ ~~~~~~~-~~~~~~~ ~ ~

li
I
:i
~
i
i
l
j.}

N
.:;..
CXl

1
n = 16 nveis I n = 17 nveis f
1
j
19 29 39 49 59 19 29 39 49 59 i
grau grau grau grau grau I grau grau grau grau grau
J
+ 1 -21 -63 +189 +45 o -24 o +36 o J
+ 3
+ 5
-19
-15
-179
-265
+ 129
+23
+115
+U1
+ 1
+ 2
-23
-20
- 7
-13
+31
+ 17
+55
+88
l
+ 7 - 9 -301 -101 +77 +' 3 -15 -17 - 3 +83 ~
+ 9 - 1 -267 -201 -33 + 4 - 8 -18 -24 +36 1
+11 + 9 -143 -221 -143 + 5 + l -15 -39 -3 9 ~

+13 +21 +91 -':!1 -143 + 6 +12 - 7 -39 -10~

+15 +35 +455 +273 +143 + 7 +25 + 7 -13 - 91
+ 8 +40 +28 +52 +lO.:.
K 1360 5712 1007760 470288 201552 408 7752 38 76 16796 100776 !

1
M 2 1 10 /J 7/12 1110 I 1 1 l/6 1112 1120
I

n = 18 nveis I n = 19 nives

19 29 39 49 59 19 29 39 49 59
grau grau grau grau grau grau grau grau grau grau

+ 1 -40 - 8 +44 +220 o -30 o +396 o

+ 3 -37 -2 3 +33 +58 3 + 1 -29 -44 +352 +44
+ 5 -31 - 35 +13 +733 + 2 -26 -83 +227 +74 tt-
+ 7 -22 - 42 -12 +588 + 3 -21 -112 +42 +7 9 1
+ 9 -10 -42 -36 +156 + 4 -14 -126 -168 +54 ;~

.t
':!
+11 + 5 -33 -51 -429 + 5 - 5 -120 -354 + 3 t-~

+13 +23 -13 - 47 -871 + 6 + 6 -89 -453 -58 ~:1

+15 +44 +20 -12 -6 76 + 7 +1 9 -28 -388 -98 -~
+17 +68 +68 +68 +884 + 8 +34 +68 -68 -68 "t;
" li
+ 9 +51 +204 +612 +102 ;;.
...,{
t'f
;~
K 1938 23256 23256 28424 6953544 I 570 13566 213180 2288132 89148
~~
H 2 312 113 1I 12 3 I lO I 1 1 516 7 I 12 1140
~~

;;,

I
N
.:;..
\0
 (
\

c 250 251
( o ~ .
o _a-.
N
o Observaao De n = 14 n1ve1s em diante reproduzi
( ::l <t <t <t C') co 00 00 co -..!) o <t
O ~ O<t .-< lf) -DCO.-l'.OC""\1-... parte dos coe f i c i entes a utilizar. Os coef
lf) H <t <t COC"lOr----.o-:ra-.o::>
r---
co "..... mos somente
00 .-< <'I <'1<'1---'INC""'---'M
( + + + + + I I I + ""..... N cient;s iniciais foram suprimidos . Podem ser obtidos dos
N
que vem depois, por simetria. com troca de s1na1s no ca-
( .-<
componentes de grau
_,
1mpar ( 19, 39 e 59) e manuten
::l <toof1 o 0'.01.()0 0 0 0 ' \ o so dos
~ N
..... ao_ de sinais nos casos de grau par (29 e 49). A compa-
O O'><tCO of) MO.-<OO .-<
( of) of) (") .-< .-l<f\0\0 of)
-..!) (")
<t H
+ + + + I I I I I
(J'\ (")
o --...
00 + raao com as tabelas completas mostra facilmente o que
( N "'
CJ)
r---
of) se deve fazer para completar os coeficientes em falta.
( ..--l
Q) " ::l <t M N \0 00'\CO N -<t LI'\ o
Os polinmios ortogonais do primeiro ao quinto grau
:> O ~ o lf) o <t \0 r--- <t 0'1 --'.-<o::> (")
\0 sao dados a segui r.
I .-< .-< .-< ,.... .-< I
( ~..-;
d
(") H
00 I I I I I
1.-<N
I +
\0
N
--...
lf) ')
(") n L- -1
( .-< <t pl X p2 x2-
N
<t
12
<"")
11 ::J o r--- cO M N N ,-.,. NC""\0 a-.
( O ~ .-< 00'\
lf)

d N H .-< ,....
I 'f'f7 I
(") co (") (J'\
+ +.-<.---<
co
.-< 3n 2 - 7
( 00 I I + + o p3 x3 - X
N 20
(
::J .-< N. (") <t lf) \0
"' 00 0\ o o .-< 3n 2 - 13 3(n 2 -l(n 2 -9 )
( ,....
O ~ o
+ + + + + + + + + +
.-< r--- p4 x4 - x2 +
H
00
r--- 14 560
(
5 (n 2 -7) x3 l5n 4 - 230n 2 + 407
( o
Ps xs - 18
+
1008 X
o
::J \0\0.-l .-<r-lr-...NN NCO co
( O ~ 0'1 r--- <t lf)r-...CONO "'M .--;
::J
,.__. N
lf) C"') o <t (""'r---.-<NCO .--; a-. o -..._ X X
00 +---'.-< .--; + I ,.... .-< .-< .--<
( + + + I I I +
N
.-<
r--- X
q
(")

( o <t
::J co cO (") r--- r--- r--- N N N CO N
( o ~ co <t o r--- COcOON OM C")
N
--...
<t H ..... 0'1 lf) I \0 .--< <t .-< .-<m
..... ,.... ..... ..... ..... lf)
00 + + I I .-< co (")
+ I I I +
'
\

...-;
CJ)
co
N
N
( Q) ::J 0"1 r--- lf) C").-liJ'>r---U") r--- 0\ o (")
:> O ~ 0\ cO <t l1"'1a-.Mr---oo L() \0 <t ----..
( h~ (")
,.__.
I N <t lf) lf) lf) ,...., I Mm
I
..... o
d 00 I I I I I + + r<) .--;
o
o
_( N
0"1
<t

( ::J (") ..... r--- ..... M MO'> (') a-. r--- \0 .....
O <1l (") MN N .-< N M Lf"l lf)
,.__.
d N I I I I I I + + + + L()
00 r---
( .....
(
::J ..... M lf) r--- 0"1 .--< ,...., L() r--. 0"1
,.... o
( ,....
O <1l
,.__.
..... .-< .......... \0
N

00
+ + + + + + + + + + \0
N
(
( :><: l::!
(
_('
-r
( 252 253
(
c o coeficiente de eficcia. Centenas de ensaios de
( campo com vrias lavouras permitem indicar como muito ra
( zoveis as estimativas c = 0,0088 ha/kg para .o fsforo
~ 2 o 5 ) e a potassa (K20), e c = 0,0049 ha/kg para o
c 13. O USO DA LEI DE MITSCHERLICH NA ANLISE trognio (N). Para o caso do esterco, aceitvel o va-
ni-

r~ EXPERIMENTOS DE ADUBACAO lor c = 0,018 ha/t.

(
(
( 13.1. GENERALIDADES
( Em ensaios de adubao h motivos ponderveis
( r a evitar, quanto possvel, o uso de polinmios como equa ------
o de regresso, dando preferncia regresso pela lei
( de MITSCHERLICH (1930, 1954)
(
y = A {l - lO -c(x+b)l
(
( ou a forma equivalente, prefe~ida pelos ingleses,
(
(
Na equaao de Mitscherlic:h, A a produo m:'tXlma
( terica possvel quando se aumenta indefinidamente a do-
( se de um nutriente (o fsforo, por exemplo); c, chamado X
coeficiente de eficcia, eum parmetro tpico do nutri- I
~h
( ente em questo, e b seria o teor desse nutriente conti-
( do no solo, em forma assimilvel pelas plantas. . . . -c (x+b)
praxe, em vrios pases em que vigora o Sistema Grfico da equaao de lhtscherllch y = A [ l-10 ]
( Hetrico, exprimir, na equao de Hitscherlch, x e~ qui~ No eixo das abscissas so marcadas as doses do nutrien-
( tais mtricos, de 100 kg cada, por hectare; c e entao ex- te, que se sups ser o potssio (K), expresso em K20.
presso em hectares por quintal mtrico. Neste livro, p~
c rem, exprimiremos, em geral, x em kg/ha e c em ha/kg. Quando se usa um valor de c de grande precisao, ob-
( tido de numerosos ensaios anteriores, torna-se fcil o
Uma vantagem importante do uso da equaao de Hits- calculo de uma estimativa para a varincia V(x>'<). Temos
( cherlich e
que ela permite determinao muito satisfat- entao:
( ria da dose econmica (x*) de um nutriente (PI~lliNTEL GO
MES e ABREU, 1959), pela frmula:
( '\l(x*) = 2 <o. 434)L ---
82
w u c 2
(1/2) xu + (1/c) log r u
( t Xu
onde s o quadrado mdio do resduo e r e o numero de
( onde u e o aumento de produo do produto agrcola obti- repeties.
( do com a dose xu do nutriente, w o preo desse produto Com os valores indicados acima para c:, a frmula da
agrcola, pago ao lavrador, t o preo do nutriente, e da para x* se transforma em:
(
c
r
f
(
( ~ 254 255

(
- :z
Yl - YOY2
w u (l/) log -=---- (l/) log - - - - -
( x:l< = (l/2)x + 114 log - - - - - . - 2
u t Xu - Yo (y l - y o)
( para os casos do fsforo (P 2 0 5 ) e do potissio (K 2 ), e
( Por exemplo, no caso dos dados do ensaio discutido
w u em 7. 7' as medias correspondentes aos trs nveis de fs
x1<=(l/2) X + 204 log
( u t X foro eram:
u
( para o nitrognio.
No~e-se que a dose econ~mica nao depende dos P0 40 ,9 t /h a ,
( P 56,2 t/ha ,
os, mas da relao de preos w/t. Assim, s e, dLumao.opa 1
P2 62,7 t/ha
( ra outro, dobrar o ~reo do milho (wJ : ao mes~o temp
dobrar o preo do f o;;,; foro (t), a relaao w/ t nao mudar
( e a dose econmica obtida com os dados de um ensaio todas com erro padr~o de 2, 7 t/ha. A P 0 refere-se as
( ser alterada. parcelas sem adubaao fosfatada; P 1 corresponde a adu-
Para maior facilidade do uso da lei de Mitscher lich bao com uma dose q = 60 kg/ha de fsforo (P20s) sob a
(
devemos, tal como no cas~ dos polinmios ortogonais, ado forma de superfosfato simples, e Pz indica as parcelas
com dose .Zq = 120 kg/ha de fsforo, aplicado de maneira
c tar nveis de fertlizaao igualmente espaados.
A teoria e a prtica demonstram que a lei de Mits-
-
anloga.
( Temos pois:
cherlich tem aplicao satisfatria e til sempre que te
( mos ensaios de grande preciso ou grupos de experimentos (56,2) 2 - (40, 9) (62, 7)
=67,5t/ha
numerosos. A aplicao se torna mposs ve 1 ou desacon- 2(56,2) - (40,9 + 32,7) '
(
selhvel no caso de experimentos de preciso e s cass a ou
quando o solo reage muito mal ao nutriente em estudo. ~ 56,2 - 40,9 0,0062 ha/kg
( c (1/60) log
Mas mesmo nestas condies a frmula de PIMENTEL GOMES e 62,7 - 56,2
c ABREU (1959) e
de uso indicado, desde que se u t il izem 67,5 65 k g/ha
va lor es de c que meream confiana, como os que foram da b (l / 0 '0062 ) log
( 67,5 - 40,9
dos acima.
(
- - -
A equaao de regress ao e, portanto,
(
( 13.2. O CAso DE TRES NVEIS y = 67,5 [ l - 10-0,0062 (x+65)] t/ha

( Este e
o caso mais simples e mais comum. Quando os
A produo max1ma teor1ca, que se poderia obter au-
nveis so igualmente espaados, a cada nutrien te co rres seria de
( pondem os nveis zero, 1 e 2, aos quais dele se aplica= mentando indefinidamente a dose de fsforo,
67,5 t/ha. O coeficiente de eficicia seria c 0,0062
( ramas doses de zero, q e 2q. Sendo YO y1 , Y2 as pro-
dues medias correspondentes , temos ento: ha/kg, valor um pouco baixo, pois se espera que estives-
( se em torno de 0,0088 ha/kg.
(
-z -
yl YO Y2
A dose econmica seria obtida pela frmula dada em
13.1. Considerando-se a dose maior de fsforo, teriamos

( xu = 120 kg/ha, u = 62,7-40,9"' 21,8 t/ha. Tomemos a!:
2yl - (yo + yz) da t = 14,00 cruzados por kg de P2 Os (o que corresponle a
( Cz$ 2.800ti00 por tonelada de superfosfato simples), e
~
Yl - Yo
( 1: = (1/ q) log w"" 2 40,00 cruzados por tonelada de cana, no campo e
Y2 - Yl
(
(
~(
( 256 257
(
e sem cortar. Obtemos entao: Ko (sem potassa) To 9J<l,d t
( Kl (30 kg/ha de KzO) Tl 1.221,2 t
21,8 X 24() Kz (60 kg/ha de KzO) Tz 1. 330' o t
( x* (1/2) 120 + (1/0,0062) log
120 X 14 K3 (90 kg/ha de K2 0) T3 1. 506.7 t
( = 140 kg/ha de P O .
2 5 Para calcular a equao de regresso, comea-se por
(
A dose econmica seria, pois, de 140 kg/ha de obter uma estimativa de c, o que se consegue da maneira
( o que corresponde aproximadamente a 700 kg/ha de s:guinte. Primeiro calculamos os acrscimos de produ-
( fosfato simples. ao:
Quando se trata
~ . de experimentos de pouca preciso ,
( como esse, a est1mat1va de c merece pouca confiana e 282,4 t/ha
alias, o ajustamento da equao s vezes nem e possvel: 391,2 t/ha
(
No caso de trs nveis igualmente espaados a equao de 56 7, 9 t /h a
( Mitscherlich so pode ser usada se tivermos simultaneamen
te Agora devemos resolver por tentativa a equao em
(
z:
( Yo < Yl < Y2 2yl - <Y:o + yz) > O .
(
A ltima ~ondiso_nos assegura que temos tambem necessa-
( riamente yi -
Yo yz > O onde J4z(z), J43(z) e J44(z) so
ca raz que interessa deve estar
polinmios em z. A uni
ent re zero e um. o ra,-
(
esses polinmios esto tabulados na tabela 14 para va-
( lores de z no intervalo f O, 1] o que facilita muito a
13.3. O CAso a: QuATRO NVEIS resoluo da equao.
(
Tomaremos como exemplo um experimento de adubao Comeamos por tentar z O. Temos ento:
( de cana-de-acar (primeiro corte) feito por COURY e ou-
tros (1957). Trata-se de um ensaio com P e K, fatorial J42 (O) = -2.000 , J43 (O) = 1,000 , J4 4 (O) = 1,000
(
de 4 x 4 em 4 blocos casualzados. A an~lse d2 variin
( cia foi a seguinte: Logo, obtemos:
( R(O) (282,4) (-2 ,000)+ (391,2) (1,000)+ (567 ,9) (1,000)
Causa de variao G.L. S.Q. Q.M.
( = 394,3 .

( Fsforo (P) 3 3.102,60 1.034,30*

Potassa (K) 3 10.622,94 3.540 98** Para z = 1 conseguimos analogamente:
( Interao P x K 9 2.801,38 311,82
R(l) (282, 4) (-10,000)+ (391, 2) ( -10,000)+ (567, 9) ( 10. 000)
( = -10,57
(Tratamentos) (15) (16.531,92)
( Blocos 3 3.785,42
Residuo 45 16.685,58 370,79 A mudana de sinal nos mostra que h realmente uma
(
raiz (pelo menos) entre zero e um. Pode-se tentar a se-
.( guir z "' 0,50. Inicialmente bastante tomar da tabela
Os subtotais correspondentes aos nveis de potas~ 14 os valores dos polinmios com apenas uma ou duas
sa, cada um referente a 16 parcelas, so os seguintes: decimais. Fica:
(
(
 -
. -..., . .
r~~~"""~ ,..,"'--~-

(
( 258 259
(
l\(0,50) ( 28 2' 4) ( -4, 9) + ( 3 9 l' 2) (-1 '4 ) + (56 7 ' 9) ( 4 ) u) Finalmente:
( 340,16 . 1
( --- log
c
A ra1z est, pois, entre 0,50 e 1,00. Experimentemos
( a seguir, z = 0,70 e obteremos R(0,70) = 67,88. Nova t
tatva pode ser feita, depois, com z = 0,75, eagora
(
do todas as decimais da tabela, pois j nos aproximamos
- e, pois,
A equaao -
( da raz. Obtemos R(0,75) = -97,77. A raz, est, pois
entre 0,70 e 0,75. Novas tentativas nos do a seguir: ' y 112 , 6 [ 1 _ 10 -0,00490 (x+66)]
(
( R(0,71)=7,02 R(0,72) = -16,44 . Com esta equao calculamos os valores YO, Yl Y2 Y3
referentes produo de cada nvel de potassa de acordo
(
Conclui-se, pois, que a raiz est localizada com a lei de ~tscherlch. Organizamos ento a tabela
( 0,71 e 0,72. Podemos aproxim-la um pouco mais por seguinte e calculamos os desvios Yi - Yi com i O, i,
terpolao linear: 2, 3 .
(
( 0,01 23, 46 ,
y 7,02 , Y -Yi Desvio (Desvio ) 2
( l_

( onde 23,46 = 7,02 + 16,44. Logo. 58,7 59,2 -0,5 0,25

76,3 74,5 +1,8 3,24
( (0,01) (7 ,02)
y = 23,40 = 0,0030. 83,1 85,4 -2,3 5,29
( 94,2 93,2 +1,0 1,00
(
Temos, pois, a raiz z o, 7100 + 0,0030 0,7130.
Agora calculamos: 0,0 9, 78
(
- = _ log z log 0,7130
( c 0,00490 .
q 30
( Temos agora:
A seguir obtemos pela frmula:
( SQ Desvios da Regresso (K) = 16 x 9,78 = 156,48 ,
(
1
+ ----:----,--.-- u 1 (l-z 2 -z3)+u 2 (l+z-z3)+] onde 16 o numero de parcelas para cada nvel de K.
r r P 4 (z) [ A soma de quadrados para a regresso pela lei de
+ u 3 (l+z+z2)
( Mitscherlich obtida por subtrao:
( onde r e o numero de parcelas em To e P 4 (z) SQ Reg.Mit. (K) = 10.622,94 - 156,48 = 10.466,46 ,
( =(1 -z)(3 + 4z + Jz2). Fica:
com 2 graus de liberdade.
( P4(0,7130) = 2,117 , Para o fsforo, os subtotais referentes aos seus ni
veis eram:
(
( =
938,8
16
+ --;-:~~1~:-:=-:--[ ( 28 2' 4) (o. 12 91) +]
(16) (2,117) +(391,4) (1,3505)+
Po (sem fsforo)
pl (40 kg/ha de P20s)
To
Tl
1114,5 t
1186,5 t
+(567,9)(2,2214) Pz (80 kg/ha de P20s) T2 == 1411,5 t
112,6 t/ha p3 (120 kg/ha de PzOs) T:; = 1284,2 t
(
(
r
 ..'">u-..-.e._...,.,_. '-.
ar
~~~
5

(
261
( 260
( o de regressao se adapta otimamente aos dados. o que se
Os cilculos se fazem como no caso do potissio, manifesta pelo_resulta do significativ o da re gresso e pe
( conduzem equao: lo resultado nao-signific ativo dos desvios da regresso~
y = 85 , 0 [ _ anilise da varincia.
( 1 10 -0,00870 (x+83)]
(
Calculamos a seguir, como anteriorment e, a soma de .
( quadrados para os desvios da regresso no caso do fsfo-
13.4. O CAso oc CINCO NVEis
( ro. Este caso se resolve de maneira anloga do ante-
SQ Desvios da Regresso(P) 16 65,30 rior, mas com u 1 = T 1 - T0 , u 2 = T 2 - To, u3 = T3 - T 0 ,
( X 1044,80 ,
u4 = T4 - To'
( e ainda
( SQ Reg. Mt. (P) = 3.102,60-1.0 44,80 2.057,80.
( esta com 2 graus de liberdade. Resolvida esta equao com o auxlio da tabela 14 ,
obtemos uma raz z entre ze ro e um. A segui r calculamos:
(
Obtemos, pois, a seguinte anlise da varincia. l og z
( c =-
(
(
(
-
Causa de variaao

Regresso pela lei de

G.L.

2
S.Q.

2.057,80
Q.M. To
= -- +
r
l
r P 5 (z)
q

u 1 (l-z-z 3 ) + uz (l-z 3 ) +
[ + u3(l+z 2 -z 3 ) + u l l+ z2)
4
l
Mitscherlich para o P 1.028,90
( - com
Desvios da regressao 1 1.044,80 1.044,80
( p (z) = 2(l-z)(2+ z+2z 2 ) ,
5
( (Fsforo) (3) (3 .102,60) e ainda
( Regresso pela lei de l
2 10.466,46 5. 233 '23**
13 = log
( Mtscherlich para o K

( Desvios da regressao - 1 156,48 156,48

Com o advento dos computadores o ajustamento de equa
c (Potssio) (3) (10.622,94)
es de regresso mais complexas, como a lei de
cherlich, foi muito facilitada. E a prpria teoria, es-
Mits-=-
( tudada com o nome de "modelos no-Lin ea r es ", t e ve grande
Interao p X K 9 2.801,38 311,82
( Blocos desenvolvime nto (BARD, 1974). Atualmente h programas
3 3.875,42
Resduo especiais de computador que estimam com relativa facili-
( 45 16.685,58 370,79
dade os parmetros da lei de ~tscherlich para qualquer
( nmero de nveis, comdoses equidistante s ou no.
( Verifica-se logo que a equao de regresso no foi

(
satisfatria para o fsforo, o que se deve, sem dvida,
reao pequena da lavoura em questo ~ aduba5o fosfat_!
13.5. UM EXEM'LO COM UM GRUPO 0:: ExPERit-ENTOS
( da. J para o potssio, que teve efe1to notavel, a equ_! PIMENTEL GOMES (1957) selecionou e analisou em con-
(
(
(
262
( 263
( junto Jl:l ensaios fatoriais de 3 -" 3 " 3 l'Ofll i~, I' l' K
Tabela IJ.S.l. MZ~dias de prudu<;;lU de Jl:l ensaios de adu-
cana-de-acar, com dados de cana-planta c_ soca, obtidos bao de cana-de-acar.
(
por STRAUSS (1951). _No que se refere ao fosforo, as me-
( dias dos ensaios estao reproduzidas na tabela 13.5.1. 0
nutriente foi aplicado nas .doses de zero, 60 e 120 kg/ha
c de P2 5 , s na cana-planta.
( Seguindo a marcha j descrita em 8.6 e 8.7, obtemos Co.na-ptnnta (t/hn) Soca (t/hn)

para os dados de cana-planta a anlise seguinte. Quadrado Quadrado

( Po p, P, nu.!tlio P, l' l P, mJio
residual tc~idual
(
70,6 74,8 66,4 30,8 31,9 . 35,5
Causa de variaao G.L. Q.M. 60,2
56,1 62,7 65 ,o 40,2 50,8 57,4
22,6
85 ,o
( 40,9
29,0 47 ,o 55,6 187,5 10,6 11,0 16.8 63,2
61,0 67,5 72 ,ti 3 ,4 '~2 ,7 35.3 39,0 121, ,4
( Experimentos (E) 37 826,47-ld< 84,1 97,4 105,1 135. 7 46,3 51,6 56.3 170,5
Nveis de fsforo (P) 2 5974,08"~<>'< 64,4 10,5 23,2 41,1 !,9,0
( Interao E X p
15,7 45.2 511.)
74 (52) 83 ,38-1<-1< 50,2 61,3 77,2 254,6 16,7 26,3 37,1 so,a
97,2 96,6 88,6 43,5 51,7 50,6
c Resduo 570 (378) lO ,80
87,0
88, J
42 ,o
n,9
56,6
96,4
sr;' 9
85,9
41,0
64,7
2' ,1
68,1
34,7
63,5
38,0
71,1
10 3,6
51,6
(
47.3 56,3 58,5 65.9 23 ,a 30,8 30,4 40,2
53,1 98,7 108,5 35.7 23,2 41 .t~ 53.9 21.5
( 13,~ 86,4 106.7 3~ 3,5 1,7 26.9 42,2 12!,,8
20,4 54,8 5] '9 112,2 9,3 12,6 19,1 1 ') ,4
( Os numeras entre parnteses indicam quantos sao os 23,1 32.3 52,5 120,::> 13,3 21, '1 40,1 50,8
graus de liberdade depois do ajuste feito pelo me~odo de 43, 71,6 6 7,8 46,3 59,9 6) t4 16 7 ,I
( 71 ''
Cochran. O quadrado mdio para o resduo igual m 32,8 6 7,2 71,3 140,8 7,9 2 7. 2 34.8 26 ,o
32,1 49.5 57,5 125,4 42,1 411,6 42,3 (2,2
( dia aritmtica dos quadrados mdios residuGis, dividid 43,6 48, l :)l ,5
49 "
61,4 59,6 60,0 1.17 ,o
por 9, pois cada media relativa a um nve 1 de p em cada 27.5 57.3 65 ,O 45,5 t,s ,4 63,6 73,4 12 9,0
(
experimento foi calculada com 9 parcelas. 34.9 45,9 5),] 108,8
v,,t,
1,6,2 52,1 S6,6 I t< ),0
24. o 40' 1 4 3 ,!1 15.) 18.9 23,6 R2 ,9
( Os quadrados medias relativos a nveis de fsforo e 28,0 43,6 !,~"\,') 53.2 57,7 SL,,l 57,Y 0SJ,L,
a experimentos so testados em relao Interao E xp; 28,11 1,6 '9 4C, 8 JS, 1 35.2 '26,8
1 '9 49,0 64,1
( 31,8 35,5 37,7 23,!. 26,5 28.3 1 3,9
esta, por sua vez, provada relativamente ao Resduo.
21,2 5) ,8 71.5 3 7 ,7. 18. Q 40,0 53,7 cI,s
( Clculo anlogo e feito para as socas, com os resul 25.3 50,5 58, (j 130,6 28,9 51,6 51,5 2 "/8,2
tados seguintes. 31 ,5 60,2
61 '
65,0 Jj I 9 50,0 49,7 102,5
( 37.) 46,2 .')0, 2 )] ,6 35. o 36,9 33,3 H, 7
56~~ 74,6 80,7 60,6 6.',' s 6B,t, 68,7 71,,1

( 21, , 5 v., n JS, O 93.8 16 ,I 29.8 35.9 120,.">

Causa de variaao G.L. Q.M. 1,4, 9 56.4 S:J, 8 63,1 44,6 57. 7 51,4 llS,S
( 55,2 63,0 6S,2 13 l ,4 28,8 33,0 30.9 92,8
40,2 57,8 57' ~i 27 ,J 53,8 58,2 62,5 51,7
50,7 66,6 56,6 30, l t.J, 7 49,3
( Experimentos (E) 37 666 '01 >'<>'< 32.3 57,7

Nveis de fsforo (P) 2 1495,75** 45,3 52,7 4 7,4 123.2 33,2 35,3 33 ,I :>t.8,2
( Interao E X p 30,0 49,7 1,8. 8 2 30,6 12,2 20,0 22.7 lH\2
74 (55) 37 ,07*>'< 30,0 38,8 39,5 98,6 IG,S 13,0 20,6 11t,l
( Resduo 570 (37 8) 10,23
(
(
As produes medias sao dadas a seguir, l~Om o
( pectvo erro padro.
(
(
 (
( 264 265
( Cana-planta (t/ha) Soca (t/hct) vaLor qtw nos twrmilv L'sLmar <lm intervalo dL' <:onfiana
( para x"', de extremos xi< - t s (x"'), x* + t s (xi'). Como
Po 39,90 + 1,48 31,78.!. 0,99 s(x*) = 18,36 = 2,89, e t = 2,00, ao nvel de 5% de pro-
( pl 58,34 + 1,48 39,91 + 0,99 babilidade, os extremos do intervalo de confiana para x>'<
( p2 63,84 + 1,48 44,23 I o, 99 sao 115,2 e 126,8 kg/ha.
Urna dose econmica poderia ser estimada tambm atra
(
vs de regresso polinomial de segundo grau. Temos, pelo
( Calculamos, como em 13.2, as estimativas dos metodo exposto na seo 12.2:
( tros e obtemos:
38 X 39,90 1. 516' 20
( Para a cana-planta: y 66 , 2 [ 1 _ 10 -0,00876(x+46)J 38 X 58,34 2.216,92
38 X 63,84 2. 425' 92
(
Para a soca: y 4 9 , 1 [ l-lO -0,00464 (x+98) l
( (-l) (1516,20)+(0) (2216,92)+(1) (2425, 92)
Note-se que tivemos para a cana-planta = 0,00876, 909,72
(
ao passo que para a soca estimamos ' = 0,00464. A com- 909' 72
( parao entre essas duas estimativas do coeficiente de 38 X 2 11,97 '
eficcia relativas a duas colheitas de um mesmo ensaio,
( e, analogamente,
nas mesmas parcelas, nos permite estimar o efeito resi-
( dual do adubo. No caso presente, em que o fertilizante z::C 2 r -491,72
foi aplicado s na primeira safra, o efeito residnal e -2,157 .
( 38 X 6
dado por
( Corno a media geral y= 54,03, o polinmio obtido :
( h= '/ = 0,00464/0,00876 = 0,53 =53%
y Y + B l Ml P l + B2 M2 P 2
(
(
Se o adubo tivesse sido aplicado tarnbrn na soca, em
dose igual da cana-planta, teriamos: 5 L_i , 3 + 11 , 9 7 < l X X - 2 , 15 7 '< 3 ( X2 - +) ,
( fi: = ' 1 com x = (X-60)/60. A substituio deste valor na equa-
o obtida nos d, em t/ha:
(
A dose econmica de fsforo, com t = 14,00 cruza-
( dos por kg de p 2 o5 e w = 240,00 cruzados por tonelada y = 39,90 + o,4l52x- o,00180X 2 .
de cana, no campo e sem cortar, ser:
( A X indica as doses de fsforo (P20s), emkg/ha. Com
(23,94) (240) w = C7.$ 240,00 por tonelada de cana e t = Cz$ 14,00 por
( x* 60+(1/0,00876) log (120) (14) kg de fsforo, a dose econmica :
(
121,0 kg/ha de P20s x+ = a1 - t /w
(
Note-se que esta frmula j leva em conta, ate - 22
(
to ponto, o efeito residual do fertilizante. onde 1 e o coeficiente de X, e 2 o coeficiente de x2 .
( Temos ainda: Temos, pois, no presente exe111plo:

( 37,07 0,4152 - 14/240

0,434 2
'!/(x*) 2 -<o oo876 ) 8,36 -2(-o,oois)
(
(38)(23,94) 2
'
(
(
f"- - . -- .
~-:~!"':'~ ~ .,...~Ye'_,,_,,,l(t" ~!l"""> .. .._.~,">
... ~--.,.,._,, _, ..,,."l!":'t'\' ._,. :'!'l"-~'lfl'oi~"' -'Jt~l-~~-'"'.':~ ~~-"'~";'t:. """" C'" ~ ~~-,,..~ :. ~:~!<~.:~ ~~< '''' . ~ ' '

(
( 266 267
( Eslc valor e IIICI\0[ do C[Ul' () uuliJu pL I;J !vi Ul' Mi
( c llerlich, o que geralmente ocorre. Pude-se achar t
(
para estanova dose econmica (x+) um intervalo d e conf ENSAIOS COM ANIMAIS
ana (PIMENTEL GOMES e COMES, 1982).
(
(
14.1. GENERALIDAIES
13.6. BIBLIOGRAFIA
Embora os princpios de experimentao sejam os mes
(
BARD, Y., 1974. Nonlinear Parameter Estimation. Acade mos para todos os campos de aplicao, h detalhes espe::-
( mie Press. Nova York. cficos que distinguem, at certo ponto, experimentos in
( COURY, T. e outros, 1957. A Diagnose Foliar na Cana-de~ dustriais, ensaios com bovinos leiteiros ou de corte, tra
Acar. I. So Paulo. balhos experimentais com aves, etc. No campo da Z oote~
( HODNETT, G.E., 1956. The Responses of Sucar-Cane nia, os ensaios com vacas leiteiras s o dos mais comple
( Fertilizers. Empire J. Exp. Agr. 24: 1-19. xos, por se tratar de animai s de grande valor, relativa-=-
MITSCHERLICH, E.A., 1930. Die Bestirnmung des DUngerbe~ mente pouco numerosos e muit o heterogneos. Difi cilmen-
( dnrfnisses des Bodens. Paul Parey, Berlim. te pode um experimentador conseguir 20 ou 30 vacas lei-
( MITSCHERLICH, E.A., 1954. Bodenkunde, 7a. edio. Paul teiras de mesma raa ou mesma c ruza, de produes e ida-
Parey, Berlim. des semelhantes e de paries em datas prximas. A hete-
( PIMENTEL GOMES, F. e E. Malavolta, 1949. Aspectos Mate~ rogeneidad e do material e x p~rimental nos obriga a usar
( maticos e Estatsticos da Lei de }tscherlich.Anais restri es numerosas, que complicam os ensaios, para per
K.S.A. "Luiz de Queiroz", 6: 193-229. mitir que t enham maior pr ec iso. No extremo oposto en::-
( PU1ENTEL GOMES, F. e Izaias R. Nogueira, 1951. 'lqbelas contramos os pin tos , '2 aves em gera l, animais pequenos,
( de Polinmios para Interpolao da Equao de ~lits de baixo pr eo , que se pod e m obter com facilidade em gru
cherlich. Anais E.S.A. "Luiz de Queiroz", 7: 57-fJ7. pos h omogn eos de dezenas e at~ de ce ntenas de ca be as .-
( PIMENTEL GOMES, F., 1953. The Use of 1-tscherli cll's Re- Tais carac t ersticas permitem o uso de delineament os ex-
( gression Law in the Analysis of Experiment s with perimentai s mais simples e nos levam, em geral, a p~r v
Fertilizers. Biometrics, 9: 498-516. rios animai s em cada parcela. Ta mb~m os sunos, que oc~
( PIMENTEL GOMES, F., 1957. Anlise Conjunta de 38 Experi pam uma posio intermediria entre esses dois extremo s~
( mentos de Adubao de Cana-de-Acar. Rev. Agr-: geralmente permitem o uso de delin eamentos relativament e
32: 113-126. simples.
( PIMENTEL GOMES, F. e C.P. Abreu, 1959. Sobre uma Formu- No caso de animais pequenos, c omo aves e porcos, nao
la para o Calculo da Dose mais Econmica de Adubo. raro as maiore s causas de e rro residem no ambiente em
(
~ais E.S.A. "Luiz de Queiroz" 16: 191-198. que vive m, se do lado oeste ou l es te dos edif c ios, se
( Pl}fENTEL GOMES, F., 1961. On a Formula for the Estima- nos andares superiores ou inferiores das baterias de pin
( ton of the Optimum Dressing o f a Fertilize r. Bio- tos, se sujeitos ou no a ventos frios ou ao calor da
metrics, 17: 492-494. tarde. Estas causas de variao sao consideradas, pois,
( PIMENTEL GOMES, F. e Marli B. Gomes, 1982. A na organizao dos blocos.
( Problem Related to Confidence Intervals l ) [ H experimentos em que um nwsmo animal pode ser usa
of Maximum or M.nimum of Setond Degree RL) ~I"l.'S s do mais de uma vez, constituindo um bloco, com duas ou
( l Equations. Anais 10~ Conferncia Internacional mais parcelas. Por exemplo, num ensaio sobre a conserva
j
o da carne, um mesmo msculo dos quartos traze i ros po::-
c 1
l.
l
Biometria. EMBRAPA, Braslia.
STRAUSS, E., 1951.- Experimentos de Adubao na Zona de Sl'r a parcela, um do quarto esquerdo, outro do direi-
( l veira de Pernambuco. Anais da Terceira Reunio to.
d.
' sileira de Cincia do Solo, 19 Tomo: 336-443.

l
(
(
l
(
 ,
r~~-"~~~n--,~:~~-.,....._,.,._,,.,.,..,,,,. ' '""'~"""'"''"''''.''"''"-"''"'""'''~'"~''"e'.'""'~'""'"'""','"

(
268
( 269
( No qllL' sv nIL'Cc a exr)L'rillll'lll.os Jv ai illll'llL:~<;.Iu, LU- No caso de nao ter havido inicialmente a separac,;ao
CAS (1958) classifica os ensaios em: L Contnuo::;, 2. Al dos sexos, podemos ter no fim propores muito diferen-
(
ternativos. Nos ensaios contnuos, cada animal recebe tes de aves dos dois sexos nas parcelas. Uma anlise
( o mesmo tratamento, ate o fim do experimento.
nativos, o tratamento muda, de tal sorte que a cada ani:-
Nos alter com os dados assim obtidos e
perfeitamente correta, pois
( se trata de diferenas produzidas pelo acaso. Mas um
mal correspondem virias parcelas (perodos) com diferen- certo ganho de preciso poder ser conseguido, no caso
( tes tratamentos, que mudam de um perodo para outro. Os de aves em que as diferen-as sexuais de crescimento j
ensaios alternativos so especificas para o estudo expe- se manifestem, por uma anilise de covarincia.
( rimental de vacas leiteiras, mas podem tambem ser aplica Tomaremos como exemplo um ensaio de TORllliS e PH:LHTEL
( dos a galinhas poedeiras e, eventual e raramente, a ou- G0}1ES (l959) em que se usaram 4 raes (sem. sorgo, e com
tros casos. 10%, 20% e 30% de sorgo) com duas.repeties para pintos
(
machos e outras duas para pintos fmeas, com um delinea-
( mento inteiramente casualizado. Cada parcela tinha ini-
( 14.2. ENsAIOS C0'1 AVEs cialmente 13 aves, mas algumas morreram, de sorte que,
na pesagem final, com 4 semanas de idade, algumas parce~
( Discutiremos aqui especialmente os experimentos de las contavam com 12 animais apenas, como indicam os nu-
alimentao de pintos, que podem servir de orientao meros entre parnteses do quadro seguinte, onde apare-
( para outros casos. cem os pesos totais das parcelas, em decagramas.
( Como se trata de animais baratos e bem homogneos,
em geral cada parcela se compe de uns 10 a 15 pintos,s
( vezes 50 ou 60, todos de mesma idade e, se possivel, de MACHOS Ff:MEAS
( mesmo sexo. Cada parcela e considerada como um to:io, de
sorte que no interessa o peso individual de cada ave, Repetio Repetio
( mas apenas o peso total da parcela. As pesagens em ge- l-1 2? l~ 2?
( ral se fazem semanalmente, mas s interessa realmente o
peso final do perodo em estudo. Sem sorgo 548 (13) 512(13) 399 (12) 388 (12)
( No fim do ensaio geralmente se verifica que algumas Com lO% de sorgo 689(13) 646 (13) 503(13) 508 (12)
( aves morreram ou foram acentuadamente prejudicadas por Com 20% de sorgo 543(13) 611 (13) 475(13) 437(12)
doenas ou acidentes. Se a mortalidade ou perda de pin- Com 30% de sorgo 514(13) 537(13) 398(13) 448 (13)
( tos for mais ou menos normal, de no mais de 10%, diga-
( mos, os pesos totais das parcelas, para as aves sobre-
viventes, so considerados,no ensaio, sem nenhum ajus- O ensaio e evidentemente fatorial, com os fator~~s~
( te: as diferenas d~ numeras de aves entram como varia- xos e Raes.
( es do acaso e podem ser, em parte, compensados pelo A anlise, dada a seguir, mostra que, embora haja
maior desenvolvimento dos animais restantes. Se, porem, efeito de Sexos, no h Interao Raes x Sexos, de sor
( houver mortalidade excessiva, a primeira coisa a fazer te que as posies relativas das Raes so independeu=
( se ri verificar se no se deve aos proprios tratamentos tes dos Sexos.
(rao txica ou insuficiente, por exemplo) caso em que
( nenhum ajuste se recomenda. Esta verificao se faz ana Causa de variao G. L. S.Q. Q.M. F
c lisando os nmeros de aves perdidas ou de aves sobrevi=
ventes, em geral depois de transformados pela extrao Raes (R) 3 38.001 12.667 18,36**
( Sexos () 1 68.121 68. 111 88,01**
da raiz quadrada. Se no houver efeito dos Lcatnn~ntos S 634
Interaao R X 3 1. 903 0,819
( nesta anlise, os dados de peso podero ser ajustados, Resduo 8 6.194 774
por meio de uma anlise de covarincia.
(
(
r .
.,~.,.-~~~- :'1..1~--""-,!"'~~~.-;- >~:"""-~'C'<~\'.':"~"F""""~:"""'~~j_~.>;-;.c:-'? ~:--:-f..-."'!'':.'~' "~~~f'~"~,-,_,<_r:t1:!:~--'''J"""'-'.:.'.'_:'Ifte ' .

(
( 270 271
(
Os nGmeros de animais sobreviventes por parcela mesma raao. No primeiro bloco ficaram as 4 vacas de
( foram considerados na anlise. maior produo, no segundo as 4 seguintes e no terceiro
Verifica-se que o Quadrado Media da Interao Ra- bloco as 4 de menor produo.
( es X Sexos e
uma boa estimativa da varincia residual. As produes de leite das vacas, em kg, no perodo
( Podemos, pois, juntar os 3 graus de liberdade da intera- experimental, de 8 semanas, que se estendeu de 20 de ou-
o aos 8 do resduo anterior e obter, assim, 11 graus tubro a 15 de dezembro de 1959, constam da tabela segui~
( de liberdade para o novo resduo, como se v a seguir. te.
(
( Causa de variaao G.L. S.Q. Q.M. F
19 29 39 Totais de
( Tratamentos
bloco bloco bloco tratamentos
Raes 3 38.001 12.667 17 ,21**
( Sexos 1 68. 121 68. 121 96,56**
( Resduo 11 8.097 736 Testemunha 431,4 485,2 (309,8) 1226,4
( Com lg dirias de 687,5 5o0,4 443,0 1690,9
case1na iodada
(
Se utilizssemos os pesos individuais das aves, ob- Com l~g dirias de 679,2
( 563 '3 430' 5 1673,0
teramos um Resduo (b), pois cada pinto representa uma case1na odada
( subparcela. No caso presente o quadrado mdio desse Re-
sduo (b) foi igual a 628, valor bastante prximo do qu~ Com 29g airas de 502,5 462,4
569' 7 1534,6
( case1na iodada
drado mdio residual acima obtido, o que mostra que, em
( experimentos anlogos, este Resduo (b) pode ser usado
Totais de blocos 2367,8 2111,4 1645' 7 6124,9
para estimar o erro experimental.
( As doses crescentes de sorgo sugerem o estudo de
( uma curva de regresso, o que fica a cargo do leitor.
o dado ent:re parnteses refere-se a uma parcela peE_
( di da, estimada pelo mtodo indicado na seao - 5.4.
.
A anlise de v ar1 anela -e dada a seguir.
.~

( 14.3. ENSAIOS lNTNL()S EM BLOCOS CAsUALIZAOOS

( COM VACAS lEITEIRAS
Causa de variaao G.L. S.Q. Q.M. F
(
O ensaio que vamos dar como exemplo, realizado pelo
( Testemunha v.
Departamento de Produo Animal da Secretaria de Agricul ~ 1 4l. 2 97 41.297 13,67 7'
case1na
( tura paulista, teve em mira estudar a influncia da ca=
sena iodada na nutrio devacas leiteiras. Consideraram- Entre doses
( se 4 tratamentos e fizeram-se 3 repeties, em blocos de casena
2 5.478 2.739 o, 907
( sualizados. Cada bloco tinha, pois, 4 parcelas,
parcela constituda por uma vaca. As vacas eram t (TratamPntos) (3) (46.775)
c mestias Flamengo X Caracu e todas paridas em maio,
Blocos 2 67.020
( nho ou julho de 1959. Os blocos foram oranizados t
em vista a produo de leite das vacas num perodo pr Resduo 5 15. 103 3.021
( -experimental de duas semanas, em que recebiam todas
(
(
(
272 273
(
( As medias de produo sao: Va(' <.1 Va'c .:.1 '1. Vaca

( kg ,
Testemunha 408,8 19 perodo A B c
c ~

Com lOg de case1na

~

Com 15 g de case1na
563,6
557,7
kg ,
kg ,
29 perodo
39 perodo
c
B
A
c
B
A
( _.,
Com 20g de case1na 511, 5 kg
'
(
Pela anlise da varincia, h aumento significativo A anlise da varincia teria a seguinte decomposi-
( de produo pelo uso da casena iodada, mas as doses de o de graus de liberdade:
( caseina utilizadas do produes que no diferem sgnifi
cativamente entre si. Causa de variao G. L.
(
Seria recomendvel o ajustamento de uma equaao de
( regresso, como f oi visto no capitulo 12. Tratamentos 2
Linhas (perodos) 2
(
CoLuna s (vacas) 2
( 14.4. ENsAIOS RoTATivos coM VACAS lEITEIRAS Resduo 2
(
Nos ensaios alternativos. se toma cada animal como Total
( um bloco, sobre o qual se consideram diversas parcelas,
que so perodos sucessivos de produo de l e ite, cada Note-se que nesse caso cad a tratamento ocorre nos
( ma1s
um deles com algumas semanas de durao. No caso tr s perodo s, o que traz uma certa compensao para seus
( comum, os tratamentos atribuidos a c ada animal so todos efeit os . Para que essa compensao seja tio perfeita
diferentes: so os ensaios rotativos ("change-over" ou quant o possvel, rreces s rio, porm, que os trs atu-
( "switch-over",em Ingls). Mas, eventualmente, o ani- a m p!:odu es Llwntes,
mais do quadrado latino tenh seme
( mal, no fim do ensaio, volta a receber o tra~ament o ini- poi se natural que numa vaca de grande produo de leite
c i a l, como ocorre nos experimentos de reversao ( " ;;lvitch- a qut'da se ja maior do que numa vaca medoc re. Supo nha-
(
-back", em Ingls), que veremos posteriormente. mos, por exempl o , que, em iguaLdade de c ondi es , as va-
( Um defeito fundamental dos ensaios alternativos re- cas pe rcam lO% de sua pr odu o inicial, de um pe r odo pa
side na possibilidade de efeito residual de um tratamen- ra o seguinte. Admitida uma produo inicial de 500 kg
( to sobre o tratamento subsequente. Isto se pode ev itar, de l e i t e para a primei r a v a ca e de 200 kg para cada uma elas
( em grande parte, pelo menos, desprezando-se a produ~iodo outras duas, teramos, na ausncia de efeitos de trata-
animal na primeira semana que se segue mudana de tra- mentos, os se g uintes dados .
( tamento. Mas se pode tambm tentar analisar por clculo
( matemtico o efeito residual porventura existente. Vaca l Vaca 2 Vaca 3
Outro fator a levar em conta quando se considera ca
( da vaca como um bloco e
que, depois dos 2 primeiros me- 19 perodo 500 (A) 200 (B) 200 (C)
( ses de lactao, h uma queda persistente de produo de 29 perodo 450 (C) 180 (A) 180 (B)
lei te, queda essa que se pode considerar ap_::ox~ma?amente 39 perodo 400 Ol) 160 (C) 160 (A)
( linear. Para eliminar esta causa de erro sao ute1s os
( quadrados latinos, que incluem ento os prprios ani-
mais como colunas e os perodos como linhas. Assim, por O quadrado latino escolhido. superposto a esses da-
( exemplo, um ensaio com 3 tratamentos (A, B, C) poderia dos. como indicam as letras entre par~nteses, nos daria
( ser feito com o quadrado latino seguinte. os seguintes totais para os tratamentos:

c
c
 (
( 274
275
( Trati.lmcnlu A et~o kg ,
c Tratamento B
Tratamento C .................
780 kg '
810 kg M CO ,_ co \!)~C() co
( M \D co co N \D \.0 lll
-.:r
<""\ tr) <'"! 00.-< N
NN N ,..._
( A deaigualda~e de produ~o das vacas impediu, NN N \.0

urna boa compensaao dos efeitos dos periodos. Segue-se

( portanto, que o uso do quadrado latino exige, p~ra maio~ \D ---- ......_
,-..
N
r-1 ......_ ,-.. ,.--..
u:q :q
u ...._..,_....._,
....._,.
( eficincia, que os animais sejam escolhidos de tal sorte <1J '---' '-" '--' <1J
<.) 0\DN co C) lll N r-1 co
que tenham produes de leite to semelhantes quanto pos <1J -.:r \() <'"! M <1J o~ co N
( sivel. > 0\r--co lll > COll<-0 o
(/) N N
<1J
( Por outro lado, -o nmero de graus de liberdade para <.)
op... r-1

o residuo, no caso do quadrado latino de 3x3 em discus-

<1J
> "'<O ---- ,-.. ......_
:
r-1 ,-.. ,-.. ......_
>=QU ~ >=QU :
( so, e insuficiente; ha, pois, necessidade de usar <.)
<O
'---' '-./
Lf'l ,..._ r i
co co
'-"

r-1
M
co
0:::
C)
<1J
u
<O
'-./
lll Oltr)
MOI 0'1
'-" ' - '
m
N
( rios quadrados latinos, 4 por e x emplo. As vac as de um O > co o ,..._ \D O > \D r- lll o
N ...... N -::r N
rnesrrio quadrado latino devero ter produes s e melhan-
( tes, mas de um quadrado latino para outro pode variar 0 -::r
o ,....._ _......_
nivel de produo dos animais. As sequncias (ACB, BAC
-:;:;;;u
.__,
'-' ' - '
r-1 ,-..
::q u
-
CBA) de tratamentos, correspondentes as colunas, s ao atri' -
<O
<.)
<O
COtr\-.;:t
o,..,~
co
,..._
\.()
<1J
C)
<1l
' - ' '-' ' - '
\.0 M N
co 0l m
......
o
( buidas ao acaso s vacas de cada grupo. > '-) ,..._ r-1 > tr\I'CO N
N N

( A analise da varincia segue o seguinte e s qu e ma, no

caso de 4 quadrados latinos de 3 x 3. Nr--.. ("') N M OI r- m
,..._
( .-1.-i~
N~ <'"! m
O N <'"!
r-101-.;:t
\.()
,..._
N N C' l \.() N 0l N \.()
(
Causa de variaao G.L ,
( n ......_
,-.. ,-.. m ,-.. ,....._ ......_
Grupos d e vacas (quadrados latin o s) 3
U:Q <>:: u :Q <>::
( <1J
u
"--.../'--"~

a- m r-
<1l .._., '-"'-'--"
Vacas dentro dos grupos 8 li) u ,..._ \Q. \0. m
<O
co OI "' -::r <1l m--o o \.()
( > O'>C0\.0 lll > co r- ,..._ <'"!
Periodos (linhas) dentro dos grupos 8 N N

( Tratamentos 2 o op...
(
Interao Tratamentos x Quadrados Latinos 6 s
0:::
N

<O
...-......----..
q<>:;u
.._,
,--.....

'-....-' '-....-'
~
0:::
co
<1l
,-..
Q ~
""' ,-..
' - ' '-" ' - '
u
Res1duo 8 C) u \..0 l() ,-i N C) (.) ~~ M .....
<O O'IM O M <1l <'"!~ tr\ (V)
( O > '-0 \0 m N O > ,..._ --o m M
N <""\
Total 35 N

c ..... ..-.. ,-..

:u Q
,-.. ,..._ ,-.. ,-.. ......_
.._,-......--......- :
-......-
u :Q
( <O
u r- M tr\
<1l
u
-......-
'-"
m
,..._ ...... co
N OI
Ir)
Par explicar a anlise, utilizaremos os dados da <O N CO CO m <1l ,..._ \()
( > tn co ,..._ r-1 :> -.::r ao r- o
tabela 14.4.1., adaptados de COCHRAN e outros (1941). N N

(
Temos O O o o o o
( 'l:l'"C)'"C)
o o o '"C) '"C) '"C)
o o o
~.-I h-<
~: x 2 - C
~.-I h-< ~.-I hl
SQTotal ,._. ,._. ,._. ,._.
( ~
CIJ <li <li <li
~
<li <li
21.530.497 - 20.834.660 o. o.. 0.. o.. o.. 0..
( 695.837 O O O O O O
r-1 N <""\ r-1 N M
(
c
 -
r='~--~-- . . . ._. ......
~--.,. -~,---""'""- : ..:t---~'~"""'~"-"'-"""'~~-- ""'~-,... ,.,,>,,_ _~""~,-,,~~--"' "::--.";~;-.:_.,_--_~--,

(
\

( 276 277

( Somos levados, scguinte anZllise da

.-
pol:i, .:.1 vartan-
S(~ Ccupos ( I I 'J J I (6 ':J n. ); . . . + ( b 2 ') 8 ) I - c
( 73. 47':3 cia.

(
SQ Perodos d. Grupos (1/3) I (22l2) 2 + ... +CLI68);;1
causa de variaao C. L. S.Q. Q. M. F
- C - SQ Grupos
( 35.654 , 3 73. 47 9
Grupos de vacas (C)
( SQ Vacas d. Grupos (1/3) [ (2195) 2 + .. +(2028)2]- vacas dentro dos
8 96.263
( - C - SQ Ccupos grupos
96.263
( perodos dentro
8 35.654
Para completar a anlise da var~anc~a, o rgan1 zarros a .- . dos grupos
(
tabela 14.4.2. com os totais de tratamentos em cada qua- Tratamentos (T) 2 470.400 235.200 164, 25 * 1'
( drado latino ou grupo de vacas, como a seguir.
Interaao T X G 6 6.786 l. 131
(
Tabela 14.4.2. Dados para clculo da Interaao Tratarnen Resduo 8 l3. 255 1. 65 7
( tos X Grupos.
( Total 35 695.837

( 19 29 39 49 Totais de
grupo grupo grupo grupo t r at amen tos
( Sendo todos os grupos de animais de mesma raa ou de
mestios anlogos, de esperar que o quadrado mdio da
( Tratamento A 1819 2085 1822 1723 7449 Interao Tratamentos x Grupos estime a varincia resi
Tratamento B 2380 2432 2278 2039 912 9
( dual. Podemos, pois, reuni r os 6 graus de liberdade des
Tratamento c 2773 2871 2669 2496 10809 sa interao aos 8 do residuo, obtendo, po~s,
(
Totais de 6.786 + 13.255
( 697 2 7388 6769 6258 27387 1432 ,
grupos 14
(
com 14 graus de liberdade. O valor de F do quadro foi
( calculado com este novo Q11adrado Hdio Residual.
Ternos agora:
As medias de tratamentos so:
(
,(
SQ Trat. e Grupos (1/3) [ (1819) 2 + ... + (2496) 2 1- c Tratamento A . . . . . . . . . . . . . . . . . . 620,8
550.665 , Tratamento B ... 760,8
( Tratamento C 900,8
(
SQ Trat. (1/12) I (7449) 2 + (9129) 2 + (18809) 2 1 -c
470.400
A diferena mnima significativa para essas medias,
c SQ Trat. x Grupos
pelo teste de Tukey, ao nivel de 5% de probabilidade, e:
SQ Trat. e Grupos - SQ Trat. -
- SQ Grupos
c 550.655 - 470.400 73.479 q
s
3,70
37,8
40,4 .
6.786 . m
 r
"
(
278
27 9
( Ver ifica -se, pois , que os trvs trata
ml'lt lus tos, ou um ml Lplu Jcss v llttm eru:
sign ifica tiva men te entr e si. ess'- 's sao us de
( . O coef icie nte de vari ao , de apen . eame ntos com pleto s.
as 5,07 ., lln Assi m, para o caso de 2 t ratam
baix o, o que dem onst ra a efic inc en5o s (A, B) de~em~s
(
( ou pouc o mais , entr e os per odos
ia do expe rime nto.
A falt a de um inte rval o de sepa ra
o, de uma s
2 anim ais ou um ml tiplo dest e num
~:a~ada par r~cebero, por sort eio, as
ero._ an1.m a1s o:
suce ssiv os, perm itiu sequ enc1 as de tra
caso vert ente , que os efe1..tos res1.- tame ntos segu 1nte s:
( dua1..s dos trata rnen't
sobr e os subs eque ntes fosse m bast
ante sens vei s. p
( ava li- los, pode -se reco rrer ao 19 anim al 29 anim al
mto do prop osto por COCH
RAN e outr os {194 1), mas nos pare ce 19 per odo A B
( que seri a pref erv el
29 per odo B A
simp lesm ente desp reza r a prod uo
de leit e da prim eiras e .B
( mana ou das duas prim eira s sema nas 39 per odo A
de cada per odo expe -
rime ntal .
( Para 0 caso de 3 trata men tos (A,
B, C) o nume ro de
H um inte ress ante trab alho sobr e o assu
nto, publ i- anim ais (ou sequ nci as) 3 x 2
( cado por ASSI S e outr os (195 9). 6, como a segu ir:
( A B c B c A
( 14.5. ENsAIOS DE REVERso B c A A B c
A B c B c A
(
Tal a trad uo para os ensa ios
em "swi tch - back " Se disp user mos de 6 anim ais na ocas
( dos nort e-am eric anos . Os delin eam ento s resp ecti vos io, podere~osin~
ciar ensa io simu ltane ame nte para todo
dest inam espe cific ame nte a vaca s se 0 s_ e~es, e ::ao h a
( leit iras , embo r0 se nece ssid ade de bloc os. Send o nece
poss am tamb em apli car a caso s anl vera ssar 1o, . pore m, po-
ogos (do pont o de vis-
( ta da expe rime nta o), corno o das derem os come ar com 3 an1.m a1s, em u m bloc o f1ca
_
ndo o ou
. . :::-
gali nhas poed eira s. tro bloc o para ~po c a post erio r.
Cada anim al e util izad o em 3 per Os bloc os sao orga n1.za
( odos exp~~ rimen- dos como se mos tra a segu ir.
tais suce ssiv os, cada um de cerc
a de 3 sema nas. Para evi
( tar os efei tos resi dua is de um per
odo sobr e o subseque~ 19 bloc o 29 bloc o
te, e para perm itir que os anim ais
( se habi tuem aos ali-= A B c B c A
men tos, a prod uo da sema na inic
ial de cada per odo de- B c A A B c
( ve ser desp reza da.
Nos ensa ios de reve rso os per odos A B c B c A
( tm semp re o mesm o trata men to, que
inic ial e fina l
( tame nto usad o no segu ndo per odo.
e comp arad o com o tra Para cada anim al, em qual quer caso
, cal cu la-se o nu
O fund amen to do mto - mero
do est na qued a pers iste nte da
( prod uo de leit e das va
cas, depo is de uma brev e fase inic
ial de prod uo cres = D = Y1 - 2 Y2 + Y3
( cent e. Por isto , os delin eam ento
s em disc uss o s deve m
ser apl cado s a anim ais que no inc
( io do ensa io ja te- que serv e de base a toda a anl ise esta tst ica. A Y1
nham ultra pass ado o pico da lact
ao , isto , mais ou me indi ca a prod uo do anim al no prm . . ..,
( nos 2 mese s depo is da pari o, e e1ro p~r1odo, Y 2 , no

(
no tenha m ultra pass ado a meta de
que, no fim do ensa io,
do pero do de gest ao mos a corr eao :
~
segu n d o, e _ 3 , no terc eiro . Ante s de ma1.s nada calc ula
subs eque nte,
Send o p o nm ero de trata men tos,
cada ensa io exig e
p(p- 1) anim ais, cada um rece bend c
( o uma sequ nci a de tra .
3np (p- l)
c
(
 ...,._.... .,. ....
f''' ""'~ ..,.~ I"~-~--"-,.,.~~"--""" ''~-C'-~,~------ . --". . .,.,,. _. ""_._,._, ., ,,,... _. ..,
_~-,,.

(
280
( 281
( I
!
onde n = Zr, sendo r u 11nll' r o <.!e v: tc;~s usada s para
uma das sequncias de tratamentos. A Soma de
( Total : causa de variaao G. L. S.Q.
(
SQ Total = (l/6) ~D2 - C . Tratamentos p -
l (116 n p)L q2
( Blocos b - 1 (l/6)1: (1/mu)~ - c
( A seguir calcularros o valor Qi correspondente a ca- Resduo Por subtrao Por subtraao
da um dos tratamentos.
( Total (lI 2) n p ( p-1) - l (l/6 )I n2 - c
r:
c Q.
l.
D - L:" D

( Onde "'~ I D -e a soma d os va l ores d e D d as vacas que rece _

( bem o tratamento em questo no primeiro e no Nos dois casos, os quadrados mdios e o teste F pa-
rodos, e l:" D a soma dos valores de D das vacas ra tratamentos se calculam da maneira usual.
( o r ec ebem no segundo perodo. As medias de tratamentos sao calc uladas pela frmu
( Calculamos a seguir a Soma de Quadrados de Trata- la:
mentos:
(
( SQT = (l/6 n p)l: q2 .
Saliente-se que Y a media dos valores Y observa-
( No caso de no haver bloc os obtem-se, po1s, a se- dos para todas as vacas. No c aso de o nmer o de trata-
guinte anlise da varinci a. ment os ( p ) ser mpar e mai o r do que 4, pode -se u s ar um
(
delineamento reduzido, co m apenas (1 /2) p(p-1 ) s equn-
( cias d e t ra tamentos. Neste caso as frmulas dadas para
Causa de var1aao G.L. s .Q. a anlise cont inuam vlidas, desde que tomemos n = r,_o.::_
(
de r a inda o nmero de vacas usadas para cada sequen-
( Tratamen tos p l - ( l 16 n p ) l:. q2 cla de tr a tame ntos.
Resduo Por subtrao Por subtr ao Tomaremos como exemplo um ensaio de LUCAS (1956), cu
(
jos dados so reproduzidos na tabela 14.5 .1. Considera
( Total (l I 2) n p (p -l) - l (li6)LD2_ c remos p = 3 tratamentos (A, B, C), com 2 animais para ca
da sequnca de tratamentos.
( Como se trata de delineamento completo, t e mos
(
No caso de haver blocos calculamos ainda a Soma de n = 2r = 2x 2 = 4 .
(
Quadrados respectiva:
( A correao e
( SQB = (li6)I(llffiu)B~ - C
( ID) 2 (-32,5) 2
( onde Bu e
o total do bloco u e mu e o numero de animais c = 3 n p (p-1) 3 (4) (3) . (2) 14,6 7 .
( nele includos.
Alem disso temos:
c A anlise da varincia tem~ c.mto, o esquema SQ Total (J I 6 )l: D2 -
.
c
( te, onde b e o nmero de blocos utilizados. ( 1 I 6) I <-1, s) 2 + .
-
+ <-3, 2) 4 J c
= 3,72 ,
-c
--r
 i f--------- - ' ... -. -. ---
---=~c~~-~---~_,...,.._.,.,.., , , ,~_,~ ., . ' ' - v; ,-"'"''''"''"'''"""''~"'' ~"'""''"''"''' ' " '

(
( 282 283

( 'L.tbe LJ 14.5.1. ProJu<;~)es de leite num ens i l l l l SQJJ ( I I 6 ) ; l:( 1/ n\.t) 13 u - c

( 0/6) I (-1~,8)2+ --'-<_-6_,3:-7-'-)2 + C-8JO) -c
( 19 perodo 29 perodo 39 perodo
( (Yl) (Y2) (Y 3) 0,18

( 19 bloco Para achar a soma de quadrados de tratamentos (SQT),

Vaca 1 34,6(A) 32,3(B) 28,5 (A) -1,5 comeamos por calcular os valores de Q. Para o tratamen
(
Vaca 2 22,8(B) 21,0 (C) 18,6 (B) -0,6 to A temos:
( Vaca 3 32,9(C) 33,1 (A) 27,5 (C) -5,8
c Vaca 4
Vaca 5
48,9(A)
21,8(B)
46,9(C)
23,9(A)
42,0 (A)
21,7(B)
-2,9
-4,3
Ql = (-1,5-2,9-1,9-1,7) - (-5,8-4,3-3,4-3,2)= 8,7 ,

( e para os demais:
Vaca 6 25,4(C) 26,0(B) 23,9(C) -2,7
c-o , 6 -4 , 3-3 , 4-3 , 1) c-1 , 5-2 , 7 -L , 4-1, 7) = -4 , 1,,
c Totais do
186,4 183,2 162,6
(-5,8-2,7-1,4-3,2)- (-0,6-2,9-1,9-3,1)= -4,6.
c 19 bloco
-17,8

( Resulta:

( SQT (l/6 n p)Z Q2

29 bloco
~
(
Vaca 7 30,4(A) 29,5 (C) 26,7 (A) -1 '9 6 x x 3 [cs,n2+(-4,1)2+C-4,6)2]
( Vaca 8 35,2(B) 33,5 (A) 28,4(B) -3,4
Vaca 9 30,8(C) 29,3 (B) 26,4 (C) -1,4 1, 58 .
(
( Totais do Obtemos, pois, a seguinte anlise da varincia.
96,4 92,3 81,5 -6,7
29 bloco
(
( Causa de variaao - G.L. S.Q. Q.M. F
(
39 bloco Blocos 2 0,18 0,09
( Vaca 10 38,7 (A) 37,4(B) 34,4 (A) -1,7 Tr at amen tos 2 1,58 0,79 2,82
Vaca 11 25,7 (B) 26,l(C) 23,4(B) -3,1 Residuo 7 1,96 0,28
(
Vaca 12 21,4 (C) 22, O (A) 19,4(C) -3' 2
I c Total ll 3. 72
Totais do
c 39 bloco
85,8 85,5 77,2 -8,0
( No h, portanto, diferena significativa entre tra
Totais tamentos.
( gerais 368.6 361,0 320,9 -32,5
A media geral das produes (Y) por perodo e:
(
y 368,6 + 361,0 + 320,9
29,18
( 36
( logo a media corresponde ao tratamento A e:
(
(
 ~~
~ .... . .. "'' ..
~~ ~, , -~,...,.~~~~~~~'-''';~~~!~;">~,--$ ~'1"~~\l<'~'<.'~"'"*"'""' ......,.,.._~., "'';-"I>.C""l~~:'['"3'!.:,,~;-'_i '

(
( 284 285
( 8,7
illl=29,18+ = 29,54 . 5 tratamentos (Je I ineauu.:nto reduzido)
( 19 bloco 29 bloco
( Para os demais tratamentos obtt:mos analogamente A B c D E A B c D E
B c D E A c D E A B
( m2 = 2 9, o1 ; m3 = 28,99 A B c D E A B c D E
(
A estimativa Ja varincia da Jiferena entrv
( medias quaisquer :
( 6 tratamentos (delineamento completo)
3 s2
19 bloco 29 bloco 39 bloco
n p
( A B c D E F A B c ]) E F A B c D E F
logo a diferena mnima significativa, pelo teste de Tu-
( key, sera:
B C D E F A c D E F A B D E F A B c
A B c D E F A B c D E F A B c D E F
(
~ = q /(l/2) v (mi - mu>
(
( r;-:;- 49 bloco 59 bloco
=q l/-ir!p . A B c D E F A B c D E. F
(
E F A B c D F A B c D E
( A B c D E F A B c D E F
No caso presente e ao nvel de 5% de probabilidade,
( temos, pois:
( 7 t rat amen tos (delineamento reduzido)
4,1613 (0,28) 19 bloco 29 bloco 39 bloco
( 0,78 .
2 (4) (3) A B c D E F (; A B c D E F c; A B c D E F G
( B C D E F GA cD E F G AB D E F c; A B c
A B C D E F G A B c DE F G AB c DE F G
c Como seria de esperar pelo teste F, nao sao signifi
cativas as diferenas entre medias de tratamentos. -
(
O coe f iiente de variao bem baixo:
(
100 l,28
(
c. v. 29,18
= 1,8% .
14,6, BIBLIOGRAFIA
( Para alguns casos de 4 ou mais tratamentos os deli- ASSIS, F. Paula~
G.L. Rocha, R.N. Guaragna, M. Becker e
neamentos que se podem usar so os dados a seguir, re-
( B. Cintra, 1959. Valor das Silagens Simples e Mis
produzidos do trabalho de LUCAS (1956). tas da Dieta de Vacas Leiteiras. Boletim de Indus=
(
tria Animal, 17: 207-215.
4 tratamentos (delineamento completo)
( COCHRAN, W.G., K.M. Autrey e C.Y. Cannon, 1941. A Dou-
19 bloco 29 bloco 39 bloco
ble Chanr;;e-Over Design fo1:" nai.ry Cattle. Feeding Ex-
(
perimenta. J. Dairy Scenee, 24: 937-951.
A B. C D A B C D A B C D
( KALIL, l\lias Bechara, 1974. Principias de 'tcnica Exp~
B C D A C D A B D A B c rimental com Animais (mimeografado). ESALQ, Piraci
( A B C D A B C D A B C D
c aba.
(
.. (
( ..
,.~

( 286
287
( LUCAS, H. L., 1956. Switcli-Back Trial.s fur l'lon. Than
( Treatments. J. Dairy Scence, 39: 146-154.
LUCAS, H.L., 1958. Experimental Designs and Analysesf
(
(
Feeding Effciency Trials with Dairy Cows. In: F d
Utilization by Dairy Cows.
Press, Ames, Iowa.
Iowa SL1 te Co u:e
g
e ~. O TESTE DE QUI-QUADRADO E SUAS APLICAES
( PIMENTEL GOMES, F., Saladino G. Nunes, Marli B. Gomes
( Joo B.E. Curvo, 1988. Modificao na Anlise ~ .1. INTRODUO
Varincia de Ensaios de Pastejo com Bovinos, Con-
( siderando os Blocos de Animais. Pesq. Agr. Em muitos dos trabalhos cientficos experimentais a
Bras.
23(9): 951-956. anlise da varincia no pode ser usada ou apresenta res
(
TORRES, A.P. e F. Pimentel Gomes, 1959. Substituio de trioes mui to srias, dadas as suas limitaes, indica-=
( Subprodutos de Trigo pelo Sorgo Modo na Alimenta- das no captulo 2. Por outro lado, em muitos desses ca-
o de Pintos. Anais E.S.A. "Luiz de Queiroz", 16: sos a aplicao direta do Clculo de Probabilidades oudo
(
251-276. teste de qui-quadrado (x 2 ) d solues elegantes e conve
( nientes. O Clculo de Probabilidades, embora atraentepe
la sua simplicidade terica, leva-nos, na prtica, na
(
maioria dos casos, a clculos excessivamente trabalho-
( sos. O teste de x2 , ao contrrio, embora apenas aproxi-
mado e com numerosas limitaes de aplicao relativa-
(
mente fcil. Neste captulo buscaremos indicar o uso des
( te teste, com suas restries, e tambm algo sobre o tes
te de Fisher, que pode substitui-lo em alguns casos.
(
(
( 15.2. TABELAS IE CoNTINGNCIA DE 2 x n

( Em muitos trabalhos experimentais os dados colhidos

representam ocorrncias de certos fenmenos que se po-
(
dem classificar numa tabela, chamada de contingncia, co
( mo a seguinte.
(
( Acasalamentos Totais de
Natureza das vacas
fecundos infecundos cas alamentos
(
( Charolesa 515 1287 1802
Indubrasil 506 665 1171
(
Nelore 58 70 128
( 1/2 Charols-
205 93 298
Zebu
(
( 1281 2115 3399
(
(
(
( 288 289
( Os totais marginais, dois em baixo e quatro i direi
Essts dados, tirados elo livro de Vl.ANNA, SA!l!Tli\CO e
( PIMENTEL GOMES (1978), sugerem que o gado Charols seja ta, devem ser os mesmos, quer par-a as frequncas espera
menos fecundo do que os demais gados que constam da tabe das quer para as_observadas, salvo para pequenas diferen
( as de aproximaao, corno no caso presente. Dai resulta
la. Para verificar se ha diferenas significativas de
( fecundidade entre esses tipos de gado, pode-se aplicar que na tabela, de 2 x 4 8 frequncias, apenas
o teste x2 , da maneira exposta a seguir. (2 - 1) (4 - l) = (1) (3) = 3 frequncias esperadas podem
( ser fixadas por uma hiptese que se testa; as restantes
Comeamos por calcular as frequncias esperadas ad
( mitida a hiptese de que todas as raas ou mestios' se se pod~m obter por subtrao dos totais marginais. Diz-
comportem igualmente. Para isto fazemos regras de trs. se, po1s, que o X2 que vamos calcular tem 3 graus de
( liberdade.
No caso das vacas charolesas, o nmero esperado x de
( acasalamentos fecundos seria dado pela regra de trs se- o clculo e feito pela frmula:
guinte:
(
3399 1284 (fo - fe) 2
( 1802 X
fe
( 1802 X 1284 onde f representa a frequncia observada e,, f e! a fre-
X 680,7 - .o
3399 quenc1a esperada. Embora o teste seja de XL, e usual
(
indicar por x2 , como acima, o valor de x2 calculado.
( -
O numero correspondente de acasalamentos infecundos Temos, pois:
( se pode obter por subtrao. 2
(515-680, 7) (1287-1121,3) 2 (93-185,4) 2
+ + ... +
( 680,7 1121' 3 185,4
1802- 680,7 = 1121,3 .
( 204,45 .
Analogamente se procede para outros casos. E obte-
(
mos assim os dados que contam, entre parnteses,da tabe- O valor de obtido, com 3 graus de liberdade, e
( la seguinte. comparado com o que se obtm na tabela 15. Para o
( nivel de 5% a tabela nos d = 7 82 e para o de 1%,
' x2 = 11,34. Como o valor de x2 obtido excede o ltimo
( nivel de signficncia, dizemos que h significao esta
( Natureza das Acasamentos Totais de t1stica ao nivel de 1%. Da decorre que rejeitada a
vacas fecundos infecundos acasalamentos hiptese de propores iguais para acasalamentos fecundos
( e infecundos em todos os tipos de vacas estudados ~sto
( , conclui -se que h diferena significativa ent;e as
Charolesa 515 (680, 7) 1287 (1121 ,3) 1802 fecundidades das raas ou mestios ensaiados.
( Indubrasil 506(442,4) 665 ( 728,6) 1171 Ao aplicar o teste de x2 a tabelas de 2 X n, com
Nelore 58 ( 48,4) 70( 7 9 ,6) 128 n > 2, da maneira acima exposta, necessrio ter em mJ.-
(
1/2 Charols ra as seguintes restries:
205(112,6) 93 ( 185,4) 298
( -Zebu l) Que a frequnca esperada mnima nao deve ser in
( feror a 1 (um);
1284 2115 3999(N) 2) Que s em poucos casos seja a frequnca espera-
( da menor do que 5.
(
Para tabelas de rn x nem geral (de 3 x3,3 x4, etc.)
(
(w . . .
..,.,.,=~--n-"-'ililliliiiliiiililp-~~==,.;::--c.~:C"ry,-"'''"''':--~"''"'"'''''

(
290 291
(
( o teste de x/ :;e pode igualmente aplicar da rnancita As demais frequ~ncias esperadas se podem calcular
(
posta e com aH cestries indicadas. por subtrao d~s totais marginais. Obtemos assim os ~
Urna partcularidade importante do teste de x2 meros entre parenteses que constam da tabela seguinte.
( de que, sendo feito com quadrados de desvios, no
tingue o sinal desses desvios; corresponde a um teste
(
bilat~r~l para desvi~s.: Se tivermos, porem, conhecirnen Natureza das Acasalamentos Totais de
( to prev1o, por urna h1potese ou por trabalhos anteriores~ vacas fecundos infecundos acasalamentos
do sentido dos desvios (se para mais ou para menos) as
( 2
tabelas de x comuns, tais corno a nossa tabela 15, se Charolesa 515(680,7) 1287 (1121,3) 1802
( podem usa::, mas tornando a metade da probabilidade indica Zebu ou
769 (603 '3) 828( 993,7) 15 97
da, isto e, os limites de 10% correspondern ao nvel de azebuada
(
significncia de 5%, e assim por diante. No caso verteu
2
( te, o x unlateral, com 3 graus de liberdade, ao nveT 1284 2115 33 99 (N)
de 5%, teria corno limite de significncia o valor
(
x22 = 6,25; o valor correspondente ao nvel de 1% seria
( x = 9,84, que na tabela aparece corno referente ao n-
vel de 2%. Temos, pois, com 1 grau de liberdade:
(
(
15.3. TABELAS DE lroTINGl'.JCIA !E 2 2
X
(~-603,3) 2
( 603' 3
( Os dados da tabela da seo 15.2 podem ser "i gru- (828 - 993, 7) 2
pados corno abaixo, em urna tabela de 2 x 2, anloga a ta- +
993,7
( belas outras muito comuns na pesquisa biolgica.
( Nota-se, porem, que todos os numeradores sao iguais,
bastando, pois, calcular um s deles. Fica, portanto:
( Natureza das
[68~,7 ni!,3 99~,71
Acasalamentos Totais de
( vacas fecund0s infecundos acasalamentos X
2 8
(515-6 0,7l' + 60i,3 +
( Charole sa 515 1287 1802 137, 96'"* .
( Zebu ou
769 828 1597
(
azebuada o valor da tabela correspondente ao n1vel de 5% e
3,84, e o que cabe ao nvel de 1% e
6,64. Temos, pois,
( 1284 2115 33 99(N) um resultado significativo ao nvel de 1% de probabil~
dade, do que resulta que a hiptese de nulidade deve
(
ser rejeitada, isto e, a hiptese de que haja fecundid~
( de igual para as duas classes de vacas (Charolesas, de
Podemos aplicar o teste de x2 corno no caso
( rior.
ante-
Para os acasalamentos fecundos de vacas charole-
. -- .
um :lado , Zebus ou azebuadas de outro lado). E . se. con-
clui que o garlo Zebu ou azebuado est~dado e s1gn1f1cat1-
. .
( sas, admitindo-se igualdade de fecundidade para os dois vamente mais fecundo do que o Charoles.
tipos de vacas, a frequnca esperada e: Para tabelas de 2 x 2 o x2 se calcula mais facil-
(
1802 X 1284 mente pela frmula:
( f .. 680,7
e 3399
(
(
(
(~~--- -
.................. ,,........,,.,........ :

( 292

( 293
( (a d - b c) 2 N
as o a correao ,r)ouco altera o resultado, d co-
. o mesmo no acontece quan o- ~
(a + b) (c + d) (a + c) (b + d) s
Neste c
( mo seria. de e~pera~ ~a;a: a diferena entre a f requen~~
( frequenclas sao ba~_ . erada em valor absoluto, e
onde a, b, c, d so as frequncias observadas, como Obs ervada e a frequenc~a esp
tabela seguinte. ,l os dados da tabela
(
pequ~nt.
a Cons~ 'd
tirados erem
do
os por exemp o,
h ~ . NA
vro de VIAN ' SANTIAGO e PIMTEN
,
seguln e'
( TEL GOMES (1978).
( Natureza das
vacas Acasalamento s
( fecundos infecundos Natureza das Partos Abortos e Total de
( Charolesa 515(a) vacas normais natimortos partos
1287 (b) a + b
( Zebu ou
azebuada 76 9(c) 1/2 Charols
828 (d) 310 (307, 9) 23(25,1) .. 333
( c + d -Zebu
1597
( a+c 1284 3/4 Charols
b+d 2115 - Zebu 34(36,1) 5 ( 2' 9) 39
N 3399
(
( 344 28 37 2
Temos, portanto:
(
( (515 X 828 - 769 X 1287) 2 (3399)
(1284) (2115) (1802) (1597) = 138,00** . Neste caso o X 2 ,_. om correao
- de Yates sera:
(
( A pequena diferena em relao ao valor obtido ante l 1 _1_ +
(2' 1 - 0,5) 7
riormente se deve s aproximaes de deci.mais.
2 307,9 +25,1
- - + 36 ' l
( teste de x aplicado a tabelas de 2 X 2 no deve
1,06
( ser usado, segundo COCHRAN (1954), nos seguintes casos:
1) Se a frequncia total N for menor. do que 20; 2) Se a
( - corrigido serla
O va lor nao . x2 -- l ' 8 3 'hque deles
difere
frequncia total N estiver entre 20 e 40 e a frequncia
. No ca so vertente, nen um- e
( esperada mnima for menor do que 5. Em todos os c asos a bastante do anterlor.d . correr que a corr. eao2
flCa t'lV o ' mas. po 0
~ de
lca o estat~st~ca o
frequncia esperada mnima deve ser pelo menos i gu al a l slgnl erla
. . f. d X calcu
(um). Yates alterasse a slgn~
(
1 d
( Sempre que a frequncia esperada mnima for pequena a o. 2 - d Yates para ta b e 1 as 2 x 2
(inferior a 20, digamos tradicional o uso da correo O X com correao _e se
pode calcu 1 ar por uma formula ana -1
oga
dada em 15.3,que
( de continuidade ou de Yates, que consiste em subtrar 0,5
da diferena, em valor absoluto, entre a frequncia ob-
e a seguinte:
(
servada e a frequnca esperada em todos os casos da ta-
( bela de 2 x 2. No caso vertente a diferena em valor ab <lad-bc I - O 5 N)
2
N
+b)(c + d)(a'+c)(b+ d)

::l:t:,:/:~~~~)2 OIx:si~; : ~:;;~:: ::~~:t:s9:;~:r

(a
(
No caso vertente obtemos:
2
13 T, 13** . xz = (768-186) (372).
(344)(28)(33 3)(39)
"' 1,01
r-..,..~~~-,---

(
( 2 94
295
( A diferen a do valo r agora obtido em re la (; o ao
culado antet"io t"mente (1,06) se deve a aproxim aes de
ci teste de x2 , que neste caso ja e pouco ;lc onse-
( lhvel, nos daria X2 = 7,26 7<1<, com l grau de liberda de,
cimais. alor signifi cativo ao nvel de 17.. Com a corre o
( No entanto , pesquis as de GRIZZLE (1967) mostcam V de
-
yates, atualme nte desacon selhada , obtem-s
e preferi vel nio aplicar a correi o de Yates, e calcula r e X2 = 5,17*,
( valor signifi cativo ao nvel de 57. e corresp ondente , apr~
o x2 sem ela.
(
ximadam ente, a uma probabi lidade de 2,3%.

(
\ O melhor, porem, fazer o tes~e de Fisher, de apl~
cao fcil quando as frequn cias sao baixas. Sejam a ,
15.4. 0 TESTE DE FISHER b, c, d as frequn cias observa das na tabela 2 x 2, como
( \
Nas tabelas de conting ncia de 2 x 2, quando, a seguir.
( I! de
acordo com as regras de COCHRAN (1954) apresen tadas na
( seio 15.3, nio deva ser usado o teste de qui -quadra do,
cabe recurso ao teste de FISHER (1934), basead o exclusi - Classif icao pelos Naturez a do cafe
( degusta dores Apenas Mole Duro
vamente no C~Lculo Je Probab ilidade s.
( Conside remos, por exemplo , o quadro seguint e, de da
dos sobre a prova de xcara do cafe, adaptad os de BARBO~ Apenas Mole lO (a) 2(b) 12
( Duro 3 (c) 8 (d) 11
SA e outros (1962). Trata-s e de resulta dos obtidos para
( a prova de xcara de duas amostra s de caf, uma de cafe
Mole, outra de cafe Duro, que foram classif icadas por de 13 lO 23
(
gustado res especia lizados .
(
( A probab ilidade ::le_uma tabela como essa, com ess as
Classif icao pelos Naturez a do c af frequn cias margin ais, e:
( degusta dores Apenas Mole Duro
(a+b) ~
c Apenas Mole 10(6,8) 2 (5 '2) 12
p =
(c+d) '
N ~
(a+c) 1
(b+d) ~
a ! b
1
c ~ d ' ,
c Duro 3 (6' 2) 8(4,8) ll onde o ponto de exclama o indica a funo fatoria l.
(
13 10 23 Em geral o teste se faz conside rando a frequn ciaml
( nima da tabela. No caso vertent e essa frequn cia mnim'i
( e b = 2. Calcul -se, pois, a probabi lidade de obter um
caso como esse ou mais extremo , isto , de ter b = O, 1
( Por a se v que os degusta dores classif icaram cor-
ou 2.
retamen te o caf Apenas Mole em 10 casos, mas em 3 de-
( Obtemos :
les o conside raram como sendo Duro. J o cafe Duro foi
( classif icado correta mente em 8 casos, mas foi tomado co- 12! 11! 13! 1 o! 1 1
p + +
mo Apenas Mole em duas oportun idades. Queremo s saber se 23. 12!0!1! 10!
(
h diferen a estatst icamen te signifi c.ativa para a clas-
( l
sifica io desses cafs. +
As frequn cas esperad as so todas -bastan te baixas
(
e a menor delas j e ligeiram ente inferio r a 5. Por ou- = 0,0101
( e
tro lado, a frequn cia total N=23, e est, pois, ~ntre = 1,01% .
( 20 e 40.

c
 . _,. ,~~

(
( 296
297
(
O teste assim empregado unilateral, ao contrrio Um terceiro contraste, ortogonal aos dois primei-
( do x2, que bilateral. Este clculo nos d uma proba- ros, nos daria a comparaao entre as raas zebunas (In-
bilidade ligeiramente superior a 1%; temos pois um resul dubrasi1 e Ne1ore), como se faria pela tabela seguinte.
( tado significativo ao limite de 5% e tambem, praticamen
( te, significativo ao limite de 1%.
Ser necessrio multiplicar por 2 essa probabilida Natureza das Acasalamentos Totais de
(
de para compar-la com a obtida pelo teste de x2 sem ou vacas fecundos infecundos acasalamentos
( com correo de Yates. O teste de Fisher nos d, pois
1
p = 2 x 1,01 = 2,02%, valor que combina bem com a pro: Indubrasil 506 (508. 4) 665 (662,6) 1171
(
habilidade de 2,3% que corresponderia ao x 2 corrigido. Nelore 58 ( 55,6) 70( 72,4) 128
(
564 735 1299
(
15.5, GRAUS l i LIBERDAI::E INDIVIDUAIS EM TABELAS
c DE JNTINGNCIA Agora obtemos X2 = 0,20 .
(
( N~ma tabela de contingncia como a da seao 15.2, Assim, concluiriamos que no h diferena significa
onde ha 3 graus de liberdade, podem-se considerar conju~ tiva entre a fecundidade das raas zebu'inas, mas que es=-
( tos de contrastes ortogonais, de maneira a testar isola- tas diferem significativame'.l te dos mestios 1/2 Charo-
( damente os 3 contrastes ortogonais correspondentes a es- ls-Zebu e que, por sua vez, todo o gado zebu ou azebua-
(
ses graus de liberdade. Um contraste poderia ser entre d~ e significativamente mais fecundo do ~ue o gado Charo
o gado Charols e o gado Zebu ou mestio de Zebu (Indu- les. No entanto a soma dos valores de x- para os tres
( brasil, Nelore, 1/2 Charols-Zebu). Este contraste Ja contrastes nos d:
foi estudado separadamente na seo 15.3 e nos deu
( x2 = 137,96** x2 = 137,96 + 62,50 + o,zo = 200,66 ,
( Outro contraste, ortogonal ao anterior, seria en-
t~e as raas Zebus e os mestios Charols-Zebu, como se com 3 graus de liberdade, valor que no coincide exata-
( ve na tabela seguinte. mente com o x2 calculado em 15.2, que era X 2 = 204,45,
( tambm com 3 graus de liberdade. Esta diferena em rela

(
o s somas de quadrados na anlise de varincia e,
Natureza das Acasalamentos Totais de primeira vista, pouco satisfatria.
( vacas fecundos infecundos acasalamentos Numerosos trabalhos foram feitos para obter uma par
tiio exata do x2 em tabelas de conting~ncia (ver, por
( Indubrasil exemplo os artigos de coCHRAN (1954), de KIMBALL (1954)
564(625,5) 735 (673,5) 12 99
( e Nelore e de IRWIN (1949)). No entanto, o rnetodo acima indicado
satisfatrio na ma~or~a dos casos e de aplicao bem
( 1/2 Charols
205(143,5) 93(154,5) 298 simples.
- Zebu
(
c 769 828 15 97
15. 6. OurRAS APu CAr;Es oo TESTE IE QUI -QuADRAOO
( Muitas aplicaes importantes, alem das mencionadas
T~mos agora x2 anteriormente, tem o teste de x2 . Uma delas o estudo e
( 62,50** do ajustamento de distribuies tericas (como a curva
(
c
(
 .
r-:-,.,.......~ 11'! ..... -t~'!'> ... ,~~Ji - .

(
( 2 98
299
( normal) a dados observa dos. Outra -c
o aj us Llmvnto COCIIR/\N, W.c . >, l9S4. Some ~1eLiwds i" o r Strengtlt l~ nng the
frequn cias observa das a propor es previst as por teo- common x Tes ts. Bi ometric s lO: 417-451 .
( rias ou por hiptes es conven ientes. Um exemplo c l~;sico
FISIIER, R.A., l934. Statist ical Methods for Researc h
( dest e ltimo caso o da segrega o mendeli ana em ervi-
Workers . Oliver and Boyd, Londres .
lhas, como veremos a seguir. . . h 2
( GRIZZLE, J.E., 1967. Continu ity Correctw~ ~n. te X-
Na descend ncia obtida de cruzame ntos entre plantas Test for 2 x 2 Tabl es . America n Stat1St1 .c1an Outu-
( com semente s amarela s lisas e outras de semente s verdes
rugosas obtemos na primeir a gerao (Fl) ervilha s amare- bro, 28-32.
IRWIN, J.O ., 1949. A Note on The Subdivi sion of 2
( las lisas. Estas, cruzada s entre si, do uma gerao p X
2 into Compon ents. Biomet rika 36: 130-134 .
( com ervilha s dos 4 tipos mencion ados a seguir. KIMBALL, A. W., 1954. Short-C ut Formula s for the Exact
( Partiti on of x2 in Conting ency Tables. Biomet rics
10: 452-45f l.
( Tipos das ervilha s Frequn cias Frequn cias VIANNA, i\ . 'l'e i.x. vira , H. Santiag o l! F. Pimente l Gomes,
observa das
c esperad as 1978. Forma o do Gado Canchim . 2 ~ ed i o.
ria Nobel. So Paulo.
Li v r-
( Amarela s lisas 315 312' 7 5
Verdes lisas 108 104,25
( Amarela s rugosas 101 104, 25
( Verdes rugosas 32 34,75
( Total 556 556,00
(
(
( Pela teoria mendeli ana as propor es esperad as para
esses tipos de ervilha s so: 9/16. 3/ 16, 3/16 e l/16, res
( pectiva ment e . Com base nessa teoria c alculam os as fre=-
(
~ .
q~enc1as esperad as, dadas no quadro acima. Obtemos
en-
tao, com 3 graus de liberda de:
(
( (315 - 312,75) 2 (32- 34,75) 2
+ + = 0,47.
312,75 34,75
(
( O limite de 5% e X2 = 7,82. Logo o valor obtido no
signifi cativo, o que mostra que os dados concord am bem
( com a hiptes e.
(
(
15.7. BIBLIOGRAFIA
(
BARBOSA, L. Fairban ks e outros, 1962. Estudos Prelim ina-
( res ~obre a Prova de xcara do Caf. 38pp~So Paulo.
( G8CHRAN, W.G., 1952. The x2 Test of Goodnes s of Fit.
Ann. Math. Stat. 23: 315-345 .
(
(
(
 (
300
( 301
(
I

(
16. ANLISE DE COVARINCIA Q)

( a
;:l

(
16.1. GENERALIDADES ,......
Q)
-o
rn
<'i
N N
"'
"'
( X
.._, rn o 0 ' \0 <'i if) O\ O --so "' co oco ON Nr--. N
<'i
.-l u ("') co -;r -;r <'i o ._;r O\ <'i~ ~co
"" .....
co --sN
A analise de covarincia e urna tcnica de bastan-
c te interesse, embora seu uso no seja muito comum. Tem c
.....
u
<
o .a
o
.....
(") N <'i <'i N N N
:X: :>-<
w w
-( ela por fim utilizar urna ou mais vanaveis au x iliares
Q)
(.)
~
H

(por exemplo, o nmero de plantas por parcela) na inter- c

( p.
pretao dos dados referentes a urna varivel em que esta
mos primordialmente interessados (a produo, por exem~
~
( op. c
controle o
( plo). A anlise de covarincia cornplementa o ....c
tfJ
local e pode at substitu-lo em alguns casos. Por exem < co co ..... 0\ 0\ co 0\ 0\ 0\ 0\ o
"'
( plo, ao organizar blocos de vacas leiteiras com base na
'-'
N

....o<
li)
0\ -;r <'i 0\ "'".....
..... "'
"' <'i -;r <'i o
..... "'
"'
......
if)
~
sua produo na lacta o anterior, podemos, complementar .....p.
( varivel
tarmente, adotar essa mesma produo como urna Q)

~
aJ
( auxiliar X a s er usada para corrigir os dados exper irnen 'd
,u CO co 0\N r--.,.... r-- ,.... N N
r-.
,.... co 0\ <XJ M
Isto ser til particularmen~
'.0 .-< O\

c tais Y obtidos no ensaio.

te se a escassez de an1ma1s nao permitir or ganizar blo-
o
...
Q)
E!
""
~
Q)
"""
<'i r-. m LI') LI') M
"'
r--.
..::1"

( co s bem homogneos. l:l

c
(
'd
Q) ..c.
,u ry, co 0\ co O 0'1 O\ ._;r co r--. co ...... co LI') 0\ 0\ 0'1 .....
<1l ...... N ..::1"
.-<
"' "'
if)
( 1E '2' UM ExEMPLO ""
..::1"
"" "' -.:t
"'
O)
w
( -----
:>-<
Tornaremos corno exemplo um ensa1o de controle de pra '-' c
( o
gas do feijoeiro, realizado pelo Eng9-Agr9 Joo Ferrei= , O '-' . r- co r--. o co co co -;r 0\ co r--. 0'1 co
IC\l tfJ <X) lf') LI')

( ra do Amaral. Nesse experimento, em 8 blo cos casual iza (.)'>

:l rn
>-. lf')
"' "'"
LI') m
"' N
"' .. LI') -;r u;.--<
..::1"
dos, se utilizaram 5 tratamentos: Testemunha, Dis ys ton~ -o .-<
g/ o o
( Ekatin, Keltane e Diazinon. Alem da produo Y, em !-<
p.
parcela, determinou-se o numero de plantas ("stand")
(
de cada parcela (X), corno vemos na tabela 16.2.1.
Q) ...o <l!l <
w.c ...... co N 0'10 0\ r--. co r--.N
-o .-<
tfJ c
0"-.;j'
r--
0\ if) 0\
..::1"
"' -;r .... 0\
.,.... \C> N
0\
"'
LI')
( Podemos comear por analisar as produes (Y) da
o .o.,
tfJ
Q)
Q)
f-;
::l
El
"' ..::1"

maneira usuai. Mas preciso fazer clculos anlogos p~ -o .-<

( <1l Cl)
ra os pr odutos X Y e para a varivel X. Ternos assim: 04-<
( Q)
'""'"O
SQTotal (Y) r.y2 -(1/ N) (l:Y) 2 :X::>< :X::>-< :X::>-< :X::>< :X::>< :X::>< :X::>< :X::>-< :X: ;>-<
( N o
152.752 - (1/40) (2266) 2 .-<
Cl)
( 24.383,10 "'..... c
tfJ o
(;) cJ
o o
(.)
o
cJ
o
cJ
o
cJ
o
cJ
o
eJ
'd

( SQTotal (X) L:X2 .:.. (1/N) (EX) 2 .....< o

......
o
...... .....o o
......
o
......
o
...... o
...... o
...... .,..,tfJ
Cl) .o ..0 ..0 ..0 ..0 .o ..0 ..0 C\1 -1-1
( 2653- (1/40)(323)2 ,.0
< O o- O O O O O O
.u <
o
44,78 . H ...... N ("') -:r lr'\
"'
....... co H ""
-1-1

(
( ~~, .
 (
302
(
303
( i\nalug<lllll'lll ~ Sl' ca lt:u la d ~:XHu;t J,. p 1-<>dtJllls
R(xy) 302,37
(SP Total): 11,02 '
( 27,44
( SP Total DCY - /N) (LX) (L:Y) R(xy) 302,37
18.657 (l/40) (323) (2266) r 0,457 .
( 1(27 ,44) (15. 931,50)
359,05 .
(
De mane1ra semelhante temos ainda, para os Este valor de r pode ser testado pelo teste de t
( trata-
mentos: (ver seo 12.4):
(
SQT(Y) (l/8) [ 422"+418 2 + ... +512 2 [~(1/40) (2266)2 r 0,457
( t = 2,67*
129.145- 128.368 90
( 776,10' ' h - (0,457)2
(
SQT(X) (1/8)[ 67 2+59 2 + ... +66 2 ]-(l/40) (323)2 onde n 27 e
o numero de graus d: liberdade do resduo,
( 2616,38 - 2608,22 depois de ajustado para a regressao, como veremos a se-
8,16 ' guir.
(
( SPT (1/8)[ (67) (422)+(59) (418)+ ... +(66) (512)] Podemos agora calcular a soma de Quadrados da Regre~

- (1/40)(323)(2266) sao Linear:

(
18.310,38- 18.297,95 (302,37) 2 -
( 12,43 . SQRL"' 27,44 - 3331,91 .
( A Soma de Quadrados do Resduo, ajustada para a re
Clculos anlogos sao feitos para os blocos. Obtem-
( se, assim, a tabela seguinte. gressao, e:
( SQRes~ 15.931,50- 3331,91 = 12.599.59'
( Somas de Quadrados 1:' Prudutos
Causa de com 27 graus de liberdade, pois dos 28 originais se peE_
( -
variaao G. L.
y2 de um, correspondente regressao.
xy x2
(
Blocos 7 7.675.50 44,25 9,18 O Quadrado Hdio Residual correspondente e:
(
Trata- 0 12.599,59
( 4 776,10 12,43 8,16
SL... = = 466,65 .
mentos 27
( Res'iduo 28 R (y 2 ) =15. ':!31,50 R(xy)=J02,37R(x 2 )=27,44
( Para obter a Soma dos Quadrados dos Tratamentos,
Total 39 24.383,10 359,05 44,78 ajustada de acordo com a regresso, aplicamos o mtodo
( do residuo condicional. Para isto somamos s somas de
( produtos do resduo as somas correspondentes a tratamen
tos, como se v a seguir.
(
Podemos agora calcular as estimativas do coefi~i~n
( te de regresso (b) e do coeficiente de correlao (r).
Temos:
(
(
 ~~~~"-.-I~

(
I
;J
304
305
(
I
I
I

c !
i1
!
Causa de
. G.L.
Somas de Quadrados e Produtos 0\
o,..._
( i van.aao o
A

( )
Trata- lf) (X)
o
4 776,10 12,43 8,16 \0
( mentos ~ ~

.......
\ \0
\0 (")
--:r (")
( Resduo 28 15. 931' 50 302,37 27,44
( m N<"1
Trata- lf) m,..,
~

( mentos ...... O' m (") ~

2 0\ NN
+ R' (y )=16.707,6 0 R' (xy)=314,8 0 R'(x 2 )=35,6Q N r:.fl lf) 0\(")
(
Resduo \0 N (") ......
( ...... ...... ......
ctl
( ...... .-l
Q) r-- ......
..0 N (") ~
'-?
ctl
( Portanto: .w (I)
o
( C1l .w
"O ::l (X)"'~ ,.._
(X) o
SQ(Trat.+R esiduo)* [R'(xy)J2 "ON ........... ~ \0
( (I) o,... ~
R' (x2) o mcor-- -:t lf)
0.. N -:t (")

( 16.707,60 (314,80) 2 ~ Q)
"O
35,60 (I) r- tr) o
(I) o Lfl (''i (""') o (X)
( o "O 0'-J ~
"
13.923,92 "O C1l
,... :>.. ~N m ~
X ..;r N O lf) ......
( ctl "O , j .---1 ("") (") (")
...i ctl --:r
onde o asteri s co indica que foi feito o ajustamen to re-
( -
l ativo a regressao.
u
p
(Cil
:l
O'
Q)
o
N
~

( ,...
...i ooo o o
A Soma de Quadrados (ajustada) para Tratamento s se- "O
UI ....... ......
"',.._
lf)

c r, p _o s: "'>o <1l
<tiN
e :>.. "' "'
f'-. ......
f""-..("')
M
(X) o
,.._
u o \0 r- 0\ M \0
.......
r:.fl
( SQT* SQ(Trat.+R esiduo)* - SQRes.* ..;r \0 ~-::r
Q)
"O '" lf)
...... N ....... C()

.c 13.923,92 - 12.599,59 Q)
<ll
...i
....:l
c.?
.-... -::r co
N
{j\
M
N
M
11
( 1.324,33 ' ...... ,...._
1<1l _,:xi
o
( ~
~
lC'Il
O Quadrado Medio
(
c om 4 graus de liberdade.
para tratamento s :
(ajustado)
N
. 0"
t1j
...i o
O'
).I ::l .w
.N n1 (I) "O (I)
( QMT* = 1324' 33 > o h-l ::l
4 = 331,08 . \0 .u <ll .,..,
...... c ~~
Q)
(
~ g
"O
Os clcul.os todos esto resul)lidos na tabela U>.2.1. 111
....... (1j
(I)
o C1l"O .......
+
( rn u .u ~.-4 .u .w
Note-se que
~
Ql
o <U (I) .w "' C1l C1l
(
(
F "'
MT*
s2
331' 08
466,65 0,709 . H D
.......
c::QE-<'"'~ H
o
'"'
HH '"'

(
 r~~'JIH'i,,ll!; > - - :tt<o",; ~:;.--""'~~:!"'!'!-~."'--:o- -~-"'' ~' r --- -~~_......~r, . ,~: '
. . _.......

(
306 307
(
( Verifica-se , poi s , que nao foi significativ o o efei Como ao nl.vel de 5% de probabilidad e temos F ""2 71
to de "tratamentos , mesmo com o uso da covarincia, embo:- verifica-se que no e significativ o o valor observ~do:
c ra este tenha dado um valor de F mais elevado do que Mesmo assim, como nao raro que produtos quimicos inter
( se obteria sem sua aplicao (0,709, em lugar de 0,487). firam bastante no nmero de plantas sobrevivente s, de~
As medias ajustadas(Y i) para os tratamentos so da- vem-se tomar com reserva os valores corrigidos, ate que
( das pela frmula: novos dados permitam comprov-lo s.
(
Para comparar duas mdias de tratamentos ajustadas
( devemos poder estimar a varincia da estimativa do co"(l-
( onde ~ e Yi so as mdias de X e de Y, respectivame nte, traste respectivo. Para um contraste
do tratamento em q~esto, e X a mdia geral de X (no
( 2 yl + c2 ?.2 + ... + cn yn
caso presente, X 8,075). Com isto, podemos calcular C]
os dados da tabela seguinte. '
( Ec. Y.
1 1
(
L:ci y,1 - b L:ci ex-1 x)
( Medias de Tratamentos
Tratamentos temos

['c~ ex.
( Ori g inais [ L:: . -
Ajustadas
( '1 (2) 52 --+
1 1 XJI ']
r
(
Yi x. y.1 = Ycfi<~-x) R(x 2 )
Testemunha 52,250 7,37 5 59,96
Disyston onde: 52 = QMRes. (46 6,6 5 no p re sent e cas o) .
( 55,125 8,625 4 9, 06 *
Ekatin 59,125
c Keltane 64,000
7,750
8,250
62, 7l
62,07 No c as o de um contraste entre dua s mdi as 2 1 =Y. -Y . ,
1 J
( Diazinon 52,750 8,375 4 9, 44 fi c a
(
(
(
Mas o ajustamento das medias de tratamento s de a co r-
,, [+ +
ex.- x.)2
1 J
l
do com os valores de X ("stand") s se justifica, em ge -
( ral, se as . diferenas de "stand" no forem devidas aos O test e t para o contraste s er 1a dado pela expre~

prprios tratamentos. Isto se verifica atravs de sa :

c anlise da varincia dos valores de X, como vemos a se-
uma
?.. - ?..
1 J
( guir. t

(
e o teste de Tukey seria aplicado com o valor
( -
Causa de variaao G. L. S.Q. Q.M. F
c
( Blocos 7 9,18
(
Tratamentos 4 8,16
1 '31
2,04 2,08 Quando os valores de 1 , 2 , , x x
no so muito x
Residuo 28 27,44 o, 9.8 diferentes (o que se pode concluir quan~o os tratamentos
( no produzem efeitos significativ os na varivel X), po-

(
(
{
 (
( 308 309
( de"""'se usar urna estimativa mdia para a varincia fJ (2 ),
1
c aplicvel a qualquer contraste entre dois tratamentos. Es
sa estimativa media tem por expresso: Olf"'llioOOOOOOlf"'llf"'IO Olf"'IO

c
1.1)
O N N uo 1.1) uo O 0 O N N uo O N O N
................................... .........
....m
(/) m.-....;rcoococor--.r---muom mr--.a>
~

l
........ .--1 ........
( QMI' (x) +-l
o
( R(x 2 ) H uolf)lf)OOuouoOuoOlf"'I OOuoo o
r-- .N N 0 LI") N N V> N 0 N o 0 N lf"\
................................. ........ o
( <"'"\<"'"\lf"\<"'"\.-.N...;t<"'"\<"'"\N<"'"\ ...;tN<"'"\M co"
onde QMI'(x) 2,04 no caso presente. ..--t.---4.---4.--t.--t.--t......-f.---t.---4.---t,..... ..-...---4rl.--t 0\
,__.
(
( c:u
.,...., 00V>Olf"'l0lf)00lf"\lf")0 lf)lf)lf) o
o
16 3 UTRO ExEI"lPLO o (.) :>-o
lf"'ILt>NOr--.lf)r---Lt>Or---NO r---Nr--. lf)

c I I
(/)
......o
N"'NN. . ..-t.. N ... N .. ...:j... ~N"'("")"'C""')"' ,.......j_.. ......."'
N
("")
"
Q) ..0
( Tornaremos corno exemplo agora um inte~essante expe- '1j lf"'IOLt>lf"IOOOOOuoOlf"I LIIOlf"l li)
rimento de ARRUDA (1952), em blocos casualizados, em que O Nlf)r---r---OOLI")uolf)r--.0N r---Or--.
( ....mo -::r X ............ "'
<"'"\<"'"\MNN...;tNNNNMM N<"1N
..... ,.
.................. . . N

se compararam 21 variedades de soja para estudar sua sus-

(/)
( ceptibilidade ao ataque de nernatoides. O terreno em que .:: OOOOu>OOOOu>OOOuouo
o
(
se localizaram as parcelas era conhecido por sua eleva- Q)

13
(.)
o
:>-o
N
"'
N
... ..
O O lf) uo r-.. C uo O O N O O lf\ r-- r--
.--< M
...
N
~ ~

N
... ...
N
.. ... . ..
.--< -.::t M M N
... ... ...
o"
da infestao de nernatides. Em cada parcela se coloca ::l ...... C'J Lr\ N
...;!"
rarn plantas da variedade Abura, bastante susceptivel a c ..0
( OOOu>Ou>Ou>OOu>OOOo o
nernatides, cuja infestao X mediria a infestao do so O
<"'"\ X
0 0 lf) N L'l N LI") N lf) 0 r--. lf) li) 0 lf) o
( lo. Tanto as razes das variedades do ensaio como as da -::r
lf)

( variedade padro (Abura) tiveram sua infestao avalia- O u>OtnOO lf'\lf\Olf"IOOlf'\00 o

da a olho com atribuio de notas de zero (s e m o ONuor--Olf)Nr--.or--LJiu >r--uoo o
ataque) (.) :>-o
( a cinco (com infestao severa). o
,__.
.D
( Das variedades estudadas selecionamos 15, cujos da- 0 t/"1 0 0 0 0 0 Lr') 0 0 0 lf) lf) lf) l ' l o
dos constam da tabela 16.3.1. Nele Y a mdia das no- O
N X
u>r---OOOlf'\Or-....OOn NNNN o
( tas da variedade estudadas, e X a da variedade padro. o
lf)

( Como no caso anterior, comeamos por calcular a ta- OOOtnOOOtnOOOOOlf'\0

bela seguinte. o tnuoONOlf"'llf'\r--.Ouou>O Or--lf)
(.) :>-o .................................... .........
( o
,__. NM.-<.--'<"'"\NOMNNMr-<< "'"\.-.N

c Sornas de Quadrados e Produtos

..0
O
,__. X
OOOOOOlf'\Ou>LnOOOOO
00000lf"'IN0NN00lf)00
... ... ... .. ... ... ~ ... ... ... ... ... ... ... ...
( Causa de
("") -.;r ...;t <"'"\ ("") . ("") ...;!" ("") <"'"\ N ("") ("") <"'"\ <"1 -.::!"

( variaao G.L. y2 xy x2

( Blocos 3 2,3614 2,5458 3,2083

( Tratamentos 14 34,3187 -2,5062 3,2875
( Reslduo 42 21,6230 6,6729 23,8542
(
Total 59 58,3031 6. 7126 30,3500
. . . .. " . . ..
c r-<N("")-..;tlf)..,Or--.C00\0.-<C'l("")~lf)
.-. .-. ~ ...... .-. ~

(
(
(
 . ----
I
FiiT~"""'"=~--

r
( I 310
J ll
' i
( Note-se que no caso ela Soma de Produtos para
onde:
( mentos (SPT) obt~m-se um resultado negativo, pois

( R' (y 2) 34,3187 + 21,6230 55,9417

sPT= 0/4) [<u, 7 5) (9 ,oo)+ ... + (13, 5o) c9, oo)J- R' (xy) -2,5062 + 6,6729 4,1667
( - 0/60)(198,00)(143,25) R' (x 2) 3,2875 23,8542
+ 27 '1417
( -2,5062 .
A Soma de Quadrados de Tratamentos, ajustada, se-
( A estimativa do coeficiente de regressao : r a:
( b = 6,6729
= 0,2797 SQT* = 55,3021 - 19,7563 35,5458 '
( 23' 8542
( Por sua vezi a estimativa do coeficiente de corre- com 14 graus de liberdade.
lao :
(, Os clculos todos estao resumidos na tabela 16.3.i.
( 6,6729
r =
0,2928 ' Note-se que houve aumento de efici~ncia com o uso
( 1(23,8542)(21,6230) da covarincia, pois o Quadrado ~idio Residual, que era
( 21,6230/42 = 0,5148 , foi reduzido a 0,4819 .
ao qual corresponde o valor As mdias ajustadas (Yi) para tratamentos sao da-
( das, como no caso anterior, pela frmula:
(
(
t
o, 2928
l' 97 , Y.
l
= Y. - b(X. -
1 l
x) ,
h - (0,2928)2 -
( onde X 3,30 e
onde 41 = 42 - l o numero de graus de liberdade de r. R ( xy) 6,6729
( Este_valor de t quase atinge o limite de significincia. b = O, 2797
R (x2) 23, 8542
( que e 2,02, para 41 graus de liberdade. Mas a anlise
de covarincia pode ser feita independentemente da signi_ Obtemos entao a t abe 1 a 16.3. 2.
( ficncia do valor de r obtido.
Obtemos a seguir a Soma de Quadrados do Residuo, No caso presente, como o leitor poder verific:ar, a
(
ajustada para a regresso: anlise da varincia aplicada aos valores de X no:s J
c SQRes~ = 21,6230 - (6,6729)2
F = 0,413 para o teste de tratamentos: n~o hi, pois,
menor indcio de significncia estatstica. Asslll sen-
o

23,8542 19,7563 '

do, e acompanhando COCHRAN (1957), podemos usar uma esti
com 41 graus de liberdade. mativa media para a varincia de contrastes 11 = y. - y~
entre duas rrtedias ajustadas de Y. -
Ela sera: 1 J
Analogamente obtemos a Soma de Quadrados para 0 Re-
siduo Con~icional (Tratamentos + Reslduo), ajustada para
a regressao: 'VCZl) r
l + QHT (~) 1
[ R(x 2 )
SQ (Trat. +Residuo) * R' (y2) - R' (xy)
R' (x2)
(4, 1667) 2 'V(! )
2 X
0,4819
4
[1 + 0,2348
23,8542
1
55' 9417 - l
27,1417
= 55' 3021. = 0,2433 .
 (
( 312 313
(
Tabela Lb.J.J. Mdia!; origi.na is e ajuslad as do Pnsao de
( -lC
-1< soja:
,.....
( N

U
( M<.las Jc tratame ntos
(~
0"\
...... o
0"\ Tratame ntos
l:: co Origina is Ajustad as
.. --'!"
M
U
(Varied ades)
O'
( ~
~

o N
y. -x-- y. -
y. - 5 <xi -x)
( 1 1 1 1
l. 455 2,25 3,44 2,21
( . ,..... . M
~
...... co
N U
2. Choosen 2' 81 3 '31 2,81
N
. O' U
,..... o--r
C') U
3. Otootan 1,06 3,81 0,92
( CIJ
0"\
~ ......
11"\ U
11"\M 4. M. Yellow 2,12 3,25 2,U
( .-<
Cll
......
) 5.
6.
482
675
2,62
2,12
2,88
3,06
2 '74
c .o
Q) ....:! .-1
--'!"
11"\ --'!"
lf\.-< 7. Arksoy 2,00 3,56
2' 19
l' 93
Cll (.!)
( .u 8. Georgia n 4,25 3,38 4,23
( Cll 9. Morro Agudo 1,75 3,31 L,75
"d
C'l U N o r--. 10. Avar 2.31 3,00 2,39
(
(})
cor----r o .-l
P.Barre to 3,81
o C'J OCO UI U ..j"
11. 3' 81 3,31
"d ~ NNCO C') ......
Cll 12. Acadian 2,38 3,50 2, 32
( "d o
~

r--.
Q)
"' C') C')
N C') N 13. Manloxi 2,25 3,00 2,33
(})
( o (}) 14. 581 1,81 3 '3 l l,Sl
"d o CO NO\ U r--. Rio Grande 2,25 3,38 2,23
( "d U ~ N N \() 15.
Cll Cll (}) >. --'!" o r-- ...... \()
. ,.;
'-' o ~ U U ~ ,..... ......
u "d w
( ,:::: Cll :::1 NN~ ~ ..j"
~

(Cil ::l"d I
( .,.; ao
'-' Q) '-' Temos, pois, ao nlvel de 5% de probab ilidade :
Cll "d 114 ..;j",..... o ...... r--
( o:> . rJl N
,...<CO
~,....;
C')
N
C')
o
.-l
..;j"
u
( Q)
Cll
so :>. M
.
N..;j",....;
C')~
~ ~ ..
C')

co
O\

U
.. q 1u12) vCD
"d CIJ MN U U
:( Q)
rJl
5,10 /(l/2) 0,2433
....:l M..;j" N 0\ \()
.,.;
( ...... (.!)
M._;j" U U
l'll 1,78
( ~ o
l'll

(
. (.)o

.,..,C1l
Toda difere na entre duas medias ajustad as superio r
N
o '"""' a esse valor seri signifi cativa ao nive1 de 5%. Tal ocor
c r')

~
.
.......
1-'
C1l
:>
(/)

...,o
::l

"'
~,..,
fJ) .,...,
.u
rJl
::l
re, por exemplo , com o contras te
,::::
( "d
Q) Q) Cll
2 1 ?a- ! 13 = 4,23- 2,33 = 1,90,
...,~~
<11 P::'-'
...... <11
rJl
o .......
+
( Q) (/) u ~,..,
C1l .j.J .u
.o ::1 o <11 (/) .j.J OI <11 entre as varieda des Georga n e Man1ox i.
<11 C1l H~ o ,...
,. ( ~ u ,....;
IX)~ H H~
H

(
_..,,..,_ - .,.= ..
( , . > ...,.
,.,~~,- .,._.,.._~--~ .,,";-~""~~-~~-.; .. -..-r - "'"'""~~:~>~~~~::

(
(
(
I 314 315

AJ lL~rnativamcnLe, pot.lcrl.amos ter calu1l aJo o SNEDi~COE, c;.~~.

e W. G. Cochran, 196 7. Statis ti cal Methods,
( exato 6a edio. Iowa State College Press, Ames, Iowa.
STEEL, R.G. e J.H. Torre, 1960. P~incples an~ Pro-
(
( ,, [+ +
cedures of Statistics, 23 ediao, McGraw-HJ.ll, Nova
York.
ZELEN, Marvin, 1957. The Analysis of Covariance for In
(
(
(
0,4819 r-
(4
22
complete B1ock Designs. Biometrics, 13: 309-332.

0,2438
(
O valor exato de ~ -e, pOl.S,
(
( 6 = 5,10 1(1/2) 0,2438 1,78 .
( Neste caso, pois, os dois valores coincidem, dentro
( da aproximao utilizada.

(
(
16.4. BIBLIOGRAFIA
(
( ANDERSON, R.L. e T.A. Bancroft, 1952. Statstical Theo-
ry in Research. McGraw-Hill, Nova York.
( ARRUDA, H.V., 1952. Analise de Urna Experincia Sobre Va
( riedades deSoja. Bragantia, 12: 65-73.
CALZADA BENZA, J., 1964. Mtodos Estadisticos para la
( Investigacn, 2? edio. Lima, Peru.
( COCHRAN, W. G., 1957. Ana1ysis of Covarance: i ts Nature
and Uses. Biometrics, 13: 261-281.
( CONAGIN, A., 1961. Prndpios de Tcnica Experimental
( e Anlise Estatistica de Experimentos. Instituto
Agronmico, Campinas.
( FEDERER, Walter T., 1955. Experimental Design. Macmil
( lan, Nova York.
MEMGRIA, J.M. Pompeu, 1960. Curso de Estatistica Aplica
( da Pesquisa Cientifica. Universidade do Cear-;
( Fortaleza.
SMITH, H. Fairfield, 1957. Interpretation of .i\djusted
( Trea.tment Means and Regression in Analysis of Cova-
( riance. Biometrics, 13: 282-307.
(
(
(
(
( 316
317
(
li zados, co m J repetie s, por exemplo. Para cada um de
( les teremos, pois, o seguinte esquema de anlise da va-
riancia.
( 17 ANALISE CONJUNTA DE EXPERIMENTOS EM BLOCOS
I

( AO ACASO COM ALGUNS TRATAMENTOS COMUNS

( Causa de variao G.L.

( 17 1
I I GENERAUDAIES Blocos 2
( Tratament os 12
No raro ocorrer, ao tentar a anlise conjunta de Resduo 24
( experimen tos, que somente alguns tratamento s sejam co-
muns a todos eles, ao passo que outros variam de um en- Total 38
(
saio para outro. Isto no impede que a anlise conjun-
( ta seja realiz~da, mas traz, evidentem ente,a necessida -
( de de utilizaao de mtodos adequados . O conjunto dos 4 ensaios correspond er a um expe-
Por outro lado, quando temos um grande nmero de va rimento em blocos incompleto s com v = 43 tratamento s (os
( riedades, podemos repart-la s em grupos, aos quais se 40 hbridos novos e as 3 variedade s ou hbridospa dres),
agregam variedade s-padres , mais important es , e cada em bl o cos de k = l3 parcelas, com 3 repeties para os
(
grupo, assim completad o, utilizado em um en saio emblo- hbridos novos (chamados tratamento s regulares ). Dados
( cos casualizad os. A anlise conjunta destes ensaios dois tratamento s (i e j) o nmero de vezes que e les apa-
( relativame nte fcil, e correspond e ao uso de um ck linea- recem no mesmo bloco ser:
mento em blocos incomplet os, de grande fle xib ilidade e
( eficinci a, muito mais simples, robust o e convenien te do (i, j) = 3 '
que os reticulado s quadrados e cbicos, mai s antigos,
(
usados para fins similares e que devem ser abandonad os. quando forem do mesmo grupo (por exemplo, i l,j=S);
(
( :\ (i, j) =O,
17. 2. EsQUEfv1A DA ANAu sE DA VAR I Nc I A
( quando f o rem de grupos di fe rent e s (por exemplo, i 1,
Suponhamo s que temos 40 hbridos novos de milho a j = ll);
(
ensaiar, que desejamos comparar com trs variedade s ou
( hbridos j bem conhecido s, padres, A, B e C. Podemos ( i' j) = 12 '
( repartir os hbridos novos em 4 grupos de 10, digamos,
a cada um dos quais agregaremo s as variedade s A, B e C. quando i e j indicarem tratamento s comuns (po1 exemplo,
( Obt e mos, pois, os grupos seguintes: i =A, J B), ou ainda
(
19 grupo: 1, 2, ... ' 10, A, B, c, (i, j) = 3 ,
... ,
(
(
29
39
49
grupo:
grupo:
grupo:
11,
21,
21,
12,
22,
32,
.. -'
... '
20,
30,
40,
A,
A,
A,
B,
B,
B,
c,
c,
c,
quando i um tratamento regular qualquer e j um trata
menta comum (por exemplo, i = 15, j = A).
( A anlise conjunta obedeceria ao seguinte esque-
Cada grupo dar origem a um ensaio em blocos casua- ma.
(
(
(
 t;a:s~~~' ~' ~-,~e~~-,__._.,,," ""'~''"""<'' , ...,..,....,,_ ,... ' """'~''"'""">''' """'' " '-

(
( 318
319
(
A an~lise c onjunta, por sua vez, t eria o esq uema se
( Causa de variaao G. L.
guinte.
( Experimento s (E) 3
( Blocos dentro de Experimento s 8 causa de variaao G. L.
Tratamentos (ajustados) 42
( Interao Trat. Comuns x Experimentos 6 Experimentos g - 1
( Resduo 96 Blocos dentro de Experimentos g(r - 1)
( Tratamentos (ajustados) gz + c - 1
Total 155 Interaao Trat. Comuns x Exp. (c- l)(g- 1)
( Resduo g ( r - l)(z +c- 1)
( Se tivssemos apenas um tratamento comum, a decom-
Total (z + c) gr - 1
( posiao dos graus de liberdade obedeceria ao esquema se-
guinte.
(

( As compar a -oes entre tratamentos seguem as re gras

Causa de var~aao G.L.
( seguint es:
( Experimentos 3 a. Contraste entre dois tratamentos regulares do mesmo
Blocos dentro de Experimento s 8
( grupo:
Tratamentos (ajustados) 40
Resduo
( 80 vem. ~
-!i.)
J
=
2
s
2

( Total 131 b. Contraste entre do i s tratamentos regulares de grupos

( diferentes:
(
Neste caso nao h possibilidad e de e s timar a Inte-
vem. -m.)
~ J
=
2
r
(
rao Tratamentos Comuns x Experimento s. c. Contraste e ntre dois tr at ame ntos comuns:
( No caso geral teramos g grupos, cada um com z tra-
tamentos regulares e c tratamentos comuns, num total de
( 'V(rn. - rn.) = --2-- s 2
v= gz +c tratamentos. Cada grupo seria ensaiado em r ~ J gr
( blocos de k = z + c parcelas. O esquema de anlis e para d. Contraste entre um tratamento regular e um comum.
( cada experimento seria o seguinte.
( 'V(m. -rn.)
J
= !.c1
r
+! +.!.. -~)s 2
~ c g cg
( Causa de varaao G.L. As estimativas das mdias de tratamentos se obtm
( das maneiras seguintes:
Blocos r - 1
( Tratamentos z + c .- 1 a. Para os tratamentos comuns: mdia aritmtica dos
(r-l)(z+c- 1) da-
Resduo dos respectivoa , sem nenhum ajuste.
.. (
( Total (z +c) r -1
; (
f '
L_----
 Ft(~-
- . ,......
..............""lii'"'~----.1~ . . . . .,. ,...~-~" "~~~:" ,...,.,~.-"~ _,_,___..,..,..,,,'"'P.,<"'''

320
321

~
1>. Para os tratamentos regulares: mdia ari Lmi~Lica do .
dados respectivos, da qual se subtrai uma corre~o ~

(
II
!
que se calcula assim:

K Mdia dos tratamentos comuns no experimento

rn
....
Q)

()
til
~
Cllr-1
til
o
o
o
CX)

N
O
<J)
~
C\l 0
W.--<
til
o
o

respectivo - Mdia geral dos tratamentos lal w..o (') o ..0

P. o H
( comuns. r/) H
Q)

( o
...... ...........
(V) " ' \D " ' (')

00000
( 17, 3, l.M ExErvJ>LO
( CX)

Tomaremos como exemplo um grupo de dois experimen- \D

( tos com espcies de eucaliptos realizados pela Companhia
( P~ulista de Estradas de Ferro (PIMENTEL GOMES e GUIMA- 0 (V) L() '-0 N
CX)
RAES, 1958). Ambos os ensaios, localizados lado a lado
( no c~mpo, tinham lO espcies, em 5 blocos casualizados.
Uma unica espcie (Euc.cd.yp-tt..L .aLlgvta) ocorria em ambos
c os exper~m:ntos. Os dados sobre a ~roduo de lenha, em
[/J
o
1/')

( metros cub~cos por parcela de 200 m , foram obtidos por

()
~
corte aos 8 anos de idade, e so reproduzidos na Tabela .o
( l;j N CX) 0\ L() N
17.3.1. ()

( As anlises dos dois experimentos em blocos ,-:asua-

[/J
o
H
( lizados, feitas da maneira usual, so dadas a seguir. w
<J.) lf)
8 o
( - 19 experimento 8
N
(J)

(
o
( Causa de variaao G.L. S.Q. Q.M. N
F
( co
Blocos 4 2,31 Q) N
( Tratamentos
Resduo
9
36
85' 13 9,459 2 8 ' 6-6 i"'' "'o N

( 11,86 0,330 1<1l

()o
0 CQ ['-.li') LI') l() lf)
N
::J -.::t --.:::t --:::r lf] .....: t
( Total 49 99,30 "'o
H Cll
( P-o o 0 o-l I() 0 \D ('.)
u
- 29 experimento 0.. Lr) ...._1" I f) t.f) ....j

( r-I ~
.......
(") <1l (I)

( Causa de variaao G.L. S.Q. Q.M. F () o

r--. ::l Q) .w
.-4 Q) o o o o o o o o o o
( Blocos o o () C) o "' oQ) ()() () (.) ()
4 4,56 C1! o o o o o o o o o o
Tratamentos 9 108,22 12,025 15 ,58>'<1<
...... r-I r-I r-l r-I ...... .~ ~ .--<..-lr-1.--<.--<
( <I) O ..0..0.0..0..0 Cll .w. ..O.O,.C\..0..0
Resduo j6 27,78 o, 772 ~
~
O O O O O
w
o ,... C1!
O O O O O
( Total H r-INC"'l-.:lllf'l H .w ,..... N (V) -<!' I()
49 140,56
.. c
(
 ' ,. . . ... ,,..,
,~ r--

(
322
(
323
( Antes Jc In<.ls nada, verific a-se qtJe t>s <[!ladrados
dias residua is (0,330 e 0,772) Ji.t:trt:m pouco,d entro
(
critri os explica dos no Captul o 8. Podemo s, pois, ela variaa-o G.L. S.Q. Q.M. F
( borar a anlise conjunt a que ter o esquema seguint e.
Experim entos 1 21,53 21,53
c Blocos dentro de Exper. 8 6 '87 0,86
c Causa de .
car~aao
- G.L. S.Q.
Tratame ntos (aj.) 18 19 3' 35 10,74 19 ,51''"''
Resduo 72 39,64 0,5506
(
Experim entos 1 21,53
( Blocos dentro de Experim entos 8 2,31+4, 56 = 6r87
Tratame ntos (ajusta dos)
(
Resduo
18
72
Por subtra o
11,86+2 7,78 = 39,64
As mdias de tratame ntos regular es sao - corrigi das
( pela subtra o de um ajuste que e:
( Total 99 261,39 25,4 25,4 + 24,2
K1
5 10
(
5,08 - 4,96
(
Neste quadro, a Soma de Quadrad os Total se obtem 0,12
( da maneira usual, corno se ve a seguir:
para o primeir o experim ento e,
(
SQTotal L:x 2 - C 24,2 25,4 + 24,2
( Kz
(5,3) 2
+ (3,0) 2
+ ... + (0,2) 2
-
(202,8+ 156,4) 2 5 10
( 100 4,84 - 4,96
1551,64 - 1290,25
( -0,12 ,
261,39 .
( para o segundo experim ento.
A Soma de Quadrad os dos Experim entos se obtm a pa~
( tir dos totais respect ivos, assim:
As mdias de tratame ntos sao, pois, as da Tabela
(
SQExpe rirnento s (202,8)25~ (156,4) 2 - 1290,25 17.3.1.
( Para um contras te Y 1 entre dois tratame ntos regula-
21,53 . res do me s mo p;rupo (o 6 e o 3, por exemplo ), teremos :
(
c A Soma de Quadrad os de Tratame ntos (ajusta dos)
ra portant o:
se- 'VCY1) = (2/5)(0 ,5506) 0,220 ,
( e a diferen a mnima signifi cativa, ao nvel de 5% depr~
( SQT(aj .) 261,39 - (21,53 + 6,87 + 39,64) habilid ade, pelo teste de Tukey ser:
193,35.
c 5 16/ 0 220 ,: 1 71
' 2 . '
(
Obtemos , pois a seguint e analise da varin- onde o valor de q = 5,16 corresp onde a 19 tratame ntos e
( ci.a. 72 graus de liberda de. A estima tiva do contras te
I em
questo ?. = 5,34 '- 2,12 = 3,22, o .que mostra que se
( I
(
\
(
~.:'!.~!';j)~f'"l,..,.,..,__:~ """"'~ ....... ~.~--~-~~~)"''>-.:t;,.'-.:.~~;1"1"'>!'1fl'~ ,-:,.-, ;; ."'~~-~-~,._,_....,.r,;a"'!~,." ' !' ' "' ,"'"'r~,.-> :u:i\-!t'"'~"'Ji/!'1'.~'.' 1 ~~t:~~ : l ;
I( '
(
( 324
325
( trata de cont~aste significativo ao nrvel de 5% de
babilidade. Finalmente, para um contraste Y3 entre o tratamen
( to comum e um tratamento regular (o l e o 4, por exem-
( plo), teremos:
( Tabela 17.3.1. Mdias ajustadas dos tratamentos. 1 1 1 _1_)
f.J(? 3) (1 + + 92
r c g cg
(
1 . 1
( Trata- Mdias Mdias Mdias Mdias (1 + - + 1 _1_) 0,5506
n'ao ajus-
Trata-
nao
5 1 2 2
( mentes mentos ajus-
ajustadas ta das ajustadas ta das
0,440
(
1 (comum) 4, 96 4,96
( 2 3,10 logo,
2,98 11 4,70 4,82
( 3 5,32 5,20 12 4,56 4,68
4 3,98 ,
5 16
v~
/,440 2,42 .
3,86 13 4,02 4,14
( 5 3,62 3,50 14 4,00 4,12
( 6 5,46 5' 34 15 2,92 3,04
7 A estimativa do contraste e:
2,70 2,58 16 2' 74 2,86
( 8 2,24 2,12 17 1' 72 1' 84 y3 = 4,96 - 3,86 = 1,10 '
( 9 2,84 2, 72 18 1,36 1,48
10 6,22 6,10 19 0,42 0,54
( resultado que no significativo.
( Uma grande vantagem deste tipo de delineamento a
( sua robustez. Com efeito, nele, a pe rda de tr a tamento s
Para um contraste Y2 entre dois tratamentos regula
nao traz dificuldades. Por exemplo, se no 29 experimen-
( res de grupos diferentes (o 6 e o 16, por exemplo), te=
remos: to se tivessem perdido as espcies 18 e 19, a ~nica di-
( ferena seria que esse experimento teria 8 tratamentos,
2 em vez de 10, e a anlise seria feita da maneira explic~
( V(Y z) (1 + !)s2
r c da para o caso geral. _Como c?nsequncia, os grupos de
( 2 tratamentos r eg ularefnao prec 1s amt er omesmo tamanho. Po-
-5- (1 + 1:_)
1
0,5506 deramos, de incio, considerar no prime~ro grupo 1~ tra
( tamentos regulares,e 7 no segundo. Mas e conven1ente
0,440
( ' que esse nmero no seja excessivamente discr epante pa-
logo
ra que os blocos tenham todos_-tamanhos similares.
( Uma [lL'rda ~ ria seria, porem , a do tr<Itamcnt.o C< lHHlm, se
(
t-. = 5,16 ;o,i40 = 2,42 . for nico, pois ento a analise conjunta j no seria
possvel. Por isto, convm usar pelo ~enos 2 .:ra~amen
( A estimativa do contraste em questao nos d:
tos comuns. E assim se consegue reduz~r a var~anc~a re-
( 1ati va ao contr<1ste entre mdias de tratamentos regulares
?2 = 5,34 - 2,86 = 2,48 ' de grupos distintos. Por exemplo, se tivssemos, no ca-
( so presente, duas espcies comuns (c = 2) a variincia
o que mostra que tambm e ste contraste significativo.
( que mencionamos seria:
(
(
(
r .
~~~t'!..,......,~ ~ '1'-"H1-""f~~--.. ~- ~...-~~ ~-!'1<"> .,..~.--~t~\J<~-~-............ f~~~"''-''''~'l:;.""'!f.~~' -~ ' "~-~~- -' 1<"
~0::""W"'"l1~~:~1, .... ~-- -

(
( 326
327
( 2 l
(l + -)s
'
r - 2<! experimento
c
( 2 1 causa de var1aao c;. L. Q.M. S.Q. F
--5 (l + 2) 0,5506
(
0,330 .Blocos 3 933' 70
( Tratamentos 7 6.664,33 952,05 11, 30,'<>'<
( Resduo 21 1. 770, Q() 84,28
em vez de 0,440. Teramos, pois, ma1or preciso nesse
( tipo de comparao.
A perda de blocos traz alguma dificuldade, mas Total 31 9.368,03
( ser resolvida pelo mtodo indicado na seo 17.4.
( A perda de parcelas, que no implique na perda to- Tabela 17.4 .1. Exoerimentos de compet io de variedades
tal de um tratamento ou bloco,se resolve facilmente: bas de cana-de-acar.
( ta aplicar no experimento respectivo o mtodo relativ
aos blocos casualizados (captulo 5). - 19 experimento
(
Saliente-se que, ao contrrio do delineamento em
( blocos casualizados com alguns tratamentos comuns, os re Tratamentos Blocos Totais de
ticulados quadrados, cbicos e retangulares so complet I li III tratamentos
(
mente destrudos pela perda de tratamentos ou de blocos~
( CP 34-120 46,6 45,7 49,6 141,9
NA 56-30 61,1 72,1 51,3 184,5
( NA 56-79 74,2 74,3 100,7 249,2
17 4 UM I I ExEMPLO ~lA I s CoMPLEXO Tu c 5619 50,2 37,3
( 66,1 153' b
Veremos agora o caso, bem mais complexo, de um gru- CP 44-101 40,3 38,7 35 '1 114,1
( NA 56-35 37,5 40,1 36,9 114,5
po de ensaios com nmeros diferentes de blocos. Tomare
( mos como exemplo um grupo de dois ensaios com variedades NA 56-68 69,6 61,0 59,3 189,9
( de cana-de-acar, realizado, na Argentina, por G. Ken-
ning Voss. Os dados em apreo, reproduzidos na Tabela
379 ,5 369,2 399 ,o - 1.14 7,7
( 17.4.1, se referem a um ensaio com 7 variedades de cana,
( com 3 repeties, e outro com 8 variedades e 4 repeti- - 29 experimento
es. Havia 4 variedades comuns: CP 34-120, NA 56-30, ....

( NA 56-79, Tuc 5619. 1\ I Ul~l)S 'l'cltai s ele

Tratamentos
( As anlises dois dois experimentos, em blocos casua I l[ lll {v t 1- a t ame l1 tos
lizados, feitas da maneira usual, so reproduzidas a se- .-. --
( guir. CP 34-120 55,2 51,2 48,0 62,0 :216,4
( NA 56~Jo 62,7 83,0 75,1 69,5 290,3
- 19 experimento NA 56-79 63,4 81,7 l 10,3 98,0 353,4
( -
Causa de variaao G.L. S.Q. Q.M. F
Tu c 5619 62,0 69,1 77,9 74,6 283,6
( NA '56-62 71,0 72,9 81,6 77,5 303,0
Blocos 2 65,44 NA 59-17 59,5 83,0 132,9 89.,8 - 315,2
( Tratamentos 6 4.628,97 771,50 8,24>'dc NA 59-44 73,2 98,6 81,0 85,9 338,7
Resduo 12 1.123' 04 93,59 NA 59-60 47,6 37,7 42,3 42,8
( 170,4
( Total 20 5.817,45 49ll, 6 5 77,1 599,1 600,1 2. 271 ,o
(
(
(
( 328
329
(
Para a anlise conjunta temos:
SQ 'l'rat.Comuns "' Exp. 5.452,10-78 7,21-4 . 449,42
(
SQTotal Ix 2 -
215,47 .
C
( = 68.541,99 + 170.538,06 - 220.519,05
As sim sendo, obtemos tambm a
( 18.561,00
( SQBlocos = (1/7)(439.52 9,89)+(1/8) (1.296.829, 82)- C SQTrat.(aj.) 18.561,00-(4 .374,66+2.89 3,04+215,47 )
= 4.374,66 ' "" 11.077 ,83.
(
SQResduo 1.123,04 + 1,770,00
( Podemos, pois, organizar o quadro de anlise deva
= 2.893,04.
rincia conjunta dos dois experimentos , dado a seguir.
(

(
(
Resta-nos obter a Soma de Quadrados da InteraoTra
tamentos Comuns x Experimento s, o que se consegue atra~
vs da Tabela 17.4.2.
I - Anlise conjunta

(
. -
Causa de v ar1aao
Tabela 17.4.2. Totais referentes aos tratamentos comuns. G.L. S.Q. Q. H. F
( Bl ocos 6 4.374,66
( Tratamentos (aj.) 10 11.077,83 1.107,78 12,64>'<
Tratamentos 19 experimento 29 experimento Totais de Int. Trat. Com. x Exp. 3 215,47 71, 82 0,819
( comuns (3 repeties) (4 r e petie s ) tratamentos Resduo 33 2 . 89 3 , 04 87, 67
( CP 34-120 141,9 (3) 216,4 (4) 358,3 (7)
NA 56-30 To tal 52 18 .561,00
( 184,5 (3) 290,3 (4) 4 74 ,8 ( 7)
NA 56-79 249 ,2 (3) 353,4 (4) 602 ,6 (7)
( Tu c 561 9 153,6 (3) 283,6 (4) 437 ' 2 (7)
( 729 ,2 (12 ) Ta l c omo no exempl o de 1 7 .3, a Soma de Quadr a dos de
1.143, 7 ( 16) 1.8 72 , 9 (28)
( Bl ocos poderia ser repartida assim:
( SQ Exp . (1 / 12)(729, 2) 2 + (1/16)(1143, 7) 2 - ( 1/28) (1872 , 9) 2 SQ Bl oco s = SQ Experimentos + SQ Blocos d. Expe rimentos,
126.064,15 - 125.276,94
( com l e 5 gr aus de liberdade, respectivame nte. Mas isto
787,21 ,
desne c e ssrio.
( (358,3) 2 + ... + (437,2) 2 As mPdias de trat amentos regulares so
SQTrat . Comuns (1 872,9 ) 2 corrigidas
( 7 28 pela s ubtrao de um ajuste que e:
( = 4.449,42 , 729,2 1.872,9
2 12 28
( SQ Trat.Comuns e Exp. (141,9) + .. +
~~~~--~~--~--~~-
(153,6) 2 +
3
=
- 6 ,12
c (216,4) 2
+ .. + (283,6) 2 _ (1872,9) 2
( + 5.452,10 para o primeiro experimento, e
4 28
( 1.143' 7
Kz =
1.872,9
e finalmente~ 16 28
(
4,59
( para o segundo experimento.
,: ..
(
(
( 330 331
( 1\.s mdias de traL11ncntos sao, po1s, ;!s da ondl' o valor Je q = ~,f3B corrc:sponde a n = ll tratamen-
( 17.4. 3. tos e n' = 33 graus de liberdade.
A diferena estimada, ? = 44,15 - 69,42 = -25,27,
( quase atinge o nvel de significncia.
( Tabela 17.4.3. Mdias ajustadas dos tratamentos. Para o caso de dois tratamentos regulares do segun-
do grupo e, portanto, do 29 experimento, teramos:
(
(
- aju~
Mdias nao Mdias ajustadas \1(ffi. - ffi.> - --- 87,67
2
43,84
Variedades l. J 4
tadas ( t /h a) ( t/ha)
(
~ = 4,88 /(l/2) 43,84 22,84
( CP 34-120 (comum) 51,18 51,18
NA 56-30 (comum) 67,83 67,83 b) Contraste entre dois tratamentos regulares de grupos
( NA 56-79 (comum) 86,08 86,08 diferentes (variedades CP 44-101 e NA 59-44, por exem
( Tuc 5619 (comum) 62,46 62,46 plo). Temos:
CP 44-101 38,03 44,15
( NA 56-35 38, l7
NA 56-68
44,29 \1(ffi. ffi.) (1 + ~) (
( 63,30 69,42 l. J c
NA 56-62 75,75 71,16
( NA 59-17 78,80 74,21 onde r. e r. so os nmeros de repeties dos experimen-
( NA 59-44 84,68 80,09 tos on.e aprecem os tratamentos 1. e J, respectivamente.
NA 59-60 42,60 38,01 No caso presente obtemos:
c
( \1Cffii- ffij> = c1 + t><1 + ~) 87,67 63,93 ,
As comparaoes entre tratamentos caem num dos casos
( seguintes. 6 = 4,88 /(1/2) 63,93 = 27,57 .
(
a) Contraste entre dois tratamentos regulares do mesmo Para o contraste entre as variedades CP 44-101 e
( grupo (as variedades CP 44-101 e NA 56-68, por exem- NA 59-44, a estimativa obtida e:
( plo). Temos:
? = 44,15 - 80,09 = -35,94 ,
( 2 2
\1cffi. - ffi.> =
l. J rl. s '
( o que nos mostra ser ele significativo ao nvel de 5%
onde ri o nGmero de repeti~es do experimento em que de probabilidade.
( aparecem os referidos tratamentos. No caso em pauta,
( e~es ocorrem no 19 experimento, onde temos 3 repeti- c) Contraste entre dois tratamentos comuns (NA 56-79 e
oes, logo: NA 56-30, por exemplo).
(
2
( \1cffii- ffij> = ---- 87,67 = 58,45 Temos:
3
( e a diferena mnima mnima significativa pelo mtodo de \1cffi. - ffi.> = b2 s2
l. J
( Tukey, ao nvel de 5% de probabilidade, e:
onde b indica o numero total de blocos de todos
( 6 = 4,88 vTf72) 58,45 ":' 26,35 ,
(
(
 (
( 332
333
( os experimentos analisados
presente obtemos:
conjuntamen te. No c aso V. 5. UMA. DI FI CULDAIE QUE PoDE OcoRRER
(
2 No exemplo da seo 17.4 no houve o menor indcio
( '~ <ili i - ili j > = ---:::-3-+-;4- 87.67 = 25,05 ' de existncia da Interao Tratamentos Comuns x Experi-
( mentos. Isto indica que os tratamentos comuns se compor
f
t-.. 4,88 /(l/2) 25,05 = 17,27 taro mais ou menos do mesmo modo em todos os ensaios,
\
que sugere que ocorra o mesmo com os tratamentos regula-
( ? 86,08 - 67,83 = 18~25 . res. Tal fato dever dar-se quando os experimentos to-
( dos se realizarem lado a lado, numa mesma rea, ou em
o contraste em pauta e, pois, significativ o ao n- condies mais ou menos semelhantes, embora em localida
( vel de 5% de probabilidad e. des distintas. Porm se, ao contrrio, os experimen-
tos forem feitos em condies ecolgicas diferentes, po-
( d) Contraste entre um tratamento regular e um comum (va- der surgir uma Interao Tratamentos Comuns x Experirnen
( riedade NA 56-62 e CP 34-120, por exemplo). Temos: tos significativ a, o que demonstrar comportament om dis=
tinto das variedades comuns nos diversos locais. Em tal
(
caso, a situaao se torna um tanto complexa. Mas um pro
( vem. - m.)
~J
1
= [----
ri
c1 + ~>
c
+
1
b
cedimento indicado ser, sem dvida, o de tomar para re=
(
sduo o quadrado mdio da Interaao Tratamentos Comuns
x Experimentos para a comparao de tratamentos regula-
( onde r. o nmero de repeties do tratamento regular, res de grupos diferentes.
e b o~nmero total de blocos de todos os experimentos
c ou, em outras palavras, o numero de repeties d0s tra
( tamentos comuns. No caso presente temos:
17' 6 I ExERcf CIO
(
(17.6.1 ) Analisar os dados da Tabela 17.3.1,
( vem. ~
m.)
J [ _31 (1-+--41) +
l
3+4 (1 1)
-4 J 87 ' 07/ 45,92 ' a perda das espc i es 18 e 19.
admitindo

(
( 6 = 4,88 1 (1/2) 45,92 23,38 17.7. BIBLIOGRAFIA
( ? = 71,16 - 51,18 = 19,98 PAVATE, M.V., 1961. Combined Analysis of Balanced In-
( complete Block Designs with Some Common Treatments.
logo o contraste em questao no significativ o. Biometrics 17: lll-119.
(
PIMENTEL GOMES, F. e R.F. Guimares, 1958. Joint Analy-
( Se o tratamento regular fosse do segundo grupo (e sis of Experiments in Complete Randomised Blocks
nao do primeiro, como no exemplo anterior), teramos: with Some Common Trea tments. Biometrics. 14: 521-526.
(
PIMENTEL GOMES, F., 1970. An Ext~nsion of the Method
(
(
vem. - m.J > =
~
[i (li-) +
l
3+4 (1 -i> 1 87,67 36,79
of Joint Analysis of Experiments in Complete Rando-
mised Blocks. Biometrics 26: 331-336.
YATES, F., 1936, A New Method of Arranging Variety
( Trials Involving a Large Number of Varieties. J.
6 = 4,88 1(1/2) 36.79 "' 20,93 . ' ;:'
Agr. Sei. 26: 424-455.
(
(
(
 -
~~~-"'''r~- ,~..-:',.. ..1*,... ..,.~------ ..- -..... .. ....., .. . .-..no.,._, ,,..'"'""''"'"''" '''"'~ ~,...~... ~ '""'""...,.~""''~f
.
" .,...~..........,., ,_!,... " ') ~ ' ""~''"''

(
( 334 335
( Tabela 1 ~5.2 .1. Dados de pcudu<;.ao de milho, em kg/ha, de
c 18. EXPERIMENTOS FATORIAIS COM TRATAMENTOS
um ensaio fatorial 3xJo<3 com N,P ,K (grupo W) e 5
tratamentos adicionais .
(
(
ADICIONAIS
19 bloco 2<J bloco 39 bloco
(
( 18.1. GENERALIDADES 000 981 001 1213 002 808
012 1216 010 1510 Oll 942
( Os experimentos fatoriais, especialmente os de 021 1183 022
r-<
901 020 998
( 3 x 3 x 3 com confundimento de 2 graus de liberdade da cO 101 1213 102 1404 100 1327
M
interao tripla, tm tido uso generalizado na experi- H 110 1028 111 1602 112 1019
( mentao agrcola. Has podem tornar-se muito mais teis o
.w
cO
122 15 74 120 1214 121 1401
( e muito mais flexveis atravs do uso de parcelas adi- ~ 202 1111 200 1221 201 1120
cionais, em que se ensaiem outras combinaes de trata- 211 1333 212 1604 210 1444
( mentos, sem complicar excessivamente a anlise. Esta 220 1775 221 1593 222 1343
prtica, de introduo relativamente recente na experi- C/J
o (/)
mentao, vem-se difundindo rapidamente, com excelentes .W
c ctl 000
"M 1290 ooc 1039 000 947
( resultados. Q) c 111 131 4 n: 80 111 1178
( @ -~
.w C)
lll+C 1296 lll+C 1324 ll1+C 94 7
cO .-< lll+M 1237 lll+M 1333 lll+M 1041
H '"O
( 18 2. lJMI ExEMPLO f-< ctl 11l+M+C 1324 111 -tt<l+C lO 79 l11+H+C 949
(
Tomaremos como exemplo um ensaio de adubao de mi-
( lho, fatorial de 3 x 3 x 3 com N, P e K, com confundimen
c t o de dois graus de liberdade da interao tripla (gru=
po W). A cada um dos trs blocos de 9 parcelas junta-
( ram-se 5 tratamentos adicionais, a saber: -
Causa de variaao G.L. s .Q. Q.H.
( 000
111 Nitrognio (N) 2 487.138
( Potssio (P) 2 165.881
111 + calcrio (C)
( 111 + micronutrientes (M) Potssio (K) 2 17.5 74
111 + micronutrientes + calcrio Interao N' X P' 1 115.837
( Interao N' X K' 1 6.165
( Assim, cada bloco ficou com 14 parcelas, 9 do fato- Interao p' X K' l 114
rial e 5 dos tratamentos adicionais. Os dados obtidos Blocos 2 211.352
( constam da Tabela 18.2.1. A anlise estatstica, feita Resduo 15 679.258 45.284
( separadamente para o fatorial 3 x 3 x 3, deu os resul-
tados seguintes. Total 26 1.683. 319
(
(
Por sua vez, os tratam~ntos adicionais deram a ana-
( lise seguinte, feita para eles ~eparadamente.
(
c
~-------------
 '' ' . . .:... '-~,..;.-1 - 1"':... - ~ 1 ~ '1 > ;-~ ._ .. ,,. ,,.. .--. ,...,_. -.:-}-: ,...... _.,.'
' .. . . --~ .. ~ ----- . ___

(
\

( 336 337
( Esti c laru qu e podemos desdobrar os graus de lib e r-
( Causa de variao G.L. S.Q. Q.M. dade relativos a tratamentos adicionais, para melhor es
tudar os c ontrastes a includos.
( Tratamentos 4 47.326
( Blocos 2 208.246
(
Resduo 8 282.664 35.333 18.3. BIBLIOGRAFIA
( Total 14 538.236 HEALY, M.J.R., 1956. The Analyss of a Factoral Expe-
riment with Additional Treatments. Journal Agric.
( Science 47: 205-206.

Il
( Verifica-se que so similares os quadrados mdios
dos resduos. Podemos, pois, obter um resduo comum,
( com 15 + 8 = 23 graus de liberdade, para o qual teremos:
( 6 79, 258 + 282.664
QMResduo
( 23
( 41.823 .
(
( A analise conjunta da, po is, os resultados s eguiu-
tes.
(
(
(
\ Causa de varia o G.L. S.Q . Q. M. F
(
Nitrognio linear (N') l 461.440 461.440 11. 03**
( Nitrogni o quadrtico (N") l 25.698 25.698 0,614
( Fsforo linear (P' ) l 139.392 139. 392 3,33
Fsforo quadradito (P") l 26.489 26.489 0,633
( Potssio linear (K') 1 10.177 10.177 0.243
( Potssio quadrtico (K") l 7.397 7.397 o, 177
Interao N' x P' .1 115.837 115.837 2. 77
( Interao N' x K' 1 6.165 6.165 0,147
( Interao P' x K' 1 114 114 0,003
Tratamentos adicionais 4 47 . 326 11.831 0,283
( Resduo 23 961.922 41.823
(
( Pelos resultados dessa anlise da varincia se ve-
( rifica que ha um efeito linear signiti~ativo para o
nitrognio.
(
(
(
.. -~

{ --------------
 (
338
(
339
( ~con~mi~o, pod~ ser . dep ois asso ciad
a a essa an~lise da
/ ari nci a da man eira que vamos exp
\
v or. _ _
19. A ANALISE DA VARINCIA MULTIDIMENSION A an lise da var in cia multidim
ensio~al_e metodob~~
(
AL tant e prom isso r que , com bina do_
a v~tras tecn1ca~ da Ana -
lise Mul tid men sion al (ou Mult~va:
lada),. se esta to:n~n
19.1. do cad a vez mai s comum. Cont~1bu
( GENERALIDADES 1 pa~a.lsto a. fac; l1d a
de cada vez mai or da com puta ao
eletr~n~ca, po1 s _so. com
Nos exp erim ento s mai s com uns, cad com puta dor pos sve l apl icar com
(
a par cela forn ece fac1l~dade as tecn 1ca s
o val or de uma s var iv el, a ser da An lise Mul tidi men sion al que
( estu dad a pelo s mt odo s ,_sa lvo no caso de apen as
est ats tico s trad icio nai s. Mas duas ou trs var iv eis, exig em
h caso s em que cada par calc ula s trab alho sos e de
( cela do exp erim ento nos da obse mor .ido s.
rva es rela tiva s a dua s
ou mai s var iv eis, a sere m ana
( lisa das . Tal oco rre, por
exem plo, nos ens aios de con sorc
ia o. Se o con sr cio
( for de milh o e feij o, por exem
plo, cada par cela
19 .2 . UM ENsA w INT E1RAMENTE CAs UALI ZAOO
uma prod uo de milh o (Xl) e out dar
( ra de feij o (Xz ). Pod e- Tomaremos como exem plo um ens aio
mos faze r dua s an lise s sep arad de Eer tiliz a o, em
as: uma par a as prod u es vas os, inte iram ente cas uali zad o,
( de milh o (va lore s de X1), out ra
para as de feij o (va lo- com 3 trata~entos (1.
res de X2) . Se ess as var iv eis Tes tem unh a; 2. Tur fa ferm enta da;
( foss em inde pen den tes en- 3. Tur fa natur~l) e com
tre si essa s an lise s sep arad as 5 rep eti es . Det erm inar am- se
nas pla nta s colh~das
c te o prob lem a. Has o mai s comu
sorc ia o de milh o com feij o,
reso lver iam per feit ame n-
m que , tal como na con -
teor es de N e de P, que con stam
ana lisa r e s ses dad os, comeamos
da tab ela 19. 2.1 .
os
~ara
por
( haj a est reit a corr~lao no cap tul o 4, as Somas de Qua drad calc ula r, como vlm os
ent re ela s. E e exa tam ente no caso de hav er cor
rela o ra x (teo r de N) e para x (teo
os Tot al (SQ Tota l) pa-
( (po siti va ou neg ativ a) que se reco 1 2 r de P), exa tam ente como
men da a an lise mu lti- fize mos no cap tul o 4. Temos:
dim ens iona l, que con side ra sim ulta
( nea men te toda s a s va-
riv eis que nos inte ress em.
( Um out ro exem plo ser ia um ens aio Gl = ;::x
1
= 4,63 + 4 , 38
+ . + 4,56 = 76, 95, .~
de com peti o de =15 ,
cul tiva res de bat atin ha, em que zxf = (4,6 3) 2 + (4,3 8) 7 + ... + 2
( a prod uo de cada parc e (4,5 6) =40 2,45 91 ,
la apa rece rep arti da em vr ias
cate gor ias: bat atas gran =
( des , med ias, peq uen as e refu go, ( l: X_l2)
riv eis: Xl> X2, X3, X4. Uma solu
s qua is cab eria m 4 va- SQT otal (Xl) = l~xi -
o a tran sfon na o ~
( em din heir o, por meio de uma fun (76,95) "~
o line ar 402 ,459 1 - = 7,70 56
( 15
( c2 = ~x
2 = o,95 + o,89 + .. + 0,91 = 14,9 9 ,
( cujo s coe fici ent es indi cam o pre
gor ia. Os .val ore s de Y par a cad
o rela tivo de cad a cate l:X~ = (0,95)~ + (0,8 9) 2 + .. + (0.,9 1) 2 = 15,1
( a par cela so , a seg uir- ; 729 ,
ana lisa dos . Mas o mt odo ger al
de an lise , nes se e nos
c caso s an logo s, a an lise da
nal ou mu ltiv aria da, isto , a
var in cia mul tidi men sio- SQT otal (X2)
c cad a sim ulta nea men te a toda s as
an lise da v~rincia apl i
var iv eis que poss am in=
( tere ssa r. A fun o Y vis ta acim (14, 99) 2
a, que enc ara o asp ecto 15, 172 9- 0.19 29 .
15
(
(
(
 (
( 340 341
(
(
Ta bel.a I <J 2 L T ,~l> 1-v s de N C\ : )
adubada s em vasos.
L' d v I' (X , ) L:l il pl. ~ tnta
8
!1 "'
[
108
15

7
-2]
21
(
( 1. Testemunha 2. rurfa fermentada 3. Tttrfa natural tem duas linhas e trs colunas. A primeira linha . for-
mada pelos nmeros 10, 15, -2, e a segunda, pelos nume-
(
xl Xz xl Xz xl Xz ras 8, 7, 21. J a primeira coluna consta dos numeras
( 10 e 3.
4,63 0,95 6,03 1,08 4. 71 0,96 Precisamos agora obter a Matriz das Somas de Quadra-
( 4,38 0,89 5,96 1,05 4' 81 0,93 dos e Produtos de Tratamentos, geralmen te representada
( 4,94 1,01 6,16 1,08 4,49 o. 87 por H. Comeamos por calcular a Soma de Quadrados de Tra
4,96
( 4,48
1,23
0,94
6,33
6,08
1,19
1,08
4,43
4,56
0,82
0,91 1 tamentos (SQT) para os teores de N (X 1) e tambm para os
de P (X 2 ), do mesmo modo que fizemos no captulo 4. Te-
( rnos:
23,39 5,02 30,56 5,48 23,00 4,49
(
( TI + T~ + T~ ( l:Xl) 2
r N
( Agora, vem urna novidade, pois devemos calcular a So (23,39) 2 + (30,56)L + (23,00) 2 (76,95) 2
( ma de Produtos Total (SPTotal) relativa ao s teores de N 5 15
(
(X l ) e de P (Xz). O mtodo e
perfeitamente anlogo ao
que se segue para calcular a SQTotal, mas trabalhando 7 ,24 76
( com produtos. Ternos:
onde T 1 23,39, T2 == 30,56 e r3 == 2 3, 00 sao os tot a is
( (4,63) (0,95) + (4,38) (0,89) +.- .+ (4,56) (0,91) do s t eores de N para os 3 tratamentos. Analogamente, te
( 77 , 8038 ' mos, no que se refere aos teores de P:
(
(L: X1) ( l:Xi')
( 15 SQT(X:z)
T + (-l:Xz)z
(76,95) (14,99) r N
( 77' 8038 - 0,9051 .
15 (5,02) 2 + (5 48) 2 + (4,49) 2 (14,99) 2
( 5 15
Com isto estamos habilitados a escre ver a Matriz de
( Somas de Quadrados e Produtos Total 0,0982 .
i (

SQTotal (XI) SPTotal (X 1 ,X 2~ == 7, 7056 o' 9051] . Agora calculamos a Sorna de Produtos de Tratamentos
(
(
A=
[ SPTotal (Xl ,Xz) SQTotal(X 2 ) J lo,9051 o' 1929
(SPT), que se obtem com os totais, relativos a tratarnen
tos, de X1 e Xz, assim:
( Urna matriz apenas isso, um conjunto denmeroscom (23,39)(5,02)+(3 0,56)(5,48)+(23 ,00)(4,49)
( urnas tantas linhas (no sentido horizontal) e umas tantas s
colunas {no sentido vertical). Por exemplo, a ma- (76,95)(14,99)
( triz: = o> 7326
15
(
(
~ --------------
 ::.

(
( 342 343
( A Matriz dL~ Somas de Quadrado s e Produtos de ilotl-se que a matriz C: se noderia obter diretame n-
( mentos , pois: te, assim:

( 7,2476 [7,7056
H 0,7326] E = A - H = 0,9051J - [7 ,2476 o, 7326]
( [ o' 7326 0,9051 0,1929 o' 7 326 0,0982
0,0982
( [7, 7056 - 7,2476 0,9051 - o, 732~]
( Resta-no s calcular a matriz correspo ndente ao Res- 0,9051 0,7326 0,1929 0,0982
duo, que se obtm por subtra o, assim:
( [o ,4580 o' 1725]
( SQR(Xl) SQTotal( Xl) - SQT(X 1 ) o' 1725 0,0947
7,7056- 7,2476 = 0,4580
( Obtida a tabela da anlise da varinci a, nreciso
( SQR(X 2) SQTotal( X 2) - SQT(X 2) apli car-lhe um teste de signific ncia, semelhan a do
0,1929 - 0,0982 = 0,0947 tradicio nal teste F. Para isso necessr io calcular os
( determin antes das matrizes E e A. Has o que e determi-
( SPR(Xl,X 2) SPTotal( X],X 2) - SPT(X 1 ,X 2 ) nante de uma matriz? Dada ~ma matriz de 2 x 2, isto e,
0,9051 - 0,7 326 = 0,1725 . de 2 linhas e 2 colunas, tal como:
(
( Podemos, pois, escrever a Hatriz de Somas de Quadra
dos e Produtos do Resduo:
( K [: : ]

( 0,4580 0,1725]
E
[ o' 1725
o seu determin ante, indicado por IK I ou por det K e:
( 0,0947
( [K I = det K ad - bc .
Com esses dados j podemos escrever a tabela da ana
( lise da varinci a multidim ensional , dada a se guir. Por exemplo, para
(
( Causa de variao G.L. K [10 8 ]
Hatrizes
(
7 12

( Tratamen tos 2 H ~ ,24 76 o, 7326] fica:

0,7326 0,0982
(
IKI = det K = (10)(12) - (8)(7) = 120- 56~ 64 .
( Resduo 12 E ~0,4580 o, 1725]
o' 1725 0,0947 Conclui- se, pois, que:
(
(
Total 14 A [7' 7056 0,9051] det E .co,45SO )(o,o947 )- co,1725) (o,l72S)
( 0,9051 o' 1929
( 0,013616

(
(
 f'~-~. " --l=-=-A~~:=o~~9)--(0~905t)
"V"' -"'';t ;

(
( O, 9051) o 7204
,66 345

I H 4 casos a conside rar:

( i
I
O teste de significnci a mais usado na anlise
varincia multidimens ional o de Wilks, indicado A) p = 2, k 1 e k 2 quaisquer:

~ I letra grega A (lambda maisculo), assim definido:

det E
A=-------
1 - ;-;::
( det (H + E) /'!\
(
Jo caso dos ensa1.os inteiramente casualizados , B) k 1 = 1, p e k 2 quaisquer:
( E = A - H, logo: temos:
k z- p + 1 1 - A
( H +E p A
H + (A-H) = H + A - H = A ,
(
portanto, no caso de ensai os inteiramente c asualizados:
C) k1 = 2, p e k 2 quais quer:
(
(
A == det ~
de t A
F (zp, 2(k 2-p+l)J
kz -p+l
p
1 - -f:
l f:
( No caso presente, fi c a: D) Caso geral (HARRIS, 197 5) :
(
/\ = 0,013616 0,0204 ab - c
( 0,667204 -----
pk l
(
Duas difere nas i mportant es se no tam em r e l ao a onde:
( anlis e da v arincia tradi c i onal: a k2 - 0 , 5 (p-k j +l ) ' c = 0, 5 (pk j - 2) '
(
') ')
A. Na anli s e tradici onal , ante s de apli car o t es t e F, b 1 no caso de pL +kj= 5 '
(
faz-se a di viso das Somas de Quad ra dos p elo s nmeros
( de graus de liberd a de; n a anlise mul tidimen s i onal es
sa divi so no feita. - b
(
B. No teste F, a contribui o do s Tr atament o s v a i no nu-
( me r a dor; no t es te A e l a ap a r ere n o clc n omi n;Jdor .

( N
Para avaliar a si gnifi cncia do v alor de A obtido, t o s cas Os A B e C as frmulas de transformaa o d s a o
c ,

( podem-se usar tabelas e s peciais, bastante extens a s . Mas ex atas; no caso D ela e- quase sempre
. apenas aproxi.ma. a .
o mais comum transf o rmar o valor de A num valor corres No exemplo que estamos discutindo, podemos ap~1car a
i( pondente de F, e usar as tabelas de F j conheci das. f rmula do caso A (com p=2) ou a do caso C (com k1-Z).No
( A transforma o de A em F se faz por meio de frmu- caso A temos: p=2, k 1 =2 , k 2 =12, A0,0204, logo:
las que vamos indicar, nas quais:
( 12 - 1 1 - 10!0204
p = ~9 de variveis; F (2 X 2, 2(12-l)l
2
( 10,0204
k1= n9 de graus de liberdade de tratamentos;
( isto e:
kz= n9 de graus de liberdade do resduo.
(
F(4,22) "' 33,01**
(
(
_ (__~_
 (
346
( 34 7
( A frmula do caso C conduz exatamen te ao mesmo
sultado, como no poderia deixar de ser. nao devem ser iguais entre s_:, uma vez que se rejeitou a
( Devemos, pois, usar as tabelas de F (tabelas l e 2) hiptese de nulidade . Mas nao sabemos se ~ diferen a e~
com 4 graus de liberdad e para o numerado E e 22 para o de t s nos teores de N (m11. mzl, m31) ouso nos de P
( (m 12 , m22 , m3z) ou em uma funo linear~de ambos.
nominado r. Os limites correspo ndentes sao: Para
( averigu -lo faz-se necess ria a aplicaa o de um teste,
Para o nvel de Si. de probabil idade: que veremos adiante.
( 2,82
Para o nvel de li. de probabil idade: 4, 31
( - Exercci os
( Verifica -se, pois, que o resultad o signific ati-
vo ao nvel de 1% de probabil idade. Nestas condie s, (19. 2 .1~ Num experime nto inteiram ente casualiz ado de con-
( rejeitad a a hiptese de nulidade e se conclui que sorciaa o de milhO, feijo e mandioca , temos 5 tratamen -
nao tos e 8 repeti es e se obteve A= 0,464
( devem ser todas iguais as mdias de tratamen tos, Obter o valor
cujas de F correspo ndente.
estimati vas sao:
( Temos p=3 varive is, k1=4 graus de liberdad e para
tratamen tos, kz~ 35 graus de liberdad e para o resduo.
( Tratamen to 1 Tratamen to 2 Tratamen to 3 Devemos, pois, aplicar as frmulas do caso D:
( Teor de N(X 1 )
( Teor de P (Xz)
4,68
1,00 6'11
1,10
4,60
0,90
a kz-0,5(p -k 1+1) = 35 - 0,5(3-4+ 1) = 35 ,

( ") '.)
p ""k 1 - 4
( Note-se que a mdia estimada para o tratarneu to 1 b 2, 646 ,
e o conjunto das duas mdias relativa s ao N e ao P, as- p 2 +ky- 5
( sim:
( c = 0,5(pkt- 2) ~ 0,5(3 x4-2) 5 ,

( M: 1 =[4,68 ]. ab-c J 5x 2,646-5 = 37,61

1,00 l
(
( 87,61
Esse conjunto de dois nmeros um vetor. Analog~ 3x4
( mente, para os tratamen tos 2 e 3 temos:
isto e, aproxima damente:
(
( !;lz [6, 11 ] '
1,10
113 -- [4,60
0,90
J F [12, 88} = (1,3366 -1)
87,61
3x4
2,46 .
(
Com 12 e 88 graus de liberd~de, a tabela 2 nos d,
( As tres mdias verdadei ras
por interpol ao, o limite F = 2,40, ao nvel de 1% de
( probabil idade. O resultad o obtido , pois, altamentesi~
nificati vo.
(
( A potncia
1
(
u - ( 0,464
1 )2,646 .. (2,155)0 ,3779 1, 3366.
~ (

; _ _ -------~-----~-'- _ _
 (
( 348
349
(
pode ser obtida diretamente em calculadoras ~l~trnicas (J.I3UO) +(b.IJUU) ~(/_:_2~~~5.')00)_:_
( sofisticadas. rias, na sua falta, J?Ode ser calculada por 7
logaritmo, assim:
( (24. 500)~
28 2..38.214 '
( log U 0,3779 log 2,155 = 0,12601
u antilog 0,12601 = 1,3366 .
(
(
1
I (L I 2 () () ) ( ') . 8 o()+ u 3 . 4 ()o) (h. () () l)) + ]
( 19.3. UM ENSAIO EM BLocos CAsuALIZADOs 7 ~ (2 u . 6 () ()) ( 7 . 2 ()o ) + u !! ') () lJ ) ( ) ) {) ())

( Neste caso, o mtodo de obteno das matrizes an- (~_tJ_.__7 _(]_(Jli_?~_: _:) ~~~J)
logo ao que acabamos de ver, mas seguindo as normas da- 28
(
das no captulo 5, para os experimentos em blocos casua-
( lizados. Alm das matrizes A (Total) e H (de Tratamen-
Logo a matriz B das Somas de Quadrados e Produtosde
tos), necessitamos calcular a matriz B (de Blocos). No
( Blocos :
caso de r blocos e n tratamentos, temos:
(
( SQB
By + B~ + ... +
n
Bi c , B
1.441.070
[ - 426.072
_,_,_ 26. 072 J
:"38. 214
(
para x 1 e x2 , se forem duas as variveis. Precisamos
( Note-se que uma soma de quadrados jamais pode ser
obter, tambm a Soma de Produtos de Blocos, obtida com
negativa, mas que o rresrno no ocorre com urna soma de pro
( os totais de blocos de X1 e de X2, multiplicados. Consi-
dutos. Logo, no de estranhar o valor negativo
deremos como exemplo um experimento de consorciao de
( (-426.072) obtido para SPB(XJ, X2).
milho e feijo, com 7 tratamentos em 4 blocos casualiza A anlise da varincia completa da os valores se-
( dos. Seja X 1 a produo de milho na parcela, e X2 a de guintes. :Jote-se que as mat;:izes A e H foram calculadas
feijo, ambas em kg/ha. Sejam, ainda, os seguintes os
( da maneira j conhecida.
totais de blocos, cada um deles total de 7 parcelas.
(
( Causa de variaao G.L. Matrizes
19 bloco 29 Bloco 39 bloco 49 bloco Total
(
Milho (Xl) 21.200 23.400 20.600 24.500 89.700 Blocos 3
rl.C.41.070 - 426. 072J
L -426. on 238.214
5.800 6.000 7.200 5.500 24.500
( Tratamentos k 1= 6 H
3.500.000 -8oo. oool
[ -800.000 750. oooj
(
( Temos: E = [t. oo. ooo
2_
-200.000
-200.000]
320.000
( (21.200) 2 +(23.400) 2 +(20.600) 2 +(24.500) 2
( (89.700) 2
7
TOTAL 27
A =[ 6 .141. 070 -l.426. 072]

( 28 = 1.441.070' -1.426.072 1.308.214

c
(
(
 (
350
( 351
( A matriz do Resduo (E) se obtm por subtrao:
(
18 - l
F ( 12,34) "" ----,..---
1 - lo, 0854
E ~ A - (B + H) 6,86
/d,0854
(
Como:
( com 2 k1= 2 x 6 = 12, 2(k2- 1) = 2(18-l) ~ 34 grau:
de liberdade. Verifica-se que o valor de F obtido e
( [1.441.070 + 3.500.000 -426.072 -
B+H 300.000] significativo ao nvel de 1% de probabilidade, o que nos
( -426.072 leva a rejeitar a hiptese de nulidade.
800.000 238.214 + 750.000
(
~ 4. 941.070 1.226.072]
19.4. NoEs DE LGEBRA DE MATRIZEs
(
( -l. 226.072 988.214 j
., Chama-se matriz um conjunto retangular de nmeros,
( que so os seus elementos. Por ex.emplo o conjuntG
entao
I
(
( E
r 6.141.070 l. 426. 074] - [ 4. 941.070 - l. 226. 072] A
10
[ -1
8

l-1.426.072 5
( 1.308.214 -1.226.072 988.214
(
= [1.200.000 200.000 l e uma matriz, que se diz de 2x3, pois tem 2 linhas e 3
colunas. Assim o elemento 10 est na primeira linha e na
(
primeira coluna ; j o elemento 2 est na segunda linlw <=
(
-200.000 32o.oooj n<1terceira coluna. Tal matriz se poderia simbolizar as
sim:
( Para aplicar o teste de Wilks devemos calcular detE
e det (H+E). Temos:
(
( det E (1.200.000) (320.000) - (-200.000)2
344.000.000.000
( Cada elemento tem dois ndices, o primeiro de linha e o
4.200.000 segundo de coluna. Assim, a13 (que se l: a nd~ce um,
(
H+E
- 1. 000. OOOJ trs) o elemento da primeira linha e da terce~ra colu-
( [ na.
-1.000.000 l. 070.000
(
o conjunto dos elementos de uma. matriz se costurna i..u
det (H+E) dicar entre colchetes ou entre parnteses, assim:
( (4.700.000)(1.070.000)- (-1.000.000)2
4.029.000.000.000

Li
~) (-i
n
(
logo
= [i
( ou A "'
det E A
( A 0,0854
det (H+E) \ 1
( - Igualdade, Adio e Subtrao de Matrizes
O valor do F correspondente, de acordo com a frmu-
( la do caso A (seo 19.2), :
Duas matrizes so iguais quando tm as mesmas dimen
(
(
..J
 (
( 352 353

( - Matriz Transposta
soes (isto e,
o mesmo nmero de linhas c (l mesmo nl!mero
( de colunas) e, alem disso, seus elementos sao ordenada-
mente iguais. Assim, da igualdade Dada uma matriz A, sua transposta A' obtida com
( os mesmos elementos originais, mas escrevendo suas li-
nhas como colunas e vice-versa. Assim, a transposta de
( [a11 ap
a13J ,
[:
3
-:] [10 3
-:] [1:
(
(
(
azl azz
conclui--se imediatamen te que:
a23 o A
-1 5
e A'
-J -n
Uma matriz A igual a sua transposta se diz simtri
( a11 = 2, a12= 3, a l 3= -8 ca. Por exemplo, a matriz
( az1= 5, a22= o, a23= 4

(
(

(
A adio e a subtrao s sao poss v eis com matrizes de
mesmas dimenses e ento se opera com os termos corres-
pondentes. Assim, se:
B
[: :] e simtrica

Matriz Quadrada: ~ a qJe tem numero igual de li-

(
(
4

8 :J N
[:
11

-2
1:], nhas e colunas. Por exemplo,

12
(
(
entao:
B , [ i
ll
3
-4 -n M
[: :]
( 3+0 4+11 5+15] 15
J sao matrizes quadradas, a primeira de 3 x 3, a segunda
( [ -1+8 8-2 7+4
=
[: 6
?Q
11
de 2 '< 2.
Numa matriz quadrada
(
(
(
H-N =
[
3-0

-1-8
4-ll

8+2
5-15]
7-4
[_:
-7

lO
-1:] a 12
a 22
a, 3]
a23

( a32 a33
Uma matriz que tenha uma nica linha ou uma nica
( coluna um vetor. Assim, considera-se uma matriz qual- os elementos a 11, a ,, 2 , a 33 formam a digonal principal
quer como um conjunto de vetores-linh as ou de vetores - (ou diagonal, simplesment e).
( -colunas. Por exemplo, a matriz M acima e formada pelos
( vetores-colu nas: Matriz Diagonal: g uma matriz quadrada cujos termos
fora da diagonal so todos nulos. Por exemplo, sao dia
( gonais as matrizes:
[: J
(~
(
o
( ou pelos vetores-linh as 12 = diag(8, 12, 5) ,
( [3, 4, 5] [-1, 8, 7] .
J
o
r
(
[
 (
354 355
(

l~ ~]
( o o
7 o A
( D2 o o diag(4, 7. o, 3)
( o o
por exemplo, para multiplic-la pelo escalar n devem-
( Matriz Unitria: E uma matriz diagonal cujos termos -se multiplicar por n todos os seus elementos, assim:
( da diagonal so iguals a unidade. Por exemplo:

l" na13]
~)
n al 2

l~
(
o n A= ali
( n a21 n a 72 n az3
I 1 = diag(l, 1' 1)
( '
o Conclui-se, pOlS, que:
(

(
( I
[: :] diag(l, 1). 8 [ ~
-2
-~] = [ :~
-16
-8]
5~
(
Matriz Nula: _g uma matriz. cujos elementos sao todos
c nulos: geralmente se indica por <!> ou pela letra O. Por _Multiplica~o de Matrizes: A multiplicao de matri

(
exemplo: zes e uma operaao bem mais difcil do que a adio ou a
subtrao. O produto AB de uma matriz A, de dimenses
(

(
(
1>
[:
o
o
o
o :] J
mxn, por uma matriz E, de dimenses p xq, s
se tivermos n = p , isto , se o nmero de colunas de A
for igual ao nmer o de linhas de B.
possvel

O caso mais simple s o de um v etor-linha D de l :<n,

e

"'
(
.t. claro que, sendo A uma matriz qualque r, t e mos:
I mult i p l icado por um vet o r- c oluna E de n xl, por e x e mplo:

( -
A + <!> = A <I> = A
I [s, sJ
(
(
Escalar: Os nmeros, que constituem os

escalar, em contraste com

elementos
de uma matriz, chamam- s e e scalares. Por exemplo 5 e um
4,

O produto AI\ da matriz A de mxn por uma matriz B de

E
HJ
n xq
(
ter dimenses mxq. Logo, no caso acima, de uma matriz
8
~] ll de l xn por uma matriz 1\ de nxl, o produto DE ter di-
I (

(
[; -2 mensoes l x l, isto , um escalar. Teremos:

( que e uma matriz. Por sua vez uma matriz 1>< l se confun- DE = [s x 3 + 4(-1) + s x 7] = [67] = &7
de com o nico escalar que ela encerra, isto :
(
No caso geral do produto AB C, o termo Cij de C
( [s] =s . igual ao produto da linha i de A pela coluna j de B.
Por exemplo:
( Multiplicao por um Escalar: Dada uma matriz
(
(

'' (
. r
 (
356
( 357
(
(
a
azz
12], b
bn
l.l] , Determinante s: No daremos a definio geral de de
terminante, por ser bastante complicada, mas veremos co-
mo se calculam os determinante s nos casos mais simples.
( Para comear, s h determinante de matriz quadra-
c da. Dada uma matriz A de 1 >< 1, seu determinante (que se
indica por IA I ou por det A) igual ao nico elemento
( da matriz. Assim, se
( ou ainda:
(
A = [8] , B [-s]
47 temos
( = [ 25 27]
15 1 23
( det A det B = IBI = -5
( Matriz Inversa: Dada uma matriz quadrada A, sua lu-
No caso de uma matriz C de 2x2
( versa A-l e uma matriz tal que
(
(
c c 12] =
Nem toda matriz quadrada tem inversa. As que tm, c22
(
c hamam-se no-siU:gu1a res; as que no tm, so singJlares.
( Por exemplo, a matriz invers a de
t emo s le i= 7x6-5 x4 = 22 .

2
[l
( J no caso de '..lffia matriz A dP 3x3, o de t erminante se
( A=[ l] e A-\= -l] pu1s
calcula pela regra de Sarrus, que nos d:
1 1 - l ~
(
(
(
AA_1 [2 1] [1 -11
1 1 -1 2
[1o O]
1
I'
( Por exempl o :
c A-1A 1 -1] [ 2 "' .1]
= [1 O] I . '
G1 1 2

\~
3
( 2 1 1 o 3 2 l>< 3x3 + 2x2x2 + 3x4 x4 - 2x3x 3 - 1x4 x2
( 4 3 2x4 xJ 15
Logo, a matriz A e no-singula r, uma vez que tem '
( inversa. J a matriz
1 2 3
( 4 5 6 = lx5x9 + 2x6x7 + 3x4x8 - 3x5x7 ~ lx6x8-
7 8 9 - 2x4 x9 o
(
( Para matrizes de maiores dimenses as regras, que no ve
( -
nao tem inversa; e, pois, uma matriz singular. ~emos, so mais complicadas.

{
 (
358
( 359
( Determinante de uma Matriz Singular: Toda matriz qua
(
drada singular tem determinante nulo; reciprocamente, e (L9.4.4) Dado o vetor

(
(
singular toda matriz quadrada de determinante nulo. As-
sim a matriz
X [n , calcular X'X e XX'

( A
(19.4.5) Dadas as matrizes
(
( cujo determinante O, e singular, isto e, nao - tem
inversa.
(
( - Alguns casos simples de inverso de matrizes
calcular AI, IA, AA', A'A, AD, DD.

[ d -b]
(
A
-l l (19.4.6) Mostrar que singular a matriz
( A

c
( com
D =
a,b,~
diag(a,b, ... ,h)

.. ,h f O.
+ D-
!A
1
= diag(
-c

~ t
a

~) , B t :J
Observao: ~ suficiente demonstrar que seu deter-
( minante nulo.
- Exerccios
(
(19.4.7) Determinar a ex de modo que sejam singulares
( (19.4.1) Dadas as matrizes
as matrizes
(
2J' C= r- 5
(
(
A [5
-1
3] ' B 8
2
= [
1 o L8
lOJ
3 M" v :]
3
N [':X
:J
( calcular A+B, A-B, A+B+C, A+C .
Resposta: a = 24; X =o ou 9
( (19.4.2) Sendo A, B, C as matrizes do exercfcio 1, cal-
(19.4.8) Achar as inversas das matrizes
( cular 5A, 2A+3B, A+4B', A+A', A+B.
(
(
(19.4.3) Dadas as matrizes
A = ~ 0,25
-4.,01)
o. 50
8,00
1 B "[: :]
(
'
B =
[: :] Resposta:
(
(
(
(
calcular AB, BA, A' A, AA'.
as matrizes AB e BA.
-
Verificar que sao diferentes A
-1 1
4
[8,00
4,00
-0,50]
0,25
=[ 2,000
1,000
-!l H-1.[! ~l
4

{
r
 :..~.: : - -_"'3l !'~lf,tLd. iC'~

( 361
( - Razes Prprias de uma Uatriz
- ~xerccio
( Seja uma m;rl r i% qrr;.rd r a da
(19.4.9) Achar as razes caractersti cas da matriz
(
(
(
B
[: :J. Resposta: zero e 9.

( Consideremos a matriz
o clculo das razes caractersti cas de uma matriz
(

A-U=[z 3 , em geral, bastante trabalhoso, pois implica, salvo em

(
]- [l OJ (2-A casos triviais, na resoluo de equaes algbricas de
grau elevado. Mas esse clculo pode ser feito com faci-
( 3 lO O 1 3 lidade nos computadore s, que j dispem, para isso, ~e
c Tomemos agora a equaao
programas apropriados.

(
( det [A - n] IA- uj =
2- ,\ 3 19.5. SISTEMAS DE EQUAES LINEARES
o
( 3 10- >. so sistemas de equaes de primeiro grau, com qual_
( quer numero de incgnitas. Por exemplo:

( A~ r~zes desta equao sao, por definio, as ra-

zes propr1as
(ou caractersti cas) ou os valores prprios - 2X 2 + x3 = o
(
(
(ou caractersti cos) da matriz A.
No caso presente o determinante nos d:
{3XJ
8X1
+
-
ZX 2
x2
8
15
{"'
X!
X? + 3X 3 = 4
- ZX3 = -1

( (2 - >.) (lO - A) 9 = o . Do ponto ~e vista Ja lg e bra de Matrizes ess e s SlS

( temas de equaoes se podem escrever ass1m:
isto e:
(
( >. 2 - 12>. + 11 = o .
(
(
~s ta equao nos fornece as razes !q = ll
-
que sao as ra1zes caracter1sti
cas da matriz A.
Como consequncia sabemos antecipadame nte
- . 1,

( que

( 3 3
(
o, o,
10-11 As matrizes

..
10-1
(

_:] -~
-2
( e, pois, ~ue essgs matrizes so singulares.
(
A
[: o
l

i
(
t
~~~-----
 (
362
c 363
( :~L cila111am matrizes do sistema <>u dos coeficientes d p()tv:-:c:iuplo, X1 +X;> +:!.X; ~ () , st dizem homog-
~s in cOIIID
cgnitas. Se o nmero de incgnitas for igual ao n.umero neas. Todo sistema de equaoes lineares homogneas
(
de equaoes, essas matrizes sero quadradas.
( Consideremos o sistema de equaes A X <!>

( tem soluo, i.sto , e compatvel. Se a matriz A for

n~o-singular, a nica soluo possvel a sol~o nula:
( X1 = X2 = ... =O, isto , X=~, e essa soluao geral-
( mente no interessa. Ma~; se a matriz A for singular, o
sistema de equaes ser indeterminado, isto , ter in-
( ou seja , finitas solues. Tal o caso do sistema acima, pois

l
( a matriz
A X B .

l:
( 1 2
com
( A -1 1
(
( A [: _:]. X B
1 5 J
singular. Por exemplo, sJ.o solues desse sistema:
(
Quando a matriz A : ~o-singular, o sistema tem so- A) xl -3, x2 -1' X3 2
(
luo e essa soluo e mnca. t1as nos interessam siste-
( mas de equaes 13) XI G' x2 ?
-' X3 -4
'
3 l
( C) xl 2 ' x2 2 X3 = l
A X =
( alm da soluo nula Xt X = x-, o
em que a matriz A seja singular e o segundo membro seja
(
uma matriz nula (cP). I:: o caso, por exemplo, do sistema Para obter essas soluoes no nulas, comeamos por
( seguinte: abandonar uma das equaes e dar a uma das incgnitas um
valor arbitrrio no nulo. Por exmplo, abandonamos a
( X1 + X 2 + 2X 3 O torcei ra equaao L~ fazemos X:~ = t. Fica:

r
( x1 - x7 + x3 o

t
(
+ x., + 2 o + X::' -2
3Xl + X2 + SX3 O " isto e
( xl - X>' + l = o XI - x,. = -1
isto e:
(
Resolvemos este sistema por qualquer processo e acha
( 1 mos x1 = - 3/2, X2 = - 1/2. A soluo achada , pois,
X1 =- 3/2, X2 = - 1/2, X3 = 1. Para cada valor difl,_
( -1
rente de X1, obtemos nova soluo para o sistema.
( 1

r Equa()es lineares em .que o segundo memhrcy c nulo,

- Exerccios
(19.5.1) Resnlver o sistema de L~quaoes homogneas
(
(
(
(
 . ... ,, ..., .... :
t I

(
364
( 365
'
( o l~ssa Llllll,;3ll, <lpl i cada aos VJlores Xl 'x.' xl Je cada pare.':.
la do experimen to nos d N valores dessa varivel un1ca
( o Z, um de cada urna das N parcelas do ensaio. Apliquemo s
c Soluo: A matriz a esta nova varive l Z a anlise da varincia tradicio-
nal, unidimens ional. Queremos obter uma funo Z
( (com

( A = [ 1 -z] seus coeficien tes b1, b ~ . b ~ ) para a qual o teste F de

tratamento s dessa anlise da varincia tenha valor mxi
3 -1 mo. Para obter esses coeficien tes, comeamos por achar
(
as razes caracter sticas da matriz HE-~ ~u, o que e
(
no e singular, pois IAI 5 ~ O. Nestas condies a equivalen te, por achar as razes da equaao
un1ca soluo possvel a soluo nula X = X = O.
1 2
(
(19.5.2) Resolva o sistema det (H- \ E) = IH- \EI = O ,
(
onde as mat1izes H (de tratamento s) e E (do resduo) sao
( + 2x 2 o tirad;ts da anlise da varincia rnultidime nsional.. A
( + 6X 2 o maior das razes obtidas (todas elas positivas ou nulas)
nos d a pr~neira funo discrimina nte ou primeira vari~
( Resposta: A matriz do sistema singular, logo ele e ln-
vel c ;mnica, como veremos ..J. seguir:
determinad o. Alm d~ soluo nula, temos in fi
( Tomemos como exemplo a anlise da varincia aprese:r2_
nitas outras, tais como: A) X1 = 2, x 2 =
B) x1 = -10, x2 = 5.
-f; tada na seo 19.2. Nela t emos:
(
( (19.5.3) Resolver o sistema
H
[7, 2476 0,7326] E
0 ,45 80 o, 1 ns l
(
X2 2X 3 o -o' ]')/(.
- .....
,.) 0,0982 0 ,172 5 0,0947 1
(
(
2X 2 + 3X 3 o A 1nversa E-L da matriz E e:
3X 2 + x3 o

l
( 6, 954 9 -12,6689]
Resposta: A matriz do sistema singular, logo ele ln- E- I
(
determinad o. Alm da soluo nula, temos infi -1:2,6689 33,6'359
( nitas outras, tais como: A) X1 = -7, Xz = 2~
X3 = 1; B) X1 = 14, Xz = -4, x 3 = -2; c) x 1= e o produto e~
: (
..:.: =Ja, Xz = 2a, X3 = a.

-~ (
(
HE
- l
41,1257 -67,1781]

i 19.6. FUNO DISCRIMINANTE ou VARIVEL CANNICA L 3,8511 5,9783

c Dada uma anlise da varincia multidime nsional, re- Para acllar as raZL'S caractl'r stcas dessa matriz,
( lativa s variveis X1, Xz, X3, por exemplo, considere - deV('mos, como vimos na seao 19.4, resolver a equaao
( mos uma funo linear
41,1257- ,\ -6.7' l 781
(
(
o'
3 '8511 - 5,9783-A
(
(
 366 36 7

( isto e: sistema equivalente

(
(41,1257-,\) (-5 ,9783-,\) - (3,8511) (-67 ,1781) o
(

( ou ainda:
,\ 2 - 35,1474!\ + 12,8478 - o
[:: ] [ :J
( Neste ltimo caso temos:
As razes desta equao so .\1 = 34,778 e z = 0,370.
(
(
mesmo resultado chegaramos se considerssemos a
Ao
equa- 7. ,2476-0,4580x34, 780 0,7326-0,1725x34,7801 [billoj
(
ao

7 ,2476-0,4580!\ o, 7326-0,1725\
[

0,7326-0,1725x34,780 0,0982-0,0947x34,78~ bJ b
( isto e:
o '
(
o, 7326-0,1725,\ o' 0982-0' 0947,\
[-8,682 -5' 267]
( isto :
-5 '26 7 -3,195
(
(7,2476-0,4580\)(0,0982-0,0947,\)-(0,7326-0,1725\) 2
(
o' ou seja:
( ou ainda
{ 8,682 bl + 5,267 bz o
( 0,013616\ 2 - 0,4786\ + 0,1750 =o
(
5,267 bl + 3,195 bz o
e, mediante diviso pelo coeficiente de !\>::
( A matriz do sistema singular neste caso, confor-
( ,\ 2 - 35,1498,\ + 12,8525 = o . me resulta da equao \Ej =O. IH -
Logo. o sistema de
equaes indeterminado. Para resolv-lo, podemos to-
( Esta equao nos d: /q = 34,780 e \z = 0,370, valo- mar bz = 1 e abandonar a segunda equao. Fica:
( res que podem diferir ligeiramente dos anteriores por
problemas de aproximao de decimais. 8,682 b1 + 5,267xl =O, logo b1 = -0,6067
( Note-se que este ltimo mtodo tem ~ vantagem de
c no exigir a inverso da matriz E, operao muito traba-
lhosa para matrizes maiores, relativas a mais de duas
Uma soluo seria pois a funo

( variveis. Mas o mtodo usado pelos computadores e exa-

( tamente esse, de buscar as razes prprias da matriz
HE-l. Mas usual escolher uma soluo normalizada, em
( Uma vez obtidas as razes caractersoticas, tornamos que a soma dos quadrados dos coeficientes seja igual a
a maior (\1) e consideramos o sistema de equaes um. Para obt-la, tomamos nova soluo
(
b* X + b* X
c
(
(HE _
1
- II) [ bb 1
2
J [ 0 ]
0 onde.:
Z*
l l 2 2

(
(
;-c
(
 .. ,_,,_.~
"~' ""'""" """'"'""'"' .

( .

368 .
.

( . 369
( Tabela .L'). 6 .l. Valores da varive l c:;mottJ ,:;t IJL"nci~)al
___b_J__ ___ ___ ---~~0_7_ --- . - -0,5l9
( Z*=O,Sl 9X 1-0,855X 2 nas parcela s do experim ento de
lb{ + b~ IC: 606 7) 2 + ti 19.2.1.
(

( 1
0,855 , Totais
(
( logo Trat. 1 1,591 1,512 1,700 1,523 1,521 7,847
= -0,519 x1 Trat. 2 2,206 2,195 2,274 2,268 2,232 11 '175
( Z* + 0,855 x2 Trat. 3 1,624 1,701 1,586 1,598 1,589 8.098
(
ou, indifere ntemen te, trocand o-se o sinal do segundo mem
( bro: 27,120

(
Z* = 0,519 x1 - 0,855 x2 . Como compara r 2ssas mdias? Ou, de uma manei Cl ffi[J S
( geral, como provar um contras te entre essas mdias
Aplicad a esta funo discrim inante (ou varive l ca-
(
nnica) aos dados do exemplo da tabela 19.2. l, que esta-
c mos discuti ndo, obt emos os nmeros da tabela 19.6.1. A
anlise da varinc ia desses dados n os leva aos resulta -
( com Zc. = O? O process o mais simples consist e em calcu-
dos seguint es.
lar, plo mtodo de Scheffe , uma diferen a mnima signi-
c ficativ a
( Causa de variaa o G.L. S.Q. Q.M. F s = v'lq 'V(Y) F
(
:. c Tratame ntos
Resduo
kl=2
k2=12
1,3738 0,6869
0,03955 4 QMR=0,003296
208,40* * onde k 1 e o nume r o d e graus de liberda de de tratame ntos,
com

c1m1 + c 2m2 + . . . + c m
v v
( Note-se que o valor de F obtido pode ser calcula - l::c2
do previam ente com facilid ade, pois temos: f/('1) QMR
r

l
!C'
Fmax
- -2-
12

A pequena diferen a observa da (208,68 em vez

34,780

de
= 208,68
sendo r o nmero de repet oes (supost o igual para to-
dos os tratame ntos). Quanto ao valor de F, ele obtido
assim:

!~l 208,40) deve-se , como em outros casos, a problem as

aproxima~es de decima is.
de F
k
= __::z.
1 - e
e
f( As mdias de tratame ntos, em ordem dccn' scent<', re-
kl
onde k e o nmero de graus de liberda de do resduo
i c lativas varive l cannic a z,~ so:
Tratame nto 2: m?
e se oEtm da tabela 16, relativ a ao nvel de 5% de pro-
e
2,235 a babilid ade. Para usar a tabela, calculam os primeir amen-
( Tratame nto 3: rn3 1,_620 b
te
( Tratame nto 1: m1 1,.569 b
(
i
I (
I
 -
,,, ~".""'""'' '' ..........<~"
""-"'-~~''''
. ...:.. o,~.;;l!lll!i::"=

(
370
( 3 71
1
( s = mnirno(p,k 1
), m = jp-lq -l n = o a1, e X2 a de feijo, de preo a 2 . Em tal caso cal-
2
( culamos Z para cada parcela, fazemos a anlise da varin
No caso presente ternos: ca dos dados assim obtidos e obtemos s2 "" QMResduo
(
QMR. Temos, entio, pela aplicao direta do mtodo de
p 2 var1aveis, k1 = 2 G.L. para tratamentos, Scheff (seo 3.5):
(
( k2 = 12 G.L. para o resduo

s mnimo(2,2) = 2, m= /2-2/-l -0,5 onde

( 2
12-2-l
n = 4,5 . VCY) = QMR
( 2
( A tabela 16 nos d com m= -0,5 e F(kl, k2) se tira das tabelas 1 e 2 com k1 graus de li
( berdade (de tratamentos) e k2 graus de liberdade (do re
Para n 3 + 0,638 sduo).
( Para n 5 + 0,498 No exemplo que estamos discutindo, se os coeficien
( tes de Y''' = O, 519Xl - O, 855X2 proviessem de ensaio an.te=
logo, por interpolaio, e 0,533. Obtemos, portanto: rior ou de outras considera~es alheias aos dados em es-
( tudo, teramos, pela tabela 1, F(2,12) = 3,89. No caso
( 12 0,533 da comparao das mdias duas a duas o contrastE> em con-
F -2- 6, 848 ,
l-0,533 siderao seria Y = rni - ffiu e teramos, pois:
( logo
( 2
S -- (0,003296) 6,848
c 1-lest as eondi~es, obteramos
( No caso particular de um contraste entn:~ as mdias
de dois tratamentos quaisquer, temos S /k1 (2/r) (QMR) F(kl, k:-)
(
y mi - mu , l:c ? = ( 1 ) 2 + ( _ 1) 2 = 2, v2(2/S)(0,003296) 3,89 o' 101 .

( S = v2(2/5)(0,003296)6 7 848 = 0,134 . l-leste caso, a diferena mnillla significativa me--

nor (S = 0,101, em vez de S = 0,134), como seria de espe
Conclui-se, pois, que o tratamento 2 (cuja mdia r'ar. E neste caso se poderia aplicar sem dificuldadr> o
2!235) supera significativamente os demais, e que estes teste de Tukey, que nos daria:
nao diferem entre si.
_ . Esse mtodo se aplica sempre que a funo linear de
( med1as de vari~veis (Z>~. = 0,519X 1-0!.885X 2 , no caso pre- qy;(~MR
-r-
= .
3 '
l7
V
~ 003296
5 0,097 .
( sente) tenha s1do suger1da pelos proprios dados.
C~nsiderarnos, agora,. o caso, mais simples, em que
( a funao Z = a1X1+ a2X2+ . + apXp tenha seus coeficien- Note-sl' que obtivemos da equaao IH - AE I= O duas
( te~ fixados _por razes independentes dos dados expe dmen razes caractersticas (;\ 1 = 34,780 e 2 = 0,370) e so
ta1s. Tal_e o caso, por exemplo, de um experimento de usamos a maior. Com o auxlio da menor, pelos mtodos
( consorci aao, em que X1 seja a produo de milho, de pr~ j expostos, calcularamos uma segunda varivel cannica
(
(
 ("""~" ~'""'""''"Wi'''''"-;;:. . ' ---" - ~ -, ~~ - -'
~:"" ~'"-~--' . ..
.. "'' ... ......
'
~

~--~-

......... ~

..,...........,,..,.,. ............ - ...... -
. ,,.,.~

(
372
( 373
( Z~, que, submeti da anlise da varinc ia
(unidim ensiona l) nos daria
tradicio nal o valor assim obtido se compara com o limite de signifi -
( cncia dado pela tabela 16. No caso do exemplo da se-
o 19.2 onde achamos pe~o teste de Wilks !1. = 0,0204!. o~
( F =~ z
12
-2- 0,370 = 2,22 temos. como vimos na seao 19.6, as ra1zes caracte r1sti
kl
( cas J = 34,780 e Az = 0,370. A maior delas nos di:
o total das duas razes caracte rstica s e
(
lq + z = J4,780 + 0,370 = 35,15 , A 34,780
( 0,972 .
1+34,78 0
( e deste total l = 34,780 represe nta 98,9%, ao passo que
z. corresp onde a 1,1%. Essas porcent agens medem a im- Este valor se compara com o que dado pela tabela
( portnc ia relativ a das duas varive is cannic as. Num ca 16.
(8 = 0,533), ao nvel de 5% de probab ilidade , como vimos
( so como este, em que a maior raiz corresp onde a quase na seo 19.6. Como temos 8 = 0,972 > 0,533, verific a
99% do total, a varive l cannic a princip al, a ela cor- -se que o resultad o signifi cativo ao n vel de 5% depr~
( respond ente, praticam ente esgota toda a informa o c onti habilid ade e, pois, r e jeita-s e a hip6tes e de nulidad e.
( da na anlise multidi mensio nal, com X1 e X Podera mos procura r tambm o limite de 1% de probabilid~
2
No caso de p varive is observa das (X 1 , X , ... , ~) de, que 8 = 0,658. Conclu i-se, pois, que realmen te o
( 2
obtemos , em geral, p razes caracte rstica s distint as,to resulta do tambm si gnifica tivo ao nvel de .L% de prob~
( das positiv as. Postas em ordem decresc ente, cada uma de
bilidad e.
las nos d uma varive l cannic a, e a cada varive l cannT
( ca carresp onde uma porcent agem do t otal. Nos casos fav
( rveis, conside ramos, ento, apenas um nmer o reduzid
p 1 de varive is cannic as, com p' bem menor do que p. 19.3. BIBLIOGRAFIA
( Verific a-se, pois, que este mtodo pode levar a uma sim- CHATFIELD, C. e A.J. Co1lins , 1980. Introdu ction to Mul
( plifica o conside rvel dos probl emas em que seja grande ti v ar iate Analys is. Chapman and Hali. Lonci.:Es.
o nmero de varive is observa das. DAGNELIE, P., 1975. Analyse Statist que Plusieu rs Va-
(
riab1es . Presses Agronor niqu e s, Gembloux.
( DEME:TRIO, C1arice G. B., 1985. Anlise Multidi mensio nal
( 19.7, TESTE DE Rov para Dados de Cana-de -Acar (tese de Doutora do) .
ESALQ, Piracic aba, SP.
( O teste de Wilks que aplicam os na anlise da varin HA RRIS, R.J., 1975. APrime r of Multiv ariate Statist ics.
cia multidi mensio nal no o un1co existen te. H va-
( Academi c Press, N.York.
rias outros, dos quais o de Roy o mais importa nte. Pa- HORRISON, D.F., 1976. Multiv ariate Statist ical Method s,
~:c ra aplic- lo, procede mos como na seo 19.6 e calculam os 2<ii edio. McGraw -Hill, T6quio.
i (
as razes caracte rstica s da matriz HE- 1 , ou o que equi t1YERS, J. L., 19 79. Fundam entals o f Experim ental Design,
valente , as razes da equao - 3~ edio. Allyn and Bacon, Boston.
( PI~'I\:NTI':l. COMES, F., 198'5. A Anlise da Varine ia Multi-
( tariada Aplicad a a f<:xperim entos Agrope curios (mi-
mtn~t- ;a do). ESt\l,, Lavras.
( sendo l a maior dessas razes, obtemos a seguir a esta- TATSliO!':i\, M.H., 1971. Multi varia te Analysi s Techniq ues
tstica for Educati onal and Psycho1 ogical Researc h . .Juhn W
(
ll'y, N. York.
'( e -
(
(
 ... ,.,. ~- '<

(
(
(

(
374
1 '

ve 1, supostos equidistantes. Por outro lado, continuao-

do a seguir o me todo ind cado na seo 12.2' usamos os
375

( polinmios ortogonais de segundo grau, assim:

20. SUPERFCIES DE RESPOSTA
(

(
20.1. INTROD~O No caso especial de um fatorial de 3 x 3 com P e
( K, com nveis equidistantes, temos:
Ji vimos no capitulo 12 como obter a equaao de re-
(
gresso relativa a uma s variivel independente: por
( exemplo, nveis de um nutriente num ensai~ com fertili- Xl - ql ~ - X2 - qz 5_1
xl 1, Xz=
zantes. Quando os dados se referem a fenomenos ntu- ql ql q2 q2
(
rais, eusual dar representao geomtrica dessa equa-
.., ')
n2- 1 3'- l 2
( o o nome de curva de resposta. Mas a equao de re-
p 2 (x l) x- - '')
x2-
l 12
x-l
')
-
3
gresso pode referir-se a duas ou mais variveis inde- L~
(
pendentes. Por exemplo, num ensaio fatorial de 3x3 com
( P e K a equao de regresso pode ser um polin~mio de se 2 2
p2 (x:2) xz -
(
gundo grau em xl ex2. assim: 3

( Se tormos usar as tabelas de polinmios ortogonais

( do capitulo 12, ser conveniente escrever a equao sob
onde Xl se refere aos niveis de P, e X2 aos de K. Em lu-
a forma seguinte:
( gar do polinmio tradicional, poderamos nele substi-
tuir Xl por vX1 e Xz por fxz, assim obtendo a equao p~
(
linomial com raiz quadrada
(
(
( onde todas as raizes se consideram positivas. No caso de experimentos industriais, nao e raro
(
Em qualquer caso, e usual chamar superfcie de res- usar equaes de regresso de primeiro grau, mas isto
posta a representao geomtrica de uma equao como es- quase nunca conveniente quando se trata de p~:squ:1sa
( sas, onde f igur\'m duas ou mais variiveis independentes. agricola. Por outro lado, equaes polinomiais de re-
Para maior facilidade de clculo, dado. um experi- gresso de grau acima do segundo quase nunca se usam,
mento com dois fatores, cujos nveis equidistantes se- em qualquer tipo de pesquisa.
( jam indicados por X1 e X2, prefervel considerar as
variiveis transformadas
(
(
20.2. lJM EXEMPLO COM UM FATORIAL CE 3X3
( Trata-se de um ensaio fatorial de 3 x 3 com P e K,
em 6 blocos easualzados, cujos totais de tratamentos
( constam da tabela 20.2. l.
onde X1 a media de X1, Xz, a media de Xz, e q1 e qz As estimativas B1 e B 11 se obtm assim:
(
so as diferenas entre niveis sucessivos de cada vari-
(

~.
 (
( 377

( -1 l

c B11 =
-1 (-1) (-1)230,5 (-1) (0)301.,5 (-1) (1)341,2
( onde os coeficientc'S C! e C2 so tirados da tabPJ.a 12.6. o (O) (-1.)239,6 (O) (O) 331,6 (O) (1)363,3
c Temos, para os coeficientes relativos ao fsforo:
1 (1) (-1) 187,0 (1) (0)318,4 (1) (1)376, 9
( (-l)657,l+(O)Y'51,5+(1)108L,4 42!1,"3 _
Bl = 18 X 2 = -~ = 11 ' 786
(
isto e:
( (1)657,1+(-2)951,5+(1)1081,4 -164,5
B 11 =
18 X 6 108 =-I, 523 -l o 1
(
;'l
( -1 (l) 230,5 (0)301,5 (-1)341,2
( Tabela 20.2.1. Totais de 6 repeti~es de um ensaio fato- 1 o (O) 239,6 (0)331,6 (0)363,3
rial de adubao de cana-de-acar, com os dados l
( originais em t/ha. l l (-1)187,0 (0)318,6 (1)376 , 9
(
I
(
(
Po

230,5 (6)
p 60 pl20 lI Temos agora:
Ko 301,5 (6) 341,2 (6) 873,2 (18) I
(
K 50 239,6 (6) 331,6 (6) 363,3 (6) 934,5 (18) B12
(
K100 187,0 (6) 318,4 (6) 376,9 (6) 882,3(18)
(
657,1(18) 951,5(18) 1081,4 (18) onde c 12 indica os coeficientes obtidos, r e o numero
( 2690,0 (54)
de parcelas em cada total considerado (r 6, no caso
( presente) e K12 a soma dos quadrados dos coeficientes
( C12:
Analogamente obtemos:
( K1 2 = (l) 2 + ( -l) 2 + ( -1) 2 + ( 1) 2 = 4
(-1)873,2+(0)934,5 (1)882,3

:. r
.. i:(

I
18 X 2

(1)873,2+(-2)934,5+(1)882,3
0,253
onde ji exclumos os coeficientes nulos. Temos,
to:
portan-

( I -1' 051
I 18 X 6 (1)230,5+(-1) 341,2+(-1) 187 ,0+ (I) J76, 9 7 9, 2 '
(
' :( Falta agora estimar o coeficiente B12 Para faz-
lo, uma regra pritica' consiste em escrever na margPm su-
79,2
= 3,30 .
6x 4
( perior e na margem esquerda da tabela20.2. L (dos to-
tais dos tratamentos) os coeficientes c 1, relativos aos A equaao de regressao , pois:
(
componentes lineares da regresso e associ-tos . ;ws ter- ? 49,81 + 1 x 11,786 x 1 + 1 x 0,253x2 +
( mos da tabela de totais de tratamentos,; assim:
2 2
( + 3 (-1,523) (xi- '1->+3(-1,051) (~- }')+3,30x ~

.<
__f
1
 ' . -~ ~ . ~ . ; . '.: ' ' '"''~'"'""" "'' .,. .. :.. :l!ll~

.l
(
"378
( 37 9
( onde usamos os valon's ele M(l e J) tirados da t<ii>L'Ia 12.6
e tambm o valor Y = 49,81, mdia geral. do experimento.
49,81 + 11,786x 1 + 0,2 53x 2 - 4,569 Cxf- }>
')

(
As somas de quadrado~ para a an~lise da variincia 2 2
- 3,153 ( x 2 - }) + 3,lOx 1 x 2
( se obt~m como no ca~ltulo 12:
( Com esta equaao se podero fazer os estudos econo-
(l:ClT) 2
( SQB1 SQP'
rK1
(424,3) 2
18 X 2
5.000,85 . micos sobre o ensaio de adubao. Sendo t1 o preo do
fsforo (P 2 0 ~;), t 2 o do pot~sso (K 20) e w o preo da ca-
( na, as doses econmicas relativas a x 1 e x 2 so dadas p~
( ( l: C2T)2 (-164,5) 2 las equaoes:
SQB11= SQP" 250,56
~l
r K2 18 X 6
( 2 b ll x l + b l 2x 2 = _. b l
(I:C12T) 2 (79,2) 2
( SQB1 2= SQN' x P' = 261,36 t 2
rK12 6x 4 { b 12x1 + 2 bvx2=
w
h:::
(
e assim por di a nte. Sendo:
( Mas pre ciso no esque c er que, sendo XJ e x 2 va-
SQT 5.698,93
riveis transformadas, tl e
o preo da quantidade ql de
( P205, e t2, da quantidade q2 de K20.
(
SQB 600, 5 0 Obtidas as solues x1
e x~ desse sistema de equa
es, essas sero as doses econmicas a serem r e comenda-=
SQRes. = 2.496,00 ,
( das, se a equao de regresso tiver mximo, e se este
m~x i mo estiver dentro do intervalo e xperimenta l (zero a
( ~ ficil compl 2 tar a seguinte an~1ise da var1an c 1 a .
120 kg/ha para o f~sforo, zero a 100, para o p o t~ssio).
( Mas a verifi c ao de que i s so se d e x ige mtod o s matem~
( Caus a de v ar 1a -;JO
ticos mais sofi s ticados. Em particular, o pro ble ma s~
G. L. S. Q. Q.H. F complica c onsideravelmente c om a possibilidade d e o cor
( p linear ;
rnc a de pontos de sela, bastante comuns, pont os criti-=
(P')(B J) ' 5. 000, 85 5. 000.85 80, 14>'<>'< cos qu e tm simultaneamente caractersticas de mximo e
( p quadritico (P")(BJl) 1 250,56 25 o. 56 L,, 02 de mnimo, mas n o so n l' m uma coisa nem outra.
(
K linear (K') (B 2) l 2,30 2,30 0,037
(
K quadritico (K") CB22) l 1.19,28 119,28 1,91 20.3, UTROS DELINEAMENTOS APROPRIADOS PARA SuPERFCIES
-(
Interao P'xK' (B12) 1 261,36 261,36 4, 19>~ DE REsposTA
f\l'(
I Outras interaoes 3 64,58 21,53 0,345
( Alem dos delineamentos fatoriais, a estimao de su
(Tratamentos) (8) (5.698,93) perficies de resposta pode utilizar outros delineamen=-
( tos, dos quais os mais comuns so os fatoriais fracion
Blocos 5 600,50 120,10
( rios e os centrais compostos;
Res1duo 40 2.496,00 62,40
Um exemplo de delineamento central composto, no ca-
(
so de dois nutrientes, i dado pelos trata~entos seguiu
c A simplificao da equa~o de regressao obtida nos
tes, nas variveis transformadas x1 e xz: (O,O), (-l,-1).
( -1' l) (1, -1 ) ( l 1) ' (- v2. o) ( /2, o) (o. -/2) (o' /2)
( d: Nesse delineamento, os extremos do intervalo explorado
(

' (
(
 iif:'' ~~~~.--~ '
(
380
(
( 381
sao -/[e 12, nos Jois eixos, com um comprimento total
de 2/2 =2,828. Se quisermos, na pratic a , que l'SSl~ inter L<>S centrais c a de t[lll' .pvrmiLL'IIl vs timar o erro expt.~ri.
(
valo n o eixo X 1 (com valores originais) v de zero a 120 mental, sem repeti..es Jos demais pontos. Es se s deli-
( kg/ha de P 2 0 s , ento x 1 = -12 corresponder a x = O e neamentos so especificas para a indstria, e neLa a re-
1
xl = 12 a X1 = 120 kg/ha de fsforo. O ponto ,:ent ral petio de t odos os tratamentos fica muito cara.
( Assim
(0,9), c~m1 x 1 = 0.! receber X1 = 60 kg/ha de P o Qual sendo, (. comum rl' <'omenJa r a rl' petio ape nas Jo ponto
2 5
( sera o n1vel de fosforo corresponde a x = l? Ora, quan central. Se assim fizermos, o experimL~nto contar com
1
do x 1 varia de zero a I'I, X1 vai de 60 a 120 kg/ha de 13 parc e las, e a anlise da varincia ter o esquema
( Pz0 5 . Logo, ~emos a regra de tris: seguinte.
(
(
12 - o 12 -+ 120-60 = 60 Causa de variaao c. L.
1 o 1 + xl - 60
( Regresso 5
logo: Desvios da re g ressao
( 3
60 ('J' r a L anJl'11los) (8)
x1-6o X 1 60
( = 42,4 Res du o 4
12 1,414
(
x1 ~ 60 + 42,4 102,4 kg/ha de r 2 o5 Total
(
Se o intervalo de X2 (com valores or iginais) va riar
(
de zero a 100 kg/ha de K 2 o, a x = -12 corcorrespon der
2
X~ = zero de potssio, a x
( 2 = IL, X2 = 100 kg/ha de po- Em geral, os 3 grau s de liberdade dos Desvios da Re
t ass o, a x 7 = O, X? = 50 kg/ha de potssio. a x, = 1, gr e ss~o pcidem ser juntados aos do ResiJuo, que passam en
( Xz = 85,4 k~/ha de p~tsso. Em resumo, na pr~ti~a os t 'ao a ser 7 .
( nove pontos do delineamento seriam os seguintes, na mes- Os delineamento s cen tr ais compost os tem a vantagem
ma ordem usada anteriormen te: (60,50), (17,6; L4,6), de, em muitos casos, exigir menor numer o de tratamentos
( (17,6; 85,4), (102,4; 14,6), (102,4; 85,4), (O, 50) do que os fatoriai s comp l etos corresponden tes. Por exem
( (120, 50), (60, O), (60; 100). plo, o fa tori a l de 3xJ x'J , com 27 tratamt'ntos, pode ser
No caso ge ral esse delineamento in clu os se guintes S <tbstit11do por um ceutr :.d compost o de L5 pontos, se ti
( pontos (COCHRAN e COX,. 1957), expressos nas vvr um s ponto cl!n tral, ou Je 20, se tiver 6, como al-=
vanaves
( transformada s: guns r ecomendam. Mas a sua eficincia menor e o deli-
n e; Jmento menos robusto. Uma opo melhor parecem ser
( Ponto central:' (0, O), " n V@'lzes , os fatoriais fracionrios , por exemplo, (l/4) 4x4 x4, com
( Fatorial de 2 x2 : (-l,-l),(-l, l),(l,-l),(i ,"l) , 16 tratamentos, ou (l/5)5x5 xS, com 25 (CONAGlN e JORGE,
Pontos axiais: Ca,O), (a, O), (0, ~a), (0, ct) 1982). Mas esses del ineaml'ntos devem ser usados, na pc~
(
quisa agricola, l'Om pL'1o menos duas rep et ies.
( Para dar propriedades mais convenientes ao de I inea- O estudo das superfcies de resposta bastant e di-
mento, o estat!stco dispe de dois parmetros que podem fiei 1, e nele o uso de matrizes quase sempre essen
( ser mudados: A. O valor de a; B. O numero de pontos cen cial. Pela sua complexid:1dv d,VL' ficar, quase sem-
( trais (n). Por exemplo, COCHRAN e COX ( 1957) recomen= pre. nas mo ,; de espL'calisla s.
dam esse delineamento com a= 12 e n = 5 pontos
c trais.
cen-
20.4. BIBLIOGRAFIA
( Uma outra explicao para a multiplicida de de pon-
/\LVI\I:i. V., V.ll.,
I()HS. 1\valiao da Fertilidade doSo-
( lo (Gtqwrf('iPs de Resposta-Mod elos Aproximativo s Pa-
(
c~
---------------------
 (
382
( 383

( ra Expressar a Rela~o Fator-Resposta) . Uni v. Fede-

ral de Viosa.
( ANDRADE, D.F. e A. de Q. Noleto, 1985. Exemplos de Fato
riais Fracionados (1/2) 1; 3 e (1/4) 4 3 para <l Ajuste
(
de Modelos Polinomiais Quadrticos. Simpsio de Esta 21. TESTES NAO-PARAf,1TRI COS
( tstica Aplicada Experimentao Agronmica: 19-24-
ESALQ, Piracicaba. Pesq. Agrop. Bras.,2l: 677-680.1936.
(
BATISTA, L.B., 1978. Delineamento em Crculos. PAB 13
21.1. INTRODUo
( (4): 9-12.
Na s e iu 2.3 vimos as quatro hip~teses bsicas que
( BRAGA, J.M., 1982. Avaliao da Fertilidade do Solo (En
se aumi tem ao ap .licar aos dados experimentais a anlise
saios de Campo). Univ. Federal de Viosa.
( ela varincia e os testes, tambm chamados provas, geral-
CN1POS, H., 1967. Aspectos da Aplicao das Superfcies
mente a el ~ asso~iadus: F, ~. de Tukey, de Duncan, de
.( de Resp~sta a E~sa~os Fatoriais de 33 de Adubao (te
Bonferroni, dcSclwff. etc. Todos eles exigem, inclusi-
se de L1vre-Docene1a) . ESALQ, Piracicaba.
ve, que os erros ~~x perimentais tenham, pel9. menos aproxi_
( COCH~, W.G. e Gertrude H. Cox, 1957. Experimental De- madarnente, distribuio normal, distribuiau que temduis
s:tgns, 2? edio, John Wiley, N. York.
( parmetros, a mediam e a varincia o 2 . E exigem tam
CONAGIN, A. e J.P.N. jorge, 1977. Delineamentos (1/5)53
bm que a vari nci a seja aproximadamente a mesma para
( Bragantia 36: 23-58.
todos os tratarnen tos, com relao entre o maior e o me-
( CONAGIN, A. e J.P.N. Jorge, 1982. Delineamento no r quadrado mdi o residual que no exceda 7, corno v imos
(l/5)(5x5x5) em blocos. Bragantia, 41: 155-168.
( no capitulo 8. A falta de normalidade no raro tem uma
JORGE, J.P.N. e A. CONAGIN, 1977. Estudos em um Grupo so J u:lo fac i.l e e .E ic iente, que a seguinte. Di:: um
( Especial de Delineamentos 0/S) 53. Bragantia, 36: tl'O rema d a Estat s tica Matemtica que, em condioes mui-
59-88.
to ge rui s , a muiu aritmtica de n variveis tem dstri-
( MYERS, R.H., 1971. Response Surface Methodology. Allyn
and Bacon, Boston. bu<;'Zw aproximadamentt normal, desde q::te_n uc1o seja u~
( nttmero muito pequtno. A normalidade ja e bastante razo~
PIHENTEL GOMES, F., 1969. Novos Aspectos do Estud o Eco- vel., Pm gt.'rul para n. ' 5 ou 6.
c nmico de Ensaios de Adubao. Fertilit 34: 3-9.
Ass im, se num ex periml'n-
to co m t oma teiros, avaliarmos a sanidade de cada p arce -
.( PIMENTEL GOMES, F. e H. Campos, 1972. The Effici-ency of la por ma nota (de zero a dez, por exemplo), as notas
Factorial 3 3 Designs as Cornpared to a Ce ntral CoMpo- ubtidas nao St' pn:stam- aplicl~o da anli se: da var1an
( site Rotatable Design. Potash Review, fev. cia, nem Je test e s a ela associados. Mas se as notas
( PIMENTEL GOMES, F., N.M. dos Anjos, A. Negri Neto, Ana forem dadas ind epe ndentem(nte por vnrtns nbs l'tvadores
Maria Futino e L.C.A.G. Zagatto, 1982. Respons:e Sur- treinados e forem atribuidas separadamente a cada
( toma
faces Applied to Several Hundred Factorial Experirnen~ teiro, a cada parcPla c orresp c nder uma nota mdia, e a
( with Fertilizers in Brasil. 11? Conf. Tnterni0ional ~ssas mdias a a nlise Ja varncia e os test es mencion~
de Biometria, Toulouse.
dos podem ser aplicados sem n e nhum problema, se as va-
( ZIHMERMANN, F.J.P. e A. Conagin, 1986. Ajuste de Mode- rincias no forem muito discrepantes. E essencial, po-
( los Polinomiais de 29 Grau em Pesquisas com Fertili- rm, que cada observador trabalhe independentemen te, sem
zantes. Pesq. Agr. Bras., 21: 971-978. saber a opinio dos outros, e que julgue cada planta sem
( considerar as demais. O mesmo principio se aplica na~
( provas de xicara do caf, em que se faz sua classifica-
~io de acordo com a bebida (BARBOSA ~ outros, 1962, PI-
( MENTEL GOMES e outros, 196 7). Nessas provas cada parce-
( la tem vrias xicaras de caf, que sio aval iad;Is por v-
(
(
- (~---~----
 (
384
(
385
( rios degustado res previamen te selecionad os. I~ a L'<Ic..la b~bi
da indicada (Rio, Riad,. Duro, Apenas Mole, Mole e Estri fe
pl'di.ndu-lh L' que diga qu;d u 1nelllor. No <: aso dL' ser
( tamente Mole) correspond e uma nota, nume.scal a convenci pr~ferido o caf de coa~or, c ons~derar~mos o sina~ como
nal. As rredias dessas notas, por parcela, que so analisa:: + (mais); em caso contrario, sera cons1derad o o s1nal co
(
das. mo - (menos). Suponhamo s que seja o seguinte o resulta-=
( Mesmo assim, porem, h trabalhos experimen tais cu- do do experimen to:
( jos resultados no se prestam aplicao da an~lise da Preferem caf~ do coador (sinal+): 25 pessoas
varincia nem das provas co rrelatas de comparaao de me- Preferem cafe de maqu1na (sinal -): l5 pessoas.
( dias de tratament os. Faz-se necessrio , ento lanarmo
( de outros testes, que se dizem no-param tricos. Na defi Se os dois tipos de caf fossem iguais, deverl.amo s
nio de RODRIGUES (1970), prova no-paramtrica~ aque-= ter. em m~~dia, 20 sinais mais e 20 sinais menos. Se o
( la que dispensa o conhecime nto da forma e dos parametros numero N de blocos (ou de pessoas, o que e equivalen te)
( da funo de distribui o da varivel aleatria em consi for superior a 20, pode-se aplicar o teste t com infini-
derao. Mas essa definio na verdade excluiria virias tos graus de liberdade, assim:
c provas considerad as no-param tricas, como a binomial. Um
dos testes no-pararr etricos, talvez o de uso mais comum,
( B - 0,5 N 2 B - N
o do qui-quadra do, estudado no capitulo 15, e que t
se
( aplica a dados de freqncia s. Mas h muitos o,5 IN IN
outros ,
( tais como: o teste binomial, o de Wilcoxon, o de Krus -
kal-Walli s o de Friedman, o de Kolmogoro v-Smirnov, etc. onJe B o nmero de sinais mais (ou de. sinais menos,
( 7
(CAMPOS, 1983). No entanto, os testes nao - --
- pai-:..lmetr.L cos tanto faz), 0,5 N o valor esperado (a rredia m = Np
so, quase sempre, de aplicao restrita e de resultados =N (l/2) = 0,5 N), no caso de no haver efeito de trata
(
pouco satisf atrios . Apesar di s so , apresentam a 1 gumas va~ mento (hiptese de nuluade) e 0,5 IN o desvio padrO
( tagens: (o) da distribui o binomial:
( A. N'o exigem distribui o normal, nem vanancias
iguais. u = /Npq vN(O,S(O,S ) o,5 IN
~( B. Podem ser aplicados adados que nao sejam numerx-
~c ~os, por eiemplo, em que haja uma escala nominal t recomend vel, porem, ao apli,~ar essa fcmula, ff:_-
de valores. Um caso como este seria o da avalia zer a cnrre<;o de cuntinllida de (SNEDECOR e COCHRAN, 1967),
( o do sabor de um alimento, considerad o como: que c 011 s 1 s t e e m '..-tJbtralr 0,~
__. do valor absoluto Jo numera
mau, sofr1vel, regular, bom ou timo. dor da primeira tr:-a.,;ao , tomando, pois:
(
Discuti3 remos rapidament e, a seguir, alguns dos
( testes no-param tricos mais comuns, que se acrescenta m
ao do qu1-quadr ado. t
11)- O,SN\ -0,5 \:LB-N\ -1
;7;('
o,s IN IN
(
21.2. 0 TESTE DO SINAL No caso presente fica:
(
Aplica-se quando temos s dois tratamento s, em blo-
( cos casualizad os, e no podemos avaliar a diferena en-
t
\2 X 25 - 40 I - l
1,42
( tre ele.s numericam ente. Por exemplo, suponhamo s que se
qu~r comparar o caf de maquina italiana como caf de
l4o
( coador. Podemos tomar, ao acaso, 40 pessoas e dar a ca-
( da uma delas uma xicara de cada um dos dois tipos de ca- o limite de t, ao n1vel de 5% de probabilid ade, e -
t 1,96 . Como o valor achado (1,42) menor . do que es
o
(
c
(
( 386 387
(
se limite, conclui-se que o resultado no L' significa- CaLculamos, pois:
( tivo, isto e, no se com.provou diferena entre os tipos
de cafe. Se, ao contrrio, tivssemos 28 pessoas favo-
( - .
rave1s ao caf de coador e, pois, 28 sinais mais, o va-
(2S - 20,0) 2
+
(JS - 20,0) 2
2,50
( lor de t serla: 20,0 20,0
(
valor que, com um grau de liberdade, nao significativo.
t
lzx28 - 4ol-l
( J no caso de 28 pessoas favorveis ao caf de coador
(
140 teramos x2 = 6,40, significativo ao nlvel de 5% de pro-
babilidade.
( significativo ao nivel de S% de probabilidade, mas nao I:: preciso considerar, porm, que o teste do sin;d,
ao de 1%, pois o limite de l% e 2,S8. aplicad~ com o auxilio da tabela 17, ~ exato e nao tem
(
No caso de o nmero de blocos ser menor que ou igual restrioes, ao pasao que a prova de qui-quadrado ape-
( a 20, faz-se necessrio o uso de tabelas especiais, tal nas aproximada e seu uso est sujeito s restr;es vls-
como a tabela 17, que nos d a probabilidade P (n ~ ~), tas. Para N > 20, o teste t, aplicado como vimos, nao
(
isto , a probabilidade de ter frequncia n de ocorren- exato, mas tem aproximaio excelente.
( cias menor do que ou igual ao valor observado B. Supo-
nhamos, por exemplo, que, no mesmo experimento, se tomas
( se a opinio de apenas 16 pessoas, com o seguinte resul~
tado:
21.3. INTERVALOS DE CoNFIAN~A PARA UMA PORCENTAGEM
(
Um problema importante, na prtica, em que os mto
( Preferem caf de coador (sinal+): 12 pessoas,
dos chamados no-paramtricos do uma soluo valiosa e
Preferem cafe de mquina (sinal-): 4 pessoas.
( o de achar um intervalo de confiana para uma propor-
Consideramos o nmero menor de observaes: B 4. o ou porcentagem observada. Suponhamos, por exemplo,
( Na tabela 17, a probabilidade de ter um nmero de ocor- que c'llC re 16 animais vacinados contra tristeza, somente
( rncias n ~ ~. em N = 16 tentativas, P = 0,0384, isto um tenha contrado a doena, depois de alguns meses em
, 3,84%. Tal resultado seria, pois, significativo ao que estiveram sujeitos ao contgio. Neste caso, qual
( n'vel de Si. de probab lidade, uma vez que temos P ~ 5%. seria a probabilidade P de que contraiam a tristeza os
( Nestas condes,se adotado o nvel de sgnificncia de anirnai.s vacinados? A probabilidade observada (p), que
Si. de probabilidade, a hiptese de nulidade seria rejei- e, na verdade, uma relaio de frequ~ncias, ser1a:
( tada, e concluiramos que o caf de coador e preferido.
B 1
( ~ interessante salientar que, dentro das limitaes p -~-6- 0,0625 = 6,25~{
N
j conhecidas relativamente s frequncias esperadas, que
( no deveriam ser menores do que 5, para N < 40 podcmos '!;f - .
onde B e o nmero de casos de c'ntag1o e N o numero to-
-

( aplicar a este problema o teste de qu-quadrad;. Por tal de animais do ensaio. Has a probabilidade verdadei-
exemplo, no caso do primeiro experimento, com N = 40, ra (p) poderia ser mais alta ou mais baixa do que essa
( teramos a tabela seguinte, com os valores esperados en- estimativa. Intervalos de confiana para essa uropor-
( tre parnteses. o ou probabilidade, em funo de N e de B, so dados
pela tabela 18. Nela, para N = 16 e B = 1 achamos o
( Sinal + Sinal - Total intt>rvalo de confiana (0,2%; 30,2%) para a probabili-
( dade. Quer isto. dizer que, repetido o ensaio mui tas ve-
zes, em 95% dos casos intervalos de confiana como es-
( 2S (20,0) lS (20, O) 40
se incluiriam o verdadeiro valor da probabilidade p. Es-
(
(
 . ,; __ .~_-,,,._,, . ,---~- - .
~' :~ -.-_.:5 "'-~:..::"'

(
( 388
389
( :;a e a lingua gem rigoro sa da Estat :;Lica , mas,
( rigor e mais intuit ivame nte, podem os dizer que
com ml!nos
o verda-
21.4. CoMPARAo DE PoRCENTAGENS OBsERVADAS
deiro valor de p, desc"nllL~cido, tem 95% de probab
i.l idade Em muitos exper iment os, o result ado, traduz ido
( de estar entre 0,2% e 30,:2.%. Este interv alo, L'XCL!SSva- por
frequ ncia s, pode ser expre sso em porce ntagen
mente amplo , s pode ser encur tado media nte s, que se
( u uso de devem compa rar. Por exemp lo, num experi mento com 3 me-
(
maior numero de repeti es, isto
anima is.
e,
de maior numero de todo~ de enxer tia (A, B, C) havia 200 enxer
tos para cada
Supon hamos , pois, que novos anima is tenham si-
mtodo e pegara m 180, 150 e 145, desses enxer
do ensaia dos e que, com 60 deles , somen te l adoece tos, respe~
( u. Qual tivam ente. Podem os, pois, organ izar uma tabela
o novo interv alo de confia na? A tabela l@' no de con-
nos d tingn cia expos ta a segui r.
( solu o, pois s vai ate N = 20. Mas a respo sta, em
porcen tagem , se pode conse guir com as frmu las
( seguin - Mtod o de Enxer tos Enxer tos Total de
tes:
( enxe r tia pegado s morto s enxer tos

( A 180 20 200
Pl 100 .a
( B + (N-B+ l) /F'"[ 2B, 2 (N-B+ l)] B LSO 50 200
c 144 56 200
( 100 (N-B)
PS 100 -
( (N-B) + (B+l)/ F*f2(N -B),2( B+l)] 474 126 600
(
onde PI e PS so o extrem o inferi or e o super
ior do tn- Um caminh o a segui r e a aplica o do teste de
( terval o de confia na. F*[2B ,2(N-B +l)] o valor qul-
do F - d ~d j~ visto no capitu lo 15, que nos daria, no
bilate ral, com 2B e 2(N-B +l) graus de liberd ade, 1
qu.lprese 0
r,- nte, ca-
(
las tabela s 3 e 4.
dado pe so '
--,x-2 = 2 ?_,'4'2 , com_? \...L. , s1gn1
1ca ti ~ o
1 ao
F'''[ 2(N-B ),2(B+ l)l tem signif iLado s nvel de O l% de nroba bi.li d adc..
( mi lar . No prese nte caso, temos N = 60, B = Podem os, a segtn r, con-
1. Se ado sidera r dois cont~astes ortog onais ; l) O mtodo
tado o interv alo de confia na de 95% de A ve rsus
( probab i lide1de~ os outros dois; 2) O mtodo B versus o mtodo C.
usamo s a tabela 3. E obtem os:
Mas h outra solu o intere ssant e, basead a na
."!.o
( dis-
tribui o binom ial. Com efeito , demon stra-se que se x
( 100 X l 100 for, por exemp lt), a purcentagL~m de pt.gam ento
PI dos et_l~er
( 1 + 60/F1< (2,
o' 04 % ' tos no mtod o A, c a leu lada para N enxer tos, a
v a l-Lave 1
120) l + 60/0,0 253
transf ormad a
(
pOlS F*(2, 120) = 0,025 3. Por outro lado: _
y = arco seno
' .(
( 100 X 59 expre ssa em graus , tem variin c ia
PS 100 - 100- 91,08 8, 92 i..
( 59 + 2/F*( llS, 4) 820,7
V(y) =
( N
O interv alo de confia na , pois, (0,04% ; 8,927. ). Assim , se cbnsid erarm os duas porcen tagens xi
( o aumen to do numer o de repeti es trouxe , pois, conSl-
e xu'
culada s para N. N indiv duos, respec tivam ente,
ca!-
.derv el encurt ament o desse interv alo. entao
( a difere na entre a~ variv eis transf ormad as yi
- Yu tem
varin cia
(
(
(
"
 (
390
( 391
(
(
v (y.
1.
- y )
u
820,7
N.
1.
+
810,7
N
u
= 820,7 ( ~i + *). Nao ocorre, por L'Xtrnplo, no caso Je doL'nas
sas, em que a di~tribuio no e
binomial.
contagio-

(
Para provar a diferena Z = yi - yu , pelo
(
de Tukey, u~amos o valor
teste 21.5. 0 TESTE DE KRUSKAL~WALLIS
(
Nesta e nas se;es seguintes, discutiremos o teste
( /820,7 de Kruskal- Wallis e o de Friedman, escolhidos como t-
q 2 picos dos mtodos de anlise no-paramtrcos que usam
(
estatisticas de ordem. O teste de Kruskal-Wallis se
( aplica a ensaios inteiramente casualzados, quando h
onde q se tira das tabelas lO e ll, para n tratamentos e 3 ou mais tratamentos. No caso de serem 2 os tratamen-
( infinitos graus de liberdade para o resduo. No exem tos, h um teste semelhante, o de Wilcoxon (CAMPOS 7
plo que estamos discutindo ha n = 3 tratamento~, com 1983).
(
Nl = N2 = N3 = 200 enxertos cada um. Temos, po1.~, para Consideremos os dados da tabela 21.5. L, relati-
( qualquer das tr~s compara~es possiveis:
vos a porcentagem de plantas doentes num experimento de
( tomateiros.

( 6 '71 .
( Tabela 21.5.1. Porcentagem de plantas doentes num ensa1o
de tomateiros, inteiramente casualizado.
( Os valores de x e de y para os tres tratamentos sao os
seguintes.
( Tratamento l Tratamento 2 T rat amt:n to J

( Porcentagem de lO% (2) ( 4) (8)

y arcoseno vx/100 277. 4U%
Tratamentos pegamento(x)
~ ( 15% (3) 28% (5) 70% (L2)
5% (l) 44% ( 9) 55% (lO)
( A 907. 71,57 30% (6) 35% (7) (ll)
607.
B 757. 60,00
( c 727. 58,05
(
( Os nmeros entre parnteses se referem ordem dc:>s
dados, desde o menor (57.), que recebe o nmero l, ate o
.( Comparando os valores de y, verifica-se, que o tra- maior (707.), que recebe o nmero 12. A seguir somamos
I ,
tamento A supera significativamente os tratamentos B e as ordens para cada um dos 3 tratamentos.
(
C,e que estes no diferem significativamente entre si.
( Est claro que se os nmeros de enxertos ensaiados
variassem de um tratamento para outro, haveria valores dis
( . Tratamento l: R1 2 + 3 + l + 6 = 12
tintos de !J. para cada par de porcentagens comparadns. Tratamento 2: R, 4 + 5 + 9 + 7 = 25
( Este mtodo excelente, mas s se aplica quando a Tratamento 3: R3 8 + 12 + lO + ll = 41
(
distribuio das frequncias e
binomial, o que ocorre,
por exemplo, no caso de porcentagem de acasalamentos fe- O teste Eie baseia exclusivamente nestes valores,
( cundos, de pegamento de estacas, de partos distocicos. sem levar em conta se as diferenas entre os dados or1.-
(
I (
 (
392 393
(
( ginais sao pequenas ou grandes. Elv daria, pois, o mes- sultado obtido significativo ao nvel de 0,77. e, pois,
mo resultado para os dados da tabela 21.5.2, em que a di tambm ao de li. usual.
(
ferena entre os tratamentos ~ bem menor. No caso de mais de 3 tratamentos (k > 3), a tabela
( 19 no e aplicvel, mas podemos usar a de qui - quadrado,
( com (k - l) graus de liberdade. Por exemplo, se fossem
Tabela 21.5.2. Porcentagens de p 1 antas doentes num 5os tratamentos (k "'5), com H"' 12,216, teramos, pela
en-
( saio de tomateiros, inteiramente casual i zado. tabela 15, com 4 graus de liberdade:
( Ao nvel de 57.: 9,49 ,
Tratamentos
( 1 Ao nvel de 17.: 13,28 .
2 3
( O valor de H = 12,216 seria, pois, significati-
20.% (2) 27% (4) 337. (8) vo ao nvel de Si. de probabilidade. Tambm se usa a ta-
( 257. (3) 287. (5) 407. (12) bela de qui-quadrado quando o nmero de repeties de
187. (l) 347. (9) 367. (lO) um ou mais dos 3 tratamentos for maior do que 6.
(
307. (6) 317. (7) 377. (11) 0 metodo que acabamoS de expor e simpl<!S e rapido,
( mas no permite que haja empates. Como fazer, se eles
( aparecerem? A soluo consiste em atribuir, a cada par-
cela de um grupo de parcelas empatadas, um valor igual
( Por outro lado, avaliando diferenas apenas de or- mdia dos nmeros de ordem que lhes caberiam, se no hou
dem, sem nenhum crit~rio quantitativo mais pre c iso a vesse o empate. Para exemplificar, voltemos ao experi~
(
analise no-paramtrica deste tipo dificulta muito' a 1 n- mento dos tomateiros doentes, com valores um pouco modi-
( terpretao econ~mica dos resultados. Assim sendo co- ficados (tabela 21.5.3).
m~ regra, os mtodos no-parametric o s, que usem es~at1s
(
t1cas de ordem,devem ser e vitados, tanto quanto poss- Tabela 21.5.3. Porcentagens de plantas doentes num en-
( vel. saio de tomat 2iros, inteiramente casualizado .
Com os valores de R obtidos, c a lculamos a e statsti
( ca H, assim definida: Tratamentos
2
I (
12 Ri l 2 3
H L - 3 (N+ 1)
( N (N+ 1) n.
1 187. (1) 277. (4) 337. (9)
( onde N e o numero total de parcelas no experimento e ni 207. (2,5) 287. (5) 347. (lO)
e o nmero de repeties do tratamento 1. No caso pre- 207. (2, 5) 297. (7) 377. (ll)
( sente temos: 297.) (7) (7)
297. 387. (12)
( (12) 2 + (25)2 + (41) 2 40% (13)
H "' 12 - 3 xl3
( 12 X l3 4 8,115.

(
No caso de k "' 3 tratamentos, a significncia de H Temos duas parcelas empatadas com 207. de plantas
( se julga com o auxlio da tabela 19. Nela, com n 1 "' nz"' doentes e trs empatadas com 29%. As duas de 207. te-
( "'n3 "'4 (nmero de repeties para os 3 tratamentos), a riam, na ordem crescente de valores, os nmeros 2 e 3:
chames h= 7,731, com probabilidade a= 0,007. Quer isto damos a cada uma o valor mdio: 2,5. As trs de 297., da
( dizer que um valor H~ 7,73l,s ocorreria, por acaso,com riam os nmeros 6, 7 :.e 8: recebe cada uma o valor me=
( a probabilidade a "' 0,007 "' 0,77.. Nestas condies o re do: 7.
(
(
 (
( 394 395
( Note-~e que agora temo~ num~ros distintos de repeti Ju s t' r.ta, pu1s, significativo a e~SL' nvel J~ probabili-
( es: n 1 = 4, n 2 = 4, n 3 = S. dade.
A estatstica a calcular agora e: Tambm no c aso de empates se usa a tabela de qu~
( -qtiaur.Jdo parl avaliar a significncia de H , quando nao
H
( se possa aplicar a tabela 19, isto , para nmero de
c tratamentos acima de 3 ou numero de repeties em um ou
( com H definido como anteriormente e mais tratamentos acima de 6.
2
( L:ti (ti - l)
c = l
N (NL 1)
(
21. 6, CoWARAO LE ~'DIAS NOS ENSAIOS lNTElR#'fNTE
( onde ti o numero de observaes empatadas em cada gru-
po de empates. CAsUALI ZAOOS
( No caso presente temos:
( Na seo anterior estudamos o teste de Kruskal-Wal-
l + 2,5 + 2,5 + 7 13 ' lis, que, no campo no-paramtrico, substitui a prova de
4 + 5 + 7 + 7 23
F. Mas sempre interessante procurar comparar as me-
( dias de tratamentos duas a duas, para melhor apreciar as
R3 9 + 10 + 11 + 12 + 13 = 55 . di f erenas entre elas. Para isso, apresentaremos um me-
( todo simplificado, de preciso muito satisfatria.
( Note-se que em todos os casos devemos ter H dois casos a considerar:
N (N+l) A) O expe r imento tem k = 3 tratamentos e no ma~s
( l.:R. = de 6 repeties para cada um (ni.; 6);
~ 2
( B) O experimento tem mais de 3 tratamentos (k > 3)
Esta propriedade permite uma verificao fci l d o ~ c lcu ou ma~ s de 6 repeti es para al g uns deles o u t o-
( los. No caso presente temos N(N+l)/2 = (13) (14) / 2 = 9C dos.
( e r ealmente R 1 + R2 + R 3 = 9 1
Por outro lado, temos: A) Cas o de k = 3, ni ~ 6, com i = 1, 2, 3.
( Comea-se por calcular as medias das ordens:
( H = _g__
lJ 14X
[ (13)2 +
4
(23)2 +
4
(5~)2]- 3 x l4 = 10
9> 4 R.
( ~

No primeiro grupo de empates h _duas parcelas empatadas

( (tl = 2), e no segundo, trs (t2 = 3). Temos, po~s:
A seguir calculam-se as dif~ren~s mnimas signifi-
cativas para cada par de medias Ri e Rj:
( 2 2
c l - 2(2 -1) + 3(3 -1) 0,986 . '
( 13(13 2 - l) = /N(N+l) _]__+_l)h
( ilij 12 ( ni . nj
logo
(
9,400 onde N o numero total de patcelas do ensaio, ni e n.
( 0,986 so os nmeros de repeties dos tratamentos i e j, resl
( Com n1 n2 = 4, n3 5, a - tabela 19 nos d h
pectivamente, e h e
um valor retirado da tabela 19. Es-
t claro que se os 3 tratamentos tiverem o mesmo nmero
7,76~ com probabilidade a = 0~009 = 0,09%: O resulta-
( de repeti~es, os valores de il serio todos iguais. Is-
(
(
 (
3 96
( 397
( to ocorre para os exemplos das tabelas 21.5.1 e 21.5.2, S 11 p Ull lt i.!ITiS, por L~ xc mp Lu , Ulll ensaiO i nte i ramcnte ca-
para os quais t e mos: sualizado em que tenhamos:
(
- -Rl
( R1 = 3,00 , Rz 6,25 10,25 5
n] Rl 70 14,00
( 5
n2 R 75 R2 15,00
( =/12 x l3
12 (-i-+ -i-) 5,6 92 6,08 . n3 5 R3
L.

100 R3 20,00
( lO
-
n4 ~ 80 ~ 8,00
( Usamos a o valor h = 5,692, correspondente a a
4,9% de probabilidade, nivel bem pr~ximo do usual, de As diferen as m~n1ma s si gni fi cativas calculadas com
(
5%. Nestas condies, ao nvel de 4,9% de probabilida- t = 2,64
(n = (l/2) 4 x 3 = 6 contrastes, n = "" a o n1-
( de, a nica d iferena significativa d o ensa~o a que e vel a de 5% de p r o babil ida d e) s~o:
2

existe entre os tratament os l e 3.

( No caso do exp erimento relati vo tabela 21.5.3,
( o nUmero de parcelas e
N = 13 e a t abe la 19 nos da h
~ 4 -u-
. , 6 J25 x26 ( 1 1 )
-5- +-5- 12' :2 '::! '
5,6 18, ao n ve l de 5% de probabilidade, logo:
(
(
2,64 .
~25 x 26
---u- ( 1
-5-
1 )
+--w 10, 64 .
( 6,53 '

(
6' 19 . Veri fic;1 -sc, nois, (F'<', <H' nvtl rlt~ 51.: de !'rob abili
(
dade, sr) L; significati 'J<1 <l difcr~c ni:l e ntre os tCJtamen-
( tos 3 l' 4 .
As mdi as de tratamentos sao : Note - se qu~ u valur de H neste caso seria H = 9,60,
(
corr-espondent e a um qui-quadrado com 3 gr aus de li berda
( R2 = 5,75 11,00 . de. Pela tab ela 1.5, es se val or de H significativo ao
niv cl de 5% de pr-oba bi lidade .
i( Tambm n este caso se co.hclui que so se comprovou di No t e - se t ambm que o t este feito p ara comp ara ao de
( ferena entre o s tratamentos 1 e 3. medias neste cas o B corresponde exatamente ao de Bonfer-
ron~.
(
B) Caso de k > 3 ou ni > 6 par a algum t ra tamento.
( Nestas condies, a diferena mnima sgni_ticativa
A . . en tre as mdias de dois tratamentos quaisqu er , ao n~ 21.7. 0 TESTE DE ~-R I ED"''AN
(
v~ i a de p robabilidade, dada pela frmula
( Destinado a substituir o teste F, na analise nao-pa
rametrca, o t e st e de Fri edman se aplica aos ensaios em
( A = / N (N+l)
L"ij t 12 blocos casualizados. Quando cada bloco encert"a apenas
c 2 tratamentos a prova indi('ada a do sinal. e
Para o ca-
so de 3 ou mais tratamentos, usa-se o teste de Friedman.
( onde t tirado da tabela 21, com inf i nitos g raus de li-
berdade e comn igual ao nmero de contrastes em estudo, Tomaremos como .exemplo os dados da tabela 21.7.1.
( que , no mximo, n = (1/2) k(k-1). rel.ativas a um ensaio com 3 tratamentos, em 5 blocos ca-
sualizados.
(
_(
 :':~,,~

(
398
( 399

( Tabela 21.7.1. PorcL~ntagens de plantas doentes em ensaio bela 2U, a estatstica L< tem distribui;;ao aproximada do
de tomateiros, em blocos casualizados. qui-quadrado, com (k-1) graus de liberdade. Assim, por
(
exemplo, se tivermos, num experimento com k = 6 ~ratame~
( Tratamento l Tratamento 2 Tratamento J tos, em 5 blocos casualizados, K = 13,80, buscarlamos os
limites de signif.cncia na tabela 15. Obtemos, com 5
( 19 bloco 207. (l) 27i. (2) 407. (3) graus de liberdade:
(
29 bloco 287. (2) 157. (l) 607. (3)
39 bloco 57. (1) 207. (3) 15% (2) Ao nvel de 57.: 11,07 '
( 49 bloco 40% (2) 35% (1) 60% (3) Ao nvel de 1%: 15,09
(
59 bloco 18% (1) 20% (2) 25 i. (3)

(
O resultado seria significativo, portanto, ao nvel
de 5% de probabilidade.
( Vejamos, agora, como agir quando h empates. Toma-
Para aplicar o mtodo, comeamos por pr em ordem remos como exemplo os dados da tane la 21.7. 2.
( os dados, dentro de cada bloco, dando-lhes nmero de 1 a
( k, onde k o tamanho do bloco. Tais flumeros de ordem
aparecem entre par~nteses na tabela 21.7.1. A seguir Tabela 21.7.2. Porcentagens de plantas doentes em ensaio
( obtemos as somas desses nmeros (Rj_) para cada tratamen de tomateiros, em blocos casualizados.
to:
(
( Rl
R2
1 + 2 + 1 + 2 + 1
2 + 1 + 3 + 1 + 2
7
9
., Tratamento l Tratamento 2 Tratamento 3
(
R3 3 + 3 + 2 + 3 + 3 14. 19 bloco 20!~ (1 '5) 20% (1, 5) 40% (3)
(
29 bloco 28% (2) 157. (1) 607. (J)
( Em continuao, calculamos a estatstica K, chama- 39 bloco 5% (l) 40% (2, 5) 40% (2,5)
da qui-quadrado de Friedman:
49 bloco 40% (2) 35% (l) 60% (3)
(
12 59 bloco 18% (1) 207, (2) 25% (3)
(
K L: R~ - 3 b(k+l)
bk (k+ 1) l

( onde b o numero de blocos e k o seu tamanho. Se o

( numero de tratamentos for de 3 a 5, julga-se a signifi Tal como no teste de Kruskal-Wallis, no caso de em-
cncia de K por meio da tabela 20. pate, atribumos a cada parcela de um grupo de parce-
( No caso presente temos b = 5, k = 3, logo: las empatadas um valor igual media dos nmeros que lhes
(
(
K = ---.!3._
5x3x4 [(7) 2 + (9) 2 + '(14)2]- 3x5x4 5,20
caberiam, se nao houvesse empate. A nica diferena
que agora a ordenao se faz separadamente dentro de ca-

da bloco.
( Pela tabela 20, esse valor de K ou maior ocorreria No exemplo em discusso temos:
com probabilidade de 0,093 ou 9,3% se fosse vlida a hi-
( ptese de nulidade. Assim sendo, se adotado o limite 1,5 + 2 + l + 2 + l 7,5
( usual de 5% de probabilidade, o resultado no seria sig-
nificativo. l, 5 + + 2,5 + 1 + 2 8,0
( No caso de haver mais de 5 tratamentos (k > 5) ou J + 3 + 2,5 + 3 + 3 14,5 .
( para numeros de blocos acima dos mximos previstos na ta

(
(
(


.. "'
:_,_,_."
.?_
.. , ..."
..
...

(
( 400 401
( A eslatistica a calcular agora c: t:ste valor excLde o l im te b ,40, correspondente
( K pt:obabilidadl' 0,0'3() ou l,'J%_ Assim Sl'lldu, se aduLado
Kl = -- <'limite UbUal de 5% de probabilidade, o resultado;, si12_
( C
ni ficati vo.
c com K definido como anteriormente e Tmubm no caso da estatstica Kl, recorre-se dis-
tribuio de qui-quadrado com (k-l) graus de liberdade,
( c = 1 quando o numero de tratamentos (k) ou de blocos (b) ex-
( cede os mximos presentes na tabela 20.
onde o indice J se refere aos blocos. Por sua vez: As comparaes de medias nos ensaios em blocos ca-
( sualizados, por m~todos no-paramtricos comparveis aos
3
(
T. = I t .. - k ' de Tukey ou de Bonferroni, exigem tabelas especiais.Eles
J 1J
1 so expostos detalhadamente por CAMPOS (1983).
( em que tij ~ o n~mero de observa;es empatadas no
grupo
de empates i do bloco j.
(

(
No exemplo de 21.7.2, h duas observaoes
das no 19 bloco.
empata- 21.8. BIBLiOGRAFIA
Temos, po1s:
( CAMPOS, H. , 1983. Estatstica Experimental No - Param
tll = 2 l Tl = 23 + 13 3 = 6 trica. 4~ eJi;o. Piracicaba.
( CONOVER, W. J., 1971. Practical Nonparametric Statistic:s.
( Tambm houve empate de duas observa;es no 3<.) bloco, que John Wiley, N.York.
nos d: DIXON, \{.J. e F.J. Nassey Jr., 1969. Introduction to
( Statistical Analysis. ;~1 edio. McGra,v--Hill, N .
( York.
PIMENTEL GOMES, F. e outros, 196 7 A Influncia deGraos
( Nos demais blocos nao houve empate. No segundo, por Pretos em Ligas com Cafs de Bebida Mole. Anais
exemplo, temos: E.S.A. "Luiz de Queiroz" 24: 7l-8l.
(
PIMENTEL GOMES, I'., 19i3!f. A Estatstica r-ioderna na Pes-
( quisa Agropecuria. Associao Brasileira para Pes
( quisa da Potassa e do Fosfato (POTAFOS), Piracica-=
O valor de T sempre nulo nos blocos em que nao h em- ba.
J
( pate. RODRIGlJES. M. s. , 19 70. Dicion.riq Brasileiro de Estats
( tica. 2~ edio. IBGE, Rio de Janeiro.
Temos, pois: SIEGEL, S . , 1956. Nonparametric Statistics for the
( Behavioral Sciences. McGraw-Hill, N.York.
SNEDECOR, G.tv. e \.J.G. Cochran, l967. Statistical Me-
(
c 1 - 6 + o + 6 + + o o thods, 6~ edio. Iowa Statc College Press, Ames,
5 X 3 (JL 1) 0,900 '
( Iowa.
( K
5 x3 x 4
12
1(7 ,s) 2 +(8,0) 2 +(14,5) 2 ]-3~s~4 6,10,
(
logo
(
6,10
( 6. 78
0,900
(
(
 ~:~ .
~ --'-'
.
... ... .. ....... ... ..

(
:j
(
403
(
(
(

c
c
(
(
(
(
c
(
(
(

22. TABELAS
(
(
(
(
(
(
(
(
(
(
(
' (
(
(
(
. (
c
 (
(
( 404 405
(
( Tabela 1 Limite~ unllatrra!s de F ao n!vcl de 5 ';t,, de
(

~
( 12 13 14 15 16 20 24 30 40 60 120 00
1 2 3 4 5 6 7 3 9 10 11
( -
24:~.9 244,4 245,0 245,9 246,0 248,0 249,1 250,1 251,1 252,2 253,3 254,3
( 1 161,4 19fl,5 215 ,7 224,6 230,2 234,0 2:36,3 233,9 240,5 241.9 lf),41 19,42 1B ,42 19,4:! 19,43 19 ,45 19,45 19,46 19,47 19,48 1D ,49 1B,50
2 18,51 19,00 19,16 ,19 ,25 19,30 19,33 19,35 19,37 19 ,38 19 ,40 243,0 8,74 8,72 8,71 8,70 8 ,69
19,40. 8 ,66 8,64 8,62 8,59 8,57 8 ,55 8,53
( 3 10,13 9,55 9.28 !),12 9,01 8,94 8,89 3,85 3,81 8,79 8,76 5.91 5,89 5.87 5,86 5 ,84 5,80 5!77 5,75 5,72 5,69 5,66 5,63
4 7,71 6.04 6 ,5!) 6,39 6,26 6,16 6,09 6,04 G,OO 5,96 4,68 4,66 4,64 4,62 4 ,60
5.93 . 4,56 4 ,53 4,50 4,46 4,43 4,40 4,36
( 5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4 ,77 4.74 4,70
4,00 3,98 3,96 3,94 3,92 3.87 3,84 3,81 3.77 3,74 3,70 3,67
( 6 5,99 5,14 4,76 4,53 4.39 4,28 4,21 4,15 4 ,10 4,06 3,57 3.55 3,52 3 ,51 3,49 3.44 3 ,41 3,38 3.34
~:iil
7 5,59 4 ,74 4.03 3,30 3,23
4,35 4,12 3,97 3,87 3,79 3,73 3,68 3.64 3,23 3,25 3,23 3 ,2 2 3,20 3,15 3,12 3,08
3,60 . 3.04 3,01 2.93
( 8 5,32 4.46 4.07 3.84 3,69 3,58 3.50 3,44 3.3 ~1 3. :l5 3,31 3.07 3,04 3 ,02 3,01 2,98 2.94 2,90 2,36 2,83 2.79 2,75 2,71
9 5,12 4,26 3.81i 3.G3 3,4H 3,37 3,29 3,2:1 :ua 3.14 2,91 2,88 2,8G 2.U5
3,10 2,82 2 ,77 2,74 2,70 . 2,56 2,62 2.58 2,54
( 10 4,96 4,10 3.71 3 ,48 3.:l3 3,22 3,H 3,07 3,02 2,98 2.94
2.79 2,76 2,74 2.72 2,70 2,65 2,61 2.57 2,53 2,49 2,451 2.40
( 11 4.84 3,9 3 3.59 :3,36 3,20 3,09 3,01 2,95 2 .90 2 .G9 2.66 2.6-1 2 ,62
12 4,75 3,89 3,49 3,26 3,11 3,00
2.85 2.82 2.60 2 ,54 2,5 1 2,47 2,43 2,33 2.34! 2.:w
2,91 2,35 2.80 2,75 2,72 2 ,60 2,57 2,55 2.5:3 2,51 2,46 2,42 2.:~8 2.34 2,:lO 2,25 2.21
( 13 4,67 3,81 3.41 3.18 3,03 2,92 2,83 2.77 2,71 2 ,53 2,50 2,48
2.67 2,63 2:!6 2.H 2.39 2,35 2.31 2,27 2.22 2.131 2.1 3
14 4,60 3,74 3,34 3 ,11 2,96 2,85 :!.76 2,70 2,65 2,48 2.'15 2.4 3 2,40
2.60 2,56 2.3 9 2.33 2,29 2.25. 2,20 2,16 2.11! 2 ,07
( 15 4,5:1 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2. 59 2.54 2.51
2,42
1
2,39 2.37 2 ,:35 2.3 3 2.28 2,24 2,19 2, 15 2.11 2.061 2 01!
' ( 16 4,49 3,63 3 ,24 3 ,011 2,85 2,74 2,G6 2,59 2.54 2,49 2,45 2.38 2,35 2.33 2.:n 2.291 2.23 2.19 2,15 2,10 2,06 2,0lj l 961
17 4,45 3,59 3.20 2,96! 2,81 2,70 2,61 2,55 2;49 2,45 2,34 2,31 2,29
2.41 2.27 2.25 2 .19 2,15 2,11 2,Q6 2.02 1.~~ 2
( 18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,31 2,28 2.26 2.23 2 .:n 2,16 2.11 2.07 2,03 1.98
1,971
1,9 3
19 4,38 3 ,52 3,13 2,90 l.flS j
2,74 2 .63 2.54 2,48 2,42 2,38 2 ,28 2,25 2,23 2,20
( 20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39
2,34 2 ,181 2 .1 2 2,08 2,04 1,99 1,95 1.90l : S'i!
2. 35 2,31
2.25 2,2 2 2.20 2.18 2,15 1 2.10 2,051 2;nq 1, 96 Ul2
I
21 4 ,32 3,47 3,07 1.871 l,:i 1
2,84 2,5'7 2,49 2,42 2,37 2 .23 2,20 2, 18
'
(
22
23
4,30
4.28
3,44
3,42
3,05
3,03
2,82
2.80
2,681
2,66
2,64
2,55
2.53
2,46
2,44
2,40 2,34
2.32
2.30
2 ?~
2,28
2;26 2.20 2,17 2,14
2 .15
2.13
2.13
2 ,10
2.07
2.05
2,03
2,01
1, 98
1,%
1.94
1,91
1,39
1,86
1.31
1,81
1.'78
1 .76
2,37 2,32 2,24 ' 2,18 2,15 2,13 2.11 2.09 2,03 1,98 l.!J4
24 4,26 3,40 3 ~ 01 2 ,78 2,51 2,42 2,36 2, 30
- '
2.25 2,22 2,16 2,13 2,11 2,09 2,06
1,39 1,84 1,79 1./:l
2,621 2,01 1,96 1,92 1,87 1,82 1,77 1,71
( 25 4,24 3 ,3 9 2.99 2,76 2,60 2,49 2,40 2,34 2,28 2.24 2.20
1- 2,15 2,12 2.10 2.07 2.05 1 ,9!) 1,95 I,UO 1,85 1,80
( 26 4,23 3 ,37 2,98 2,74 1.75 1.G!l
2,59 2,47 2.39 2,32 2,27 2,22 2,18 ' 2,13 2,10 2,08 2 ;06 2,03 1,97 1,93 1,88 1,84 1,79
27 4 ,~ 1 3,35 2,96 2,73 1,73 1,G7
2,57 2,46 2,37 2,31 2,25 2.20 2,16 2,12 2,09 2,06 2 ,04 2,02 Ul6 1,91 1,87 1,82 1,77
( 28 4, 20 3,34 2,95 2.71 1,71 1,ti5
2,5'6 2,45 2.36 2.29 2,24 2,19 2,15 2,10 2,07 2. 05 2.03 2.00 1,04 1,90 1,85 1,81 1,75
29 4,18 3,33 1,70 l .ii1
2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,1 8 2,14 2,09 2,06 2,04 2,0 1 1,09 l,H:l 1,8fl 1.84 1,79 1,74
( 30 4,17 1,68 l ,ti2
3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,12
c 40
60
4,08
4,00
3,23
3,15
2,84
2,76
2,61
2.53
2,45
2,37
2,34
2,25
2,25
2,17
2,18 2,12 2,08 2,04
2,00
1,92
1,97
1,89
1,95
1,86
1, 92
l ,B1
1,90
1,131
1.81
1,75
1,79
1,70
1,74
1,65
1,69
1,59
1,64
1,53
1,58
1,47
1,5 1
1,:l9
2,10 2,04 1,99 1,95 1,83 1,80 1,77 1,75 1,73 1,66 1,61 1,55 1,50 1,43 1,35 1,25
: { 120 3,92 3,07 2,68 2.45 2,29 2,17 2,09 2,02 1,96 1,91 1,86 1,75 1,72 1,69 1,67 1,64 1,Cl7 1,52 1,46 1,39 1,32 1,22
()() 3,84 3,00 2,60 2,37 1,00
2,21 2,10 2,01 1,94 1,88 1,83 1,791
(
(
HartleY (Biometrlka Tablcs for StalisttciatU, Cambrldie Un. Presa, 10~6).
Eata tabela tol adaptada a partir de resul tados de E. S . Pearson e H O.

(
(
(
 ~-'"' .. ~~.-; !~,, ._..-~ ...._- ----.r-:""'-
.-~--:\'"' ...-~.! "':!:0 ~ .-~. r. ,. ,,.,,,_ ,., ..--.- ..... , .-.-~,.,._..
.-- - - "
- ..
t --.-~ :- ....:.:: ....... .;:' _:_ _ _ __ __ _~, -- ..__: ~2~

(
406 .
(
40/
(
(
(
( -

( 0: '
'
..
1 2 3 4 5 t1 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 ()()

( 1 4052 5000 5403 5625 5764 5859 5928 5932 6022 6056
2 98,50 6082 6106 6125 6142 6157 6169 0200 6235 G2!i 1 6287 6313 6339 63(i(j
99,00 99,17 99,25 99,30 99,:i3 99,:16 9!!.37 99,39 99,40
( 99,41 9D,42 !)0,42 O!J,4:~ H!l,43 H!J,4~ 9!J,45 !)f),4(j 99,47 9(),47 99,48 99,4!J f)0,50
3 34,12 30 ,82 29 ,46 28,71 23,24 27 .fl1 27,(i7 27.49 27,:)5 27,23 27,13 27,05 26,98 26,!)2 26,87 26,!l:l 2G.fi!J 21i,!ill 2u.so 26,41 26,32 26,22 21i, 1:1
(
4
5
21,20
16,26
18,00 16,69 15,98 15,52 15.21 14,93 14 ,80 14,66
13,27 12 ,06 11,39 10,97 10,67 10,46 10 ,2() 10,16
14 ,55 14,45 I 11,:n 14,30 14,24 14 ,20 14,15 l-l.!J2 1:1 ,D:l 13.84 13 ,75 13,65 13,5G 13,46
10,05 9,96 I 0,89 9,83 9.77 9,72 9,68 !l .55 !l,47 9 ,38 9,29 9,20 9,11 H,02
( 6 13,75 10.92 9 .78 9,15 8,75 8,47 8 ,2fi 8.10 .7.as 7 ,37 7,79 7,72 7 ,6G 7,60 7,5G 7,52 7,40 7,:11 7,23 7,14 7,06 6,!l7
(
7
3
12,25
11,26
f),55
8 ,65
3,45
7,59
7,35
7.01
3,46 7,1\)
6,6:3' 6,37
G,D9
G,1B
G,84
G.O:l
6.72
5 ,01
6,62
5,ill
6,54
5,74
I 6 ,47
5,1i7
6,41
5,G1
6,35
5, 56
6 ,31
5,52
6 ,2'1
5.48
(i,\(j
5.:36
6,07
5.28
5 ,99
5.20
5 ,9 1
5,12
5,82
5 ,03
5 ,74
4 ,05
6.38
5.G5
4. 8G
9 10,56 8,02 6,\19 6,42 6,06 5.80 5 ,61 5.'17 5,3:\ 5,26 5,18 5,11 5,05 5,00 4,06 4,92 4,81 1,7:1 4,65 4,57 4,48 4,40 4,31
( 10 10,04 7,56 6,5 5 5.99 5.64 5,39 5,20 5,06
11 H,65 7.21 6 ,22 5,67
4 ,!H 4,35 4,78 I 4,71 4,65 4,60 4,56 4,52 ~,41 4,33 4,25 4,17 4,08 4,00 3,91
( 5,32 5,07 4 ,80 4,74 4.63 4,54 4,46 . ' 4,10 4,34 4, 20 4,25 4,21 4,02
12 9 ,3 3 6,f)3 4.10 3,94 3,86 3,73 3,69 3,60
5, 0 5 5,41 5.0 6 l ,S2 4 ,6 4 4,30 4,:lG 1 ,30
13 4,22 4.16 4,10 4.05 4,01 3,08 3.8G 3,73 3,'10 3,62 3,54 3,15 3,36
9,07 6,70 5, 74 5,21 4,8G 4.G2 4 ,4 4
( 14 8,36 6.51 5,56
4,30 4.1!) 4,10 4,02 3 ,9 6 3,90 3,85 3.82 3,78 3.G6 3,5!1 3,51 3,43 3 .34 3 ,25 3 ,17
5,04 4,69 4,46 4,28 4,14 4.03 3 .94 3,80 3,75
15 3,68 6,36 3,86 3.70 3,66 3,6 2 3 ,51 3.4:1 3,35 3,27 3,18 3,0!) 3,00
( 5,42 4,39 4,56 4.32 1,14 4,00 3 ,30 3,80 3,67
3,73 3,61 3.56 3,52 3,48 3.:37 3,2() 3,21 3,13 3,05 2,96 2 ,87
16 8,53 6,23 5,29 4,'77 4,H ..;,20 4,03 3,8!) 3.f 8
1
( 3.6 0 3,61 3,55 3,50 3,45 3,41 3,37 3,26 3,18 3,10 3,02 2,93 2 ,8..! 2 .75
17 8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3.631 3,59 3,52 3,46 3,40 3.35 3.31 3.27 3.16 3.08 3,00 2.92 2.83 2,75 2 .65
c 18
19
20
8,29
8,13
8,10
6,01
5,93
5,85
5,09
5,0 1
4,94
4,58
4,50
4,43
4 ,25
4,17
4,10
4,01
3.94
3,37
3.84
3,77
3,70
3.,71
3 ,63
3.56
3,60
3.52
3,51
3,43
3,44
3,36
3.37
:3,30
3,32
3,24
3.27
3,19
3.23
3,1:1
3,19
3,12
3.08
3.00
3,00
2.92
2.92
?.,84
2,84
2,76
2,75
2.67
2,66
2,5R
2, 57
2,49
( 3,46 3,37 3,30 3 ,23 3,13 3.13 3.00 3,05 2.!l4 2 ,8() 2 , 78 2,69 2.61 2,52 2 .42
21 8 ,02 5,78 't_~7 4,37 4. 04 3,31 3,64 3 ,51 3,40
r\ 22 7,95 5,72 4,82 4,31 3,99
3,31 3,24 3.17 3 .12 :un 3,0:-l 2,9D 2.38 2.80 2 .'12 2,64 2.55 2. ~l i 2, :l G
3.76 3.59 3.45 3,35 3,26 3,18 3.12 3.07 :3.02 2.93 2.94 2.B3 2.1:-) :: .ll7
23 7,88 5,66 4,76 4,26 2.5B 2 .50 2,40 2 ,3 1
3,9<1 3,71 3,54 3,41 3,30 3,21 3,14 3.07 3,02 2 .07 2.93 2,89 2,70
( 24 7 ,82 _5,61 4,72 2.78 2,li2 2,54 2,45 2,:35 2 ,:26
4,22 3,90 3,67 3,50 3,36 3,26 3,17 3.0:3 2,90
3,09 2.:J3 2.G~J 2, 85 2.H 2.G 2.58 2,4:) 2,40 2,31 2 .2 1
25 7,77 5,57 4,68 4 .18 3 ,85 3,63 3,46 3,32 3,22 3,13 3,05 2,9() 2,9! 2.8H 2,85 2,81 2.70 . 2,(\2 2 .54 2,-!5 2,36 2.27
( 26 7 ,72
2,17
5 ,53 4 ,64 4 ,14 3,32 3,50 3,42 3.::9 3,18 3,00 2.0G
3,02 2,91 2.Sli 2.81 2,77 2.GG 2)!1 2. 50 2,42 2.:3:1 2.2:l 2.1:3
27 7,68 5 ,40 4 ,60 4,11 3,78 3,5(i
( 28 7,64 5,45 4,57 4,07
3,39 3,26 3,15 3,06 2,98 2.93 2,8S 2.8:l :~.78 2,74 2 .ti:l 2.5:1 2.47 2.:38 2,29 2,20 2.10
3,75 3,53 3,36 3,23 3,12 3,03 2,95 2 .90 2,85 2.80 2 .:) ~;
29 7,60 5,42 2.75 2 ,71 2.GO 2 .44 2,3 :) 2,26 2.17 2.0G
( 4,54 4,04 3.73 3.50 3,33 3,20 3,09 3,00 2,37 2,82
2,92 2,77 2,73 2,GS 2,57 2,.;lJ :2,41 2 ,:l:l 2,:! :\ 2,14 2 .0:1
30 7 ,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07' 2,98 2,90 2.84 2,7!) ')-.i~
..... j 2,70 2,66 2,55 :2,47 2,30 2,30 2,2 1 2,11 2 ,0 1
( 40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,09 2,89 2,()6
2 ,80 2,73 2,61 2,!iG 2.52 2 ,4 \l 2.:\7 2.2D 2.20 2,11 2,02 1.~2
c 60
120
00
7,08
6 ,85
6,63
4,98
4,79
4,61
4,13
3,95
3,78
3,65
3,48
3,32
3,34
3,17
3,02
3,12
2,96
2,30
2,95
2,79
2,64
2.82
2 ,66
2 ,51
2,72
2,56
2,63
2,47
2,56
2,40
2,50
2.34
2,45
2,2f)
2,40
2.24
2,35
2,19
2,32
2,16
2,20
2,03
2.12
1,!)5
:~ ' 03
1,86
UH
1,76
UH
1,66
1,73
1,53
1,80
1,60
1,38
( 2,41 2,32 2,24 2,18 2,12 2,07 2,04 1,99 1,88 1,7!) 1,5!) 1,47
1 '70 1,32 1,00

(
Esta tabela Co.l adapta da a partir de
c resultados de E. S. Penrso n e H . O . HartleY (Biom ctrika Tubles for Statis ticwns , C 11mbridt,:l' \Jn. l'<r ..,;, l!l!iG).

f
(
c
c
 (
( 408
409
(
(
(
(
(
Tabela 3. Limites bilaterais de F ao nlvcl de 5~; de probabilidade,
( para o ca110 de F < 1.

(
(
~
.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 00

1 0,0015 0,0260 0,057 0,082 0,100 0,114 0,124 0.132 0,139 0,144 0,149
- 0,153 0,156 0,159 0.1611 0,163 0,1'70
( 2 0,175 0,180 0,181 O,lll!J 0,194 0,199
3
0,0013
0,0012
0,0256
0,0255
0,062 0,094 0,119
0.065 0,100 0,129
0,138
0,152
0,153
0,170
0,1()5 0,175 0,183
0,190
0,196
0,224
0,201
0,230
I
0,206 o.~~lo 0.213 0,224
0,236 o.~ll . 0,245 0,259
0,232 0,239 0,247 0.2!'4 0.2ii:l 0,271
0,184 0,197 0,207 0,216 0,260 0,279 0,289 0,2!)0 0.310 0,320
( 4 0,0011 0,0255 0,066 0,104 0,135 0,160 0,181 0,1D8 0,212 0.224 0,234 0,243 0,250 0,257 O,::!G;~ 0,268 0,285
5 0,2HG 0,308 0,320 0,332 0,346 0,358
0,0011 0,0254 0,067 0,107 0,140 O, 167 0,139 0,20B o,.c..._,) 0,257 0,265 0,273 0,279 0,286 0,304
( 0')"
0,236 0,248 0,318 0,330 0,345 0,358 0,374 0,389
6 0,0011 0,0254 0,068 0,109 0,143 0,172 0,195 0,268 0,278 0,286 0,:293
0,215 0.232 o 246 0,258 0,299 0,320 0,3341 0,348 0,365 0.380 0,397 0.415
( 7
8
0,0011 0,0254
0.0010 0.0254
0,068
0,069
0,110
0,111
0,146
0,148
0,175 0.200 0,2:!1 ()')''R I()
...... vl 'F3
.... 0 0,266
0,2'17 0,287 0,296 O,~WI0,311 0,332 0,348 0,364 0,382 O,:lnS O,'tlil 0,437
0,179/ 0,204 0.:22G 0,244 0.260 0,273 0,2851 0,295 0,304 o,:n2 0,320 0,344 0.360 0,377 0,395 0,415 0,435 0.457
( 9 0.0010 0,0254 0,069 0.112 0,150 0.1s1 I o.2os 0.229 0.243 0.265 0.279 0,2Hl I 0,302 0,312 0,320 0,328 0,352 0,370 0,389 0,403 0,429 0,450. 0,474
10 0,0010 0,0254 0,060 0,113 0,151 0.183 o.:no 0,2J7! 0,308 0,318
0,23:l l 0,25:2 0,269 0,283 0,327 0,334 0,361 0,379 0,398 0,418 0,440 0,4G:l 0,488
( 12 0,0010 0,0254 I 0.070 0,114 0,153 O.LH3 0.214 ...:..)\ I
O''''Sio)-R.~Jl 0,276 0.292 0,3051 0,318 0,328 0,338 0,3461 0,373 0,394 0,415 0,437 0,461 0.488 o.- ... I
,JJ.t) I
15 0.0010 0.0254 0,070 0,116 0,15ii 0.190 0.219 0,339
( 20 0,0010
0,244 0.265 0,284 0,300 0,3141 0,328 0,350 0,3581 0.389 0.410 0.433 0,459 0,-185 O.:'i I 6 0,546!
0,0254 0,071 0;117 0,158 0.19:3 0,224 0.250 0,272 0.292 0,310 0.326 0,339 0,352 0,362 0,373 0,406 0,429 0,454 0,483 0,515 0.5:30 i) .~-w~) I
(
24
30
0,0010
0,0010
0,0253
0,0253
0.071
0,071
0,118
0,118
0,159
0,161
O.lD:'i 0.22()
0,197 o,.))('
0.2:i:i 0.277 0,2H7 0,316
,..::..v
0,331
0,333
I 0.346
0,352
0,358
0,366
0,370 0,380 0,415 0,440 0,467 0,408 I 0,532 0.568 1)' ,o!
\._

;J i
''" ,, I
.. ~u
);n
0,281 0,302 0,320 0,379 0,389 0,426 0,452 0,48:3 0,516 0,550 0,582 o 637

I
j

( 40 0,0010 0,0253 0,071 0,119 0,162 0.200 0,344 0,360 0,374

60 0,0010 0,0253 0,071
0.232 0,2(i0 0.285 0,307 0,327 0,386 0,398 0,437 0,465 I 0,498 0,532 0,575 0,621 0:5761
0,120 0,163 0.202 0,235 0.205 o 290 0,312 0,333 0,351 0,368 0,383 0,397 0,408 0,450
( 20 0,0010 0,0253 0,072 0,120 0,481 0.510 0,556 0,599 0,654 0,719
0,165 0,204 0,238 0,268 0.205 0,318 0,340 0,358 0,376 0,392 0,406 0,420 0,463 0,498 0,535 0,581 0,633 0,699 0,787
00 0,0010 0,0253 0,072 0,121 0,166 0,206 0,242 0,272 0,300 0,325 0,347 0,368 0,385 0,402 0,417 0,431 0,478
( 0,516 0,559 0,610 0,676 0,763 1,000

(
Esta tabela foi adaptada a partir de resulta :los de E. S. Pearscn e H. O. Hartley (Biometrika Tables for Statittcans, Cam bridge Un. Press, 1956) ,
(
(
(
(
(
(
(
(
(
(
(
 (
( 410 411
(
(
(
(
(
(
Tabela 4 . Limites bilaterais de F ao nivd de 1% de probabilid ade, para o caw de F < 1.
(
(

~
:
1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 20 24 30 40 60 120 00
( n 11

( 1 0,000062 0,0050 0,018 0,032 0,0!)5 0,101 0,105 0,109 0 .113 0,118 0.122 0.127
0,044 0,054 0,062 0,068 0,073 0,078 0,082 0,085 0,033 O,90 0,093
2 0,000050 0,0050 0,020 0,038 p,055 0,069 0,081 0,091 0,099 0,106 0,113 0,122 0,126 0,130 0,133 0.1:31 0 , ~50 0,157 0.165 0;173 0.181 0.13V
( 3 0,000046 0,0050 0,021 0,041 0,060
0,112
0,159 o 1 12 0, 181 0.191 <1.201 0,211 0 .222 0,2:\.J.
0,077 0,092 0,104 0,115 0,124 0,132 0,133 0,144 0, 150 0,154
( 4 0,000044 0,0050 0,022 0,043 0,064 0,083 0,100 0,114 0,126 0,136 0,145 0,153 0,161 0,167 0,172 0,177 o: 193 I o.zo4 0,216 0,229 0,242 0 ,255 0.2(i\)
5 0,000043 0,0050 0,022 0,045 0,067 0,087 0,105 0,120 0,134 0,146 0,156 0,165 0,173 0,180 0, 186 0,192 0.2 10 0."> 23 0,2'36 0.251 0,266 0 .282 0. 299
( 6 0,000043 0,0050 0,022 0,046 0,069 0,090 0,109 0,126 0,140 0,153 0,164 0,174 0,182 0,190 0,197 0,204 0.224 \! .238 0.2~l3 <l. 20 0. 2~l7 o.:lo5 0.321
7 0,000042 0,0050 0,023 0,046 0,070 0,093 0,112 0,130 0,145 0,159 0,171 0.181 0,1SO 0,199 0,206 0.213 0,235 0. 251 0.267 0 .285 0.304 [J:l2i 0.3 1~
( 8 0,000042 0,0050 0,023 0,047 0,072 0,095 0,115 0,133 0,149 0,163 0,176 0,187 0.197 0,206 0.214 0.221 . 0,244 0.261 0,27\l 0,:299 0,319 0.3-\ 1 o.:>li :-l
9 0,000042 0,0050 0,023 0,047 0,073 0,3 32 10.35G o, .) 1) .......
I
<' ! ( ) )

( 0,096 0,118 0,136 0,153 0,168 0.181 0,192 0.202 0,:212 10 ,220 I 0,228 0.253 0,271 0.2BO 0.311
10 0,000041 0,0050 0,023 0,048 0.073 0,098 0,119 0,139 0,156 0,171 0,184 0,196 ...0 ,207
0,217 o,226 0,234 0.260 0.2'79 0,29910 .32 1 ,.) I .
o .,~r.
~~
i o 3[' "\
'~~ 0 . 3 ~l7

( 12 0,000041 0,00!>0 0 ,023 0,048 0.075 0,100 0,122 0,143 0,161 0,177 0,191 0,204 0,216 0.226 0,235 0.244 0.272 0 .202 0,314 0. 33!1 0.3(i5 o.: ~ P -t 8 42 4
15 0,000041 0,0050 0,023 0,049 0,076 0.102 0,125 0,2..;6 o,_,):)
')"- : o,...> sn \ o.."OS o.:l:1 2 0 .:160 0, 389 0 .-1~~ CH :i 7
( 0,147 0.166 0,183 0,198 0,212 0,2N 10.235 ~
20 0,000040 0.0050 0,023 0,050 0,078 0,104 0,129 0,151 0,172 0,190 0,206 0,221 0,234 0.24 6 0 .258 o.z6sj o.30l o .:l2i 0,:1;'15 0.:\BCl O,ll!:l o ~ ~, -; o 51.1 0
( 24 0,000040 0,0050 0,024 0,050 0,078 0,106 0,131 0,154 0,175 0,193 0,226 0,2.f0 o,253 I o.z l1 4 0.-'5 0.3L
),... 1
,u,,
r '
I),...
0. 3G 0 .400 0.-!37 o. 1'7 cl 1 o.s:;,;
30 0,210
0,000040 0,0050 0,024 0,050 0,079 0,107 0,133 0,156 O, 178 0,197 0,231 0,246 0,259 \ 0.271 0. 282 0.321 0.34H lU fi O (1, 417 0.4:'> 7 0.505 O .~: D
0,215
( 40 0,000040 0,0050 0,024 0,051 0,080 0,108 0.135 0,159 0,181 0,201 0.236
I
0,252 0,266 0.279 0,291 0,331 0. 361 0,3 97 0.435 0,481 0.533 0.59D
60 0,000040 0,0050 0,024 0,05i 0,081 0,220
( 0,110 0,137 0,162 0,185 0,206 0,225 0,243 0,253 0,273 0,287 0.300 0.342 o.:m> 0.413 0.459 0.510 0.571 0.654
120 0,000039 0,0050 0,024 0,051 0,082 0,111 0,139 0,165 O, 189 0,249 o,266 1 o.282 0,297 0.311 0,356 0 .3\!2 0.435 0.4!!5 0,54() 0.621 0.735
0.211 0,230
00 0,000039 0,0050 0,024 0,052 0,082
( 0,113 0,141 0,163 0,193 0,216 0,236 0,256 0,274 \0,291 0,307 0,322 0,372 O.-il2 0,'}50 0.518 0,502 O.G09 1,000

(
( Esta tabela foi adaptada a partir de resultado s de E. S. Pearson c H. O.
Hartley (Biometri ka Tal.Jlcs for Statistc :ns, Camllridg e Un. Press, 1956).

(
(
c
(
(
(
(
(
 _.... _
-- ~ ~ - ---- ---- - - -.

(
( 412
413
(
(
Tabela Limites unllatcrals de
para o c:L~o de .Y
( J- ao nvel de 5 r,, de probabilidade,

(
I 30
(
(
::\
l
1 2 3 4 5 6 7 8 9 10 ll

. 15,6
12 13

15,6 15,7
14

15 ,7
15 16

15,7
20

15,7
24

15,8 15.8 15,8 15,() 15,9

10

15 ,9
G 120 00

1 12,7 14,1 14,7 15,0 15,2 15,3 15,4 15 ,5 15,5

( 15 ,6 15,6 4 ,41 4 ,41 4,41 4,41 4,41 4,41 4;11 4 ,-H 4,41 4.41 4,41 4 ;12
2 4,30 4,36 4,38 4 ,39 4 ,39 4,40 4,40 4,40 4,40 4,40 4,40 2,96 2,95 2 ,95 2.95 2.!!5 2,94 2 ,94 2,!!4 2,fl3 2 ,93 2,92 2,!.12
3 3,18 3,09 3,05 3,02 3,00 2,99 2,98 2,97
( 2,97 2,96 2,96 ; 2,43 2,43 2,42 2,42 2,42 2,41 2,40 2,-10 2,3!) 2,39 2,38 2,37
4 2,78 2,63 2,57 2,53 2,50 2,48 2,47 2,46 2,45 2,44 2,44 2,16 2,16 2,15 2,15 2,14 2,14 2 ,1:! 2,12 2,11 2,10 2,10 2,0!.1
5 2,57 2,41 2,33 2 ,29 2,25 2,22 2,21 2,20
( 2 ,18 2,18 2,17
2,00 1,99 1,99 1,98 1,98 1,97 l ,9G 1,95 1;94 1 ,\J3 1,92 1,92
G 2,45 2,27 2,18 2,13 2,10 2,07 2,05 2,04 2,02 2,01 2,01 1,89 1,88 1,33 1,87 1,87 1,85 1,85 1.84 1,83 1,82 1,81 1,80
( 7 2.36 2,18 2,09 2,03 1,99 1,97 1,95 1,93 1,92 1,91 1,81 1,80 1,80 1 ,79 1,79 1,77 1,77 1,7;, 1,74 1.73 1,72 1,71
R 2,31 2,11 2,02 1,90
1,96 1,92 1,89 1,87 1,85 1,34 1,83 1.75 1,75 1,7-l 1,73 1,73 1,71 1,70 l,G9 1,68 1,57 1,66 1,G5
( 9 2.26 2,06 1,82
1,96 1,91 1,87 1,34 l ,31 1,80 1,78 1,77 1,71 1,70 1,G9 l,6D 1,63 1,G l,(j{i 1,li4 1,63 1,62 1,61 1,59
10 2,23 1,76
2,02 1,93 1,37 1,82 1,79 1,77 1,75 1,74 1,73
( 1,71 1,6G 1 ,G5 1,154 1,63
1.G7 1.66 1.62 . 1.60 1.59 1 ,58 1,57 Ui5
11 2.20 1,99 1,89 1,83 1,79 1,76 1,73 1,72 1,70 1,63
1,69 1,68 1.G-l 1,152 1,62 1.61 1,59 1.58 1 1.57 1,5G l .54 1,53 1,52
( 12 2,18 1,97 1,87 1,31 1,76 1,73 1,71 1,69 1,67 1,66 1,65 1,G1 1,60 1.GO 1,59 1. 58 1.57 1,56 I 1.51 1.53 1.52 \ 1,51J 1,-\9
13 2,16 1,95 1,85 1,78 1,74 1,71 1,68 1,66 1,65 1,59 1,58 1.5:l! 1.52 UG
( 14
15
2,14
2,13
1,93
1,9 2
1,83
1,81
1,76
1,75
1,72
1,70
1,69
1,67
1,66
1,65
1,64 1,63
1,63
1,61
1,62
1,60 1,57 1,57
1.57
1,56
1.57
1,55
1.56
1.55
1,55
1.53 1,51 I 1,50
1,51
1,48
U91
~,471
1 ,4B
1,45 1,-H I
( 1.3 2 ,12 1,91 1,80 1,73 1,69 1,66 1.63
1,62
1,61
1,6 1
1,59
1,59 1,58 1,:ili
1,:14
l ,551
1,531
1.5!
1,5:l
I 1.52
1,53 1,53
1.51
1,51
1 ,.;()
1,!)0
1,48
1,48 1,47
1,4 5
',45
1,44
I 1:-!4 1.4:2 I
I
(
17
18
2 ,11
2,10
I 1,89
1,88
1,79
1,78
1.72
1,7 1
1,68
1,66
1.64
1.63
1,132 1,60 1,58
1,58
1,57
1,57
1,55 L i3 1 .~-
-) I 1.51 1.51 1.50 1.48 1 .. .
.lr;
1.47
1.45 1,4-l : ,42
i 1 .'2
1.40
J.;l)
l.3!J i

19
1,62 1,58 1,57 1,55 1,54 Li2 1.51 1.50 1,49 1.49 1,47 l,-!5 1.44 1,42 1. 41 1,39 1.:n iI
2.09 1,88 1,77 1;70 usl
( 20 2,09 1,87 1,76
1,66 1,62 1,59 1,57 1,56 1,54 1,53 1.51 1,50 1,49 1.48 1 1.48 1,415 1.4-l 1,43 1,41 uo 1,:;G I
1,69 1,65 1,61 I
( i
1,58 1,57 1,55 1,53 1,52 1.50 1,4!) l,-18 1.-!8 i 1,47 1,45 1.43 1.42 1,40 1.39 1 , ,)/
''" 1 ., 5 I
21
22
2. 08
2,07
1,86 1,75 1,69 1,64 1,60 1,53 1,515 1,54 1,52 1,51 1.49 1,48 1,-18 1.471 1,46 1.44 J ,42 1,4 1 1,3!1 l.:l7 l,:l G l:~:l i
I 1,85 1,75 1,68 1,63 1,GO 1,57 1,55 1,53 1,52 1.4S 1,47 1AG 1.4G 1.45 J,4:l 1.4:l 1,40 1.38 1.36 1,35 1,33
( 23 1,50
2,07 1,85 1,74 1,67 1,62 1,59 1,56 1.54 1,52 1.48 1,47 1,-!G 1,-1;) l.-15 1.-12 1,41 1.39 1.:l7 1.36 1,34 1.:32
1,51 1,50
24 2.06 1.84 . 1.73 1,67 1,62 1,53 1,56 1,54 1,52 1;!7 1.4li 1,-15 1.Li 1.44 1,42 l.lll 1.39 1.37 1 .J 1,33
( 1,50 1,49 1.:n
25 2,06 1,84 1,73 1,66 1,61 1,58 1,55 1,53 1,51 1,50 1,48 1,47 1,411 1,-l;i -. 44 U3 1,41 1,lO us 1,3() 1.34 1,32 uo
( 26 2 .06 1.84 1,73 1.66 1,61 1,57 1,55 1,52 1,51 l,W 1,48 1,46 1.45 1.44 1,44 1.42 1.40 UD U7 J,:lG 1.34 1,32 1,29
27 2.05 1.83 1,72 1,65 1,60 1,57 1,54 1,52 1,50 1,46 1,45 1,44 1, 43 1.42 1,40 1.:lR 1.:n 1,35 1,33 1,31
1,48 1,47 1,23
( 28 2,05 1,83 1,72 1,65 1,60 1,57 1,54 1,51 1,50 1,48 1,47 1,45 1,44 1.-13 1.42 1,41 1,:l9 l.:lB 1,36 1,35 1.32 1,30 1,23
29 2,04 1,82 1,71 1,64 1,60 1,56 1,53 1,51 1,49 1,45 1,44 1,!3 1:!2 1,41 1,39 ).:17 1 .:lG 1,34 .32 1,30
1,48 1,46 1,27
( 30 2,04 1.82 1,71 1,64 1,59 1,56 1,53 1,51 1,49 1,47 1,46 1.41 1.40 1,40 1,33 1,38 1,36 t,:ll 1.:l2 1,30 1,28 1,26 1,2:l
( 40
60
2.02
2,00
1,80 1,69 1,62 1,57 1.53 1,50 1,48 1,46 1,44 1,43 1,39 1.37 1,36 1.3 G 1,35 1,32 uo 1,28 1,26 1.24 1,21 1.18
1,77 1,66 1,59 1,54 1,50 1,47 1,45 1,43 1,41 1,35 1.34 1,33 1.32 1,32 1,29 1.27 1,24 1,22 1.20 1,16 1,12
( 120
00
1,98
1,96
1,75
1,73
1,64
1,61
1,57
1,54
1,51
1,49
1,47
1,45
1,45
1,42
1,42
1,39
1,40 1,38
1,40
1,36 -
l ....'>) 1,31 1,30 1.29 1,28 1,25 1,23 1,21 1;18 1,15 1,10 1,00
1,37 1,35 1,34
(
( rals e B1\aterab na AnaU!se Eatatistlea, Bragantia 6: 479-54~. 1~8) e de E. B.
&ta tabela foi adaptada a partir de dadoa de lr. Q. Brleier (Limites Unilate. Pleu, 1958) .
( Pearaon e H. O. Hartley (BtcmutrUca Table~ for .Stati&ttaunu, Carnbrldie Vn.

(
(
(
(
 -"~- --- - - - -'- - ------~~ '"'- -"

(
( 414 415
(
Tabela 6 Limites unllateral.l de .r a.o nJvel de I',{ de Jll oba blll<hnh para o caso ele .r > L
(
( .I

c ~ 1 2 3 4 5 6 7 I B () lO 12 13 14 15 16 20 24 30 40 60 120 00
11
n I
I i
( f - - -- --
1 63,7 70,7 73 ,5 75 ,0 75 ,9 78,1 78,3 78,4 78 ,5 78 ,5 78 ,8 7fl ,O 79,1 7D ,3 79,5 79,6 79 ,8
76,5 77 ,0 77 ,:3 77,6 77.8 78,0
( 2 9,92 9,95 0,96 9,96 9,06 9,)7 9.97 0.97 9,97 9,97 9,97 9,97 0,97 !.! .97 9 ,97 9,97 9,97 .9.97
0 ,97 !1,()7 9,()7 n ,07 9,97
3 5,84 5,55 5,43 5,36 5,20 5, 19 5,19 5,18 5,18 5,17 5,16 5,15 5,14 5,13 5,12 5,11
5,31 5,28 5 ,26 5,24 5,23 5,22 5,21
( 4 4,60 4,24 4,09 3.79 3,78 3,77 3,77 3.76 3 ,74 3.7:! 3,72 3,71 3,69 3,68 3,67
4,00 3,04 3.DO 3 .87 3.85 3,83 3 .81 3,80
5 4 ,03 3,64 3,47 3 ,37 3 ,14 3,14 3,13 3,12 3,11 3 ,09 :l,OS 3,U 3 ,05 3,03 3,02 3,00
3,31 3. 27 3 ,23 3,21 3 ,19 3 ,17 3,16
( 2,78 2,77 2,76 2,75 2 ,74 2.72 2,70 2.G9 2.(17 2,66 2,64 2 .62
6 3,71 3,30 3,13 3,02 2,06 2,91 2 ,87 2,H5 2,82 2,81 2.79 2,54 2.53 2.52 2,51 2,50 2,48 2.4G 2 ,4;, 2.43 2,41 2,40 2.38
( 7 3 ,50 3,09 2,01 2,80 2,73 ~.G8 2.64 2.G2 2 ,59 2,57 2,56 2,33 2,37 2 ,36 2,:3[) 2,34 2,32 2.30 2.20 2.26 2,24 2,22 2.20
8 3.36 2,94 2,'75 2.65 2,57 2.52 2..10 2,46 2,43 2,41 2,40 2.26 2 ,25 2,24 2,2 3 2,22 2,19 2,17 2,1G 2.1 ;! 2.12 2 ,10 2, 03
( O 3,25 2,83 2,lrl 2,53 2,46 2,-41 2 .37 2,34 2,31 2.29 2,28 2,14 2 ,14 2 ,13 2,10 2 .0G 2 .0-1 2,0 2
10 3,17 2 ,75 2,56 2,45 2,37 2 ,17 2,16 2 .08 2,00 1.98
2,32 2 ,28 2,25 2. 22 1 2,20 2,1!)
( 11 3,11 2,69 2,40
I
2,10 2,03 2,07 2,06 2,05 2,02 2.00 1.98 196 1.94 1.92 1,90
2 .38 2,31 2.25 2.21 2,18 2,15 2,13 2,11
12 2,63 2,04 2,02 2.01 2,00 1,99 1,96 1,94 1 .D2 1 \)() l.CS 1,86 1,83
( 3,05 2,44 2 ,33 2,25 2,20 2 .15 2,12 2,09 2,07 2,05
13 3,01 2,59 2,40 2 .28 2,20 . 2, 15 1.99 1,97 1,96 1,95 1,01 1, 9 1 1.8\l 1,87 Ui 5I 1.83 1 ,80 1,73
2,11 2,07 2,05 2, 02 2,00
H 2,98 2.55 2,36 2,24 2 ,17 2,11 1,95 1,94 1,92 1,D 1 1 ,90 1,87 1.3:1 1.f!3 Ul l 1,7 [1 1,76 1 ,73
( 2 ,07 2,03 2 .01 1,98 1,96
~5 2,95 2,52 2,33 2,21 1,9:) 1,00 1,89 1,38 1,37 1,84 1,8 1 1,70 l. 77 1,'7 :) 1,72 1,60
2,14 2, 081 2,03 2,00 1,97 1 ,05 1,93
( 16 2,92 2,50 2,30 2 ,18 2,11 2,05 2 ,0 1 1,97 UH 1,92
1,88 1,87 1,86 1,85 1,84 1,81 1,78 1,76 1,74 1,71 1,6() 1 ,G6
1,90 1,86 1,81 1,83 1,82 1,81 1,78 1,75 1.73 1,71 1,63 1 ,66 1 1 '"'
17 2.90 2,47 2,28 2 ,16 2 ,08 2,02 1 1,98 1,95 1,92 1,89 1,88
.u ~)

( 18 2,88 2, 4 5 2,26 2 ,14 2 ,06 2 ,00 1,06 1,93 1,00

1,84 1,82 1,31 1,80 1 ,79 1,75 1,73 1.71 1.69 J ,GG 1.60
1.87 1,85 1.82 1,80 1,79 1,78 1,77 1,73 1,71 1 59 1,63 1
I.G G 1,6:\
(
10 2 ,8() .....
....? ,44 2, 24 2,12 2,04 1,()8 UH 1.01 1,88 1.85 1,83 O 1,79 1,77 1,77 1,75 1,71 1,69 1.67 1,U-
.~')
1,(31
1 .~ ~ I
20 2,85 2,4:l 2 ,22 2 ,10 2,02 1,()7 1,92 1,8() 1.64 1,59 1 ,.;6 1
1,86 1,84 1,82
( 21 2,8 3 2,10 2.21 2 .09 2,01 1,78 1,77 1,75 1,74 1,73 1,70 1,67 1,65 1.62 1,6 0 1,57 1 ,5 41
1.!15 1.91 1,87 1.84 Ul 2 1,80 1,77 1,75 1,74 1,73 1 ,71 1,68 1,66 1,63 1.61 1.58
(
22
23
24
I 2.82
2.81
2,30
2,39
2 ,38
2.:n
2 ,20
2 ,18
2,17
2 ,08
2 ,06
2 ,05
2,00
1,98
1,97
1,() 4
1.931
1,02
1.89
1,83
1,87
1.86
U l5
l ,83
1,83
1,32
1,81
1,31 '
1,7 0
1,7H
1,78
1,77
1,76
1,751
1,74
1,74
1,73
1,72
1,71
1,7 1
1,70
1,70
1,69
1,67
1,66
1,Gl
1,63
1,62
1 ,G 1
t.5 9
1.58
1,5 7
1,55
1,55
1,53
1,52
1.52'
1.so I
1,491
( 25 2,70 2,36 2,16 2,04 1,73 1,71 1,70 1,691 1,68 1,64 1,62 1,59 1,57 1,54 1,51 1,47
1,96 1.91 1,86 1,82 1,7D 1,77 1,75
26 2,73 2.35 2, 15 2,03 1,72 1,71 1,69 1,68 1,66 1,63 1,(31 1,58 1.56 1,53 1,49 1,46
( 1,95 1.80 1.85 1.8 1 1,78 1,76 1,74 1,71 1,70 1,68 1,67 1,66 1,62 1,60 1,57 i ,54 1,5 1 1,48 1,45
27 2 ,77 2,34 2,14 2,03 1.94 1,8() 1,84 1 ,81 1,77 1.75 1,73
28 2,76 2,33 2,14 2,02 1,88 1,70 1,60 1,67 1,66 1,65 1,61 1.59 1,56 l.53 1,50 1,47 1,44
( 1,94 1,83 UlO 1,77 1.74 1,72 1,69 1,68 1.66 1,65 1,64 1,60 1.58 1,55 1,53 1,49
29 2,76 2,32 2,1:3 2,01 1,93 1,37 1,82 1,70 1,76 1,73 1,71 1,46 1,42
30 2,75 2,32 2,12 2,00 1,92 1,86 1,82 1,69 1,67 1,66 1,64 1,63 1,60 1,57 1,55 1,52 1,49 1,45 1,42
( 1,78 1,75 1,73 1,70
40 2,70 z.:w 2,08 1,96 1,87 1,81 1 ~'7 1,73 1.70 1 ,7 1,65
1,63 1,62 1,GO 1.59 1,58 1,54 1,51 1,48 : ,45 1,42 1,39 1,34
( 60 2,GG 2,23 2,03 1,91 1,83 1.77 ''
1,72 l.G8 1,65 1,G2 1,60
1,58 1,57 1.55 1,53 1,-52 i,48 1.46 1,42 1,39 1,36 1,32 1,26
120 2,62 2,19 1,99 1,87 1,78 1,72 1,53 1,51 1,50 1,48 1,47 1,42 1,40 1,36 1,33 1,29 1,24 1,17
( 1,67 1,63 1,60 1,57 1,55
00 2,57 2,15 1,04 1,82 1,74 1,67 1,62 1,48 1,46 1,44 1,43 1,41 1,37 1,34 1,30 1,26 1,21 1,15 1,00
1,58 1,5!? 1,52 1,50
(
( J:at.a tabela foi adaptada a parUr de dados de 'F. O. Brleger (Llmltea Un1laterala e Bllaterail na Anllae EtaUatlca, Bragantia 8: 471J - 546. 1948)
o de I. S. Pearson e H . O . Hartley (Biomdrl1t4 Tablu frw Statuf.idam, . Cambrldge Un. Presa, 11J58),
(
(
(
(
(
(---------
r- __,,.,... ..
,.,._,.~.,.,-~,"-! ~~-...,_..,,

JULil
'~~--:---~.,-~'"'""""""'-''~-- ....,...-.._::~_,._..,..:.-.,....u <,"'- " ' ' ' -

iUIItT"""'

c
(
( 417

(
(
(
(
Tabela 7. Limites bilaterais de
( ._,... ao nvel de 5'/; de probabilidade,
para o c:Lo d1: .... < 1.
(

(
(
n~ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 00
1 0,039 0,16 0,24 0,29 0,32 0,34
( 0.35 0,36 0,37 0,38
2 0,035 0,16 0,25 0,31 0,34 0,37 0,39
0,39 0,39
0,39 0,41 0,42 0,43 0,44 0,40 0,40 0,40 0,41 0,42 0.42 0,43 0,43 0.44 0,45
3 0,034 0,16 0,25 0,32 '0.36 0.39 0,44
( 0,41 0,43 0,44 0,46 0.45 0.45 0,46 0.46 0.47 0,48 0,49 0,50 0,50 0,51 0.52
4 0,033 0,16 0,26 0.32 0,37 0,46
0,40 0,43 0,45 0,46 0,47 0,47 0,48 0,49 0.49 0,50 0,51 0,52 0.53 o,54 I 0.55 0.56 0.57
5 0,033 0,16 0,26 0,33 0,37 0,41 0,48
( 0,44 0,46 0,47 0,49 0,49 0,50 0.51 0,51 0.52 0,53 0.54 0,55 0,57 0,58 0,59 0,60
0,50
0,51

~::~ I
8 0,033 0.16 0,26 0,33 0,52 0,53 0,54 0,54 0,56 0,57 0,59 0,60 0,61 0,62
0,38 0,11 0,44 0,46 0.48 0,50
( 7 0,032 0,16 0,2G 0,33 0,38 0.51
0.42 0,45 0,'!7 0,49 0,50 0,52 0,54 0.54 0.55 0,56 0,58 0.59 0,60 0,62 0,63 0.64
8 0,032 0,16 0,26 0,33 0,39 0,52
0,42 0,45 0.47 0,49 0,51 0,53 0,54 0,54 0.55 0.56 0.58 0,59 . 0.60 0,62 0.63 O.fi5 0,66
( 9 0,032 0.16 0,26 0,34 0,52
0,39 0,43 0,46 0,18 0.50 0.51 0,53 0,54 0,55 0,56 0,57 0,59 0,60 0.61 0,63 0,64 0,66 0,68
10 0,032 0,16 I 0,26 0,34 0,53
c 12 0,032 OJG 0,26 0,34
0.39
0,39
0,43
0,43
0,16
0,46
o,1e
0.49
0,50
0.51
0,52
0.53
0,53
0,54
0,54
),54
0,55
0,55
0,56
0,56
0,57
0,57
0,57
0,58
0,59
0,60
0.61
0,62
0.62
0,63
0,64
0,65
0,66
0,66
0.67
0,58
0,60
0,70
( 15
20
24
0,032
0,032
0,032
0,16
0,16
0,26
0,27
0,34
0,34
0,39
0,40
0,44
0,44
0,47
0,47
0,49
0,50
0,52
0,52
0,53
0,54
0,55
0,56
J,&i5
0,56
J,56
0.57
0.57
0,58
0,58
0,59
0,59
0,60
0,61
0,62
I 0,64
0,63 0,64
0,66
0,66
0,68
0,68
0,70
0,70
0,72
0.72
0,74
( 0,16 0,27 0,34 0,40 0.44 0,48 0,50 0,57 0,58 0,59 0,60 0.61 0,64
30 0,032 0,53 0.54 0,56 0.66 0,67 0,70 0.72 0.74 0.76
0,16 0,27 0,34 0,40 0,44 0,48 0,51 0,58 0,59 0,60 ' 0,61 0.62 o.64 I 0,66 0,71
c 40
60
0,032
0,032
0.16 0,27 0,34 0,40 0,45 0,48 0.51
0,53
0.5:3
0.55'
0,55
0,57
0,57
0,58 0,59 0.61 0,62 0,62 o,Gs I 0,67
0.68
0,70 0,72
0.73
0.74
0.75
0,;7
0,78
0,80
0,16 0,27 0,35 0,40 0,45 0,49 0,59 0,60 0,61 0,62 0,63 0,66
( 120 0,031 0,16 0,27 0,35
0,51 0,54 0,56 0,58 0,68 0.71 0,73 0,76 0.79 0,82
0,41 0,45 0,49 0,52 0,54 0,56 0,59 0,61 0,62 0,63 0,64 0.67 0,69 0,72 0,75 0,77 0,81 0,85
00 0,031 0,16 0,27 0,35 0,58
( 0,41 0,45 0,49 0,52 0,55 0,57 0,60 0,61 0,63 0,64 0,65 0,68 0,70 0,73 0,76 0,80 0,84 0,89
0,59
0,61 0,62 0,63 0,65 0,66 0,69 0,72 0,75 0,78 0,82 0,87 1,00
c
( Esta tabela foi adaptada a partir dP dados de F. G. Brleger (Limites
1946) e de E. S. Pearson e H. O. Hartley (Biometrika Tables for Statisticians, Unilaterais e Bilaterais na Anlise Estatstica, Bragantia 6: 479- 546,
( Cambrldge Un. Press, 1956) .

(
(
(
(
(
(
(
(
(
 ~mr .. ~ -;.;;,;;.;--
>~:...
... ,l.
fl' lll"lli
~. -~
::
..
~;;:;
.."1~

c '

(
(
(
(
(
(
( para o ca~,(J de ..>- < 1.
(
(
( ~
.
I 2 3 ' 4 5 6 7 8 () 10 11 12 13 14
---- - -
15 16
--
20 24 30 40 60 120 00

0,0079 0,071 0,134

----- - - : - - - - 1-
1 0,18 0,21 0,2:l 0,25 0,2() 0,27 0,28
( 2 0,0(171 0,071 0,142 0.20 0,23 0.2G 0.23 O,JO 0,31
0,29 0,29 0,30 0,30 0.30 0,31 0,32 0,32 0,33 0,34 0,34 0,35 0,36
O,:l3 0,34
:l O.OOGl 0,071 O, 145 0.20 0,25 0.28 O,:lll. o.:12 O,:l4
0,34 0,35 0.36 o,:3G 0,36 0,38 O,:l!l 0.40 0,41 0,42 0,43 0,43
( 4 0,00(i7 0,071 0,147 0,21 0.25 0.2D . 0,31 o,:l4
0,35 0,36 0,37 0.38 0,39 0,3!) 0,40 0,41 0,13 0,44 0,45 0,46 . 0,47 0,48
0,35 0,37 0,38
5 O,Oili3G 0,071 0.143 0,21 0,26 0,30 o''') o.:ls 0,39 . 0,40 0,41 0,42 0,42 0,-14 0,45 0.47 0,43 0,49 0,51 0,52
( , .. J ..... 0,37 0,38 0,39 0,41 0,42 0.42 0,43 0,44 0,46 0,47 0,49 0,50 0,52 0,53 0,55
0,071 o.:w
c 6 O,OOG5
7 0,00()5
8 0.0065
0,071
0,071
O,HD
0,150
0,151
0.21
0,22
0.22
0,26
0.27
0,27
o.:Jo
(J.:\1
0.~13
0,31
0,34
0.:)5
o:36
0.37
0,37
0,38
o.:J9
0,3D
0,40
o,.w
0,40
0,41
0,42
0.4:!
0,43
0,44
0,44
0,45
0,44
0,45
0,45
0,46
0,47
0,48
0,49
0,50
0,50
0,52
0,52
0,5:)
0,53
0,55
0,55
0,57
0,57
0,59
0,42
-( 9 ' 0.0064 0,071 0,151 o')"
-"' 0,27 o.:n o.:l4 o.:n 0,3!) 0,41 0,42
0,43 0,44 0,45 0,46 0,47 0,49 0,51 0,53 0,55 0,57 0~5B O.GO
0.44 0.45 0,46 0,47 0,48 0,50 0.52 0,54 0,56 0,58 0,60 0,62
(
10 0.00134 0,071 0,151 0.22 0,27 0.31 0.35 o.:n 0,3!1 0,41 0,43 0,44 0;~6 0,47 0,48 0,48 0,51 0,53 0,55 0,57 0,59 0,61 0,63

(
12
15
0.0064 0,071
0,0061 0,071
0,153
0,153
0,22
0,22
0,27
0.28
0.32
o.:l2
0.35
0.35
0.3B
0.:38
0.40
0,41
0,42
0,43
O,H
0,41
I 0.45 0,46 0,48 0,48 0,49 0,52 0.54 0,56 0.58 0,60 0,63 0,65
20 0.0063 0,071 0,153 0,22 0.28 0,32 0,46 0,47 O,El 0,50 0,51 0,53 O,:i5 0,58 0,60 O,G2 0,65 O,G8
0.36 0,30 0.41 0,44 0,45
( 0,47 0,48 0,50 0,51 0,52 0,55 O.:i7 O,GO O,G2 O.G:l 0,71
24 O.OOG:l 0,071 0,153 0,22 0,28 0.32 o,:w 0,3!1 0,42 O,H 0;46 0,47 0,49 0.50 0.51 0,52 0,513
0,()5
30 0,0063 0,071 0,153 0,22 0,28 0,33 o.:w 0,40 0,42 O.:iK O,G1 0,6:l 0,6G O,li9 0,72
0,44 0,46 0,48 0,50 0,51
( 40 0,0063 0,071 0,154 0,23
0.52 0,53 0,57 O.:i!l O,G2 0,65 0.68 0,71 0,75
0,23 0,33 O,:l7 0,40 0,43 0,45 0,47
60 0,0063 0,071 0,154 0,4!1 0,50 0,52 0,53 0,54 0,58 0.60 0,63 0,66 0,69 0,73 0,77
( 120 0,0063
0,23 0 ,23 0,33 0,37 0,40 0,43 0,45 0,47 0,49 0,51 0.52 0,54 0,55 0,59 0,61 0,64 0,68 0,71 0,76 0,81
0,071 0,154 0,23 0,29 0,33 0,37 0,41 0,43 0,46 0,48
00 0,0063 0,071 0,155 0,50 0,52 0,53 0,54 0,56 0,60 0,63 0,66 0,70 0,74 0,7!l 0,86
0,23 0,29 0,34 0,33 0,41 0,44 0,46 0,49 0,51 0,52 0,54 0,55 0,57 0,61 0.64 0,68 0,72 0,77 0,84 1,00
.(
,(~ Esta tabl'la foi n<lapt ucta a partir de dados dt F. G . Bril'gt:r (Limite~
Pearson e H. O. Hurt!t-y (Bivmetriku Tablrs for Stalrsilcia ns. Cambridt;L' Unilatnais na An:lisl' Estatstica Bmganlia 6:-i79 - 54:-i, UHG) e de E. S.
Un. Prcss, l!l5G) .
(
-(
.(
(
(
(
(
(
(
~J _________________________
 ''-"':::'!::-. !": _.,..t" ~ "'- ; '",.....,-_.,,.,.,.~. .,.,,.,.,_.lrl>l.'-"..,.;.c""!';-"' .-'-,. ; - o ,_.-~-< ~ "'-"'~~~,YI:L~O;~,o-'-~;~''-'; i-.i' . "''""''"H-''''-.'o,7

L'

(
( /.. 20
(
(
(
Tabela 9. Valores de t em nveis de lO% a 0,1% de proba-
( bilidade.
(
( Graus de Grau::~ de
lO% 5% 2% l% 0,5% 0,1% JO:~ 57. LI. l 7. 0,57.
( liberdade I ht: t di!d(~ ()' 1?
--- -------------
( 1 6,31 12,71 31,82 63,66 127' 32 636,62 18 1' 73 2,10 2,55 2,88 3,20 3,92
( 2 2, 92 4,30 6,97 9,92 14,09 31,60 19 1, 73 2,0') 2,54 2,86 3,17 3,88
3 2,35 3,18 4,54 5' 84 7,45 12,94 20
( 1 '73 2,09 2, 53 2,84 3,15 3,85
4 2' 13 2,78 3,75 4,60 5,60 8,61 21 1' 72 2,08 2 '52 2,83 3,14 3,82
( 5 2,02 2,57 3,37 4,03 4, 77 6,86 22 1' 72 2,07 2,:Jl 2,82 3,12 3,79
6 1,94 2,45 3,14 3, 71 4,32 5,96 23
( 1, 7l 2,07 2,50 2,81 3,10 3, 77
7 1,90 2,36 3,10 3,50 4,03 5,41 24 1, 7l 2,06 2,49 2,80 3,09 3,75
8 1,86 2,31 2,90 3,36 3,83 5,04
( 25 1' 71 2,06 2,49 2 '79 3,08 3' 73
9 1,83 2,26 2,82 3,25 3,69 4,78 26
( 10 1' 7l 2,06 2,48 2,78 3,07 3, 7l
1,81 2,23 2,76 3,17 3,58 4,59 27 1,70 2,05 2,4 7 2 '77 3,06 3,69
11 1,80 2,20 2, 72 3,11 3,50 4,44
( 28 1 , 70 2,05 2, 4 7 2,76 3,05 3,6 7
12 ' 1,78 2,18 2,68 3,06 3 ,-+3 4,32 29
( 13
1,70 2,04 2,46 2,76 3,04 3,66
1, 77 2,16 2,65 3,01 3,37 4,22 30
14 1, 70 2,04 2,46 2 '75 3,03 3,65
( 1,76 2,14 2,62 2,98 3,33 4,14 40
15 1,68 2,02 2,42 2 '70 2,97 3,55
1,75 2,13 2,60 2,95 3,29 4,07 60
( 16 1,67 2,00 2,39 2,66 ') ,_q.....
,_ ') 3,46
1,75 2,12 2,58 2,92 3,25 4,02
17
1 20 1,65 1,98 2,36 2,62 2,:36 3 ,. 3 7
( 1,74 2,11 2,5 7 2,90 3,22 3,97
1,65 1 '96 2,33 2,58 2,81 3,29
( Continua.
( Esta tabela foi adaptada a partir de dados de R.A.
Fisher e F. Yates (Statistical Tables for Biologica1,
( Agrcultura1 and Medical Research, 2~ edio, Olver and
Boyd, Londres, 1943).
(
(
(
I c
(
(
(
(
(
 ,~
'iiif' .~ -.
(
422
(
423
(
(
(
.Tabela 10- Valores da amplitu de total estuden tlznda (ql. ptlrn
( n - nmero de tratame ntos
u._,
0 teste de Tukey, ao nlvc\ de Ct de probnbl lldade.
no
( n' - nmero. de grau:t de liberdad e do r~lduo

~
(
2 3 4
' !
(
5 6 7 8 o 10 I 11 12 13- 14 15 16 17 18 19 20
I
1 17,97 26,08 32,8:! 37,08 40,41 43,12 I
45,40 47,36 49,07
( 2 6,09 8,33 9,80 10,fl8' 11,74 12.44 13,03
f 50,59 51,96 53,20 54,33 55,36 56,32 57,22 58,04 !i8,83 59.56
3 .. 4 ,5 0 13,54 13,99 11 ,39 14,75 15,08 15 ,38 15,G 5 15,91 16.14 16, 37 16,57 10,77
5,91 6,83 7 ,50 8,04 . 8,48 8,35 9,13
( 4 3, 93 5,01 5,76 < 6.29 6,71 7 ,05 7,35
9,46 9.72 9,95 10,15 10,35 10,53 10,(HJ 10,b4 10,08 11.11 1 1,2-l
5 3,61 7,60 7,83 8,03 8,21 8,37 8,53 8,66 8,79 8,!H 9,03 0,13 9,23
4, GO 5,22 5,1)7 6,03 6.33 6,58
( 6 3 ,46 6.80 7,00 7, 17 7, 32 7 ,47 7,60 7,72 7 83 7,03 8.03 8 .12 8,21
4,31 4 ,90 5,31 i 5 ,63 5,90 6,12 6,32 6,49 ' 1

(
7
8
3,34
3 ,2 6
4,17
4,04
4,68
4 ,53
5,06
4,89 l
5,36
5,17
5,6 1
5,10
5,32
5,60
6 ,00
5,77
6,10
5,92
5,65 G,7!l 6,92 7,03 7, i4 7,24 7,34 '1 ,43 7.51 7 ,5 9
G,30 0,13 6,55 6,66 6,76 6,85 6,91 7, 02 7 ,10 7,17
6,0!) 6,18 6,29 6,3() 0,4 8 6 ,51 6,65 6,73 6;130 6 ,87
(
9
10
3 ,2 0
3,15
3,9 5
3,88
4,42
4,33
1)6
I
5,02
4,65 I 4,01
5,2-1
5,12
5:13
5,31
S,GO
5,46
5,74
5,60 ,
5,87 5,9fl 6,09 6,19 6 ,28 t3, 3li 6,44 6,51 6,58 6 .64
5,72 5,83 5 ,91 6 ,03 6,11 6 ,19 6,27 6, 34 6,'!1 6,47,

(
( 11
12
fi
3,11
3,03
. 3 ,06
3,02
S,77
3,74
4,26 4 ,57
4,2 0 _ -4,51 I "1,82
'1, 75
5,03 5,20
4, 9fj I 5 .12
5,35
5,27
5,49
5,40
5,61 5,7 1 5,81
5,S 1 5,62 . 5,71
5,90 5,98 6,06 6,13 6 ...
"'0 I' 6 "'''7 II o,
., 33

(
14
15
3,03
3,01
3,70
4, l!i_ 4,45
4,11 4,41 I 4.60
4,61
4.89
4,33
5,05
4,09
, 5,19
5,13
5,32
5,25
5 ,-13 5,53 5,63
5,36 5,46 5,55
5,80 5,83
5 ,71 I 5,79
5,64 5,71
5, 95
s .8 6
5,79
6 ,02
r 5,o3
5,85
6,09
6 ,00 6,06
6,151 G,21
6,11
3,67 4,08 5,92 .5,97 G,0 3
(
16
17 I
3,0 0
2, 9 8
3,65
3,63
4,05
4,02
4.:37
4.33
4,30
I 4,60
4,56
4,52
4.78
4,74
.
4 ''' .1
4,94
4,90
4 ,86
I
I
5,08
5,03
4.99 II
5,20
5,15
5,il
I
5, 3 1 5.40 G,49
5.2 6 5,35 5,44
5,2 1 5,31 5,39
5,57 5,65
5 ,52 . 5,5()
5 .72
5 ,66
5,79
5,73
5 ,85 5,90
5,79 5, 81
5-,96
5.()0
18 2,97 3,6 1 4,00 1,28 4,50 . 4, G7 5,47 5,5<1 5,61 5,613 5,'73 5,79 5,e4
( 19 _2,0 6 3,50 3,98 ! 4,25 1,47 4,65
4 ,il2
4,79
4,96
4.92 i
5,07
5,04
! 5,17 5,2 7 1 5.35 5, 43 5,50 5 ,57 5,63 5,G9 5,71 5,79
20 2, 95 3,58 3,96 4,23 5,14 5,23 5,32 5,39 5,4G 5.53 5,59 5,()5 5, 70 5,75
( -
4,45 4,G2 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5 ,43 5,49 5,55 5,GJ 5,66
.. ------ - 5,71
24 2, 92 3,53 3,90 - 4 ,17 '
4 ,37
( 30 2,39
4,54 1,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 5,44
3,49 3.85 4,10 4,30 4.,46 4.60 4,72 5,-19 5,55 5,59
40 2,8 6 4,82 4,92 5,00 5,00 5,15 5,21 5,27
3,44 3,79 4,04 .5,33 5 ,38 5,43 5,48
( 60 2,8 3 3,40
4,23 4,39 14,52 4,64 4,74. 4,82 4,90 4,0 8 5,04 5,11 5 ,16 5,22 5,27 5.31
3,74 3,98 4,16 4,31 4,44 . 4,55 5 ,3 6
120 2,80 4,65 4,73 4,81 4,08 4 ,94 5,00 5 ,06 5,11
( 3,36 3,69 3,92 4,10 4,47 5,15 5,20 5,24
00 2,77 1,24 ,4.36 4,56 4 ,G 1 4,71 4,78 4,84 4 ,9 0 4,95 5,00
3,31 3,63 3 ,86 4,03 4,17 4,2 9 5, 04 5,0!) 5 ,13
4,39 4,47 4,55 4,62 4,69 4,74 4,80
( 4,05 4,80 4,03 4,07 5,01
,_
(
Eata tabela tol adnpt.ad a a parUr de reiJUltadoa de .H. Leon Harler
(Tir- bles of Range and Student lzed Ran~r~. Aml. Math. Stat. 31: 1122-11
( 47).

c
(
(
(
(

( --------~-~---
 (
41. t, 425
(
(
(
Te bela 10 - ValoT~::J da amplitude t<Jtal f!~tU<kntlnda (q). para \J,'i.() no
( n - nmero de tratanH:n lo~ te&te de Tukey, ao nlvcl de 57(, de probnbllld;~dc.
n' - nmero de graus de llbt:r dadc do real duo
(
(
(
( X 1
22
60,91
24
62,12
26
63,22
28

64,23
30

65,15
32

66,01
31
--
6G.Ill
r
I 36
67,56
38 10 50 60 70 80 oo 100

( 2 17,13 17,45 68,26 68,92 71,73 73,97 75,82 77,40 78,77 79,98
17,75 18,02 18,27 18,50 18,72 18,92
3 11,47 11,68 19,11 19,28 20,05 20,6!i 21.16 21,59 21,96 22,29
11,87 12,05 12,21 12,36 12,50 12,63
( 4 9,42 9,58 12.75 12,87 13,:!6 13,76 14,08 14,36 14,61 14,82
9,74 9,88 10,00 10,12 10,23 10,34
5 8,37 8,51 10.44 10,53 10,93 li ,24 11,51 11,73 ll,U2 12,09
8,64 8,76 8,38 8,98 9,08 9,17
( 6 7,73 0.25 9.33 9,67 9,95 10,18 10,38 10,54 10,69
7,86 7,98 8.09 8,19 8,28 8,37 8,45
7 7,30 8,53 3,60 8,91 9,16 9,37 0,55 9,70 9,84
(
9
8 7,00
6,76
7,42
7,11
6,87
7,53
7,21
7,63
7,31
7,73
7,40
7,81
7,48
7.90
7,55
7,97
7,63
3.01
7,69
8,11
'1,76
8,40
8,03
i 8,63
8,25
8,82
8,43
8,90
8,59
9,13
8,72
9,26
8,31
I
6,97 7,06 7,15 7,22 7,30 7,36
( 10 6,58 6,69 6,78 6,87 6,95 7,02 7,09 '1:13 7,49 7,75 7,96 8,13 8,28 8,41 8,53
7,16 7,22 7,28 7,53 7,73 7,00 8,04 8.17 8.28
( 11 6,44 6,54 6,63 6,71 6,70 6,86 6,93 6,99 7,71 7,85 7,9'7 8,08
12 6,32 6,41 6,50 6,59 6,tifl 7,05 7,11 7,35 7,55
( 6,73 6,80 6,86 7,69 7,80 7.91
13 6,22 6,31 6,40 6,48 6,92 6,97 7,21 7,30 7,55
6.55 6,62 6,68 6,74 7,67 7.77
14 6,13 6,22 6,31 6,30 6,85 7,08 7,27 7,42 7,55
6,39 6,46 6,53 6,59 6,65 i
( 15 6,06 6,15 6,23 6,31 6,70 6,75 6,98 7,16 7,31 7,44 '7,55 'l,G5
6,38 6,45 6,51 6,56 7,21 7,34 7,45 7,55
16 6,00 6,08 6,17 6,24 6,62 6.67 6,89 7,07
( 6,31 6,37 6,43 6,49 7,25 7,36 7,46
6,98 7.13

(
17
18
5,94
5,89
6,03
5,98
6,11
6,06
6,18
6,13
6,25
6,20
6,31
6,26
6,37
6,32
6,43
6,37
6,54
6,48
6;12
6,59
6,53
6,47
6.81
6,74
6,68
I 6,91
6,85
7.05
6,09
7,18
7' 11
7.28
7,21 I 7,38
7,31
19 5,85 5,93 6,01 6,08 ~.15 6,21 6,27 6,32 7 , ....')'"i
6,37 6,42 6.63 6,79 6.03 7,05 7,15
20 5.81 5,89 5,97 6,04 6,10 6,17 I 6,22
( 6.28 6,33 6,37 6,58 6,74 G,88 6,90 7,10 7,19
24 5,68 5,76 5,84 5,91 5,97
( 30 5,56
6,03 6,09 6,13 6,18 6,23 6,42 6,58 6,71 6,82 6,02 7,01 I
5,64 5,71 5,77 5,83 5,89 5.94 5,99

J
40 6,04 6,08 6,27 6,42 {i,54 6.65 6,7'1 G,83
( 5,-14 5,51 5,58 5,64 5,70 5,75 5,80 5,85 5,HG , 5,93 G,Jl 6,26 6,:18 6,18 6.57 6,65
60 5,32 5,39 5,45 5,51 5,57 5,62 5.titi 5,71 5,75 5,79 5,06 6,09 6,21 6,30 G,39 6,1G

I
( l20 5,20 5,27 5,33 5,38 5,43 5,48 5,53 5,57 5,61 5,64 5,80 5,93 6,0'1 6,13 6,21 6,28
00 5,08 5,14 5,20 5,25 5,30 5,35 fi,3[! 5,43 5,46 5,50 5,65 5,76 5,86 5,95 6,02 6,09
:( -
(
E3ta tabela foi adaptada a partir de resultados de 'H. Leon Harter (Ta-
( bles of Range and Studentlzed Rang-e, Am!. Math. Stat. 31: 1122-1147).

(
(
(
{
(
(
(
(
 (
( 42
427
(
(
(
Tabela 11 - Valores da amplitude total r.studentlzada ( q), para uso no
( n - nmero de tratamentos ksk li~ rukey, ao nlvct de 1 ';? de probabilhlade.
n' - nmero de &rnus de Uberdac1e do resldu 0
(
(
(
( IX1
2 3 4 51 6
90,03 135,0 164,3 185,6 202,2 215.8 227,2 237,0 245,6
7 8 9 lO
r-~-~--~-~~- ! 1-~-~--:~. ~--:_6_~--~--l~~T~~J
( 2
3
14,04 19,02 22,29 24,72 26.63 28,2 0 29.5J 30,63 31,69
8 ,2 6 10,62 12,17 13,33 11,24 15,00 15.61 16,20 16,69
12 53,2
32.!S9
/:2GO .o
33.10
12G6, 2 . 271.8 b . o 281 .8 2ilG.3j.2DO:I
31.13 31.8 1 35,43 36,00 3G.s:> :nm :n.s9
0!.3
1
I
( 4 !} ,5 1 8,12 17.13 17}:1 17,39 18,22 11!,52 Ja, ;H l ~J.G7 I l :U2 I 19 ,:~;)'
9 ,17 9.96 10,58 11,10 11,55 11,93 12,27
( 5
6 . ,o I
5.24
!) 90
) 33
7 ,30
7,03
8,42
7.56
8.91
7,97
9,32
8,32
9. 70
8.61
9,97 10,24
12,57
10,18
12};1 13,0!1 13,3 2 1.'3,5 3 J:l.73 l:l.!l l I. 14,0.'! H,:!t
1C',70 10,89 11,03 11,24 11.'10 11.551
ll.68 ll.fil
8,87 9,10
7 4,95 5,92 6,54 7,00 9,30 !J,4S !J.G5 9.81 (J,D5 10;03 10.21 10 ,:12 l.4:l
( 7,37 7,68 7,94 8,17 8,37 8,5:i .'!,71 tUlG 9,00 9,12 ~1.24 8.35 I !J,Hi G.55
8 4,75 I 5,64 6,20 6,52 6.96 7,24 7, 47 7,68 7,86
9 4.60 . 5.43 5,96 6,35 3.03 i',l~l 8, :31 8:!4 8,;)5 8,61> 8,71> il.n:; I B.!H
( 6.66 6,92 7.1 3 7,32 7,50 7,65 7. 73
10 4.48 5.27 5:n 6,14 6: 13. 6,67 6,88 7,06 7,21 'UJl 8,02 8, 13 8 ,23 3,32 8.41 8.SO
( 7.36 7,-13 7,60 7,71 7 ,81 7,!11 7,il9 fl,\lB ll.l~o

(
11
12
-1,39
4 .32
5,15
5,05
5, 62
5,50
5,97
5,84
6,25
6,10
6,481
6,321
6,67
6,51
6,84
6,67
6,99
6,81
7.13
G.Dl
7 .25
7,06
I 7,17
7.36 7,46 7 .56 7,H5 7;7~~ 7 }~~
13 4.26 1 4,96 5,40 5,73 5,98 6,37 G,53 6,67
7.2 6 7.36 7.-14 7,52 I 7.;i !l 7, lii..i
( 14 1.21 I 4,90 5.32 5,63 5,88
6,191
6.08 6,2G 6,41 6,54
6,70
G.GG
(i,90i
6,77 :
7,0!
6,87
7,10 7,1!1
I
7 ,2 7 7. 1:2 ri ,1:1
15 4,17 4,84 5,25 - 5,56 5.80 l 5,991 6 ,1 6 6,31 6,44 G.56 ,GG I
6,76
6,96 7,o5 7;1:l 7.20 7 .:~~~
( 16 4.1 3! 4,79 5 ,19 5,49 5,72
5 ,021 6,08 6,22 6,35 6:16 6.341 1> .93 7 ,00 7 .\l7 '7.1 4 7 .:!0

(
17
18
4,10
4.07
4.74
4,70
5,14
5.o9 I
5.43
5.38
5.66
5.60
5,85
5,791
G.01
5.94
6,15
6,08
6,27
6,20
I 6.38
6.. 31
G,5li I
6, 48
6 41 ;
6.66
i
6,57
6,50
6 74
G,GG
G,82
G.3
fi .~lO
G.81
. ,,,..,
G.\17
0,0 I
. ~q
i
II
7.03
d .~11
7,0!J
7 ,0()
19 4. 05 4,67 5,05 5,33 5,55 5,74 6,5 :3 G.LiG i.72 ()}~5 O,Dl
5,89 6,02 6,14 6,25 6::H ,~ 6,.;3 0,1.
( 20 4,02 4,64 5,02 5,29 5,51 5,C9 5,8 <1 5,97 6,09 6,19 6,28 6,37
6,51
6,45
6.5B
6,52
6.G5
6. 59
G 7?
6,1i5
I G.7G
<3, 71
G,lH
6,77
(
(
24
30
3.96
3.89
4,55
4,46
4,91
. oI
5,17
5,05
5,37
5,24
5,5 4
5 ,40
5,68
5,5 !
5,81
5,65
5,92
5,76
6,02
5,85
6,11
5.93
I 66.19
,01
6,26
6,08
6,33
6,11
6,30
6,45
6.20
6,26
6.51
G,3 1
G.;,G
G.::G
40 3,82 4,37 4,70 4.93 5,11 5,2 6 5,39 5,50 5,60
60 3,76 4,28 4,60 4,82 5.69 5.7ll
5,H4 5,90 5.ll6 G.02
6,07 6,1:.! 6,1G
( 120
00
3.70
3.64
4,20
4,12
4.50
4,40
I 4.71
4,60
4,99
4.87
4,76
5,13
5,00
4,88
5,25
5,12
4,99
5,36
5,21
5,08
5,45
5,30
5,16
5,53
5,38
5.6 5,67 5,73
5 .44 5,50 5,56
5,78
5,Gl
5.81
5,3!1
5,66
5,71
5,03
5,75
5.(J'f
5.'.'D : I
( .~s_._z3~__s._z_9~_5_,3_5-L__s_,4_o_L_5_,4_5~-5-_49_J__s_.s_4~-5-,5--7 L_5 ,G l I
(
l!:ata tabela foi adaptada a partir de reau'ltados de H. Leotl Harter (T&-
( bles ot Range and Studentized Range, Ann. Math. Stat. 31: 1122-1147)
(
\

( '
(
(
I (

( ':."
'.f'

r
 ,~ . . . . i . ' '".: ' '

(
( 429
(
(
(
c Tabela 11 - Valores da arnplltude total estudentlza da (q), pnra uso no t-rJJt~ ctc Tvl!'ry, n.o nlvrl de 1 ~{ <lc probnbll!drH lc.
n nmero de tratan1cnto s
c n' - nmero de graus de liberdade do rcsluo.
(
--,--- ~ -

~"-----j-40---t
(
-
(
(
X 1
20 22 24 26 28 30
298.0 304,7 310,8 316,3 321,3 326,0 330,3 334,3
32 34 36
341 ,5
4:l,21
314 .u
13.G 1
50
3!'fi.\1
5,33
GO
:J70,1
4G,70
70

370,1
47,8:l
--
80
3B7,3
411,110
90
3!14,1
49,G4
100

100,1
50 . ~~8
---

2 37,95 38,76 39,49 40,15 40,76 41 ,32 41,84 42,33 338,0 22,3!! 2?.,:,9 -'3.45 21.13 :>!,71 ?.:), 1 ~~ 25,62 2:l.Sl9
( 3 19.77 20,17 20,53 20,86 21,16 21.44 21,70 21,95 42,78 lG,23 1G,37 15.!111 17:1G 17,1l6 18.20 IS.!iO 1!\,'i'i
4 14 ,40 14,68 14.93 15,16 15,37 15 ,57 15,75 15,92 22,17 l:l.10 1 ;;,;,2 H ,IIO 1'\.:; :J H,'/2 H,:l!J 15,:2:1 1 :; .1 ~)
( 5 11,93 12,16 12,36 12,54 12,71 12 ,87 13,02 13,15 16,08 11 ,BO 1 I, !HI 12,31 l'.li:) 12.92 13,1G 13,:17 13.!i5
6 10,54 10,73 10,91 11,06 11,21 11,34 11,47 13,28
ll,!i8 11,69 lO,?' 10.f1:) ]] ,23 1! .:>2 I 1 ,'17 11,(0 12,l'7 l?. ,:il
( 7 9,65 9,82 9.97 10,11 10,21 10 .3li 10,47 10,58 10,05 10, l :1 10:17 10;;:; 10,!)'1 11 .17 1l,:ll ll;l !l
8 9,03 10,67
9,18 9,32 9,45 9,57 9.G!l 9.713 9,87 9,52 H,!>:} 9.91 1O, 1'1 10.38 1 0,:)7 10,73 10}\7
( .9 9,96
8,58 8,72 8,85 8,97 .9,08 9,18 0,27 9,36 9,44
9,12 9,19 !1,49 !J,'I:l 0,93 10,1 o J0,2:i 10,:\'l
10 8,23 8.36 8,48 8,60
c 8,7J 8,79 8,88 8,97 9,04
13,BO 8,/lG 9,15 9,3B 9,:)7 9 ,73 9,!JB JO .O IJ
(
11
12
7,95
7,73
8,08
7,85
8,20
7,96
8.30
3,07
8.40
8,16
I 8,25
8,49 8,58
8,33
8,65
8,10
8,73
8,47
il,4
8,33
ll,60
H.:l9
B,llU
!l,GS
!I,O!J
iJ,iJ(\
9,28
9,01
9:13
U,10
9,:>'1
a.:>:<
!J,(\~)
~) , 14
1

13 7,55 7,66 7,77 7/37 . 7 .9li 8,04 ) 8,15 ll.:w B,'l B,!Hi fl,fl3 8 ,93 9,11 D. ~~ ~~
( 8,12 8,19 8,26 I
H 7,40 7,51 7,61 7.70 7,79 7,87 7.9~1 B,05 8,30 8,19 8,66 8, !!0 8,92 9,(!+
7,95
(
15
16
7,26
7 ,15
7,37
7,26
7,47
7,36
7,57
7,44
7,65
7,53
7 ,73
7,60
7,il0
7.67
8,02
7,87
8,08
7,93
7,!16
7,74
7 ,!l2
'/,HO
8,1 :)
am
s.:ls
1\,2:>.
[\,;i 1
0,38
E,fi;i
n,:il
8,77
B,G3
I B.Wi
8.'i1
17 7,74 7,80
7,05 7,16 7,25 7,34 '7,42 7,i4 7,'/0 7,!):l B, 11 8.:~G s.:l!l

u
( 'l:W 7,56 7,63 7,69 !l, !ll 8,Gl
18 6,97 7,07 7,16 7,25 '7,83
19 7,321 7.40 7,46 7,53 7,59 '/,Zi t: 8,(11 8.16 !I. ::~ !) 8;10 n.:'o
6,89 6,!)9 7,08 7,17 7,24 7,31 7,f)2 '1,7! 7,!)'2 8,07 8,19 8,30 !l;!O
( 20 6 ,82 6,02 7,01
7,38 7,44 7,50
7,09 7,I7 7,24 7,30 7,36 ' 7,42
( 7,22 7.:n 7,-!B 7,6-1 7,7il 7,!10 8,00 B, 10
24 6,61 6,70
30 6,41 6,49
6,79
6,57
6,86 6,94 7,00 7,06 7,12 7,17 6,98
6,7-l
'7,0:~ 7.:'.2 7,3 7 7,50
.,.,.., 7,1i1 7,71 7,BO
( 6,64 6.71 5,77 0,83 6,88 S,93 ,'/B G.!JG 7,10 .~~ 'I ,:\:1 7 ,1:~ 7.!i0
40 6,21 6,29 6,36 6,43 6,49 6,55 6,51 !\,~5 6,'11 6,95 G.B4 7,05
6,60 6,65 6.70 7,13 7 ,? 1
60 6,02 6,09 6,16 6,22 6,28 6,2R <l,32 6,47 G,~,n 6,G9 6,7ll 6,H:>
( 120 5,83 5,90
6,33 6,30 6,42 6,47 G;:J:J
00 5,64
5,96 6,02 6,07 6,12 6,16 6,20 6,24 L_6,0G
___.__ G,U:I 6,23 1_6,3~,!3 6,51 C,5!1 G,G4
( 5,71 5,77 5,82 5,87 5,91 5 ,95 5,{)9 6,03
(
c Esta tabela foi adaptada a partir de resultados de ;H. Leon Hnrler (Ta-
blrs o! Hl\nge t<nd :Jtudentlz<"<lll~tnt:j', A1111. Math. Slal. 31: 1122-1147).

(
(
c
(
c
( --------------~;'_ _ _
 (
430
c
(
( Tabela 12. Valores da amplitude total estudcntlzada (z), p~.,-a u no U!.'lle <'ffi Duncan, ao nlvd de ~1, de probabiUudc.
n - n. 0 de mdias abrangidas pelo contraste so n' - n.o de graua de liberdade do rr:>iduo.
(

(
c
(

~ '
2 3 4 5 6 7 8 -
9 10 12 14 16 18 20 50 100

( 1 18,0 18,0 18,0 18,0 18,0

-
2 6,09 6,09 6,09 6,09 6,09
18,0 18,0 ia,o 18.0 18,0 18,0 18,0 18,0 18,0 18,0 18,0
6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09
( 3 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 4,50 4,50
4 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 4,02 4.02
5 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 3,83 3,83
(
6 :3,46 3,58 3,64 3,68 3,68 3,()8
( :3 ,G8 3,68 3,68 3,68 3,68 3.3 3,68 3,68 3,68 3,68
7 3.:~5 3,47 3,54 3,58 3,60 3,61 3,61 3.61 3,61
3,61 3,61 3,61 3,Gl 3,61 3,61 3,61
8 3,26 3,39 3,47 3,52 3,55 3,5() 3,56 3,56
( 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56
9 3,20 3.34 3,41 3,4T 3,50 3,52 3,52 3,52 3,52 3,52 3,52 :3,52 3,52 3,52 3,52 3,52
( 10 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 3,48 3,48
( 11 3,11 3,27 3,35 3,39 3,43 3,44 3,45 3,46 3,4t 3,46 3,46 3,46 3,47 3,48 3,48 3,48
12 l 3,08 3,23 3,33 3,36
I
( 3,40 3,42 3,44 3,44 3,46 3,46 3,46 3,46 3 ,47 3,48 3,48 3,48
(
13
14
3,06
3,03
3,21
3,18
3,30
3,27
::.,35
3,33
3,3B
3,37
3,41
3.39
3,42
3,41
3,44 .:,45
3,44
3,45
:'!,45
3,46 3,46 I 3,47 3,47 3,47 3,47
3,42 3,46 3,46 3,47 3,47 ::S,47 3,47
15 3 ,O 1 3,16 3,25 3.31 3,36 3,38 3,40 3,43 3.44
( 3,42 3,45 3,46 3,47 3,47 3,47 3,47
16 :3,00 3,15 3,23 3.30 3,34 3.37
( 3,39 3,41 3:-13 I~ 3,44 3,45 3,46 l 3.47 3.47 3.47 3,47
17 2,015 3,13 3,22 3,28 3,33 3,36 3,315 3,44
3,40 3,42 3:5 3,46 3,47 3,47 3,47 3,47
( 18 2,97 3,12 3,21 3,27 3.32 3,35 3,37 3,43 3,4;)
(
19
20
2,06
2,95
3,11
3,10
3,10
3,18
3,26
3,25
:).31
3,30
3,35
3,34
3,:n
3.:~()
3,39
3,39
3,38
3.41
3,41
3,'t0
.3,43
3,43
3,44
3,H
3,46
3,46
3,46
I 3,47
3,47
3,46
3,47
3,47
3,47
3,47
3,47
3,47
3.47
3,47
3,<!7
(
22 2.~J3 :3,08 3,17 3,24 3,:w 3,32 3,35 3,42 3,44
3,37 3.3D 3.45 3,46 3,47 3,47 3.17
( 24 2,92 3,07 3,15 3,22 3.:'8 3.31 3,34 3,4{
3,37 3,38 3.'11 3,45 3,46 3,47 3,47 3,.47
26 2,91 :~.OG 3,14 3,21 :~.27 3,30 3,34 :~.36 3.38 3,41 3,4:3 3,45 3,46 3,47 3,47 3,47
I
-( 28 2,9.0 3,04 3,1:1 3.20 ::l.2fi 3,30 3,33 3,35 3.:n :'l,-!0 0,43 3,45 3,46 3,4'/ 3,47 3,47
( :-w 2,8!) 3,04 3,12 3,20 3,25 3,2!) 3,32 3,35 3,37 3,40 3,43 3,44 3,46 3,47 3,47 3,47
( 40 2,86 3,01 3,10 3,17 3,22 3,27 3.:w 3,33 3,:15 3,3!) 3,42 3,44 3,46 3,47
60 3,47 3,47
2,B3 2,!)8 3,08 3,14 3,20 3,24 3,28 3,31 3,33 3,37 3,4 3,43 3,45
( 3,47 3,48 3,48
100 2,80 2,95 3,05 3,12 3,18 3.22 3,213 3,29 3,:i2 3,36 3,40 3,42 3,45 3,47 3,53 3,53
( 00 2,77 2,92 3,02 3,09 3,15 3,19 3,23 3,26 ~1.29 3,:34 3,38 3,41 3,44 3,47 3,61 3,67
(
(
Esta tabela foi transcrita do artigo de D. B. Duncan "Multi pie Range and Multiple F Tests" (Bom.etrlcs U: 1 - 42, 1955).
(
(
 .. ............_:..::._:.__----'-'-=~

(
( 4J:L
433
(
Val"r es da amplitude total estude n Uzada ( z). paru
n - n. 0 de ml'dlns ahrangldas pe 1o co1Hra'>tc u5Q no teste de Duncnn, ao n1vel de ! % de prol.JabiHdude.
( n' _ n .o de graus de liberdade do rcsiduo .
(
(
( ~ 2 3 4 5 6 7 8 9
- 10 12 14 16 18 20 50 100
(
1 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 14.0 14,0 14,0 14,0 14,0 14,0 14,0 90,0 90,0 90,0 90,0
14;0 14,0 14,0 14,0 14,0
3 8,26 8 ,5 8,6 8,7 8,8 8,9 8,9 14,0 14,0 14,0 14,0
( 9,0 I 9,0 9,0 9,1 9,2
4 6.51 6,8 6,9 7,0 7,1 7,1 7,2 9,3 9,3 9,3 9,3
7,2 7,3 7,3 7,4 7,4
5 5,70 5 ,96 6,11 6,18 6,26 6,33 6,40 7,5 7,5 7,5 7,5
( 6,44 6,5 6,6 6,6 6,7 6,7 6,8 6,8 6,8
( 6 5,24 5,51 5,65 5 ,73 5,81 5,88 5,95 6,00 6,0 6,1 6,2 6,2
7 4 .95 5,22 5,37 5,45 5.53 5,61 5,69 6,3 6,3 6,3 6,3
( 5,73 5,8 5,8 5,9
8 4.74 5,00 5,14 5,23 5,32 5,40 5,47 5,51
5,9 6,0 6,0 6,0 6,0
9 4,6U 4 ,86 4.99 5,08 5,17 5,25 5,5 5,6 .5,7 5,7 5,8 5,8 5,8 5,8
( 5 ,32 5,36
10 4.48 4 ,73 4,88 4,96 5,06 5,13 5 ,4 5,5 5,5 5,6 5,7 5 ,7 5,'7 5,7
5,20 5,24
( 5 ,2B 5,36 5,42 5,48 5,54 5,55 5,55 5,55
11 4 .39 4 .63 4.77 4 .86 4,04 5,01 5,06 5,12
( 12 4 .:l2 4 .5 5 4 8 4,84 5,15 5,24 5,281 5,34 5,38 5,39 5,39 5,39
4.76 1,92 4,96
(
13
H
4,26
4,21
4 ,48
4.42
4.62
4.55
4,69
4.63
'
4,74
4 ,70
4,84
4,78
4,88
4 ,83
5,02
4,94 i
5,07
4 98
5, 13
5,04
5, 17 l
5,08 l
5,22
5 ,13
5,24
5,14
5,26
5,15
5,26
5,15
1 5,2(i
5,15
i
4,37
c 15 4.17 4, 37 4,50 4 .58 4,64 4,72 4 ,77 4,81
I 4,91
4 ,84
4.96
4 ,90
5,00
. 4, 94
5,04
4,97
5,06
4,99
5,07
5 ,00
5, 0'1 ;
5,00
55,00
,071
(
(
16
17
18
4. 13
4 .10
4.07
4,34
4, 30
4, 27
I
4,4 5
1.41
1, 38
4. 54
4 .5 0
4,46
4 ,GO
4 ,56
4 .53
4.G7
4 ,G 3
4,59
4 ,72
4 ,68
4,64
4,76
4,72
4,68
l 4,79
4,'15
4 ,34
4,80
4, 88
4 ,83
4,91
4,3 6
4 ,93
4,88
4 ,94
4 ,89
4 ,94
4.89
4, 94 .
4,89
( 19 4.05 4,24 4,35 4 ,43 4, 50 4,56 4 ,61 4,71 4,76 4,79 4,82 _ 4,84 4,85 4,83 4,85
4,64
20 4.02 1. 22 4.33 4,40 4 ,4 7 4,53 4 ,58 4,67 4,72 4 ,76 4 ,79 4,81 4 ,82 4,82 4 ,82
( 4,61
4 ,65 4,69 4, 73 4,76 4,78 4,79 4,79 4,79
( 22 3 ,99 4 .17 4.28 4,36 4 ,1 2 4,48 4 .53 4,57
24 3.96 4 .14 4.2 4 4.33 4. :3 9 4,44 4,49 4,53 4 ,60 4,65 4 ,68 4.71 4,74 4 ,75 4,75 4.75
( 26 3.93 4.11 4,21 4 .30 1.:w 4,41 4.46 4,50 4 ,57 4,62 4 ,64 4,67 4.70 4 ,72 4,74 4,74
28 3.9 l 4 ,08 4,18 4.28 4 ,:3 4 4,30 4 ,43 4,47 4 ,53 4,58 4,52 4.65 4,67 4 ,69 4,73 4.'73
( 30 3.89 4 ,06 4,16 4 .22 4,51 4.56 4, 60 4 ,62 4,65 4,67 4 ,72 4 .72
4, 32 4.36 4,41 4,45
( 4 ,48 4,54 4,58 4,61 4.63 4,65 4 ,71 4,71
40 3 .R2 3.99 4.10 4.17 4.24 4,30 . 4.34 4 ,37
( 60 3.76 3,92 4,03 4,12 4 ,17 4.23 4 .27 4,31 4,41 4.46 4,51 4,54 4,57 4,59 4.69 4,69
100 3.71 3.86 3,98 4,06 4,11 4,17 4,21 4,25 4,34 4.39 4,44 4,47 4,50 4,53 4,66 4,66
( 00 3,64 3 ,80 3,90 3,98 4,29 4,35 4,38 4,42 4,45 4 ,48 4.64 4,65
4,04 4,09 4,14 4,17
( 4,20 4,26 4,31 4,34 4,38 4,41 4,60 4,68

(
( Esta tbela foi transcrita do artigo de D. B. Duncnn "Mnll.lple
Range and Mui tlplc F Tfs~;," (Biometrics 11: 1 --42, 1955).
{
(
~~~~~~~~.~~~~~~~~~~ ~~~~~~~-~~~~~~~
~

l
~
w I
~

Tabela H. Valores de polinmios para adaptao da lei de Mitscherlich, para os .1

casos de 4 e de 5 nveis igualmente espaados.
l
~

z J .,cz\ J ll 1" J" (%) J~,l<l J,l(ZI J~l (Z) Ju<>

--
0,00 -2.000 1,000 1,000 -3,000 1,000 1,000 1,000
0,01 -2.040 0,980 1,040 -3,071 0,959 1,040 1,041
0,02 -2,081 0.959 1,081 -3,144 0.916 1,080 1,085
0.03 -2,123 0,937 1,123 -3,218 0,872 1,120 1,131
0,04 -2,165 0,915 1,165 -3,295 0,825 1,160 1,180

0,05 -2.208 0.892 1,208 -3,374 0,776 1,200 1,232

O,OG -2,251 0.868 1.251 -3,451' 0,725 1,239 1,286
0,07 -2.205 0,844 1,295 -3,537 0,671 1,279 1,343
0,08 -2.340 0.819 1,340 -3,622 0,615 1,318 1,403
0,09 -2,386 0,793 1,386 -3,709 0,557 1,357 1,467

0,10 -2,432 0,766 1,432 -3,798 0,496 1,396 1,533

0,11 -2,479 0,738 1,479 -3,890 0,432 1,435 1,603
0,12 -2.526 0,709 .1.527 -3.984 0,365 1,473 1,676
0,13 -2,575 0,680 1,575 -1,081 0,295 1,511 1,753
0,14 -2,624 0,649 1,624 -4,179 0,222 1,548 1,833

0,15 -2,674 0,618 1,674 -4,281 0,146 1,585 1,917

0,16 -2.724 0,585 1.725 -4,385 0,067 1,621 2,005
0,17 -2.776 0,552 1,777 ---4,492 -O,OJG 1,657 2,097
0,18 -2.828 0,517 1,829 -4,601 -0,103 1,692 2,193
0,19 -2,881 0,482 1,832 ---4,713 -0,193 1.726 2,293
0,20 -2,934 0,445 1,936 -4,829 -0,288 1,760 2,397
0,21 -2,989 0,407 1,991 -4,946 -0,387 1,792 2,506

0,22 -3,044 ,368 2,046 -5,067 -0,490 1,824 2,020

0,23 -3,100 0,327 ?.,103 -5.191 -0,597 1,854 2,739
0,24 -3,157 0,285 2,160 -5,318 -0,709 l,883 2,862
0,25 -3,215 0,212 2,219 -5,4-18 --0,820 1,911 2,[)91
0,26 --3,273 0,188 2,28 -5.581 -0,94U 1,938 3,125
0,27 -3,333 0,152 2,338 -5,718 -1,075 1,962 3.265
0,28 -3,393 0,105 2,2.99 --5,858 -1,208 1,996 3,410
0,29 -3,454 0,056 2,461 -6,001 -!1347 !;,007 3,5Gl

0,30 -3,516 O,OOG 2,524 -6,117 -1,491 2,027 3,718

0,31 -5,579 -0,046 ~.588 -6.297 -1,641 2,044 3,881
0,32 -3,642 -0,099 2.653 -6,451 -1,798 2,059 4,051
0.33 -3,707 -0,154 2,719 -6,603 -1,961 2,072 4,228
0,34 --3,772 -0,211 2,785 -6~7C8 -2,132 2,082 4,41.
0,35 -3.838 -0,269 2,853 --6.933 -2,309 2,039 4.602
0.35 -3,905 -0.329 2,922 -7.101 -2.494 2,094 4,800
0,37 -3,973 -0.391 2,992 -7,272 -2,686 2,095 5,003
0,38 -4.012 -0,45-1 3.063 -'1,448 -2,886 2,093 5,218
0,39 ---4,112 -0,520 3,135 -7.627 -3,095 2,087 5,439

0,40 -4.182 -0,587 3,208 -7,811 -3.312 2.077 5,669

0,41 -4.254 -0.656 3.282 --7.098 ----,3,538 2.064 5,907
0,42 -4,32G -0,728 3,357 -8,189 -3,3 2,046 6,154

,_
0,43 -4,-100 -0,801 3,-134 --8,3~5 -4,017 2,023 6.410
0,44 -4,474 -0,876 3 .:il 1 -8224 -1,271 1,996 6,6'/G

,.s" -"-"' "'" I -'"' -4.53G 1,963 6,951

11
0,<6
O:i7
0,48
~9
-1,6>5
. -4,702
-~.T/9
_,,,,
-1,110
--~1,200
''"'
3~SU
3.832
-4.8~~---=-1.28:; _ __il:~iJ~--
-'""'
l-G~07
-8.i23
-9.G4~l
-4.211
-5.097
-5.~~.11
-5.'703
1.925
1,881
1.R31
1,774
7,237
7,532
7,839
8,1513
~
w
V>
-~
kl
tl
~1
; ;;
1- \ -~ .....-.....; -....., .....- , ~ -~ ~ .............. _, ,...-...... ~ ...-...., ......---..__ --~ ,..--....~ ...- . \ ~ -~ ~ -~ ..-....':. ~ -~ -~ r--, ...-..... ..-... . "'\ .---., ~, .....__ ., ~~
i
.
-:!

I
.f

1:--
l~
.....
O'
{
1
Tl1be1a 14 . Valores de polinmios para adaptao da lei de .1-.Iitscherlich, para os
casos de 4 e de 5 nveis igualmente espaado.s.

z I . J,l(<l Jo(~)
J~r J I:(Z) J,\)(Z) J;,czl J!l(ZI

0,50 -4,938 -1, 375 4.000 -9,367 -6,023 1,711 8,484.

\ 0,51 -5,518 --1,4 56 4.036 -10,096 -G.357 1,640 8,8~5
0,52 -5.099 --1,560 4,172 -10,3::3 -G,703 1.562 !).177
0,53 -5,182 -1 ,656 4,260 -10.565 --7,063 1.475 9,542
0,54 -5,265 -1,755 4,350 -10,807 --7 .-!36 1,380 9,919
0,55 -5,349 -1,856 4,440 --11.052 -'7 ,823 1,'"!'/6 i0,310
o,56 I -5,434 --1.960 1 ,532 --11 ,3 02 -<1.226 1,163 10,'1 14
0,5'1 -5,520 -2,06'7 .:;,G25 -11,556 -3 .643 1,040 11' 132
0,58 -5,606 -2,176 4,719 ---11,814 --9 .076 0,906 11,564
0,59 -5,694 -2,288 4,315 -12,0/6 --9,525 0,761 12,011
0,60 -5.782 -2,'103 4,912 -12,342 -0.901 O.05 12,471
0,61 -5,872 -2,521 5,010 -12,613 --10.4 'i4 0,-'36 12,U52
0,62 -5,962 -2 , 6~2 5,110 -12 .887 -10 ,95 QY"
.~;);) 13,4 ~6
0,63 -6,053 -2,766 5,211 - l:l,lGG -1 1,.104 0,06! D,G 57
0,64 - 6,145 -2.893
5,:113 I -13,4.;e -12,(133 -0,1<!8 14,485
0,65 -6,238 ---3,0:;:1 5,417 --13.ri3~ -12 ~ 500 -0,31 15,030
0,66 -B,332 ----3, 15C 5,52 2 - 14,02~ -.-l3,1GS -O,G10 15,593
0,67 - -6,427 --3,293 5,528 -14,318 --13.'/GS -0 ,865 1G, 17G
0,68 -5,522 -:::.433 5/136 - 14,G16 --H,28 -i,136 16,777
0,69 -.G19 -J,576 5,845 --14,917 -15,027 -1,425 17,398
0,70 --5,716 -3.'"/22 5,956 -15,221 -15,691 -1,733 18,039
0,71 -6,814 --3.872 6,068 -15,529 -16,379 -2.060 18,100

~-- , '

0,72 --5,913 -4,026 6,182 --15,810 -17,080 -2.407 19,3\H

o 73 -7,fl13 '-4,183 G,297 -1G,l54 -17, 82G --2,775 20,089
0,'/4 -7,113 --4,3~3 6,4B -16,171 -18,5o7 -3,166 :?0,816

0,75 --7.215 .....--4,508 6,531 - !G,781 -19 .3'14 -3,579 2l;:i67

0,76 -7.317 -4,676 6,651 1 -17.114 -2.lS3 .....--4,0 16 22,342
0,77 -7.420 ~1,8.;8 C,772 -17,439 -21,03) ---'i.~78 :!3, 1~1
0,78 -7.52 4 -5 ,024 6,894 -17 ,766 -21,9(10 -4 ,967 22.,BUG
0,79 -'1,629 -5,203 7,013 -18;095 -22,800 -5,182 21,315

0,80 -7,734 -5.387 7 .114 -18 ,427 -23.';'2 ~1 -6 , 0~6 25.G92

0,81 -7 .84 1 -5,57 5 7.271 -18 .759 --?. 1 Gfl -6.599 :?.595
0,82 -1, 94 8 -5,767 7,1 00 -lf:,001 -25,()[:~ -7.204 27.527
0.83 ~ .05 6 -5,9f3 7,530 -19.429 -2G,7~~ ~ --7,840 28,48';
0,8{ ~1G4 -6 ,l<i3 7,662 -19,765 -27,7 tJ2 -8 .509 29,4'i7

0,85 -8,274 - -6,363 7,"196 --20,102 -28,854 -9,211 30,497

0,86 -8 .384 -6,577 7.9 31 -20.-140 -29,92il -9 ,9 54 31518
0,87 ~ . -c:95 -6,7~1 0 8.068 -20,777 -31.11,~; --10,732 32,l'3 i
0,38 -8 .6(16 --7.0()3 3.206 -21.J 14 -3~.343 -11 ,543 33,716
0,89 ----B, 719 -7,231 8,346 -21,451 -33,~31 -12 ..~06 31,f.95

0,90 ~.832 -7 ..~58 8,4 83 -21,786 -:34,8~8 -'3.305 36,0':2

0,!) 1 ~9-l6 -'1,690 3.C3l -.2,120 -%,175 -l<i,248 37,297
0,92 -9 ,060 -7,927 8,777 -2::! ,453 -37 ,;):33 -15 .23 7 38,551
0,93 . -~
---9. : ';5 ~.16 8 8,923 -22 .783 -33.832- --J6.2n 39,843
0,94 -9.291 --<3,415 9.072 -23,111 -40,3'/ -17,357 41,172 ,,

0.95
0,96
I --9 .488
-~: .:. ~5
_:::.65(;
- E,9:'~
9.222
!lJ '/4
--21.436
~-~- 2 ~~-7;;8
-~!1,8 G3
---~3 J9~;
-18 ..~93
--fJ.631
-12,511
~3.0<()
0,97 ' -s .u';3 - B,j81 9,5 ~3 - '!. 1_0'7"-' --44 9't' t ---20 .924 45.:l98
0,88 - 9 /C l 1
-0;!51 9.C8-l -~ ~ . :1: ;,J - ---1G.C t.:o --22.223 4G,880
O,!lfl _g.f;!..O -9,n3 9 , l't --t:-~ . GS~7 ~r..:~;s --23,5Sl 1,8,422

1.00 .:::-2!!.O?_-=:.o o~;.: ___ .!~~o_o_L_::::.?~:~'1]_~-5'1~n.::.::__:--2 5 .o o o 50,000 .,. !}i

w
'-J

~
 (
(
438
( 439
(
c Tabela 15. Limites unilaterais (oui-quadrado).
(
(
PROBABILIDADE
(
(
( Graus de 20% 10% 5% 2% 1% 0,1%
liberdade
( 1 1,64 2,71 3,84 5,41 6,64 10,83
2 3,22 4,60 5,99 7,82 9,21 13,82
( 3 4,64 6,25 7;82 9,84 11,34 16,27 "'"'
( 4 5,99 7,78 9.,49 11,67 13,28 18,46 ..."
5 7,29 9,24 11,07 13,39 15,09 20,52 "'
( 6 8,56 10,64 12,59 15,03 16,81
"
'tl
22,46 ...".
7 9,30 12,02 14,07 16,62 18,48 24,32
( 3 11,03 13,36 15,51 18,17 20,09 26,12 ...
>
o
9 12,24 14,68 16,92 19,68 21,67 27,88
( 10 13,44 15,99 18,31 21,16 23:21 29,59 "'o
"' ;::~ .::s
e .:!
( 11 14,63 17.28 19,68 22.62 24,72 31,26 00

12 15,81 13,55 21,03 24,05 26,22 32,91 08 t:

( 13
14
16,98
13,15
19,81
21,06
22,36
23.68
25,47
26,87
27,69
29,14
34,53
36,12 ~~ ~
( ~

(
15
16
19,31
20,46
22,31
23,54
25,00
26 ,30
28,26
29,63
I 30 ,58
32,00
37,70
39,25 --o
NN
. ~
o o

"'"'
17 21,62 24,77 27,59 31,00 33,41 40,79 00

( 18 22,76 25,99 28,87 32,35 34,80 42,31

19 23,90 27,20 30,14 33,69 36,19 43,82 <X) N
0 ....
"' ~
25,04 28,41 31,41 35 ,02 37,57 45,32
......
.....
( 20 ...o ~N

21 26,17 29,62 32,67 36,34 38,93 46,80

... 00

o e
00
o . ...
.
...
( 22 27,30 30,81 33 ,92 37,66 40,29 48,27
"a ~o
o.

( 23 28,43 32,01 35,17 38,97 41,64 49,73 """'.,. o .....

o o
24 29,55 33,20 36,42 40,27 42,98 51 ,18 o
u o e
25 30,68 34,38 37,65 41,57 44,31 52,62
( ....... .
u

26 31,80 35,56 38,88 42,86 45,64 54,05 u ~

. o
( 27
28
32,91
34,03
36,74
37,92
40,11
41,34
44,14
45,42
46,96
48,28
55,48
56,89
.....
"' .."'
o"'
( Ul .........
NN

29
30
35,14
36,25
39,09
40,26
42,56
43,77
46,69
47,96
49,59
50,89
58,30
59,70
:> ...
..... "'..
o
I
N<"l

o e
( "'......
.......
(
(
]
...
......
~
"
...
o o
N
.,..,
N
o
~
o
"'
o
o
"'
o
8....

(
(
(
(
~~~~~~ ~~ ~~0 ~ G~~~~~0~~~G~0~0~~~0 ~ ~

.s::-
.s::-
T~ be la 16. Continuao .

3 m

n -0,5 o 8 lO 15

0,922 0,938 0,956 0,965 o,972 o,976 o,979 0,982 o,984 o,9S5 o,9so 0 ,9 67 o.95:
(0,966J (0,97JJ (0,981J (0,985) (0,9BsJ (0,990J (0,991) (0,992) (0,993) (0,994l (0,994l W,99SJ ;o,?Sol
3 I 0,756 0,792 0,839 0,868 0,887 0,902 0,913 0,922 0,930 0,936 0,941 C,9<.S ,%~
(0,844) (0,868) (0,898) (0,917) (0,930) (0,939) (0,946) (0,952) (0,956) (0,960) (0,963) (.J,96) (0,975)
s o,625 o,669 o,729 o,77o o,8oo o,822 o,840 o,855 o , 867 o,B77 o,886 0,89~ c,;z~
(0,725) (0,758) (0,804) (0,834) (0,856) (0,873) (0,886) (0,897) (0,906) (0,913) (0,919) (.0,925) ((),9.:.:0)

10 0,429 o,472 o,537 o,S86 o,625 o,656 o,6a3 o, 705 o,725 o,741 o,756 o,;;o o,s19
(0,520) (0,559) (0,616) (0,659) (0,692) (0, 719) (0,742) (0,'760) (.0,777) (O, 7 91) (0,803) (0,814) (0,63)
15 o,324 o,362 o,422 o,469 o,5o8 o,54~ o,569 o,594 o,6:6 o,635 o ,653 o,669 c,:3G

~,.
(0,402) (0,438) (0,494) (0,537) (0,573) (0,603) (0,628) (0,651) (0,670) (0,688) (0,703 (0,7li) (O,i7i)
20 I 0,260 0,293 0,346 0,390 0,.427 0,.458 0.486 0,511 0,533 0,554 0,572 0,589 0.6
(0,327) (0,359) (0,410) (0,452) (0,487) (0,517) (0:543) (0,566) (0,587) (0,605) (0,622) (0,638) (C,93)
25 0,218 0,246 0,294 0,333 0,367 0,391 0,424 0,448 0,470 0,490 0,508 0,523 0,39
(0,275) (0,303) (0,3;1) (0,389) (0,422) (0,451) (0,477) (0_,500) (0,520) (0,539) (0,557) (0,573) (G,bj;) j
30 I 0,187 0,212 0,255 0,291 0,322 0,350 0,375 0,398 0,419 O,I.H 0,457 0,473 0,;.;
(0,237) (0,263) (0,30 3) (0,342) (0,373) (0,400) (0,425) (0,447) (0,467) (C,486) (0,503) (G,519) .~. 35) l4
1!
40 I 0,146 0,166 0,201 0,232 0,259 0,283 o,3o5 0,326 0,345 0,363 . 0,379 .0 ,395 u,-6: ~)
(0,186J (0,207) co, 24 3l (0,274) <0,301J ca,326J (0 ,348) (0,3&8J (0,387) (0,405l (0,421) (G,,.3ol w,s;;~:

so ! o,ll9 o,136 o,167 o,192 o,216 o,237 o,257 o,275 o,292 o,3o9 o,J24 o,3J9 ~.~;;z
(0,153) (0,171) (0,202) (0,2 29) (0,253) (0,274) (0,294) (0,313) (0,330) (0,346) (0,361) (0,376) (0,35)
100 1 o,o63 o,o12 o,o89 o,104 o,118 o,131 o,143 o,155 o,166 o,177 o,t87 .J,1s: o,:.:
(0,081) (0,091l (0,109) (0,125) (0,140) (0,153) (0,166) (0,178) (0,189) co,2oo> (0,211) (0,221) (,:o: )
500 I 0,013 0,015 0,019 0,022 0,026 O,OH 0,031 0,034 0,037 0,040 0,043 O,O<i5 0,~5~
(0,017) (0,019) (0,023) (0,027) (0,031) (0,0341 (0,037) (0,040) (0,043) (0,04) (0,049) (0,052) (J,06~)

1000 1 0, 001 o,oo8 o,ow o,ou o,ol3 o,o15 o,o16 o,018 0,019 0,020 o, on 0 , 02 3 o,o3o
(0,009) (0,010) (0,012) (0,014) (0,015) (0,017) (0,019) (0,020) (0,022) (0,023.) (0,025) (0,_026) (0,33)

Tabela 16~ Coacinuao.

8 4 lD

n -0,5 o 4 s 3 lO l5

0,950 .0,959 0,969 0,975 0,9 79 0,982 0,985 0,98 0,988 0,959 C,>9u O,:iSl ,"SJ
(0,979) (0,982) (0,987) <0 ,990) (0,991) (0,993) (0,993) (0,994) (0, 995) (C ,995 i (C ,99) (0,9%) (O,% ?;

3 I 0,824 0,846 0,877 0,898 0 ,912 0,923 0,931 0,938 0,944 0,9"8 0,9';2 u,9S 0.,9bi
(0 , 888) (0,903) (0,923) (0,936) (0 ,945) (0,952) (0,957) (0,92) (0, 965) (O,S68) (O,ili) (C, 973 \ LD . 9S J)
0,708 o,739 o,782 0,813 o,836 o,854 0,868 o,880 o,88~ o,s9s o.~o 5 0,911 O,iJj
(0,788) (0,811) (0,844) (0,866) (0,883) (0,896) (0,906) (0,915) (0,922) (0,927) (0,933) (0,937) (0,953)

10 I 0,513 0,547 0,601 0,641 0,6:74 0,700 0,723 0,742 0,759 0,773 0,7 86 0,798 O,S4 C
(0,595) (0,625) (0,671) (0,706) (0,733) (0,756) (0,775) (0,791) (0,805) (0,817) (0,627) (0,837) (O,Siel

15 1 o,399 o,431 o,482 o,s23 o ,558 o,587 o,612 o,634 0,654 o,611 0,687 o, 10; .;, 7';
(0,472) {0,501) (0,549) (0,587) (0,618) (0,644) (0,667) (0,68) (0,7 03) (0,719) (0,733) (0,745) (0,793)
20 I 0,326 0,354 0,402 0,441 0,47~ 0,503 0,5 29 0,552 0,572 0,591 O,07 0,623 0,68~
(0,390) (0,417) (0,4631 (0,500) (0,)31) (0,558) (0 ,582) (0,603) (0,621) (0,638) (0,654) (0,68) (C,)23J

0, 275 ~. o,301 o~344 o,380 o,1~ o,440 o,464 o,487 o,507 o,526 o,53 o,;;9 ,24J
25 ~ (0,663'
(0,3 3'2)''~1tr;357) (0,399l '(0,434) (fl, 46>l \0,491) <o,5 15J (0,53&l co,555J (o,5;3) co,589l (0,603)
;:;, s iz $
30 0,238 0,261 o, 301 0,334 0,364 0,390 0, 414 0,435 0,455 0,474 0,491 0,507 i
(0,289) (0,312) (0,351) (0,384} (0,412) (0,438) (0,461) (0,482) (0,501) (0,516) (0,534) (0,3~9) (O, 6 ~ ~i

0,188 0,20 7 0,240 0,269 0 ,294 0,318 0,3 39 0,359 0,377 0,395 0,411 0,,26 0,4 90
40
(0,229) (0,248) (0,282) (0,311) (0 ,336) (0,360) (0,381) (0,400) (0,418) (0,435) (0,450) (0,465) (0,527) J
0,247 0,266 0,2 87 0,305 0, 322 0,336 0',35 :i o' 367 0,'*28 1
0,155 0,171 0,199 0 ,224
50
(0,236) (0,261) (0, 284) (0,305) (0,324) (0,342) (0, 358) (0,374) (O, 389) (0,403) (0,46)) ""
(O, 190) (0,206)
0,162 0,174 0,18 5 0,196 0,206 0,216 0,261
ti
:"!
100 0,082 0,091 0,108 0,12 3 0,1 37 0,150
(0,102) (0,112) (0,129) (0, 145) (0,159) (0,172) (v,1 85) (0, 197) (0,208) (0,219) (0,230) (0,240) (0, 265)
0, 017 0,020 0,023 0,02'7 0,030 0,033 0,036 0,039 0,042 0,04S 0,048 0,050 O, O3
500
(0 , 022) ~(0,024) (0,028) (0,032) (0,035 ) (0,039) (0,042) (0,045) (0,048) (0,051) (0,054) (0,056) (0,070)
1000 1 o,oo9 o,o1o o,o1 2 o,014 o,o15 o,o11 o,o18 o,ozo 0,021 o,o23 o,o24 o,o26 o,o32
(0, 0 11) (0,012) (0,014) . , 016) (0,018) (0,020) (0,021) (0,023) (0,024) (0,026) (0,027) (0,,029) (0,036)
<:-

I
.!:'-
.....

:j
~~~~ ~~~-~~ ~ ~ ~~~~~~~~~~~~ ~ ~~~~~~~~
,.

Tabela 16, Continua'o.

,to.
.1:'-
N
r 1:

I
5 m

u -0,5 o 4 6 8 10 15

1 0,966 0,971 0,977 0,981 o,984 o,986 o,988 0,989 o,990 o;~91 o,992 o,992 o,99.<
(0,986) (0,988) (0,990) (0,992) (0,993) (0,994) (0,995) (0,995) (0,956) (0,956) (0,997) (0,997) (0,998)
3 0,866 0,881 0,903 0,918 0,929 0,937 0,944 0,949 0,953 0,957 0,%0 0,963 0,972
(0 ,916) (0,926) (0,939) (0,949) (0,956) (0,961) (0,965) (0,%8) (0,971) (0,973) (0,975) (0,977) (0,983)
s
10
0,766 0,788 0, 821 0,845 0,86) 0,877
(0,832) (0,848) (0,872) (0,889) (0,902) (0,913)
0,580 0,607 0,651 0,685 0,713 0,735 0,755
0,888 0,898
(0,92!) (0,928)
0,771 0,786 0,799
0,906 0,913

0,810
0,918

0,820
0,924
(0,933) (0,938) (0,943) (0,946)
0,857
0,942
(0,959) j:
(0,653) (0,676) (0,714) (0,743) (0,766) (0,785) (0,801) (0,815) (0,827) (0,837) (0,847) (0,855) (0,855)
15 O,q2 0,648 0,667 0,685 0,701 .O,il5 0,728 0,777
J
0,462 0,483 . 0,533 0,569 0,599
(0,530) (0,554) (0,595) (0,627) (0,655) (O,78) (0,698) (0,715) (0,731) ~0,744 ) (0,757) (O,i86) (0,811) 1
20 0,383 o,40 7 0,449 0,4~5 0,515 o,542 0,565 0,586 o,604 o;&21 o,637 o,6S1 o,7os
cfl
~
(0,444) (0,.68) (0,507} (0,540) (0,568)
0,326 0,349 0,388 0,422 0,451 0,477
(0,593) (0,614) (0,633)
0,500 0,521 0,540
(0,651) (0,666) (0,680)
0,557 0,573 0,588 0,64 8
(0,382) (0,404) (0,442) (0,473) (0,501) (0,526) (0,547) (0!567) (0,585 ) (0,601) (0,616) (0,630) (0,685)
(0,93) (0,744)

r
30 I 0,284 0,305 0,341' 0,373 0,400
(0,334) (0,355) (0,390) (0,421) (0,448)
0,425
(0,471)
0,448 0,1,68
(0,493) (0,512)
0,487 0,504 0,520 0,.535
(0,530) (0,546) (0,562) (0,576)
0,597
(0,634)

40 0,226 0,243 0,275 0,302 0,327 0,349 0,370 0,389 0,406 0,423 0,438 0,453 0,514
(0,268) (0,285) (0,317) (0,344) (0,368) (0,390) (0,410) (0,429) (U,.\46) (0,462) (0,477) (0,491) (0,550)

so I 0,.187 a,202 0,230 0,254 o,276 0,296 0,315 o,3J2 0,345 0,364 0,378 o,>n 0,451
(0,223) (0,239) (0,266) (0,290) (0,312) (0,332) (0,351) (0,368) (0,384) (0,399) (0,413) (0,427) (0,484)
100 I 0 ,101 0,110 0,126 0,141 0,155 0,168 0,180 0,191 0,203 0,213 0,22.4 0,233 0,278
(0,122) (0,131) (0,148) (0,163) (0,177) (0,190) (0,203) (0,215) (0,226) (0,237) (0.,247) (0,257) (0,302)
500 1 0 ,022 o,o24 o,o27 o,031 . o,034 o,o3s o,o41 o,044 o,o J o,o49 o,052 o,oss o,oa.
(0,026) (0,028) (0,032) (0,036) (0,040) (0,043) (0,046) (0,049) (0,052) (0,055) (0,058) (0,061) (0,075)
1000 1 o,on .0,012 o,o14 o,o16 0,011 o,o19 0,021 0,022 0,024 o,o2s 0,021 o,oza o,035
(0,013) (0,014) (0,016) (0,018) (0,020) (0,022) . {0,024) (0,025) (0,027) (0,028) (0,030) (0,031) (0,039)

.::;.-w:

Tabela 16. Continuao .

6 m

-0,5 o 8 lO 15

1- I 0,975 0,978 0,983 0,985 o,988 0,989 0,990 0,991 0,992 0,993 0,993 0,994 0,9>5
(0,989) (0,991) (0,993) (0 ,994) (0,995) (0,995) (0,996) (0,996) (0,99ii (0,997) (0,997) (0,997) (0,9>3)
0,895 0,906 0,922 0,933 0,941 0,948 0,953 0,957 0,%1 0,964 0,966 0,968 ,97
(0,934) (0,941) (0,951) (0,958) (0,963) (0,968) (0,971) (0,973) (0,976) (0,978) (0,<;79) (0,980) (0,965i
0,808 0,825 0,850 0,869 0,883 0,895 0,904 0,912 0,918 0,924 0,929 0,934 0,949
(0,863) (0,875) .<0,893) (0,906) (0,917) (0,925) (0,932) (0,938) (0,942) (0,947) (0,950) (0,953) (0,964)
10 I 0,633 o,655 o,692 0,121 0,744 0,764 o,78 1 0,795 o,so8 0,819 0,829 0,838 o,a7t
(0,698) (0,717) (0 ,748 ) (0,772) (0,792) (0,809) (0,823) (0,'834) (0,845) (0,854) (0,86 2) (0,869) (0,896)

0,576 o,6os o,635 o,65~ 0,6 78 0,6% 0,711 0,726 0,739 0,750 0,795
15 o;514 0,537
(0,578) (0,599) 10,633) (0,662) (0,686) (O,i06) (O, 724) (0,740) (O,i54) (0,766) (0,7i7) (0,787) (O,2)
O, 728
20 0,432 0,4 54 0,491 0,523 0~551 0,57~ o' 596 0,615 0,632 0,648 0,662 0,676 (0,72)
(0,491 ) (0,511) (0,546) (0,576) (0,601) (0,623) (0,643) (0,660) (0,676) (0,-690) (O,i03) (0,715)
0,458 0,485 0,509 0,531 0,550 0,568 0,584 J ,599 0,613 0,9
25 0,37i 0,392 0,428
(0,652) \0,704)
(0,426)'(0,445) (0,4)9) (0,508) (0,533) (0,556) (0,576) (0,594) (0,6il) (0,626) (0,640)

30 0,326 0,345 0,378 0,407 0,433 0,457 0,478 O, 497 0,514 O, 531 . 0,546 0,560
(0,375) (0,394) (0,426) (0,454) (0,479) (0,501) (0,521) (O,) 39) (O, 556) (0,572) (0,58} (0,599)
0,6:8
(0,65) 1
40 0,261 0,278 0,307 0,333 0,356 0~378 0,397 0,416 o,432 o,448 0,463 - 0,477 o,5>o ;k :i
(O, 303) (0,319) (0,348) (0,374) (0,397) (0,418) (0,437) (0 .54) (0,471) (0 ,486) (0,500
) (0,513) (0,570)
o, 4 72 I.~,,
'I
.i

1
0,232 0,258 0,281 0,302 o, 322 o, 340 0,357 O, 372 0,387 0,401 0,414
50 0,218
(0,254) (0,269) (0,294) (0,318) (0,338) (0,358) (0, 375) (O, 3 92) (0,407) (0, 422) (0, 436) (0,448) (o,so:..)
o, 184 0,197 0,208 0,219 0,230 0,240 0,250 0,294 r-:
0,119 0,128 0,144 0,158 0,172
100
(0,140) (0, 149) (0,166) (O, ISO) (O, 1,94) (O, 207) (0,220) (0,2Ji) (0,242) (O, 253) (O, 263)
(0,273) (0,318) '"1
0,026 Jl,028 0,031 0,035 0,039 0,042 0 ,045 0,048 0,051 0,054 0;057 0,059 0,073
500 (0,080)
(0,031) (0,033) (0,037) (0,041) (0,044) (0,047) (0, 051) (0,054) (0,057) (0,060) (0,063) (0,066)
!.
0,013 0,014 0,016 0,018 0,020 0,021 0,023 0,024 0,026 0,028 0,029 0,031 0,037
1000
(0,016) (0,017) (0,919) (0,021) (0,022 ) (0,024) (0,0 26) (0,028) (0,029) (0,03t) (0,032) (01034) (0,041) ~
.::-
w ~

~
fi
.1
L~~~~~~~~~~~ ~ ~~~~~~~~~~~~ ~ ~ ~~~~ ~~~

f:

_p..
~.
!&bela 16. Continuao ..
.e-.
~ 1
:i
.
.

~
s - 7 Q

n -0,5 o 10 15 1
0,981 0,983 _0,986 0,988 0,990 0,991 0,992 0,993 0,993 0,994 0,994 0,995 0,996 :1
(0,992) (0,993) (0,994) (0,995) (0,996) (0,996) (0,997) (0,9~7) (0,997) (0,997) (0,998) (0,998) (G,998)
3 I o,915 o,n3 o,935 o,944 .o,9so o,956 o,96o o,963 o,966 o,969 o,971 o,973 o,979
(0,947) (0,952) (0,960) (0,965) (0,969) (0,972) (0,975) (0,977) (0,979) (0,981) (0,982.) (0,983) (0,957)
11
o,~34 .o,9-38 o,941 c,955
.sI
10 I
o,84o o,852 o,s12 o,887 o,899 o,9os o,917 o,923 a,929
(0,885) (0,895) (0,909) (0,920) (0,928) (0,935) (0,941) (0,946) (0,950) (0,953) (0,956) (0,959) (0,968)
o,6n o,695 o,726 o,75o o,771 o,788 o,8o2 o,81s o,s26 o,836 o,845 o,853 o,8s2
(0,735) (0,751) (0,777) (0,;'97) (0,814) (0,82'8) (0,840) (0,851) (0,860) (0,868) (0,875) (0,882) (0,906)
r<

15 0,560 0,579 0,613 0,641 0,665 0,686 0,704 0,720 0,734 0~747 0,759 0,769 0,81G
(0,619) (0,636) (0,667) (0,691) co,7l3) (0,731) (0,747) (0,761) (0,773) (0,7841 (0,794) co,soq co,8J9l
20 0,475 0,494 0,528 0,557 0,582 0,604 0,624 0,641 0,657 0,671 0,685 0,697 0,7'+5
(0,531) (0,549} (0,580) (0,607) (0,630) (0,650) (0,667) (0,684) (0,698) (0,711) (0,723) (0,734) (0,777)
2s I o,412 o,431 o,463 o,491 o,51. o,s18 o,558 o,576 o,593 o,6o8 o,6n o,635 o,66s
(0,464) (0,482) (0,512) (0,519) (0,53) (0,583) ' (0,602) (0,618) (0,634) (0,648) (0,661) (0,673) (0, i2l)
30 0,364 0,381 0,412 0,439 0,463 0,485 0,505 0,523 0,540 0,555 0,569 0,583 0,636
(0,412) (0,'429) (0,458) (0,484) (0,507} (0,528) (0,547) (0,564) (0,580) (0,594) (0,607) (0,620) (O,7i)
40 0,294 0,309 0,337 0,362 0,3~4 . 0,404 0,4lJ 0,440 0,456 0,471 0,485 0,499 0,555
(0,336) (0,351) ' (0,378) (0,402) (0,423) (0,443) (0,461) (0,478) (0,493) (0,508) (0,521) (0,534) (0,5S6)
50 0,247 0,260 0,285 0,307 0,327 0,346 0,363 0,379 0,395 0,409 . 0,422 0,435 0,49l
(0,283) (0,2&6) (0,321) (0,343) (0,363) (0,381) (0,398) (0,414) (0,429) (0,443) (0,456) (0,469) (0,522)
100 0,136 0,145 0,160 0,175 0,188 0,200 0,212 0,224 0,235 0,245 0,255 0,265 o, 3Q9
(0,158) (0,167) (0,182) (0,197) (0,211) (0,223) (0,236) (O, 24 7) (0,258) (0,269) (0,279) , (0,283) (O, 332)
500 0,030 0,032 0,036 0,039 0,042 0,046 0,049 0,052 0,055 0,058 0,061 0,064 o,o;7
{0,035) {0,037) (0,041) (0,045) (0,048) (0,052) (0,055) (0, 058) (0,061) (0,064) (0,067) (0,070) (0,06.:.)
1000 1 o,o1s 0,016 o,o18 . o,o2o 0,022 o,023 o;o2s o,o27 o,o28 o,o3o o,031 o,033 o,o~o
(0,018) (0,019) (0,021) . ,023) (0,025) (0,026) (0,028) (0,030) (0,031) (0,033) (0,034) (0,036) (0,043)

tabela 16, Continuao.

m
- 8
n :..o,5 o s 10 15

0,985 0,986 0,989 0,990 0 ,992 0,992 0,993 0,>94 0, 9 9'- 0,995 0,995 0,995 0,~97
(0,994) {0,994) (0,995) (0,996) (0,996) (0,997) (0,997) (0,997) (0,99~ (0,998) (0,998) (0,998) (C,999)
0,9~2
~-

3 0,930 0,936 0,945 0,958 0,%2 0,965. 0,968 0,971 0,973 0,9/4 0,976 0,982
(0,957) (0,960) (0,966) (0,9lO) (0,974) (0,976) (0,979) (0,980) (0,982) (0,983) (0,98~) (0,985) i0,9dS)
5 0,864 0,874 0,890 0,902 0,912 0,920 0,927 0,932 0,937 0,941 0,945 0,948 0,959
{0,903) (0,910) (0,922) ' (0,931) {0,938) (0,943) (0,948) (0,952) (0,956) (0,958) (0,961) (0,963) (0,972)

10 0,713 0,728 0,754 0,775 0,808 0,821 0,832 0,842 0,851 0,859 0,865 0,892
0,793
(O, 766) (O, 779) (0,800) (0,818) (0,833) (0,845) (0,855) (0,865) (0,873) (0,880) (0,886) (0,892) (0, 91 .. )
15 o,S98 n,615. 0,645 o,670 o,692 o, (10 0,727 0,741 0,754 0,766 0,776 0,785 0,824
(0,653) (0,669) (0,695) (O, 717) (O, 736) (O, 752) (0,767) (0,779~ (0,791) (0,801) (0,810) (0,818) (0,851)
20 0,513 o,531_ 0,561 o,5~] o,610 o,630 o,648 o,664 o,679 o;692 0,705 o,716 o,761
(0,567) (0,583) (0,610) (0,634) (0,655) (0,673) (0,690) (0,704) (0,718) (0,729) (0,740) (0,750) (0,791)
25 0,449 0,466 0,495 0,521 0,544 0,565 0,583 0,600 0,616 0,630 0,643 0,655 o, 705
(0,499) (0,515) (0,543) (0,567) (0,588) (0,607) (0,625) (0,640) (0,655) (0,668) (0,680) (0,691) (0,736)
0,398 0,414 0,44i o,547 o,56j o,577 o,590 o,603 o,655
30 0,468 0,491 0,511 0,530
(0,445) (0,460) (0,488) (0,512) (0,533) (0,552) (0,570) (0,586) (0,601) (0,614) (0,627) (0,639) (0,687)
0,325 0,339 .0 ,36,5 0,388 0,446 0,463 0,478 0,493 0,506 0,519 0,573
40 0,409 0,428
(0,365) (0,379) (0,405) (0,427) (0,448) (0,467) (0,484) (0,500) (0,514) (0,528) (0,541) (0,553) (0,605)
0,274 0,286 0,310 0,331 0,351 0,368 0,385 0,401 0,416 0,429 0,442 0,455 0,508
50
(0,310) (0,323) (0,345) (0,366) (0,385) (0,403) (0,419) (0,435) (0,449) (0,462) (0,475) (0,487) (0,539)
R
0,153 0,161 0,176 0,190 0,203 0,216 0,228 0,239 0,250 0,260 0,270 0,279 0,323 i!
100
(0,175) (0,184) (0,199) (0,213) (0,226) (0,239) (0,251) (0,262) (0,273) (0,283) (0,293) (0,312) (0,346) !':.
0,034 0,036 0,040 0,043 0,047 0,050 0,053 0,056 0,059 0,062 0,065 0,068 0,031
500
{0,039) {0,041) (0,045) (0,049} (0,052) (0,056) (0,059) (0,062) (0,065) (0,069) (0,072) (0,074) (O,Obd)
0,017 ~,018 0,020 0,022 0,024 0,025 0,027 0,029 O,OJO 0,032 0,033 0,035 0,042
.1000 (0,020) (0,021) (0,023) (0,025) (0,021) (0,029) (0,030) (0,03:l) (0,034) (0,035) (0,037) (0,038) (0,046) ..,...
..,...

i
Vl
~~~~~~~~~~~ ~ ~~~~~~~~~~~~~~~~~~~~~

l
'[ '

..,._
..,._

.-
Tabela 16. Continua.o. 0\

~ m

-0,5 o 5 6 8 lO 15
"
0,988 0,989 0,991 0 , 992 0,993 0,994 0,994 0,995 0,995 0,995 0,996 0,996. 0,997
(0,995) (0,995) (0,996) (0,997} (0,997) (0,997) (0,998) (0,998) (0,988) (0,988) (0,998) (0,998) (0,999)
) 0,942 0,946 0,953 Q,959 0,963 0,967 0,970 0,972 0,974 0,976 0,977 0,979 0,98'
(0,964 (0,967) (0,971) (0,975). (0,977) (0,979) (0,981) (0,983) (0,984) (0,985) (0,986) (0,987) (0,990) t
~:
5 0,883 0,891 0,904 0,914 0,922 0,929 0,935 0,939 0,944 0,947 0,950 0,953 0,963
(0,917) (0,923) (0,932) (0,939) (0,945) (0,950) (0,954) (0,957) (0,960) (0,963) (0,965) (0,.967) (0,974) t
10 0,743 0,756 0,778 o, 797 0,812 0,825 0,837 0,847 0,855 0,863 . 0,870 0,876 0,901
(0,791) (0,802) (0,820) (0,835) (0,848) (0,859) (0,868) (0;876) (0,884) (0,890) (0,896) (0,901) (0,920)
]l
r
15 0,632 0,647 0,674 0,696 0,715 0,73~ 0,747 0,760 0,771 0,782 0,792 0,801 0,835
(0,683) (0,697) (0,720) (0,740) (0,756) (0,7 71) (0,784) (0,795) (0,805) (0,815) (0,823) (0,831) (0,86\)
20 0,548 0,563 0,591 0,614 0,635 0,654 0,670 0,685 0,698 0,711 0,722 0,733 0,775
{0,598) (0,612) (0,637) (0,659) (0,678) (0,695) (O, 709) (0, 723) (O, 735) (0,-746) (O, 756) (O, 766) (0,80:i)
f
25 0,482 0,497 0,525 0,549 . 0,570 0,589 0,606 0,621 0,636 0,650 0,662 0,673 0,710
(0,530) (0,544) ' (0,570) (0,592) (0,612) (0,630) (0,646) (0,660) (0,673) (0,686) (0,697) (0,707) (0,750) h
30 0,430 0,445 0,471 0,495 0,516 0,535 0,552 0,569 0,583 0,597. 0,6l0 0,622 G,6ll
(0,4J5) (0,490) (0,515) (0,537) (0,557) (0,575) (0,591) (O,i06) (0,620) (0,633) (0,645) (0,656) (G, 702
,~
40 0,353 0.366 0,391 0,413 0,433 0,451 0,!.68 0,484 0,499 0,512 0,525 . 0.538 0,590
(0,393) <o,4o6l <o,430l I0,451l (0 ,471) <o,488l <o ,5o5l <o,s2ol <o,s34l <o,S47) (0,559l <o,571) (0,620)
50 0,199 0,311 0,333 0,354 0 , 373 0,390 0,406 0,421 0,435 0,448 0,461 ' 0,473 0,524
(0,335) {0,347) (0,369) (0,389) (0,407) (0,424) (0,439) (0,454) (0,468) (0,481) (0,493) (0,504) (0,554)
100 0,169 0,177 0,192 0,206 0,219 0,231 0,242 0,253 0,264 0,274 0,284 0,293 0,336
(0,192l co,2ooJ co,215) (0,229) co.z41l (0,254) (0,265) (0,276) (0,287) co, 29 7) co,3o 7) (0,316) co,359

500 o,038 0;040 o,043 0,047 o,051 o,054 o,057 o,o6o o,063 o,066 o;o69 o,012 o,oe
(0,043) {0,045) (0,049) (0,053) (0,056) (0,060) (0,063) (0,066) (0,070) (0,073) (0,076) (0,079) (0,093)
1000 0,019 0,020 0,022 0,024 0,026 0,028 0,029 0,031 0,032 0,034 0,036 0,037 0,044
(0,022) (0,023) (0,025) (0,027) (0,029) {0,031) (0,032) (0,034) (0,036) (0,031) (0,039) {0,041) (0,048)

Tabela 16. Continuao

. 10 m

-0,5 o 5 8 lO 15

0,990 0,991 0,992 0,9 93 0 ,994 0,994 0,995 0,9ys 0,996 0,996 0,996 0,997 0,997
(0,996) (0,996) (0,997) (0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998 (0,998) (0,999) (0,999)
3 0,950 0,954 0,960 0,964 0,968 0,971 0,973 0,975 0,977 0,97b 0,980 0,981 0,985
{0,969) (0,971) (0,975) (0,978) (0,980) (0,982) (0,983) (0,985) (0,986) {0,937) (0,988) (0,998) (0,991)
5 0,998 0,905 0,911 G,924 0,931 0,937 0,941 0,946 0,949 0,952 0,955 0,95~ 0,967
{0,928) (0,33) (0,940) (0,946) (0,951) {0,955) (0,959) (0,962) (0,964) (0,967) {0,969) (0,970) (0,977)
10 0,7'69 0,780 0,799 0,815 0,929 0,840 0,851 0,859 0,867 0,874 0,880 0,886 0,908
(0.812) (0,822) (0,837) (0,851) co,862) co,8n) (o,8Bo) <0,887) (0,893) (0,899) (0,904) co,9o9 <o,926)
15 0,662 0,675 0,699 0,719 0,736 0,75l 0,764 0,776 0,787 0,797 0,806 0,81~ 0,846
(0,710) {0,721) {0,742) (0,759) (0,77-\) (0,788) (0,799') (0,810) {0,819) (0,827) (0,835) (0,842) (0,869)
20 0,578 0,592 0,617 0,639 0,658 0,675 0,690 0,704 0,716 0.728 0,738 0,748 0,787
(0,626) (0,639) (0,661) (0,681) (0,698) (0,713) (0,727) (0,740) (0,751) (0,761) {0,771) (0,779) (0,81:.)
25 0,512 0,526 0,551 0,573 0,593 0,611 0,627 0,642 0,655 0,667 0,679 0,690 0,734
(0,558) {0,571) {0,595) (0,615) (0,634) (0,650) (0,665) (0,678) (0,691) (0,702) (0,712) (0,722) (0,762)
30 0,459 0,473 0,497 0,519 0,539 0,557 0,573 0,589 0,603 0,615 0,627 0,639 0,686
{0,503) {0,516) (0,539) (0,560) (0,579) (0,595) (0,611) (0,625) (0,638) (0,650) (0,661) (0,672) (0,715 .
40 0,380 0,392 0,415 0,436 0,455 0,473 0,489 0,504 0,518 0,531 0,543 0,555 0,605
(0,~19) (0,431) '(0,454) (0,474) (0,492) (0,509) (0,524) (0,539) (0,552) (0,564) (0,576) (0,587) (0,635 )'

so 0,323 0,335 0,356 0,375 0 ,393 0,410 0,425 0,440 0,453 0,466 0,478 0,490 0,540
(0,359) {0,370) (0,391) (0,410) .(0 ,427) (0,443) (0,458) (0,472) (0,485) (0,498) (0,510) (0,521) (0,569)
~:
1oo I o,1s5 o,193 o,zo1 o,22o o,2.J3 o,245 o,256 o,267 o,278 o,287 o,z97 o,Jo6 o,348
(0,208) (0,215) (0,230) (0,243) (0,256) (0,268) {0,279) (0,290) (0,301) (0,311) (0,320) {0,329) (0,371)
500 I 0,042 0,044 o,47 0,051 0,054 0,058 0,061 o,o64 0,067 0,070 0,073 0,076 0,090
(0,047) (0,049) (0,053) (0,057) (0,061) (0,064) (0,067) (0,071) (0,074) {0,077) (0,080) (0,083) (0,097)
1000 I 0,021 0,022 0,024 0,026 ,0,028 o,o3o 0,031 o,033 0,034 o,OJ6 o,o38 0,039 0,047
(0,024) (0,025) (0,027) \0,029) {0,031) (0,033) (0,034) (0,036) (0,038) (0,040) (0,041) (0,043) (0,050)
..,._ !""
.p.. ~

~
-...J

ti
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

:' !

'J
l
I

Tabela 16, Continuao,

.j;--
.j;--
il '
s - ll Cl

n -0,5 lO 15

0,992 0,992 0,993 0,994 0,995 0,995 0,996 0,996 0,996 0,997 0,997 0,997 0,998
(0,996) (0,997) (0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998) (0,999) (0,999) (0,999) (0,999)
0,957 0,960 0,965 0,969 0,972 0,974 0,976 0,978 0,979 0,981 0,982 0,983 0,987
(0,974) (0,975) (0,978) (,0981) (0,982) (0,984) (0,985) (0,986) (0,987) (0,988) (0,989) (0,989) (0,992)
s I o,911 o,916 o,925 o,932 o,9Ja o,%3 o,947 o,9sr o,954 o,9s7 o,959 o,96 o,9/o
(0,937) (0,941) (0,947) (0,952) (0,956) (0,960) (0,963) (0,966) (0,968) (0,970) (0,971) (0,973) (0,979)
10 I o,791 o,8oo o,817 o,831 o,843 o , a54 o,a63 o,87o o,a77 o,884 o,889 o,895 o,915
(0,830) (0,838) (0,852) (0,864) (0,874). (0,882) (0,389) (0,896) (0,902) (0,907) (0,911) (0,916) (0,931)
15 I 0,688 0,700 0,721 O,i39 0,754 0,7!J6 0,780 0,791 0,801 0,810 0,818 0,825 0,855

20 I (0,733) (0,743) (0,761) (0,777) (0,790) (0,802) (0,813) (0,822)' (0,831) (0,839) (0,845) (0,852) (0,87i)
0,606 0,618 0,641 0,661 0,678 0,694 0,708 0,721 0,732 o.7~3 0,753 0,-762 0,798
(0,651) (0,663) (0,683) (0,701) (0 , 717) (0 , 731) (0,71.)) (0,755) (0,765) (0,775) (0,783) (0,791) (0,824)
25 0,540 0,552 0,576 0,596 0,615 0,631 u,646 0,660 0,672 0,684 0,695 0,705 0,646
(0,584) (0,596) (0,617) (0,636) (0,653) (0,668) (0,682) (0,695) (0,706) (O, 717) (O, 727) (O, 736) (O, 77~)
30 1 0,486 o,49Y o,52l. 0,542 o,561 o,5n o,5J3 o,607 o,620 o,&3J o,644 o,65s o,99
(0,529) (0,5"1) (0,562) (0,581) (0,599) (0,615) (0,629) (0,642) (0,655) (0,666) (0,677) (0,686) (O, 728)

40 I 0,405 0,417 0,438 0,458 0,476 0,1.92 o,508 0,522 0,536 0,548 o,56o 0,571 o,61>
(0,443) (0,455) (0,476) (0,495) (0,512) (0,528) (0,542) (0,556) (0,569) (0,581) (0,592) (0,603) (0,648)
50 0,346 0,357 0,377 0,396 0,413 0,429 0,444 0,458 0,470 0,483 0,495 0,506 0,554
(0,381) (0,392) (0,411) (0,429) (0 , 446) (0,461) (0,476) (0,489) (0,502) (0,514) (0,525) (0,536) (0,582)
100 0,200 0,208 0,222 0,235 0,247 0,259 0,270 0,281 0,291 0,301 0,310 0,319 0,360
(0,223) (0,230) (0,244) (0,258) (0,270) (0,282) (0,293) (0,303) (0,314) (0,323) (0,333) (0,342) (0,383)
soa I (0,052)
o,046 o,o48 o,o51 o,055 o,o5a o,o62 o,o65 o,o68 0,011 o,o74 o,on o.o.8o o,o94
(0,053) (0,057) (0,061) (0,064) (0,068) (0,071) (0,074) (0,078) (0,081) (0,084) (0,087) (O, 101)
1000 I o,o23 o,024 o,o26 o,028 o,o3o o,o32 o,033 o,035 o,o37 o,038 o,o4o o,41 0,049
(0,026) (0,027) (0,029) (0,031) (0,033) (0,035) (0,037) (0,038) (0,040) (0,042) (0,043) (0,.045) (0,052)

Tabela 16. Continuao

- 12 m

n -0,5 o 2 6 8 lO 15

0,993 0,993 0,994 0,995 0,995 0,996 0,9% 0,996 0,997 0,997 0,997 0,997 0,998
(0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998) (,0998) (0,999) (0,999) (0,999) (0,999) (0,999)
3 I o,963 o,965 o,969 o,972 o,975 o,9n o,979 o,98o o,981 o,983 o,984 o,984 o,988
(0,977) (0,979) (0,981) (0,983) (0,984) (0,986) (0,987) (0,988) (0,989) (,989) (0,990) (0,990) (0,993)
s I o,921 o,926 o , o11 o,939 o,944 o,949 o,952 o,956 o,958 o,96t o,963 o,%5 o,9n
(0,944) (0,948) (0,953) (0,957) (0,961) (0,964) 90,966) (0,969) (0,971) (0,972) (0,974) (0,975) (0,980)
10 I o,a1o 0,818 o,833 o,84S 0,856 0,865 0,873 o,880 0,886 0,892 0,<397 0,902 0,920
(0,846) (0,853) (0,865) (0,875) (0,884) (0,891) (0,898) (0,904) (0,909) (0,914) (0,918) (0,921) (0,936)
15 I 0,711 0,722. 0,740 0,757 0,771 O,Z83 0,79q 0,804 0,813 0,822 0,829 0,836 0,864
(0,753) (0,762} (0,778) (0,792) (0,805) (0,815) (0,825) (0,834)' (0,842) (0,849) (0,855) (0,861) (0,885)
20 I. o,63l o,642 o,663 o,681 o,697 o,711 o,n4 o,736 0,747 o,757 0,766 0;774 0,809
(0,674) (0,684) (0,703) (0,719) (0,733) (0,746) (0,758) (0,769) (0,778) (0,787) (0,795) (0,802) (0,833)
25 I 0,565 0,577 0,598 o,617 0,634 o,649 o,664 o,677 o,688 o,699 o,7o9 o,n9 o,7s8
(0,607) (0,618) (0,638) (0,656) (0,671). (0,685) (0,698) (0,710) (0,721) (0,731) (0,740) (0,749) (0,784)
30 I o,5ll 0,523 o,544 0,563 0,581 o,596 0,611 o,625 0,637 o,648 0,659 o,669 o,712
(0,552) (0,563) (0,583) (0,601) (0,617) (0,632) (0,646) (0,658) (0,670) (0,680) (0,690) (0,700) (0,739)
40 0,428 0,439 0,460 0,478 0,496 0,511 0,526 0,540 0,552 0,564 0,576 0,587 0,632
(0,466) (0,477) (0,4%) (0,514) (0,531) (0,546) (0,560) (0,573) (0,585) (0,596) (0,607) (0,617) (0,660)
50 0,368 0,378 0,397 0,415 0,431 o, 44 7 0,461 0,474 0,487 0,499 0,510 0,521 0,567
(0,402) (0,412) (0,431) (0,448) (0,464) (0,479) (0,493) (0,506) (0,518) (0,529) (0,540) (0,550) (0,595)
100 0,215 0,222 0,236 0,249 O, 26l 0,272 0,283 0,293 0,303 0,313 0,323 0,331 0,372
(0,238) (0,245) (0,259) (0,271) (0,283) (0,295) (0,306) (0,316) (0,326) (0,336) (0,:345) (0,354) (0,394)

500 0,050 0,052 0,055 0,059 0,062 0,065 0,069 0,072 0,075 0,078 0,081 0,084 0,098
(0,055) (O, 057) (0,061) (0,065) (0,068) (0, 072) (0,07 5) (O, 078) (0,082) (0,085) (0,088) (0,091) (0,105)
1000 0,02.5 0,026 0,028 0,030 0,032 0,034 0,035 0,031 0,039 0,040 0,042 0,043 o, 051
(0,028) (0,029) (0,031) (0,033) (0,035) (0,037) 10,039) (0,041) (0,042) (0,044) (0,045) (0,047) (0,055)

--~----------------- .j>
.j;--
1.0

~,
:~
h~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ~,......,,......,"',......,

-!O-
Tabela 16. Continuao . VI
o
s u 13 m

D -0,5 o 5 10 15

1 I 0,994 0,994 0,995 0,995 0,996 0,996 0,997 0,997 0,997 0,997 0,997. 0,998 0,998
(0,997) (0,998) (0,998) (0,998) (0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0;999) (0,999) (0,999)
J I o,967 o,969 o,9n o,975 o,9n o,979 o,n1 o,982 o,983 o,984 o,985 o,986 o,989
(0,980) (0,981) (0,983) (0,985) (0,986) (0,987) (0,988) (0,989) (0,990) (0,990) (0,991) (0,991) (0,993)
s I o,930 o,934 o,94o o,945 o,95o o,953 o,957 o,959 o,%2 o,964 o,966 o,968 o,974
(0,950) (0,953) (0,958) (0,961) (0,965) (0,967) (0,969) (0,971) (0,973) (0,975) (0,976) (0,977) {0,982)
10 I o,826 o,833 o,s46 o,857 o,867 o,875 o,882 o,s89 o,s95 o,90o o,9o5 o,909 o,92s
(0,860) (0,865) (0,876) (0,885) (0,893) (0,8!19) {0,906) (0,911) (0,915) (0,919) (0,923) (0,927) (0,940)
ts I o,732 o,741 o,7sa o,773 o,7s6 o,7.97 o,8o7 o,816 o,825 o,833 o,839 o,846 o,8n
(0,771) (O, 779) (O, 794) (0,806) (0,818) (0,827) (0,836) (0,844) {0,851) (0,858) (0,864) (0,869) (0,891)
20 I o,6s3 o,664 o,683 o,699 o, 714 o, 121 o, 74o o,75o o,76o o:11o o, 778 oj786 o,818
(0,694) (0,703) (0,720) (0,735) (0,749) (0,760) (0,771} (0,781) (0,790) (0,798) (0,806) (0,813) (0,841)
25 0,588 0,599 0,619 0,636 0,652 0,667 0,680 0,692 0,703 0,713 0,723 0,732 0,769
(0,629) (0,639) (0,657) (0,613} (0,688) (0,701) (.0,713) (0,724) (0,734) (0,743) (0,752) (0,760) (0,794)
30 0,534 0,545 0,565 0,583 0,599 0,614 0,628 0,941 0,652 0,663 0,674 0,683 0,723
(0,5J4) (0,584) (0,603) (0,619) {0,635) (0,648) (0,661) (0, 673) (0,684) (0,694) (O, 704) (0, 712) (O, 750)
40 0,450 0,461 0 , 480 0,498 0,514 0,529 0,543 0,556 0,)68 0,580 0,591 0,601 0,645

I
(0,487) (0,497) (0,516) (0,532) (0,548) (0,562) (0,576) (0,588) (0,600} (0,611) (0,621) (0,631) (0,672)
50 0,388 0,398 0,417 0.433 0,449 0,464 0,478 0.490 0,)02 0,514 0,525 0.5.5 0 , 580
(0,422) (0,432) (0,450) (0,466) (0,481) (0,495) (0,509) (0,521) (0,533) (0,544) (0,554) (0,564) (0,607)
100 0,229 0,236 0,250 0,262 0,274 0,285 0,296 0,306 .0,316 0,325 0,334 0,343 0,383
~.252) (0,259) (0,272) (0,285) (0,297} (0,308) (0,319) (0,329) (0,339) (0,348) (0,357) (0,366) (0,405)
500 I 0,053 0,055 O,59 0,063 0,066 0,069 0,073 0,076 0,079 0,082 0,085 0,088 0,102
(0,059) (0,061) (0,065) (0,069} (0,072) (0,076) (0,079) (0,082) (0,085) (0,088) (0,092) (O.94) (O,i09)
1000 1 o,o o,ozs o,o3o o,on o,o34 o,o36 o,o37 o,o39 o,o41 o,o42 o,o44 o,045 o,o53
(0,031) (0,031) (0,033) (0,035) (0,037) (0,039) .(.0,041) (0,042) (0,044) l0,046) (0,047) (0,049) (0,057)

Tabela 16. Continuao .

14 m

D -0,5 o 4 8 lO 15

1 I 0,995 0,995 0,995 0,996 0,996 0,997 0,997 0,997 0,997 0,997 0,998 0,998 0,998
(0,998) (0,998) (0,998) (0,998) (0,998) (0,999} (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)
l I o,9n o,9n o,975 o,978 o,9ao o,981 o,982 o,9s4 o,9ss o,986 o,9&; o,987 o,99o
(0,982) (0,983) (0,985) (0,986) (0,987) (0,988) (0,989) (0,990) (0,991} (0,991) (0,992) (0,992) (0,994)
s I ~.96s o,967 .o,969 o,97o

I
o,937 o,94o o,946 o,95o o,954 o,958 o,96o o,963 o,97
(0,956) (0,958) (0,962) (0,965) (0,968) (0,970) (0,972) (0,971t) (0,975) (0,971) (0,978) (0,979) (0,983)
10 0,841 0,847 0,858 0,868 0,877 0,884 0,891 0,896 0,902 0,906 0,911 0,915 0,930
(0,871) (0,817) (0,826) (0,894) (0,901) (0,907) (0,912) (0,917) (0,921) (0,925) (0,928) (0,932) (0,944)
15 0,751 0,759 0,774 0,788 0,799 0,810 0,819 0,827 0,835 0,842 0,848 0,854 0,878
(0,787) (0,794) (0,808) (0,819) (0,829) (0,838) (0,846) (0,854} (0,860} (0,866} (0,872) (0,877) (0,897)
20 I 0,674 0,683 0,701 o,7!6 o,73 0,742 0,753 0,763 o,773 0,781 0,789 0,797 0,827
(0,713) (0,721) (0,737) (0,750) (0,762) (0,773) (0,783) (0,792) (0,801) (0,809) (0,816) (0,822) (0,849}
25. I o,61o o,620 o,638 o,654 o,669 o,682 o,695 o,7o6 o,717 o,n6 o,735 o,744 o,n9
(0,649) (0,658) (0,675) (0,689) (0, 703) (0, 715) (O, 727) (O, 737) (O, 746) (0, 755) (O, 763) (O, 771) (0,802)
30 I 0,556 0,566 0,584 0,601 o,616 o,631 o,644 o,56 o,667 o,677 0,687 o,69 0,734
(0,594) (0,604) (0,621) (0,636) (0,651) (0,664) (0,676) (0,687) (0,697) (0,707) (0,716) (0,724) (0,759)
40 I o,471 0,481 0,499 o, 516 o,53l 0,546 0,559 o,572 o,ss3 0,594 o,6o5 o,615 0,656
<o;son (0,516) (0,534) (0,550l (0,564) (0,578} <o,591l (0,60J) (0,614) (0,624) (0,634) (0,643) co,6s3)
50 I 0,408 o.417 0,435 0,451 0,466 o,48o 0,493 o,506 0,517 o,528 0,539 0,549 0,592
(0,441) (0,450) (0,467) (0,483) (0,497) (0,511) (0,524) (0,535) (0,547} (0,557) (0,567) (0,577) (0,618)
100 I 0,243 o,250 0,263 o,275 o,287 0,298 o,3os 0,318 o,328 o,337 0,346 o,355 o,394
(0,266) (0,273) (0,286) (0,298) (0,309) (0,320) (0,331) (0,341) {0,350} (0,360) (0,368) {0,377) (0,416)
500 I 0,057 0,059 o,o6:i 0,066 0,070 0,073 0,076 0,079 0,083 0,085 0,088 0,09I 0,105
(0,06j) (0,065) (0,:>69) (0,073) (0,076) (0,080) (0,083) (0,086) (0,089) (0,092) (0,095} (0,098) (9,11})

1000 0,029 0,030 0,032 0,034 0,036 0,038 0,039 0,041 0,043 0,044 0,046 0,047 0,055
(0,032) (0,033} (0,035) ,037) (0,039) (0,041) (0,043) (0,044) (0,046) (0,048) (0~050) (0,051) (0,059)
-10-
l.Jl
l-'

~
;i
.,..., .,..., .-...,
"\ . ., -""\ ., --\ ~ ...-.., ,, _...., " ........_ '> /'"'\ " _, ...--.._ ...--.._ -~ " '"""\ '"'I .-..., ~ '"'I ..-.., ._,_ '"'I ...--.._ ...--.._ '"""\ __.,~I
'i! ;j

~
1

t
.._, .I
L,,
Tabela 16. Continuao . N

15 m

Q -o,s
0,995
(0,998)
o
o,996 o,996 0,996 o,997 o,997 o,997 o,997 o,998 o;998 0,998
6

o,998 o,998
(0,998) (0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)
10 15
'
1
3 0,974 0,976 0,978 0,980 0,981 0,983 0,984 0,985 0,986 0,987 0,987 0,988 0,991
(0,984) (0,985) (0,986) (0,988) (0,989) (0,989( (0,990) (0,991) (0,991 ) (0,992) (0,992) (0,993) (0,994)
s 0,943 0,946 0,951 0,955 0,958 0,961 0,964 0,966 0,968 0,969 0,971 0,972 0,978
. ;
(0,960) (0,962) (0,965) (0,968) (0,970) (0,973) (0,974) (0,976) (0,977) (0,979) (0,980) (0,981) (0,984)
10 0,853 0,859 0,869 0,878 0,885 0,892 '' 0,898 0,903 0,908 0,913 0,917 0,920 0,934
(0,882) {0,886) (0,895) (0,902) (0,908) (0,9U) (0,918) (0,923) (0,926) (0,930) (0,933) (0,936) (0,947)
15 0,767 o;775. o,789 o,80l o,81Z o,,21 o,a3o o,8J7 o,B44 o,851 o,as7 o,a6z 0,884
(0,802) (0,808) (0,820) (0,831) (0,840) (0,848) (0,855) (0,862) (0,868) (0,874) (0,879) (0,883) (0,902)
20 0,693 0,101 o,n7 0,731 0,744 0,755 0,766 o,77s o,784 o;792 0,800 0.,806 (0, 835)
(O, 729) (0,737) (0,751) (0,764) (0,775) (0,785) (0,795) (0,803) (0,811) (0,818) .(0,825) (0,831) (O, 856)
25 I 0,629 o,639 0,656 ,671 o,685 0,697 0,709 o,7~9 o,729 o,738 0,747 0,755 0,788
(0,667) (0,675) (0,691) (0,705) (0,717) (0,729) (0,739) (0,749) (0,758) (0,766) (0,774) (0,781) (0,811)
30 I 0,576 0,585 0,603 0,618 0,633 0,646 O,58 0,969 0,680 0,690 0,699 o, 708 o, 744
(0,613) (0,622) (0,638) (0,652) (0,666) (0,678) (Q,689) (0, 700) (O, 710) (0,719) (O, 727) (0,735) (0,769)
40 I 0,490 o,soo 0,517 0,533 0,548 0,562 0,574 0,586 o,597 0,608 0,618 o,627 0,668
(0,526) (0,534) (0,551) (0,566) (0,580) (0,593i (0,605) (0,616) (.0,627) (0,637) (0,646) (0,655) (0,693)
50 I 0,427 0,436 0,452 0,468 0,482 0,496 0,508 0,520 0,531 0,542 0,552 O,S62 0,604
(,459) (0,468) (0,484) (0,499) (0,513) (0,526) (0,538) (0,549) (0,560) (0,570) (0,580) (0,589) (0,629)
100 1 a,257 0,263 0,276 0,288 0,299 0,310 o,3zo o,33o o,J39 o,349 o,357 o,366 o,4o4
(0,280) {0,286) (0,299) (0,311) (0,322) (0,333) (0,343) (0,353) (0,362) (0,371) (0,379) (0,388) (0,426)
500 0,061 0,063 0,067 0,070 0,073 0,077 0,0&0 0,083 0,086 0,089 0,092 O,Jl95 0,109
(0,067) (0,069) (0,073) (0,076) (0,080) (0,083) (0,087) (0,090) (0,093) (0,096) (0,099) (0, 102) {0, ll6)
1000 0,031 0,032 0,034 0,036 0,038 0,040 0,041 0,043 0,045 O,46 0,048 0,049 o, 057
(0,034) (0,036) (0,038) (0,039) (0,041) (0,043) (0,045) (0,047) (0,048) (0,050) (0,052) (0,053) (O, 061)

Tabela 16. Continuao.

5 m 16 m

n -0,5 o lO 15

o,996 o,996 o,~96 o,997 v,9 97 o,99i o,997 o,998 o,998 o,998 0,998 o,998 o,999
(0,998) (0,998) (0,998) (0,999) (0 ,9 Y9) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)

0,977 O, 9'18 O, 980 O, 982 O, 983 0,984 0 ,985 0,986 0,987 0,988 0,988 0,989 0,991
3
(O, 986) (0, 990) (0,990) (0,991) (0,992) (0,992) (0,992) (0,993) (0 ,993) (0,995)
(0,986) (0, 988) (O, 989)
o, 949 0,951 0,955 0,958 0,962 o, 964 0,966 0,968 0,970 0,972 0,973 0,974 0,979
5
(O, 964) (0,96) (0,969) (0,971) (0,973) (O, 975) (0,976) (0,978) (0,979) (0,980) (0,981) (0,982) (0,986)
10 0,870 0,879 0,886 0,893 0,899 0,905 0,910 0,914 0,918 0,922 0,925 .o, 9)8
0,865
(0,891) (0,895) (0,902) (0,909) (0,914) (0,919) (0,924) (0,927) \0,931) (0,931<) (0,937) (0,940) (O, 950)
0,789 0,802 0,81) 0,823 0,831 0,839 0,846 0,853 0,859 0,865 0,870 0,890
15 0,782
(0,815) (0,821) (0,831) (0,841) (0,849) (0,857) (0,864) (0,870) (0,875) (0,881) (0,885) (0,890) (O, 907)
20 O, 710 o,718 o,732 o,745 o,757 o,76S ~.778 o,786 0,794 0,802 0,809 0,815 o,s'2
(0,745) (0,752) (0,765) (0,777) (G,J87) (0,796) . (0,805) (0,813) (0,820) (0;827) (0,833) (0,839) (0,862)

25 0,648 0,656 0,672 0,686 0,699 0,711 0,722 0,732 0,741 0,750 0,758 0,765 0,796
(0,683) (0,691) (0,706) (0,719) (0,730) (0,741) (0,751) (0,760) (0,769) (0,776) (0,783) (0,790) (0,819)

30 0,594 0,60) 0,619 0,634 0,648 0,660 0,672 0,683 0,693 0,702. 0,711 0,719 0,754
(0,630) (0,638) (0,653) (0,667) (0,680) (0,691) (0,702) (0,712) (0,721) (0,730) (0,738) (0,745) (0,777)

40 0,509 0,518 0,534 0,549 0,563 0,576 0,589 0,600 0,611 0,621 0,630 0,639 0,678
(0,543) (0,552) (0,567) (0,582) (0,595) (0,607) (0,619) (0,629) (0,640) (0,649) (0,658) (0,667) (0,703)

50 0,444 0,453 0,469 0,483 0,497 0,510 0,522 0,534 0,545 0,555 0,565 0,574 0,615
(0,476) (0,485) (0,500) (0,514) (0,528) (0,540) (0,552) (0,563) (0,573) (0,583) (0,592) (0,601) (0,640)

100 0,270 0,276 0,289 0,300 0,311 0,322 0 ,332 0,342 0,351 0,360 0,368. 0,377 0,414
(0,293) (0,299) (O,Jll) (0,323) (0,334) (O,J4t.j (0,354) (0,364) (0,373) (0,382) (0,390) (0,398) (0,436)

500 0,065 0,061 0,070 0,074 0,077 0,081 0,084 0,087 o,o90 o,o93 o;o96 o,o99 o,n3
(0,071) (0,073) (0,077) (0,080) (0,084) (0,087i (0,090) (0, 094) (0,097) (O, 100) (0,103) (0,106) (0,120)
1000 0,033 0,034 0,036 0,038 0,040 0 , 042 0,043 0,045 0,047 0,048 0,050 0,052 0,059
(0,037) (0,038) (0,040) (0,042) (0,043) (0 , 045) (0,047) (0,049) (0,050) (0,052) (0,053) (0, 055) (0,063)
.p..
\.J1
w
-~i

1-j

u
~~~-~~~~~~~~~~-~~~-~-~~~-~-0~~--0~1~
~

.i

,j
!'
-1-'
'-',
.~:-
Tabela 16. Continuao.
s 17
"'
-o,s o 4 5 8 lO 15

0,996 0,996 0,997 0,997 0,997 0,998 0,998 0,998 0,998 0,998 0,998 0,998 0,999
(0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0,999) (0.~99) (0,9 99) (0,999) (0,999) (0,999) (0,999)
3 o, 97 9 0,980 0,982 0,983 0 .~ 8 5 0,986 0 ,987 0,987 0 , 988 0,989 0,989 0,990 0,992
(0, 987) (0,988) (0,989) (0,990) (0, 9 90) (0,991) (0,992) (0,992) (0,993) (0,99J) (0,993) (0,994) (0,995)
5 o, 953 O, 955 O, 959 O, 962 O, 965 0,967 0,9 6 9 0,971 0,912 0,974 . 0;975 0,976 0,981
(0,967) (0,969) (0,971) (0,973) (0,9/5) (0, 977) (0,978) (0,979) (0.~80) (0,981) (0,982) , (0,983) (0,986)
10 0,875 0,879 0,887 0,894 0,900 0,906 0,911 o, 91) 0,91Y 0,923 0,926 0,929 0,941
(0,899) (O, 903) (O, 909) (O, 915) (O, 920) (0, 925) (O, 928) (O, 932) (O, 935) (0, 938) (O, 941) (0, 943) (O, 9531
15 0,796 0,802 0,813 0,824 0,833 0,~41 0,848 0,855 0,861 0,866 0,872 0,876 0,896
(0,1126) (0,832) (0,842) (0,850) (0,858) (0 , 865) (0,871) (O, 877) (0,882) .(0,887) (0,891) (0,895) (0,912)
20 0,726 0,733 0,746 0,759 0,769 0,779 0,788 0,797 0,804 0,811 0,818 0,824 0,849
(O, 759) (0,765) (0,777) (O, 788) (O, 798) (0,807) (0,815) (0,822) (0,829) (0,835) (0,841) (O,B46) (0,868)
25 0,665 0,672 0,687 0,700 0,7[2 0,724 0,734 0,743 0,7 5 2 0,760 0,768 0,775 0,804
(0, 699) (0,706) (0,719) (0,732) (0,743) (0,753) (0,762) (0,771) (0,778) (0,786) (0,793) (0,799) (0,826)
30 0,612 0,620 0,635 0,649 0,662 0,674 0,685 0,695 0,705 O, 713 0,722 0,729 0,762
(0,646) (0,654) (0,668) (0,681) (0,693) (0,704) (0,714) (0,723) (0,732) (0,740) (0,748) (0,755) (0,785)
40 0,526 0,535 0,550 0,565 0,578 0,59i 0,602 0,6 13 0,623 0,633 0,642 0,651 0,688 1:
(0,56.0 ) (0,568) (0,583) (0,596) (0,609) (0,621) (0,632) (0,642) (0,652) (0,661) (0,669) (0,677) (O, 712)
50 I o,461 _0,469 o,484 o,499 o,512 o,524 o,536 o,347 o,558 o,568 o,577 o,586 0,625
(0,493) (0,500) (0,515) (0,529) (0, 542) (0,5~3) (0,565) (0,575) (0,585) (0,595) (0,604) (0,612) (0,650)

100 0,283 0,289 0,301 0,312 0,323 0,333 0,343 0,353 0,362 0,370 0,379 0,387 0,424
(0,306) (0,312) {0,323) (0,335) (0,345) (O, 356) (O, 365) (O, 375) (0, 384) (0,392) (0,401) (0,409) (0,445)

500 0,069 ' 0,070 0,074 0,077 0,081 0,084 0,087 0,091 0 , 094 0,097 0,100 0,103 0,116 .
(0,07'5) {0,077) (0,081) (0,084) (0,087) (0,091) (0,094) {0,097) (0,101) (0,104) (0,107) (0,110) (0.124)

1000 I 0,035 0,036 0,038 ~ 0,040 0,042 0,043 0,045 0,047 o,049 0,050 0,052 0,053 0,061
(0,039) (0,040) (0,042; ,0,043) (0,045) (0,049) (0,099) (0,051) (0,052) (0,054) (O,OSS) (p,057) (0,065)

!,..-

l. Continuao.
5 = 18 !:i

-0,5 o 4 8 9 lO 15

o, 997 O, 997 O, 997 o, 997 0,998 0,998 0,998 0,998 0,998 0,~98 0,998 0,998 0,999
(0,999) (O, 999) (O, 999) (O, 999) (0,999) (0,999) (0,999) (O, 9991 (C, 999) (0, 999i (O, 999) (0, 999) (0, 999)
3 o, 981 o, 982 o, 983 O, 985 0 , 986 0,987 0,988 0,986 0,985 0,9YO 0,~90 0,991 0,992
(0, 988) (O, 989) (O, 990_) (O, 991) (0 ,991) (0,992) (0,992) (O, 993) (O, 993) (O, 994) (O, 994) (O, 994) (G, 995)
5 I 0,957 0,959 0,962 0,965 o,97 o,99 0,971 o,973 0,974 o,97 0,977 0,976 o,9o2
(0,970) (0,971) (0,973) (0,975) (0 ,977) (0,979) (0,980) (0,981) (0,982) (0,983) (0,984) (0,984) (0,987)

10 0,883 0,887 0,895 0,901 0,907 0,912 0,916 0,920 0,924 0,927 0,930 0,933 o, 945
(0, 906) (0,909) (O, 916) (O, 921) (O, 925) (0,929) (0,933) (0,936) (0,939) (0,942) (0,944) (0,947) (0, 956)
15 0,808 0,814 . 0,824 0,834 o, 842 0,~49 0,856 0,862 0,868 0,873 0,878 0,882 0,900
(0, 837) (0,842) (0,851) (0,859) (0,866) (0,872) (0,878) (0,883) (0,888) (0 , 893) (0,897). (0,901) (O, 916)
20 0,740 o,747 o,759 o,7~1 o,78t o,790 o,798 o,8o6 o,B13 o:s2o o,826 o,sJ2 o, 855
(O, 772) (0,778) (0,789) (0,799) (0,808) (0,816) (0,823) (0,830) (J,837) (0,843) (0,848) (0,853) (0, 87:.)
0,688 0,701 0,714 0,725 0,736 0,145 0,754 0,72 0,770 0,777 0,784 0,~12
25 0,680
(O, 713) (0,720) (0,732) (0,744) (0,7 54) (IJ,763) (0,772) (0,780) (0,788) (0,795) (0,801) (0,807) (0,833)
30 I 0,628 0,636 0,650 0,663 0,676 O,b~7 0,697 0,.707 0,716 0,724 0,732 0,740 0,771
(0,661) (0,669) (0,682) (0,694) (0, 705 ) (0, 716) (0, 725) (0, 7J4) (n, 742) (0, 750) (O, 757) (O, 764) (O, 793)
40 I 0,543 0,551 o,566 0,5 79 0,5 92 0,604 0,615 0,625 o,6 J 5 0,645 0,654 0,662 0,698
(0,575) (0,583) (0,597) (U ,6l0) (0,622 ) (0,633) (0,644) (0,654) (0,663 ) (0,671) (0,680) (0,688) (0,721 )

50 0,477 0,485 0,500 0,513 0,526 0,538 0,549 0,560 0,5'0 0,579 0,589 0,~97 0,635
(0,508) (0,516) (0,530) (0,543) (,555) (0,566) (0,577) (0,587) (0,597) (0,606) (0,615) (0,623) (0,659) I
'~

100 I 0,295 0,301 0,313 0,324 G,J31o 0,344 0,354 0,364 0,372 0,381 0,389 0,397 0,434
(0,318) (0,324) (0,335) (0,346) (0,357) (0,361) (0,376) (0,385) (0,291,) (0,403) (0,411) (0,419) (0,455)
500 0,072 0,074 0,078 0,081 , 084 O, 088 O, 091 0, 094 0,097 O, 100 0,103 0,.106 O, 120
(0,079) (0,081) (0,084) co,o88l (0,09ll co,o94J (0,09Bl (0,101) 0,104J co,to7) (O,llal (0,113) (0,127)
. 1000 0,037 0,038 0,040 ' 0,042 0,044 0,045 0,047 0,049 0,051 0,052 0,054 0,055 0,063
(0,041) (0,042) (0,043) (0,045) (0,047) (0,049)' (0,051) (0,052) (0,054) (0,056) (0,058) (0,059) (0,067) ,-
Vl
V1 ',t_
-~

'~"'
iJ
~~~~~~~~~~~~~~~~~~~~~~~0~~~~~~
0~~
~~
~~
'~
~

l~

'
;1
.1:'- ,,
Vl
1
Continuao. "'
s ft H t:l

-0,5 o 3 8 10 15
0,997 0,997 0,997 0,998 0,998 o,998 o,998 0,998 o,998 o;998 o,998. o;999 0,999
(0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,599) (0,999) (0,999) (0;999) (0,999) (0,9~9)
3 I O, 983 O, 984 o, 985 o, 986 O, 987 o, 988 O, 989 o, 989 o, 990 0,.990 o, 991 O, 991 o, 993
(0,989) (0,990) (0,991) (0,991) (0,992) (0,992) (0,993) (0,993) (0,994) (0,994) (0,994) (0,995) (0,996)
s o, 961 O, 962 O, 965 O, 968 O, 970 O, 971 o. 973 0,975 0,976 0,977 0,978 0,979 0,983
(O, 972) (0,974) (0,976) (0,977) (0,979) (0,980) (0, 981) (0,982) (O,S83) (0,934~ (0,985) (0,935) (0,983)
10 0,891 0,895 0,902 0,907 0,913 0,917 o, 921 0,925 0,928 0,931 0,934 0.,937 0,947
(0,913) (0,916) (0,921) (0,926) (0,930) (0,9)1,) (O, 937) (0,940) (0,943) (0,945) (0,948) (0,949) (0,958)
15 I 0,820 0,825 0,834 0,843 0,851 o,as7 0,861, 0,869 o,B75 o,a79 0,884 0,888 o, 905
(0,847) (0,851) (0,859) (0,867) (0,873) (O,g79) (0,885) (0,889) (0,894) (0,898) (0,902) (0,905) (0,920)
20 I. 0,753 0,760 0,771 0,782 0,791 0,800 0,808 0,815 0,822 0,"828 0,833 0,839 0,86l
(0,784) (0,789) (0,800) (0,809) (0,817) (0,825) (0,832) (0,838) (0,841,) (0,850) (0,855) (0,859) (0,879)
251
.
0,695
(0,727}
0,702 0,715 0,726 0,737 0,747 0,756 0,764 0,772 0,779 0,786 0,792 0,819
(0,733) (0,744 ) (0,755) (0,765) (0,774) (0,782) (0.789) (0,796) (0,803) (0,809) (0,815) (0,839)
30 0,644 0,651 0,664 0,677 0,683 0,699 0,708 0,718 0,726 . 0,734 0,742 0,749 0,779
(0,676) (0,682) (0,695) (0,706) (0,717) (0,727) (0,736) (0,744) (0,752) (0,759) (0,766) (0,773) (0,800)
40 I o,559 0,566 0,580 0,593 o,6o5 0,617 0,627 0,637 o,6.17 0,656 0,664 0,672 o, li:. I
(0,590) (0,597) (0,611) (0,623) (0,635) (0,645) (0,655) (O,65) (0,6i4) (0,682) (0,690) (0,697) (O, 729)
so I o,493 o,5oo o,514 0,527 o,539 o,55l 0,562 o,sn o,582 0,591 0,600 0,608 o,645
(0,523) (0,530) (0,543) (0,556) (0,568) (0,579) (0,589) (0,599) (0,608) (0,617) (0,625) (0,633) (0,668)
100 0,307 0,313 0,324 o, 335 0,346 0,355 0,365 0,374 0,383 0,391 0,399 0,407 0,443
(0,330) (0,336) (0,347) (O, 358) (0,368) (0,377) (0,387) (0,396) (0.~04) (0,413) (0,421) (0,428) (0,464)
500 0,076 0,078 O,81 0,085 0,088 0,091 0,094 0,098 0,101 0,104 0,107 0,110 0,124.
(0,083) (0,084) (0,088) (0,092) (0 , 095) (0,098) (0,102) (0,105) (0,108) (0,111) (0,114) (O,i17) (0,131)
1000 I o,o39 o,04o 0,042 o,o44 0,046 0,047 0,049 o,o5l o,52 o,os4 o,o56 o,o57 o,065
(0,042) (0,043) (0,045) (0,047) (0,049) (0,051) . (0,053) (0,054) (0,056) (0,058) (0,060) (0,061) (0,069)

Tabela 16 . Co~tinuao.

s "' 20 m
- -----~-~

n -o , s o lO 15

0,997 0,997 0,998 0,998 0,998 0,998 0,998 0,998 0,9 98 0,998 0,999 0,999 0,999
(0,999) (0,999) (0,999) (0,999) (0,999) (0,9 99) (0,999) (0,999) (0,9 9Y ) (0,999) (0,999) (0,999) (1,000)
0, 984 O, 985 O, 986 O, 987 O, 988 O, 989 O, 989 O, 990 O, 990 O, 991 O, 991 O, 992 O. 993
(0,990) {0,991) (0,991) (0 ,992) (0,993) (0,993) (0,993) (0,994) (0,9'o) (0,994) (0,995) (0,995) (0,996
0,%4 0,965 0,968 0,970 O,Y72 0,974 0,975 0,976 C, 9 77 0,979 3,9 79 0,980 0,98'
(O, 975) (0,976) (0,977) (0,979) (0,980) (0,98 1) (0,982) (0,983) (il,%4) (0,985) (0,985) (0,986) (0,989)
10 0,899 0,902 0,908 0,913 0,918 0,92 2 0,926 0,929 0,932 0,935 0,938 0,940 0,9!.3
(0, 918) (0,921) (0,926) (0,930) (0,931,) (0,938) (0,941) (0;943) (0,946) (0,948) (0,950) (0,952) (0,9.)0)
15 0,830 0,835 0,864 0,851 0,858 0,86~ 0,871 0 ,876 0,881 0,885 0,889 0,893 O, S09
(0,855) (0 , 860) (0,867) (0,874) (0,&80) (0,88 5) (0,890) (0,895) (0, 89 9) (0,903) (0,906) (0 ,910 ) (0,923 )

20 O, 766 0,712 0,782 0,7~2 0,801 0,809 0,816 0,823 0,829 0,835 0,841 0,846 O, S 7
(0 , 795) (0,800) (0,809) (0,818) (0,826) (0,833) (0,839) (0,845) (0,851) (0,.856) (0,&61) (0,865) (O, 884)

25 0,708 0,715 0,727 O,i38 0, 748 0,757 0 ,766 0,773 0, 781 0,788 0,794 0,800 0,326
(O, 739)(0,745) (0,756) (0,766) (0 ,77>) (0,783) (0 ,791) (0,798) (0,804) (O,l1) 10,817) (0,822) (0,329)

30 0,658 : 0,665 0,677 0,689 0,700 0,710 0,719 0,728 il, 736 0,744. 0,751 0,758 0,305
(0,689) (0,695) (0,707) (0,718) (0,728) (0,7 37) (0,746) (0,753) (0, i6l) (0,768) (0,774) (0,781) (0,807

40 0,573 0,581 0,594 0,606 0,618 0 ,62 9 0,!39 0,649 0,658 O,6 0,674 . 0,682 0,715
(0,604) (0,611) (0,621,) (0,635) (0,64 ) (0,657) (0,666) (0,675) (0,68!;) (0,692) (0,699) (0,706) (0,737)

0,507 Q,5ll, 0,528 0,540 0,552 0,563 0,573 0,583 0,593 0,602 . 0,610 0,618 0,654
50
(0,537) (0,544) (0,557) (0,569) (0.580) (0,5 90) (0,600) (0,610) (O, 61\1) (0,627) (0,635) (0,643) (0,6771

100 o, 319 0,325 0,336 0,31,6 0,356 0,366 0,375 0,35 ' , 393 0,401 0,409 0,417 0,452
(0,342) (O, 34 7) (0, 358) (0,36 9) (0, 378) (0,)88) (0,397) ( 0,4Q6) (O, 41~) (0,422) (0,430) (0,438) (0,472)

500 0,080 0,081 0,085 0,088 0,092 o ,D95 o,098 o ,lOl :;,1 0 4 o,l07 o,-ilo 0,113 0,127
(0,086) (O, 088) (O, 092) (O, 095) (0,09~) (0,1 02) (0,105) (0,108) (0,111) (0,115 ) (0,117) (0,120) (0, .135)

0,041 0,042 0,044 0,046 0,048 0,049 0,051 0,053 0,054 0,056 0,058 0,059 0,067
1000
(0,044) (0,04&' (0,047) (0,049) (0,051) (0,05)) (0,55) (0,056) (0,05&) (0,060) (0,062) (0,063) (0,071)
---------- -------- --- .1:'-
1.11
......
tfi
~J
 .
f-liid"'""" ~v-~"''''"" "c :: .....-.-.""'~..,..~~.,_,_,,,,., ., .. '

(
458
( 459
(
Ta bela 17 . .Va l ores cr ticos para ." .clicaca-o
_ y
do t e s t e do si Ta bel a 18. Intervalos de confiana para p (em porcenta-
( nal: P (n .:S B). gem), na distribuio binomial, ao nvel de 5% de proba-
( B o numero ~e si~ais, considerado sempre bilidade.
o menor
dos dois. N e o numero de blocos.
(
( B N=4
B N = 5 N = 6 N =7
N=5 N=6 :.-1"'7 N=8
( o ( 0,0%;52,2%) 0,0%;45,9%) ( 0,0%;41,0%)
(
o 0,0625 0,0312 0,0156 0,0078 o, 0039 1 ( 0,5%;71,6%) 0,4%;64.1%) ( 0,4%;57,8%)
1 0,3125 0,1875 0,1094 o' 06 25 0,0352 2 ( 5,3%;85 ,3%) ( 3, 7%; 71, O%)
( 4 '3%; 77' 7%)
( 2 0,6875 0,5000 0,3438 0,2266 0,1445 3 (14, 7%; 94, 7%) (11,8%;83,2% ) ( 9 ' 9% ; 81 , 6%)
3 0,5000
( o' 3633 4 (18,4%;90,1% )
(
(
(
(
(
c
(
c
(
(
(
(
(
(
(
(
(
(
(
c
(
(
 -'--'--'--~.;.;...;.-------~'------"-'~--------

(
460
(
461
( l'abeLa. 13. Continua.J.o.
Tabela 19. Limites da distribui~o de H no teste deKrus-
( ka1-Ha11is, com k = 3 tratamentos, n 1~ n2~ n3~ 6, onde
( B N "" 14 N "" 15 P(H ~h) "' a..
N == 16
( o ( 0,0%;23,2%) ( 0,0%;21,8%) 0,0%;20,6%)
( 1 ( 0,2%;33,9%) ( 0,2%;32,07o) UJ n2 n3 h a. UJ n2 n3 h a.
0,2%;30,2%)
2 ( 1,8%;42,8%) ( 1,7%;40,5%)
( ( 1,6%;38,4%)
3 ( 4,7%;50,8%) ( 4,3%;48,1%) 3 3 3 4,622 0,100 3 3 4 4,700 o' 101
4,0%;45,6%)
( 4 ( 8,4%;58,1%) ( 7,8%;55,1%) ( 7,3%;52,4%) 5,600 0,050 4,709 o,092
5 (12' 8%; 64' 9%) (11,8%;61,6%) 5,956 0,025 5. 727 0,050
( (11,0%;58,7%)
6 (l7,7%;7l,U) (16,3%;67 ,7%) 6,489 O,Oll 6,154 0,025
(15,2%;64,6%)
( 7 (23,0%;77,0%) (21,3%; 73,4/7,) 09,8%;70,1%) 7,200 0,004 6' 746 o,010
8 (26,6%;78,7%)
( (24,7%;75,3%)
( B N = 17 1l "' 18 3 3 5 4,412 0,10') 3 3 6 5,551 '), 051
4,533 0,097 5,615 0,050
( o ( 0,0%;19,5%) ( 0,0%;18,6%) 5,515 0,051 6 '385 o, 025
( 1 ( 0,2%:28,7%) ( 0,1~~;27,4%) 5,6lf8 0,04') 6 ,tf36 0,022
2 ( l,5%;36,!f%) ( 1,4%;34,8%) 6,303 0,026 7,192 0,010
( 3 6,376
( 3,8%;43,4%) ( 3,6%;41,4%) 0,020
( 4 ( 6,8%;49,9%) ( ,4/~;47,6%) 6,J82 0,011
5 (10,3%;56,0%) ( 9,T~;53,5%) 7,079 0,009
( 6 (14,2%;61,7%) (13,3%;59,0%)
( 7 (18,4%;67 ,1%) (17,3%;64,2%)
8 (23,0%;72,2%) (21,5%;9,2%) 3 4 4 4,4 77 0,, 102 3 4 5 4,523 o) 103
( 9 (27 ,8%; 77 ,0%) 4,546 0,099 4,549 o, 099
(2,D/~ ; 74,0%)
( 5,576 0,051 4,939 o, 075
B N == 19 N = 20 5,598 0,049 5,631 0,050
( 6,394 0,025 6,410 o' 025
( o ( 0,0%;17,7%) 0,0%;16,8%) 6,659 0,020 6,6 76 o, 020
1 ( O,l%;26,1%) O,l%;24,9%) 7,144 0,010 7,445 o, 010
( 2 ( 1,3%;33,2%) 1,2%;31,8%)
( 3 ( 3,4%;39,6%) 3,2%;38,0%)
4 ( 6,0%;45,6%) 5,7%;43,5%) 3 4 6 5,604 0,050 3 5 5 4,545 0,100
( 5 ( 9,2%;51,2%) 5. 610 0,049 4,993 o, 075
8,7%;49,1%)
( 6 (12,6%;56,5%) (11,9%;54,3%) 6,500 0,025 5,626 o, 051
7 (16,3%;61,6%) (15,4%;59,2%) 6,538 0,025 5,706 0,046
( 8 (20,2%;66,5%) 7,46 7 0,010 6,488 o, 025
(19,1%;63,9%)
( 9 (24,4%;71,1%) (23,1%;68,5%) 7,500 0,010 6,752 o, 021
10 (28,9%;75,6%) (27,2%; 72,8%) 6,866 o, 019
( 7,542 o, 010
( Esta tabela foi adaptada a partir de dados de H. Cam-
nos (Estatstica E2tperimental No-Paramtrica, 4\1 edi- Continua
( o, Piracicaba).
(
(
 (
c 463
(
Tabela 19. Continua io Tabela 19. Continua ao.
(
(
( ni nz U3 h a. Ui nz n3 h a. Ui nz U3 h (:J.. Di nz U3 h a
( 3 5 6 5,554 0,052 3 6 6 5,600 5 4,560 0,100 5 6 5,698
0,052 5 5 5 0,050
5,60J 0,050
c 6 '621 0,026
5,625
5,683
0,050
O,Q25
5,040
5,660
0,075
o,051
5, 729
6,781
0,050
0,025
( 6,66 7 0,024 6,725 o, 049
0,025 5,780 6,788 0,025
( 7,560 0,010 7,683 0,010 6 '740 0,025 8,012 0,010
7,590 0,010 7' 725 0,010 7,980 o, 011 8,028 0,010
( 8,000 0,009
( l1 4 4 4,500 0,104 4 4 5 4;6U 0,100
( 4,654 o, 097 5,014 0,076 5 6 6 5,752 o ,050 6 6 6 5 '719 0,050
( 5,115 0,074 _:;. ,024 0,074 5' 765 o, 050 5,801 0,049
5,654 0,055 5,618 0,050 6,838 0,025 6,877 0,026
c 5,692
6,5 77
0,049
0,026
6,597 0,026 6,848 o,025 6,389 0,025
( 6 , 76 0,024 3,119 o,010 8,187 0,010
6' 731 0,021 6,943 0,020 8,124 o' 010 8,222 0,010
( 7,538 0,011 7,744 0,011
7' 731 0,007 7,760 0,009 Esta tabela foi adaptada a partir de dados de H. Cam
(
pos (Estatsti ca Experimen tal No-Param trica, 4~ edi=
( o, Piracicab a).
4 !, 6 5,667 0,050 4 5 5 4,520 0,101
(
5,631 0,049 4,523 0,01)9
( 6,595 0,026 5,023 0,075
6,667 0,025
c 7' 724 0,010
5,643
6,671
0,050
0,025
( 7,795 0,010 6,943 0,020
( 7,766 0,010
(
4 5 6 5,656 0,051 4 6 6 5,721 0,050
(
5,661 0,051 5, 724 0,050
( 6,736 0,025 6,783 0,025
'c 7,750 0,025 6,812 o, 024 .
7,896 0,010 7,989 0,010
' ( 7,936 0,010 8,000 0,010
(
Continua
(
' (
(
f~ - ~"~'"'"~ . . . ,. , ., . ~.7'!"'~~,~~~.. ~~ , , .... ' . """"'""'""""'"''

(
464
465
(
Tabela 20. Limites da distribui io da estatrstic a K de
( Friedman, para k tr a tamentos e b blo co s, onde P(K_::K ) =a.
0
(
k b ko a k b a
( ko
k b ko a k b ko a
( 3 4 4,50 0,125 3 5 4,80 0,124
6,00 0,069 5,20 0,093 4 4 6,00 0,105 4 5 6,12 0,107
(
6,50 o ,042 6,40 0,039 6,30 0,094 6,38 0,093
( 8,00 0,005 7,60 o'() 24 7,50 0,052 7,32 0,055
3,40 0,008 7,80 0,036 7,80 0,044
(
3 6 4,33 o' 142 3 7 4,57 8,40 0,019 8,76
o' 112 0,023
( 5,33 o ,072 5,43 0,085 9,30 0,012 9 '72 0,012
( 6,33 0,052 6,00 0,051 9,60 0,007 9,96 0,009
7,00 0,029 7,14 0,027
( 8,33 0,012 8,00 0,016 4 6 6, 20 o' 110 4 7 6,26 0,100
( 9,00 0,008 8,86 0,008 6,40 0,089 7,63 0,052
7 40
'
o' 056 7,80 0,041
( 3 8 4,75 0,120 3 9 4,67 0,107 7,60 0,043 9,00 0,023
( 5,25 0,079 5,56 0,069 8,80 o o 23 10,37 0,010
6,25 0,047 6,00 0,057 10,00 o:o1o
( 7,00 0,030 6,22 0,048 4 8 6,30 0,100 I
5 3 7,20 0,117
(
9,00 o ,010 6,89 0,031 7,50 0,051 7,47 0,096
8 '6 7 0,010 7,65 0,049 8,27 0,056
( 8,85 0,025 8,53 o , 045
( 3 10 4,20 o, 135 3 11 4,91 O, 100 10,35 0,011 9,87 0,015
5,00 o ,092 5,64 0,062 10,50 0,009 10,13 0,008
( 5,60 0,066 6,54 0,043
( 6,20 0,046 7,09 0~027 5 4 7,40 o' 113 5 5 7,52 o, 107
7,40 0,026 8,91 0,011 7,60 0,095 7,68 0,094
( 8,60 0,012 9,46 0,007 8,60 0,060 8,80 0,056
( 9,60 0,007 8,80 0,049 8,96 o ,049
9,10 0,025 10,08 0,026
( 3 12 4,67 0,108 4 3 5,80 0,148 11,00 0,010 11,52 0,010
( 5,17 0,080 6,60 0,075
6,17 0,050 7,00 0,054 Esta tabela foi adaptada a partir de dados de H. Cam
( 7,17 0,028 7,40 0,033 pos (Estatsti ca Experimen tal No-Param trica, 49 edio:
8,67 0,011 8,20 0,017 Piracicab a).
(
9,50 0,008 9,00 0,002
(
( Continua

c
(
(
 (
( 466
( 467
(
( Tabe la 21 - Valo res de t (bila tera is)
para aplic ao , ao
teste de Bonf errop .i a n cont raste s (pre nive l a de prob abili dade e com n grau i de 1ibe rdad e,do
feri-
c 2
ve1m ente orto gona is) esco lhido s prev iame nte.
' ( Ct = 0,05
( 2 3 4 5 6 a= 0,05
7 8 9
( lO 15 20 25 30 35 40 45
5 3,17 3,54 3,81 4,04 4,22 50
4,38 4,53 4,66
7 2,84 3, l3 3,34 3,50 3,64 4,78 5,25 5,60 5,89 6,15 6,36 6,56
( 3,76 3,86 3,95 6,70 6,86
lO 2,64 2,87 3,04 3,17 3,28 3,37 4,03 4,36 4., 59 4,78 4,95 5,09 5,21
3,45 3,52 5,31 5,40
( 12 2,56 2,78 2,94 3,06 3,15 3,24 3,58 3 ,83 4,01 4,15 4,27 4,37 4,45 4,53
3,31 3,37 4,59
15
c 2,49 2,69 2,84 2,95 3,04 3, ll 3,18 3' 24
3,43
3 '29
3,65
3,48
3,80
3,62
3,93
3,74
4,04
3,82
4,13
3,90
4,20
3,97
4 ,26
4,02
4,32
20 2,42 2' 6f: 2,75 2,85 2,93 3,00 3,06 4,07
24 2,39
3, ll
2,58 2, 70 2,80 2,88 2,94 3,00 3,16 3,33 3,46 3,55 3,63 3,70 3,76 3,80 3,85
( 30 3,05
2,36 2,54 2,66 2,?5 2,83 2,89 2,94 3,09 3,26 3,38 3,47 3,54 3,61 3,66 3,70 3,74
40 2,99
( 2,33 2,50 2,62 2,71 2,78 2,84 2,89 3,03 3,19 3,30 3,39 3,46 3,52 3,57 3,61 3,65
60 2,93
2,30 2,4 7 2,58 2,66 2 '73 2,79 2,84 2,97 3 '12 3,23 3,31 3,38 3,43 3,48 3,5i 3,55
( 2,88
120 2,92 3,06 3,16 3,24 3,30 3,34 3,39 3,42 3,46
2,27 2,43 ?_,__...Lj.
c;' 2, 62 2,68 2, 74 2,79
( 2,83
00
2,24 2,39 2,50 2,58 2,64 2,69 2,74 2,86 2,99 3,09 3,~6 3,2 2 3,27 3,31 3,34 3 ,3 7
2, 77
c a = 0,01
2,81 2,94 3,02 3,09 3,15 3,19 3,23 3,26 3,29
( a = 0,01
5 4,78 5,25 5,60 5,89 6,15 &,36
( 6,56 6, 70
7 4 ,03 4,36 4,59 4,78 4,95 6,86 7,51 8,00 8,37 8,68 8,95 9,19
5,09 5,21 5,31 9 , 41 9,68
( 10 3,58 3,83 4,01 4,15 4,27 4,37 5,40 5,79 6,08 6,30 6,4 9 6,67 6,83 6,9 3
4,45 4,53 7,06
12 3,43 3,65 3,80 3,93 4,04 4,59 4,86 5,06 5,20 5,33 5,44 5,52
c 15 3,29 3,48 3,62 3,74 3,82
4,13
3,90
4 '20
3,97
4' 26
4,02
4,32
4,07
4,56 4 '73 4,86 4,95 5,04 5,12
5,60
5,20
5,70
5,27
( 20 4,29 4,42 ~~,53 4,61 4 '71 4,78 4 , 84 4,90
3,16 3,33 3,46 3,55 3,63 3,70 3,76 3,80
24 3,09 3,26 3,38 3,4 7 3,54 3,61 3,85 4,03 4,15 4,25 4,33 4,39 4,46 4,52
( 3,66 3,70 4,56
30 3,03 3,19 3,30 3,39 3,46 3,52 3' 74 3,91 4,04 4, l t 4,2t 4,3t 4,3 t 4,3 t
3,57 3,61 4,4i-
( 40 2,97 3,12 3,23 3,31 3,38 3,43 3,65 3 , 80 3,90 3,98 4,13 4 '26 4, l t 4 , 2t
3,48 3,51 4,2t
( 60 2,92 3,06 3,16 3,24 3,30 3, 34 3,55 3,70 3,79 3,88 3,93 3,97 4,01 4,lt
3,39 3,42 4,1t
3,46 3,59 3,69 3,76 3,81 3,84 3,89 3, 93 3,97
120 2,86 2,99 3,09 3,16 3,22
( 3,27 3,31 3,34
co 2,81 2,94 3,02 3,09 3,15 3,19 3,23 3,37 3,50 3,58 3,64 3,69 3,73 3,80 3,83
( 3,26 3 '77
3,29 3,40 3,48 3,54 3,59 3,63 3,66 3,69 3,72
t Obti do por inter pola o grf ica.
(
Esta tabe la foi adap tada de dado s de V.
Chew (Com paris ons
( Wash ingto n, 1977 ). Among Trea tmen t Means in an Anal ysis of
Vari ance , USDA,
c
(

.~~~
_ _ _.:_____---
I t"""'~w;;;;;.m

(
( 468
(
(
(
(
(
(
(
(

(
(

(
(
(
(
(
(
(
c
(
(
Composio e diagramao:
( JORGE LUIZ DIORIO
Av. Santa Ceclia, 198- Fone: 34-33-62
(
c Impresso e acabamento:
SERVIOS GRAFICOS DEGASPARI LTDA.
( Rua Baro de Piracicamirim, 1928- Fone 33-67-48
13400 Piracicaba- SP
(
(
(
c
c
.c
(