Você está na página 1de 240

(

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