Escolar Documentos
Profissional Documentos
Cultura Documentos
Bioexperimentação - Exercício de Regressão Linear PDF
Bioexperimentação - Exercício de Regressão Linear PDF
Exerccio - Resoluo Passo Passo de um experimento hipottico montado em DIC com anlise
de Regresso
2
S max 79,62
Hartley = Hc= 2
Hc= = 3,54
S min 22,51
Hartleytabelado= (para 7 grupos e 3 gl) 72,90 (p < 0,05) e 216,0 (p < 0,01)
dados iniciais.
1
Etapas para a ANAVA
2 I J
G
C= onde G= x ij ento deveremos somar todos os valores de x desde x1 at x28
IJ i=1 j=1
G2 4619,1 2 21336084,81
aplicando na frmula C= = C= = C= =762003,0289
IJ 7x4 28
GLTratamento = I 1 = 7 tratamentos 1 = 6 GL
GLTotal = (I x J) 1 = 7 x 4 -1 = 28 -1 = 27
GLResduo= por diferena = GLTotal - GLTratamento = 27 6 = 21
Obs.: note bem que cada um valor de x (valor da parcela) elevado ao quadrado e depois somado,
posteriormente este resultado subtrado de C
1
SQTrat = ( 554,42+614,4 2+658,12 +659,72+674,9 2+719,9 2+737,72 )762.003,0289 ou
4
2
6 Calcular os Quadrados Mdios do Tratamento e do Resduo
SQ Trat 5770,4036
QM Trat = = =961,7339
GL Trat 6
Quadrado Mdio do Resduo Obs: este valor o QMREs ser considerado a varincia do
experimento.
SQ Res 886,3375
QM Res = = =42,2065
GL Res 21
7 Calcular o Valor de F
QM Trat 961,7339
F= = =22,77
QM Res 42,2065
Como o Fcal 22,7 foi maior que Ftab, Rejeita-se H0 e conclui-se que existem diferenas entre os
tratamentos (F , p0,01 )
Causa de Variao GL SQ QM F
Tratamento 6 5770,40357 961,733929 22,7863681**
Resduo 21 886,34 42,2065476
Total 27 6656,74
3
Como o F foi significativo, e os tratamentos so quantitativos e em mais de dois nveis (temos 7
nveis) uma anlise completa dever ser realizada levando em conta a regresso, subdividindo-se os
6 Graus de Liberdade de Tratamento em Regresses da seguinte forma:
cv GL SQ QM F
Tratamento 6 5770,40357 961,733929 22,7863681**
Resduo 21 886,34 42,2065476
Total 27 6656,74
Regresso linear (1 grau) 1
Regresso quadrtica (2 grau) 1
Regresso Cbica (3 grau) 1
Regresso 4 grau 1
Regresso 5 grau 1
Regresso 6 grau 1
Veja que a soma dos graus de liberdade das regresses dever ser igual a 6 que o grau de liberdade
dos tratamentos.
Como verifica-se que os resultados dos tratamentos so crescentes com uma tendncia a uma reta
consequentemente uma regresso de 1 grau poderemos agrupar as regresses maiores o qual ser
chamado de desvio das regresses e somar os seus graus de liberdade, ficando da seguinte forma:
cv GL SQ QM F
Tratamento 6 5770,40357 961,733929 22,7863681**
Resduo 21 886,34 42,2065476
Total 27 6656,74
Regresso linear (1 grau) 1
Regresso quadrtica (2 grau) 1
Desvio das regresses 4
Veja que o GL do desvio das regresses =4 a soma dos GL das regresses de 3, 4, 5 e 6 graus.
Precisamos agora calcular as somas de quadrados para as regresses
( YRL )2 I
SQ RegLinear = onde YRL = C 1i T i , r o nmero de repeties do tratamento e K1
rK 1 i=1
tabelado
4
Primeiro precisamos calcular o contraste correspondente Regresso Linear
I
YRL = C 1i T i onde C so os coeficientes e da regresso linear (Tabelado, porque os nveis so
i=1
equidistantes) e T o total de cada tratamento.
Veja a tabela com os coeficientes para n= 7 nveis
k 28 84
M 1 1
I
O contraste ser da seguinte forma YRL = C 1i T i
i=1
YRL = 554,40 . (-3) + 614,40 . (-2) + 658,10 . (-1) + .... + 737,70 . (3) = 777,7
5
Ento a estimativa para o contraste da regresso do 1 grau = 777,7
( Y )
2
777,72 604817,29
SQ RegLinear = RL SQ RegLinear = = SQ RegLinear = = 5400,1544
rK 1 4.28 112
( Y RQ)2 I
SQ RegQuad =
onde Y RQ = C 2i T i , r o nmero de repeties do tratamento e K1
rK 2 i=1
tabelado
k 28 84
M 1 1
I
O contraste ser da seguinte forma Y RQ = C 2i T i
i=1
Y RQ = 554,40 . (5) + 614,40 . (0) + 658,10 . (-3) + .... + 737,70 . (5) = 777,7
6
para facilitar o entendimento poderemos fazer uma tabela como abaixo
( Y RQ )
2
177,3 2 SQM RegQuad =
31435,29
SQ RegLinear = SQ RegQuad = = = 93,5574
rK 2 4.84 336
12 Calcular os Quadrados Mdios para Regresso Linear, quadrtica e para os desvios os quais so
calculados dividindo-se as somas de quadrados pelos respectivos graus de liberdade assim:
7
Assim:
F Regresso Linear = 5400,15438/5400,15438 = 127,945892
F Regresso Quadrtica = 93,5574107/42,2065476 = 2,21665632
F Desvio = 69,1729464/42,2065476 = 1,63891506
cv GL SQ QM F
Tratament 6 5770,40357 961,733929 22,7863681**
Resduo 21 886,34 42,2065476
Total 27 6656,74
reg linear 1 5400,15438 5400,15438 127,945892**
reg quadr 1 93,5574107 93,5574107 2,21665632
desvio das reg 4 276,691786 69,1729464 1,63891506
Como o Fcal 22,7 foi maior que Ftab, Rejeita-se H0 e conclui-se que a regresso linear foi
significativa p< 0,01 indicando que possvel estabelecer uma relao funcional entre a dose de
gesso utilizada X e o peso de 1000 sementes Y.
Neste caso vamos determinar a equao de regresso Linear pois foi a regresso de maior grau que
deu significativa.
A frmula geral :
Y =Y +B1 M 1 P 1+B2 M 2 P2+.... no nosso caso como o F foi significativo apenas para a
regresso linear utilizaremos apenas: Y =Y +B1 M 1 P 1
onde:
G
Y a mdia do experimento dado por Y =
IJ
G j foi calculado e a soma total do experimento = 4619,1
I = tratamento e J= Repetio
ento:
4619,1
Y = = 164,9678
7x4
YRL
B1 dado por B1=
rK 1
8
YRL j foi calculado veja novamente:
I
O contraste ser da seguinte forma YRL = C 1i T i
i=1
YRL = 554,40 . (-3) + 614,40 . (-2) + 658,10 . (-1) + .... + 737,70 . (3) = 777,7
YRL 777,7
B1= = B 1= = 6,94375
rK 1 4x28
M1 = 1 (tabela)
P1= x (tabela)
Y =Y +B1 M 1 P 1
Y= 1156,3964 + 6,94375 . 1 . x
Y= 1156,3964 + 6,94375 x
9
X X
x= onde:
q
X 150
x=
50
X 150
Y =164,9678+6,94375 simplificando a equao vamos dividir 6,94375 que est
50
multiplicando a frao por 50 e dividir o denominador (50) tambm por 50 ento teremos
6,94375 X 150
Y =164,9678+ X 150
50 50 = Y =164,9678+0,138875
1
50
Y =164,967820,83125+0,138875 X
Y =144,13655+0,138875 X
para 0x300
SQ RLinear 5400,16538
R2= = R2= =0,9358 ou seja 93,58% da variao explicada pela
SQTrat 5770,40357
regresso linear.
10
5 Fazer a verificao do ajuste da equao de regresso calculando os valores esperados
Representar no grfico
200,00
180,00 f(x) = 0,14x + 144,14
R = 0,94
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
0,00
0 50 100 150 200 250 300 350
11