SIMPÓSIO DE ESTATÍSTICA APLICADA A EXPERIMENTAÇÃO AGRONÓMICA

W REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA

DEPARTAMENTO DE CIÊNCIAS EXATAS

ESCOLA SUPERIOR DE AGRICULTURA DE LAVRAS

JULHO - 1989

CURSO: PROCEDIMENTOS PARA COMPARAÇÕES MÚLTIPLAS

Prof. Dr. Dilermando Perecin

Prof. Dr. Euclides Braga Malheiros
FCAV/UNESP
 35 SIMPÓSIO DE ESTATÍSTICA APLICADA
k EXPERIMENTAÇÃO AGRONÓMICA
343 REUNIÃO ANUAL DA REGlAO BRASILEIRA
DA SOCIEDADE INTERNACIONAL DE BIOMETRIA

PROCEDIMENTOS PARA COMPARAÇÕES MÚLTIPLAS

DILERMANDO PERECIN
J EUCLIDES BRAGA MALHEIROS
FCAV - UNESP
-1

ESCOLA SUPERIOR DE AGRICULTURA DE LAVRâÂ*.

DEPARTAMENTO DE CIÊNCIAS EXATAS *^
LAVRAS - MG
JULHO DE 1989
 COMISSÃO ORGANIZADORA

Humberto de Campos (ESALQ-USP) - Coo r d . de Honra

G i l n e i de Souza D u a r t e (ESAL) - Coord. G e r a l

A g o s t i n h o Roberto de Abreu ( E S A L )

Clóvis de Araújo P e r e s (IME-USP)

Evandro Menicucci (ESAL)

J o e l Augusto Muniz (ESAL)

i

José F r a n c i s c o F a r i a (ESAL)

L u i z H e n r i q u e de A q u i n o (ESAL)

jNadir F r a n c i s c o da S i l v a (ESAL)

N e l s o n W i l l i b s l d o W e r l a n g (ESAL)

;Paulo César Lima (ESAL)

Ruben D e l l y V e i g a (ESAL)

Thelma Sáfadi {ESAL)

A l z i r a da Conceição (ESAL) - Secretária

D a r c i A. de A b r e u Rezende ( E S A L ) - Secretária

íMaria Eugênia A l v a r e n g a (ESAL) - Secretária

i
| APOIO: - Banco do B r a s i l

| - BDMG

- CAPES

- CNPq

- CODEVASF

- FAEPE

- FAPEMIG

- FAPESP

- FINEP ^ ^

- P r e f e i t u r a Munici^fâí **de L a v r a s

- S e c r e t a r i a Educação de M i n a s G e r a i s
 ÍNDICE

CAPÍTULO 1 - PROCEDIMENTOS CLÁSSICOS PARA COMPARAÇÕES MÚLTI

PLAS 1
1. INTRODUÇÃO 1
2. CONSIDERAÇÕES PRELIMINARES. . 2
1 . ALGUNS PROCEDIMENTOS PARA COMPARAÇÕES MÚLTIPLAS 4
3.1. Teste t de Student 4
3.2. Método dos c o n t r a s t e s o r t o g o n a i s 5
3.3. Método de Scheffé 6
3.4. Método de B o n f e r r o n i ( F i s h e r ) 7
3.5. Métodos baseados na a m p l i t u d e máxima 8
3.5.1. Teste de Tukey 9
3.5.2. Teste de Newman-Keuls 10
3.5.3. Teste de Duncan 11

I
3.6. Teste de Dunnett 15

- EXTENSÃO PARA DADOS NÁO BALANCEADOS 16

- RECOMENDAÇÕES GERAIS 17
. REFERÊNCIAS BIBLIOGRÁFICAS. 19
BPtTDLO 2 - SOLUÇÕES BAYESIANAS PARA OS PROCEDIMENTOS PARA
QHPARAÇÕES MÚLTIPLAS 26
• IMTRODUÇÃO 26
!• TESTE t F - PROTEGIDO 27
. TESTE t-BAYESIANO 28
. USO DAS TABELAS 30
. APROXIMAÇÃO DO TESTE t-BAYESIANO, PARA DIFERENÇAS ENTRE
: TRATAMENTOS DESIGUALMENTE REPETIDOS 32
CAPÍTULO 3 - UMA AVALIAÇÃO DE SEIS PROCEDIMENTOS PARA COMPA
RAÇÕES MÚLTIPLAS •. .. 4
1 . INTRODUÇÃO • 4?
2. MÉTODOS 44
3. RESULTADOS E DISCUSSÃO 4"Í
4 . CONCLUSÕES. „ 53
5. REFERÊNCIAS BIBLIOGRÁFICAS 54

CAPITOU) 4 - ALTERNATIVAS AOS PPCM 56

1. INTRODUÇÃO 56
2. ESTIMAÇÃO V&rsus TESTE DE HIPÓTESES 57
3. ANÁLISE DE DADOS ESTRUTURADOS , 62
4. ANÁLISE DE DADOS NÃO ESTRUTURADOS 62
5. ALTERNATIVAS PARA DADOS NÃO ESTRUTURADOS 63
6. REFERÊNCIAS BIBLIOGRÁFICAS 66

recido

método

dos.

como:

NETER
:

como

como a s

tas at

|Se pode

tío a i n
 CAPÍTULO 1

PROCEDIMENTOS CLÁSSICOS PARA COMPARAÇÕES MÚLTIPLAS

1 . INTRODUÇÃO

Os procedimentos para comparações múltiplas (PPCM) têm me

r e c i d o atenção de muitos p e s q u i s a d o r e s . Textos introdutórios em

métodos estatísticos apresentam usualmente um ou mais desses meto

dos.

0 assunto é tão v a s t o e i m p o r t a n t e que há seções em l i v r o s

como: SCHEFFÉ (1959 , pág. 65-82), BANCROFT (1968, pág. 100-103),

NETER & WASSERMAN ( 1 974 , pãg. 482-482); há l i v r o sobre o a s s u n t o ,

como MILLER (1966, 1981); há revisões com mais de 200 citações,

como as de 0 NEILL & WETHERILL (1971) e MILLER (1977) e; nas r e v i s
1

t a s a t u a i s , frequentemente se encontram a r t i g o s sobre o a s s u n t o .

Embora a l i t e r a t u r a sobre o assunto s e j a tão v a s t a , não

se pode a f i r m a r que o problema e s t e j a completamente resolvido, sen

do a i n d a um campo a b e r t o para novas p e s q u i s a s .

Para e s c l a r e c e r a necessidade dos PPCM, c o n s i d e r e uma anã

l i s e de variância de um experimento i n t e i r a m e n t e c a s u a l i z a d o com

g tratamentos. Existem i n f i n i t a s possíveis comparações (contras

tes) e n t r e a s g médias, d a s q u a i s só (g-1) são o r t o g o n a i s . Só en

t r e comparações de 2 médias, e x i s t e m g(g-1) / 2 . Por exemplo, com

6 médias, têm-se 5 comparações o r t o g o n a i s , 15 comparações e n t r e 2

médias e inúmeras o u t r a s .

Um p a r pré-escolhido e n t r e a s g médias pode s e r comparado

de m a n e i r a ótima p e i o t e s t e t de S t u d e n t ; o i n t e r v a l o de confian

ça p a r a a diferença e n t r e e s s a s duas médias pode s e r encontrado

com uma confiança pré-fixada f diga-se 1-cx. Para (g-1) comparações

ortogonais, se cada comparação tem c o e f i c i e n t e de confiança (1-o.í,

o c o e f i c l e n t e de confiança c o n j u n t a será (1 -ot)^ ''.

-

P a r a um c o n j u n t o de comparações não o r t o g o n a i s , o coefi.

c i e n t e de confiança c o n j u n t a não é f a c i l m e n t e e s t a b e l e c i d o e o

mesmo nao.se dá p a r a comparações s u g e r i d a s p e l o s dados; daí a ne

c e s s i d a d e de o u t r o s PPCM.

Há um número r e l a t i v a m e n t e e l e v a d o de p r o c e d i m e n t o s para

tal f i m , cada um fundamentado em um p a r t i c u l a r c o n j u n t o de s u p o s i

ções que o t o r n a e f e t i v o p a r a propósitos específicos. Alguns d e s

ses p r o c e d i m e n t o s serão a p r e s e n t a d o s e discutidos.

2. CONSIDERAÇÕES PRELIMINARES

Apresentam-se a l g u n s c o n c e i t o s e r e s u l t a d o s que serão u t i

l i z a d o s nesse capítulo.

Considere um e x p e r i m e n t o com g t r a t a m e n t o s , e que a s mé

d i a s p o p u l a c i o n a i s são u , , u „ , . . ., u .
(contras Toda combinação l i n e a r d e s s a s médias, ou s e j a .
Só en g
.o, com C = °i i '
lJ t a l 9 u e I c 0,
i=1
entre 2 é denominada c o n t r a s t e .

Sejam x , 2 . x , médias a m o s t r a i s o b t i d a s de amos

impara do t r a s aleatórias de tamanhos r^ , r , . .., r , r e s p e c t i v a m e n t e . 2 Com
covifían a s suposições u s u a i s p a r a análises de variância, ou s e j a r que os
Dontradc e r r o s aleatórios s e j a m independentes e normalmente distribuídos,
(paraçõe s com média z e r o e variância c o n s t a n t e a , têm-se: 2

fca (1-a), g
a) C = l c x. é um e s t i m a d o r i m p a r c i a l do c o n t r a s t e
i=1 1 x

c o e f _i g
C =
e o * C Í^Í ;
i=1

í a ne
9 c?
b) V(C
i=1 r .
s para
9 c?
suposi
C) V(C) = QMR I —^ R

i-1 r .
ns des
onde QMR é o quadrado médio do resíduo;

d) o e s t i m a d o r C é normalmente distribuído com média C e

variância V ( C ) , ou s e j a :

C % N (C, V(C) ) ;
rão u t i
e) duas e s t i m a t i v a s de c o n t r a s t e s :
g g
as me K
1
i=1 1 2 i c 2i i x

são d i t a s o r t o g o n a i s se a covariância e n t r e e l e s é nu
la. No c a s o , se [ °1i 2i
c = Q

i=1 r.
 4

3. ALGUNS PROCEDIMENTOS PARA COMPARAÇÕES MÚLTIPLAS

signifi

Apresentam-se a l g u n s dos procedimentos para comparações signifi

múltiplas u t i l i z a d o s na l i t e r a t u r a . As condições u s u a i s para anã

l i s e s de variância são supostas válidas.

Consider
3.1. Teste t de Student

co cont
Sendo f o número de graus de l i b e r d a d e do resíduo, sabe-
QMR
se que tem distribuição qui-quadrado com f graus de liber
E(QMR)
dade, ou s e j a contrast
QMR QMR ^ X { f ) ,
2

E(QMR) a 2

3.2.
e que é independente dos x. ( i = 1 , 2, g) e, p o r t a n t o ,
1

tem distribuição t de Student com f graus de líber c e r , "a

JQMR l — i g-1'
i=1 r . C e 1

em (g-1
dade, ou s e j a 'v* t ( f ) g l 7

9 c? L SQ.,
/QMR l —^ i=l 1

i=l r te C..

Assim sendo, para um p a r t i c u l a r c o n t r a s t e C, tem-se, antes

da obtenção da amostra, que:

Pr = 1- a, e que sã

do médio
onde t ( — ; f ) ê o v a l o r t a b e l a d o t - S t u d e n t , com f graus de liberda
distribui
de, t a l que Pr [ t > t (|; f ) ] = -| .
Q
Q
 5

Desde que o i n t e r v a l o de c o n f i a n ç a i m p l i c a em um t e s t e de

s i g n i f i c â n c i a , a h i p ó t e s e HQ: C = 0 s e r á r e j e i t a d a , a um n í v e l de

s i g n i f i c â n c i a a , se

g c2
C| > t(|; f ) JQMR l —-
i=1 r i

Considerações:

i) 0 coeficiente de c o n f i a n ç a ( 1 - a ) é v á l i d o par& um ú n i

co c o n t r a s t e , e n ã o p a r a uma s é r i e d e l e s .

ii) 0 coeficiente de c o n f i a n ç a ( 1 - a ) é v á l i d o somente se o

contraste f o r e s t a b e l e c i d o "a p r i o r i " e n ã o sugerido pelos dados.

3.2. Método dos c o n t r a s t e s o r t o g o n a i s

0 m é t o d o dos c o n t r a s t e s o r t o g o n a i s c o n s i s t e em estabele

cer, "a p r i o r i " , ( g - 1 ) c o n t r a s t e s o r t o g o n a i s , digamos C^, Q^t

C -# e na d e c o m p o s i ç ã o da soma de q u a d r a d o s de t r a t a m e n t o s (SQT)

em (g-1) c o m p o n e n t e s com 1 g r a u de l i b e r d a d e c a d a , ou s e j a , SQT =

g-1
£ SQ. f onde SQ. é a soma de q u a d r a d o s c o r r e s p o n d e n t e ao c o n t r a s
i=1 1 1

t e C±.

Sob a h i p ó t e s e HQ : 0 , sabe-se que

SQ±
± % X2 d ), i = 1 , 2, . . . , g - 1 ,
a2
e que s ã o i n d e p e n d e n t e s de SQR/o2 e , p o r t a n t o , sendo QMj_ o q u a d r a

do m é d i o c o r r e s p o n d e n t e ao c o n t r a s t e C., a e s t a t í s t i c a tem
1 QMR
d i s t r i b u i ç ã o F c e n t r a l , com 1 e f g r a u s de l i b e r d a d e , ou s e j a :

QM.
i ^ F (1 , f )
QMR
 6

A s s i m sendo, p a r a um d o s c o n t r a s t e s e nível de signifi

cância a, r e j e i t a - s e a hipótese HQ : C ^ = 0 , se
sendo

F (a; 1 , f ) ,
QMR
será
onde F ( a ; 1, f ) é o v a l o r t a b e l a d o F-Snedecor f ao nível ct de signi

ficância, com 1 e f g r a u s de l i b e r d a d e .
0 val
Considerações:

i) E s t e método sõ p e r m i t e t e s t a r c o n j u n t o s de ( g - 1 ) con Consi<J

t r a s t e s o r t o g o n a i s , o que nem sempre f o r n e c e ao p e s q u i s a d o r todas

as comparações de interesse. trast

*
ii) Para g a r a n t i r o nível de significância a em cada t e s t e ,

os c o n t r a s t e s devem s e r e s t a b e l e c i d o s "a p r i o r i " . métod

iii) Se cada c o n t r a s t e é t e s t a d o com um c o e f i c i e n t e de con

fiança (1-ot), o coeficiente de confiança c o n j u n t o é (1-ot)^~\ tadas

E s t a última consideração e n c o n t r a - s e d e m o n s t r a d a no Apen

d i c e 1.

3.3. Método de Scheffé

em 19

0 método de Scheffé é b a s t a n t e g e r a l . E l e é válido para nheci

a totalidade dos possíveis c o n t r a s t e s . fonte

SCHEFFÉ (1953) d e m o n s t r o u que p a r a a t o t a l i d a d e dos con

trastes C, junto

c o n f ^L
Pr [ C - F s0 c < c ã C + F s ] = 1-a,
Q c

onde FQ = / ( p - 1 ) F ( a ; g-1 , f
1
no^ Ap
 7

/—*. / <3 c ?

sendo s 2 um estiíflador i m p a r c i a l de o .
2

£ s s i m senado, p a r a q u a l q u e r c o n t r a s t e C a hipótese H ; C = 0 Q

será r e ^ e i t a ^ a , a um nível de s i g n i f i c â n c i a a, se

(d* Po , 8

0 valçjr " F Q S g é jgeralmente representado por S .

Considerações:

ií 0 t ; e s t e de S c h e ^ f é é v á l i d o p a r a a t o t a l i d a d e dos con

tra,§ í e s .

• i£) Pafra UJH c o n t r a s t e , ou p a r a um número pequeno d e l e s , o

i í-

m é t o d o <$e S c f r e f f ^ é b a s t a n t e conservador.

' Considerações sol?re a demonstração de Scheffé são apresen

t a d a s qo A p ê n d i c e 2.

3.^. j|§todo de B o n f e r r o n i (Fisher)

Este método foiutilizado p e l a p r i m e i r a vez por Fisher,

em 1 9 3 5 , e o r i g i n o u da d e s i g u a l d a d e de B o n f e r r o n i , p o r i s s o é co

n h e c i d o p o r m é t o d o de F i s h e r ou m é t o d o de B o n f e r r o n i , c o n f o r m e a

fonte.

A desigualdade de B o n f e r r o n i d i z o s e g u i n t e : ''Para um con

junto de m c o n t r a s t e s , s e c a d a um é t e s t a d o com um c o e f i c i e n t e fle

confiança 1-a, o c o e f i c i e n t e de c o n f i a n ç a c o n j u n t o é, p e l o m e n © S /

\ demonstração da d e s i g u a l d a d e de B o n f e r r o n i e n c o n t r a - s e

nq^ A p ê n d i c e 3.
 8

O método de B o n f e r r o n i p a r a comparações múltiplas é ade

quado p a r a t e s t a r m c o n t r a s t e s e c o n s i s t e em a p l i c a r o t e s t e t de

S t u d e n t a cada um dos ra c o n t r a s t e s , usando um nível de significân

c i a a/m. Com i s s o f f i c a g a r a n t i d o que o c o e f i c i e n t e de confiança

conjunto é, de p e l o menos, 1-a.

Considerações:

i) 0 t e s t e de B o n f e r r o n i é válido p a r a um c o n j u n t o de m

contrastes e é um t e s t e um t a n t o q u a n t o conservador.

ii) Quanto m a i o r o número de c o n t r a s t e s m, menor será o ní

v e l de significância p a r a cada p a r t i c u l a r c o n t r a s t e , de modo que

e s t e método só é útil se m não é m u i t o grande.

iii) E x i s t e m t a b e l a s e s p e c i a i s que f a c i l i t a m a aplicação des

se t e s t e (BAILEY, 1977).

3.5. Métodos b a s e a d o s n a a m p l i t u d e máxima

Esses métodos são b a s e a d o s na distribuição da diferença

e n t r e a m a i o r e a menor estatística de ordem ("range") de uma amos

tra.

Considerando-se que é a variável aleatória corresponden

t e à média a m o s t r a i x ^, i = 1 , 2, . . . , g , e que e s s a s variáveis alea

tórias são n o r m a l m e n t e distribuídas, i n d e p e n d e n t e s e homocedásti

cas (variância o2), a estatística:

 9

onde é um e s t i m a d o r i m p a r c i a l da variância da média e f é o nú

mero de graus de l i b e r d a d e correspondente a esse e s t i m a d o r , é de
nominada a m p l i t u d e máxima e s t a n d a r d i z a d a ou e s t u d e n t i z a d a ("studen
t i z e d r a n g e " ) / com parâmetros g e f .
A distribuição dessa estatística encontra-se t a b e l a d a , pa
r a vários v a l o r e s de a, ou s e j a , e x i s t e m t a b e l a s de v a l o r e s de
q ( a ; g, f ) , t a i s que:

max (X^) - min ( X ^

Pr — ^ q (a; g, f ) 1-a
X
S

D i v e r s o s procedimentos para comparações múltiplas têm co

mo base e s t a a m p l i t u d e máxima, ou sejam:

3.5.1. Teste de Tukey

O t e s t e de Tukey é válido para comparar a t o t a l i d a d e dos

c o n t r a s t e s de 2 médias, ou s e j a , para os g ( g - 1 ) / 2 c o n t r a s t e s do
tipo C = y - U j ;
i H i < j <g.

Considerando-se que = r = ... = r ^ = r , demonstra-se ( v e r

2

BAIDA, 1981) que é de 1-a a p r o b a b i l i d a d e que os g ( g - 1 ) / 2 c o n t r a s

t e s de 2 médias satisfaçam simultaneamente a condição:

x\ x. - - ~ q<a g, f ) < y ^ y . < x\ x. + -2-

f q ( a ; g, f ) ;

onde q ( a ; g, f ) é o v a l o r t a b e l a d o e s = 5 .
2 2

Assim sendo, para um nível de significância a, um teste

de significância para as hipóteses:

H : y, = y . vs.
n H : y,
1 y ., é: ^

«tf**'*"
 10

C a l c u l a - s e A = —— q ( a ; g , f ) e C. , - x. - x . . Se |-C . | £ A,
i rejei

t a - s e HQ em f a v o r de .

Considerações:

i) 0 t e s t e de Tukey é válido p a r a a t o t a l i d a d e dos con

t r a s t e s de 2 médias *

ii) C t e s t e de Tukey e x i g e , em princípio, balanceamento,

iii) O t e s t e de Tukey é e x a t o p a r a t e s t a r a m a i o r diferença,

nos d e m a i s c a s o s é c o n s e r v a d o r .

3.5.2. T e s t e de Newman-Keuls

O t e s t e de Newman-Keuls é um p r o c e d i m e n t o s e q u e n c i a l ba

seado na a m p l i t u d e e s t u d e n t i z a d a , que é válido p a r a a totalidade

dos c o n t r a s t e s de 2 médias.

A condição de b a l a n c e a m e n t o (r^ = r 2 = -.- = r g = r) é exigi

da, em princípio, e a estatística Q é c o n s i d e r a d a com parâmetros

g' e f , onde g' é o número de médias o r d e n a d a s abrangidas pelo

c o n t r a s t e em e s t u d o . Assim sendo, o v a l o r de g f v a r i a durante a

aplicação do t e s t e .

Os p a s s o s p a r a o t e s t e de Newman-Keuls são:

19 P a s s o ; Ordena-se a s médias (ordem c r e s c e n t e ou decres

cente).

29 P a s s o : Compara-se a m a i o r com a menor média ( g = g ) . Pa

1

r a essa comparação d e t e r m i n a m - s e —— q { a ; g', f ) e a e s t i m a t i v a do

contraste.

a) Se o v a l o r de q ( c t ; g', f ) f o r maior do que o mó

dulo da e s t i m a t i v a do c o n t r a s t e , as médias são l i g a d a s por um

traço, i n d i c a n d o que não hã diferença s i g n i f i c a t i v a e n t r e elas;
 11

b) Caso contrário, toma-se o p a s s o seguinte,

39 P a s s o : Reduz-se de uma u n i d a d e o v a l o r de g . C a l c u l a -
1

se o n o v o v a l o r de q ( c t ; g , f ) e, p a r a t o d o s os p a r e s de médias
1

/r~

que não e s t e j a m l i g a d o s p o r um mesmo traço e que e n v o l v e m g' mé

d i a s , repetem-se os i t e n s (a) e (b) do 29 Passo.

49 P a s s o : R e p e t e - s e o 39 Passo, até que g' = 1 .

Este t e s t e tem como i n c o n v e n i e n t e , além de s e r um teste

t r a b a l h o s o , o f a t o das médias o r d e n a d a s não serem i n d e p e n d e n t e s e

o valor de q(cx; g', f ) , em consequência, não s e r e x a t o .

Considerações:

i) 0 t e s t e de Newman-Keuls é um p r o c e d i m e n t o sequencial,

válido p a r a a t o t a l i d a d e dos c o n t r a s t e s de 2 médias.

ii) 0 t e s t e de Newman-Keuls e x i g e , em princípio, balancea

mento.

iii) 0 t e s t e de Newman-Keuls é um t e s t e aproximado.

3.5.3. T e s t e de Duncan

0 t e s t e de Duncan é também um p r o c e d i m e n t o s e q u e n c i a l , vã

l i d o para a t o t a l i d a d e dos c o n t r a s t e s de 2 médias, que e x i g e ba

lanceamento.

0 t e s t e b a s e i a - s e na a m p l i t u d e e s t u d e n t i z a d a , só que a es

tatística Q é c o n s i d e r a d a com parâmetros g 1 e f , sendo que não ape

nas g' v a r i a d u r a n t e a aplicação do t e s t e , como no t e s t e de New

m a n - K e u l s , mas também o nível de significância a ' .

0 parâmetro g' é o número de médias o r d e n a d a s abrangidas

p e l o c o n t r a s t e em e s t u d o e a' é um nível de significância c o n s i d e

 12

r a d o em cada p a s s o da aplicação do t e s t e . 0 valor de a 1 f o i de

s e n v o l v i d o p o r DUNCAN ( 1 9 5 5 ) , de f o r m a que se t e n h a um nível de

proteção a p a r a t o d a s as comparações e n t r e as médias e n v o l v i d a s .

Para um c o n t r a s t e que a b r a n g e g' médias o r d e n a d a s , o va

lor de a 1 é l-(i- ) '""

a g 1 .

E n c o n t r a m - s e na l i t e r a t u r a t a b e l a s com v a l o r e s de Z (a;

q* f ) , sendo a o n i v e l de proteção p a r a cada v a l o r

r de g ' .

Os p a s s o s p a r a a aplicação desse t e s t e são os mesmos do

t e s t e de Newman-Keuls, d i f e r i n d o - s e apenas que o s v a l o r e s dos c o n

trastes são c o m p a r a d o s com D = — — Z ( a ; g*, f ) ao invés de —5— q ( a ;

/r~ fx
g*, f ) .

Este t e s t e tem s i d o c r i t i c a d o p o r vários p e s q u i s a d o r e s . O

nível de significância a' = 1 - ( 1 - a ) g ~ é tomado como se

1 testassem

g'-1 c o n t r a s t e s o r t o g o n a i s em cada p a s s o e, a i n d a m a i s , cada va

lor de D é c a l c u l a d o como se as médias f o s s e m i n d e p e n d e n t e s e, c o

mo estão o r d e n a d a s , não o são.

Considerações:

i) O teste de Duncan é um p r o c e d i m e n t o s e q u e n c i a l , válido

p a r a a t o t a l i d a d e d o s c o n t r a s t e s de 2 médias.

ii) O t e s t e de Duncan e x i g e , em princípio, balanceamento,

iii) 0 t e s t e de Duncan é um t e s t e aproximado.

Ê interessante r e s s a l t a r que também os t e s t e t - S t u d e n t e

Bonferroni, p a r a c o n t r a s t e s de 2 médias, podem s e r v i s t o s como c a

sos de aplicação da a m p l i t u d e e s t u d e n t i z a d a .

A r e g r a do t e s t e é: " R e j e i t a r a hipótese H : J J = y Q í se

l i " - i l
x x = —^—<3 ( a ; g', f ) t e n d o - s e , como c a s o s p a r t i c u l a r e s :
1 r
 13

Teste t : g l = 2; a 1 =a

T e s t e de B o n f e r r o n i : g 1 = 2; a' = a/m

T e s t e de T u k e y : g 1 = g; a = a
1

T e s t e de Newman-Keuls: g' = g, g - 1 , . . ., 2; a ' = a

T e s t e de Duncan g' = g , g - 1 , . . . , 2; a f = 1-(1-a) , y

1-(1-a) " 9 1 , . . ., 1-d-ct) , 2

C o n s i d e r e m o s , p a r a e x e m p l i f i c a r , o s r e s u l t a d o s de um expe

rimento de v a r i e d a d e s o b t i d o s p o r DUNCAN (1955).

Os r e s u l t a d o s da análise de variância e a s médias são apre

sentados a s e g u i r .

Quadro de análise de variância:

CAUSAS DE VARIAÇÃO G.L Q.M.

Entre Blocos 5 141,95

Entre Variedades 6 366,97 4,61
Erro 30 79,64

Médias o r d e n a d a s d a s v a r i e d a d e s A, B, F:

A F G D C B E

49,6 58,1 61,0 61,5 67,5 71,2 71,3

Os r e s u l t a d o s dos t e s t e s : t - S t u d e n t , Scheffé, B o n f e r r o n i ,

T u k e y , Newman-Keuls e Duncan, a p l i c a d o s a t o d o s os c o n t r a s t e s de

2 médias, são a p r e s e n t a d o s na T a b e l a 1.
 14

TABELA 1 - Indicação da significância dos possíveis contrastes de

2 médias, em 6 procedimentos para c o m p a r a ç õ e s múltiplas
(PPCM).

PPCM
CONTRASTE
t SCHEFFÉ BONFERRONI TUKEY ^»^ff DUNCAN

E - A * * * * * *

E - F * *

E - G

E - D

E - C

E - B

B - A * * * * * *

B - F *

B - G

B - D

B - C

C - A * * * * *

C - F

C - G

C - D

D - A * *

D - F

D - G

G - A * *

G - F

F - A

Significativo ao nível a = 0 , 0 5 .
 15

Observam-se n e s t a t a b e l a as diferenças e x i s t e n t e s na inâl

cação da significância, para os 6 PPCM u t i l i z a d o s .
Uma vez que as bases teóricas desses 6 procedimentos não
são as mesmas, há d i f i c u l d a d e s para compará-los a n a l i t i c a m e n t e .
E n t r e os t r a b a l h o s com simulação, c i t a - s e CARNER & SWANSON (1973).
T e n t a t i v a s de padronização foram f e i t a s p o r TUKEY (1953),
MILLER (1966) e o u t r o s , reconhecendo d i f e r e n t e s definições do e r
ro t i p o I ,

Um estudo comparativo desses procedimentos, u t i l i z a n d o - s e

dados simulados em computador, é apresentado no Capítulo 3.

3.6. Teste de Donnett

DUNNETT (1955, 1964) desenvolveu um procedimento e tabe

l a s a p r o p r i a d a s para comparar um t r a t a m e n t o c o n t r o l e (ou testemu
nha) com vários o u t r o s t r a t a m e n t o s .

Sejam y c e y. ( i = 1, 2, ..., p) as médias p o p u l a c i o n a i s do

controle e dos demais p = g-1 t r a t a m e n t o s , r e s p e c t i v a m e n t e ; e, r c

e r i ( i = 1 2, .. . , p) , os correspondentes números de repetições.

r

Supondo-se que r = r = r = . . . = r = r , DUNNETT (1955, 1964)

Q 1 2 p

a p r e s e n t a , para alguns v a l o r e s de a, t a b e l a s de t ^ ( a ; p, f ) , tais

que, para a t o t a l i d a d e dos c o n t r a s t e s C = p. - u , tem-se:

x c
Pr C- t ( a ; p, f
d )y~ < C < C + t ( a ; p,
d = 1-a

onde: s 2 é um e s t i m a d o r i m p a r c i a l de a2 e

f é o número de graus de l i b e r d a d e correspondente a esse

estimador.
 16

Assim sendo r a um nível de significância a, r e j e i t a - s e a

hipótese H : C = 0, s e :
Q

Ix.-xJ > t (a;g, f)

d ^

\ l j -
O v a l o r t^ía;g, f ) "W e r e p r e s e n t a d o p o r D,
Para c a s o s não b a l a n c e a d o s em que o número de repetições

do c o n t r o l e ê bem m a i o r que o d o s d e m a i s t r a t a m e n t o s , DUNNETT

(1964) a p r e s e n t a a m e t o d o l o g i a p a r a f a z e r a correção d o s valores

t a b e l a d o s , de f o r m a que o nível de significância a s e j a garantido.

Considerações:

i) 0 t e s t e de D u n n e t t é válido p a r a c o m p a r a r um tratamen

t o c o n t r o l e com o s demais t r a t a m e n t o s do e x p e r i m e n t o .

ii) 0 t e s t e de D u n n e t t pode s e r usado também para testes

unilaterais, uma v e z que DUNNETT (1964) a p r e s e n t a t a b e l a s a p r o p r i a

das p a r a e s s e s casos.

0 t e s t e de D u n n e t t f o i e s t e n d i d o p a r a comparações com g r u

pos s e l e c i o n a d o s de c o n t r a s t e s , p o r SHAFFER ( 1 9 7 7 ) .

4. EXTENSÃO PARA DADOS NÃO BALANCEADOS

Como v i m o s , a m a i o r i a dos p r o c e d i m e n t o s clássicos para

comparações múltiplas e x i g e m que os dados s e j a m b a l a n c e a d o s , ou

s e j a , que os números de repetições d o s t r a t a m e n t o s s e j a m o s mes

mos.

Para c a s o s em que e s t e b a l a n c e a m e n t o não e x i s t e , não se

t e m um p r o c e d i m e n t o e x a t o , mas pode-se t e r uma aproximação que,

 17

muitas v e z e s , é satisfatória. A ideia é substituir a variância

da média, s— = s / / r ~ , p o r s//r~, onde r é o "número e f e t i v o " de

repetições.

Esse "número e f e t i v o " é, no g e r a l , t a l q u e :

1 = 1(JL + _L + +—}
r g r i r 2 r g

É i n t e r e s s a n t e observar que, p a r a o c a s o p a r t i c u l a r de comparações

de médias 2 a 2, ou s e j a , de c o n t r a s t e s do t i p o C = - Uy tem-se;

- - - ( — + — )
r
r
7 -;
z 1 •j
r r

e, p o r t a n t o ,

s - = s l « ^ JLV + - V(C) .

E s t a fórmula é b a s t a n t e usual e estendida a o u t r o s casos,

com e x c e l e n t e s r e s u l t a d o s , KRAMER ( 1 9 5 6 ) , SMITH ( 1 9 7 1 ) , KESELMAN

et alii (1976).

Hã d i v e r s a s o u t r a s extensões, c i t a n d o - s e KRAMER (1957),

HOCHBERG ( 1 9 7 6 ) , KESELMAN & ROGAN ( 1 9 7 8 ) , BRYANT & PAULSON (1976),

SPJOTVOLL & STOLINE ( 1 9 7 3 ) , e n t r e o u t r o s . Excelentes trabalhos

são o s de BAIDA (1981) e STOLINE (1981).

5. RECOMENDAÇÕES GERAIS

Desde que o t e s t e t - S t u d e n t p r o d u z t a x a de e r r o relativa

mente a l t a , u s u a l m e n t e e l e não é recomendado p a r a comparações múl

t i p l a s de t o d o s o s p a r e s de médias do e x p e r i m e n t o . Se u s a d o com
 18

esse propósito e l e tende, em g e r a l , a ser excessivamente sensiti

vo em d e c l a r a r grande número de diferenças s i g n i f i c a t i v a s a expen
sa de se cometer mais e r r o t i p o I .
0 procedimento de Duncan também é s e n s i t i v o , no sentido
de d e c l a r a r diferenças como s i g n i f i c a t i v a s . Em razão do carater
aproximado deste t e s t e , há resistência na aceitação do mesmo por
matemáticos e/ou estatísticos. Em c e r t o s experimentos da agrope
cuãria é, no e n t a n t o , o t e s t e p r e f e r i d o , p r i n c i p a l m e n t e quando o
experimentador percebe que uma nova v a r i e d a d e ou linhagem a ser
t e s t a d a é a melhor,

0 t e s t e de Newman-Keuls não é tão aproximado como o de

Duncan. Em situações em que não é necessário ser conservador, Har
t l e y in BANCROFT (1968), sugere o seu uso a um nível de signifi
cãncia de 10% ou mais.

O t e s t e de B o n f e r r o n i é b a s t a n t e flexível, pode ser empre

gado em casos balanceados ou não; é s u p e r i o r aos testes de Scheffé
e Tukey se o número de comparações de i n t e r e s s e é pequeno.

O t e s t e de Tukey é útil em situações em que se deseja i n

formações p r e l i m i n a r e s no uso do experimento como um t o d o , na de
terminação de diferenças s i g n i f i c a t i v a s ou para d e t e r m i n a r inter
v a l o s de confiança para diferenças e n t r e médias p o p u l a c i o n a i s . Em
um programa de melhoramento v e g e t a l , quando hã m u i t a s v a r i e d a d e s ,
esse t e s t e pode ser usado nas f a s e s p r e l i m i n a r e s , quando o mate
r i a l é m u i t o heterogéneo, no s e n t i d o de e l i m i n a r as p i o r e s ou se
l e c i o n a r as melhores.

O procedimento de Scheffé é mais conservador que o Tukey

para comparar comparar pares de médias. É útil para o u t r a s compa
 19

rações, e x a t o p a r a a m o s t r a s de tamanhos d e s i g u a i s ou p a r a compa

rar médias a j u s t a d a s p o r covariância.

Para m u i t a s médias, como o c o r r e em p r o g r a m a s de melhora

m e n t o , não há um p r o c e d i m e n t o i d e a l , t e s t e s como T u k e y , Bonferro

n i ou Scheffé t o r n a m - s e e x t r e m a m e n t e conservadores ( o nível de s i j

nificância r e a l p a r a a m a i o r i a dos c o n t r a s t e s é m u i t o m a i s rigoro

so que o n o m i n a l ) , O i n v e r s o o c o r r e com os t e s t e t e Duncan. 0

t e s t e de Newman-Keuls, embora t r a b a l h o s o , pode s e r uma solução.

O p r o f e s s o r R.L. P l a c k e t t , ao comentar a revisão de

0'NEILL & WETHERILL ( 1 9 7 1 ) , s u g e r e a p o s s i b i l i d a d e de u s a r análi

ses de a g r u p a m e n t o s ( " c l u s t e r a n a l y s i s " ) no l u g a r de comparações

múltiplas. SCOTT & KNUTT (1974) propõem um método p a r a e s s e f i m .

6. REFERÊNCIAS BIBLIOGRÁFICAS

BAIDA, L.C. Comparações de medias para dados não balanceados.

São P a u l o , IME-USP, 1 9 8 1 . 199 p . (Dissertação de M e s t r a d o ) .

BAILEY, R.J.R. Tables o f t h e B o n f e r r o n i t s t a t i s t i c . JASA, 72:

469-478, 1977.

BANCROFT, T.A. Topics in intermediaie statistiaal methods. Iowa,

Iowa S t a t e U n i v e r s i t y P r e s s , V o l . 1 , 1968. 129 p .

BRYANT, J . L . & PAULSON, A.S. An e x t e n s i o n o f Tukey',s methods of

m u l t i p l e comparisons t o experimental designs with randon con

comitant variables. Biometrika, 63:631-638, 1976.

CARNER, S.G. & SWANSON, M.R, An e v a l u a t i o n o f t e n p ^ i r w a i s e mui

t i p l e c o m p a r i s o n p r o c e d u r e s b y Monte C a r l o methods^ JASA, 6$:

66-74, 1973.
 20

DUNCAN, D.B. Multiple range and m u l t i p l e F tests. Biometrics, lli

1-42, 1 9 5 5 .

DUNNETT, C.W. A multiple comparison f o r comparing several treat

ments w i t h a control. JASA , 50:1096-1121, 19 5 5 .

DUNNETT, C.W. New t a b l e f o rmultiple comparisons with a control.

Biometrics , 2/9:482-491 , 1964 .

HOCHBERG, Y. A modification o f t h e T-method o f m u l t i p l e compari

s o n s f o r a one-way layout with unequal variances. JASA, 72:200-

203, 1 9 7 6 .

KESELMAN, H . J , & ROGAN, J . C . A c o m p a r i s o n of the modified Tukey

and Scheffé methods o f m u l t i p l e comparisons f o rpairwise com

trasts, JASA, ? l \ 7-52, 19 7 8 .

KESELMAN, H . J . ? MURRAY, R.; ROGAN, J . Effect of very unequal

group sizes on T u k e y ' s multiple comparison test. Educational

anã Psyohological Measurement, 3f>:263-270, 1 9 7 6 .

KRAMER, C.Y. Extension of multiple range tests t o group means

with unequal numbers o f r e p l i c a t i o n s . Biometrics, 22 :307 - 3 1 0 ,

1956.

KRAMER, C . Y . Extension of multiple tests t o group correlated ad

justed means. Biometrics f 23:13-18, 1957.

M I L L E R J r . , R.C. Simultaneous statistical inference. New York,

McGraw-Hill, 1966. (2$ edição: S p r i n g - V e r l a g , 1981).

M I L L E R J r . , R.C. Development i n multiple comparisons 1966-1976.

JASA, 72:779-788, 1977.

NETER, J . & WASSERMAN, W. Applied linear statistical modela.

Illinois, Richard D. I r w i n , 1974, 842 p.

 21

0'NEILL, R. & W E T H E R I L L , G.B. The p r e s e n t s t a t e of m u l t i p l e cora

parison raethods. J.Royai Szat. Soe, B, 33:218-250, 1971.

S C H E F F Ê , H. A method f o r judying a l i contrasts in the analyses

of variance. Biometrika , 4(9:87-104 , 1953»

S C H E F F Ê , H. The analysis of variance. New Y o r k , Wíley, 1959.

SCOTT, SL.J. & KNOTT, M. A cluster a n a l y s i s method for grouping

means i n t h e a n a l y s i s o f v a r i a n c e . Biometrics, 3 0 : 5 0 7 - 5 1 2 , 1974.

SHAFFER, J.P. Multiple comparisons emphasizing sel e c t e d contrasts:

An e x t e n s i o n and g e n e r a l i z a t i o n of Dunnett's p r o c e d u r e . Biome

-cies,
: 33:293-303 , 19 7 7 .

SMITH, R.A. The effect of unequal group s i z e on T u k e y s1 proce

dure. Psyahometrika, 35:31-34, 1971.

S P J O T V O L L , E . & S T O L I N E , M.R. An e x t e n s i o n o f t h e T-method of

multiple comparison to include the cases with unequal samples

sizes. JASA, 68 :9 7 5-9 78, 19 7 3 .

S T O L I N E , M.R. The s t a t u s of m u l t i p l e comparisons; Sinvultaneous

estimation of a l i p a i r w i s e comparisons i n one-way ANOVA designs.

The American Statistician, 35:134-141, 1981.

TUKEY, J.W. The problem of multiple comparison. 19 53 . (Unpub

lished manuscript).
 22

APÊNDICE 1 - COEFICIENTE DE CONFIANÇA CONJUNTA PARA g - 1 CONTRAS

TES ORTOGONAIS

Sejam d o i s i n t e r v a l o s de confiança, o b t i d o s de uma mesma

amostra, para os c o n t r a s t e s e C 2>

Seja A.j o evento correspondente ao complemento do i n t e r v a

l o de confiança para e A , analogamente, para C , com Pr(A^) =
2 2

Pr(A ) = a.
2

Observe que o evento n corresponde à região de con

fiança c o n j u n t a para e C 2*
Sabe-se que, se e à 2 são eventos independentes,

Pr(à nà )
i 2 = Pr(Ã ).Pr(Ã ) =
1 2 ( 1 - a ) ( 1 - a ) = (1-a) ,
2

ou s e j a , o c o e f i c i e n t e de confiança c o n j u n t a para e C 2 é (1-ct) .

2

Este procedimento se g e n e r a l i z a para o caso de g-1 even

t o s independentes.
 23

A P Ê N D I C E 2 - SOBRE A D E M O N S T R A Ç Ã O DO M É T O D O DE S C H E F F É

Sejam X e í c o n t r a s t e s g e n é r i c o s , já d e f i n i d o s .

M o s t r a - s e , p o r e x e m p l o em S C H E F F É (1959), q u e , sob c e r t a s

condições:

VU)
( A - * ) ' ( — r - ) (X-i)
- ^ F(p-1, f )
(P-DsJ

onde X e i são v e t o r e s , estimáveis n o espaço d a s p médias, cora

elementos X e í genéricos, V { i ) é a m a t r i z de v a r i â n c i a e covariân

cia de i .

C o n s e q u e n t e m e n t e , a região de confiança, p o r e x e m p l o (1-a),

é um e l i p s ó i d e e o m á x i m o d i â m e t r o d o e l i p s ó i d e ê t a l q u e

Prí | X-£ | < / ( p - 1 ) F ( p - 1 , f ) s * } = 1-a

a

A obtenção d o máximo pode serv i s t a em S C H E F F É (1959) o u , p o r c r i

térios m a i s " m o d e r n o s " , em JOHNSON ( 1 9 7 3 ) e NEUDECKER (1973).

N o t e - s e , p o r t a n t o , q u e o m é t o d o b a s e i a - s e em um diâmetro

máximo que r e p r e s e n t a a d i r e ç ã o d e um p a r t i c u l a r contraste de va

riãncia máxima; q u e pode não s e r de i n t e r e s s e , p r i n c i p a l m e n t e se

houver muitas médias.

 24

APÊNDICE 2 - Continuação

JOHNSON, D.E. A derivation o f Scheffé's S-method b y m a x i m i z i n g a

quadratic form. The American Statistician, 27:21-29, 19 73 .

NEUDECKER, H. Who s a f r a i d o f L a g r a n g e m u l t i p l i e r s ? The

! American

Statieian, 2 7:243, 19 73.

SCHEFFÉ, H. The a n a l y s i s of varianee. New Y o r k , J o h n W i l e y &

Sons, I n c . , 19 59.
 25

APÊNDICE 3 - DESIGUALDADE DE BON FERRON I

Sejam d o i s i n t e r v a l o s de confiança, o b t i d o s de uma mesma

amostra, p a r a os c o n t r a s t e s e C . 2

S e j a o e v e n t o A^ o evento c o r r e s p o n d e n t e ao complemento

do i n t e r v a l o de confiança p a r a e A , 2 analogamente, p a r a C^, com

Pr(A )1 = Pr(A ) 2 = a.

Sabe-se que:

Pr(A 1 UA ) 2 = PríA^) + Pr ( A ) - P r ( A n A )
2 1 2

e, por o u t r o l a d o ,

Pr (A U A )1 2 = Pr [& HÃ ) 2 = 1 - P (A U A ) 1 2

logo, o e v e n t o c o r r e s p o n d e n t e à região de confiança c o n j u n t a p a r a

e C , ou s e j a ,
2 fl Ã^, é t a l que:

Pr ( à fl à )
1 2 = 1 - Pr (A ) - P r ( A ) + Pr (A 0 A ) .
1 2 1 2

Como PríA^ fl A ) 2 ^ 0, segue a d e s i g u a l d a d e :

Pr(à nà ) i 2 <L 1 - Pr ( A ^ - P r ( A ) 2 = 1-2a.

P a r a o c a s o g e r a l , de m e v e n t o s , tem-se a d e s i g u a l d a d e :

Pr (Ã- n à 0 n ... n à ) ^ 1 -ma.

 CAPÍTULO 2

SOLUÇÕES BAYES LANAS PARA OS PROCEDIMENTOS

PARA COMPARAÇÕES MtfLTIPLAS

1. INTRODUÇÃO

M u i t o s procedimentos tem s i d o p r o p o s t o s para comparações

múltiplas, sendo clássicos: o t e s t e t ; os t e s t e s baseados na a m p l i
tude máxima e s t u d e n t i z a d a , como o de Tukey, Duncan, Newman-Keuls;
o t e s t e de Scheffé; o t e s t e de B o n f e r r o n i e t c . (apresentados no
Capítulo 1 ) .

Conforme se c o n s t a t a na l i t e r a t u r a , há d i f i c u l d a d e s em se
a v a l i a r o mérito r e l a t i v o dos PPCM, havendo d i f e r e n t e s formas de
se a v a l i a r o e r r o t i p o I , p o r exemplo:

a) Taxa de e r r o p o r comparação ("comparisonwise")

N9 de inferências e r r a d a s
N9 de inferências
usada no t e s t e t .

b) Taxa de e r r o p o r experimento ("experimentwise")

, N9 de exper. com no mínimo uma inferência e r r a d a
b.1) ,
N9 de experimentos
usada nos t e s t e s Tukey, Scheffé, Dunnett e t c .
 27

, ~, N<? de i n f e r ê n c i a s erradas
i> . 2 ) ,

N9 de e x p e r i m e n t o s

usado no t e s t e B o n f e r r o n i (ou F i s h e r ) .

0 fato p r á t i c o é q u e um t e s t e do t i p o " c o m p a r i s o n w i s e " t o r

na-se muito f r o u x o ao s e r a p l i c a d o a todo experimento e, p o r ou

tro lado, o segundo t i p o torna-se conservador ao s e r olhado por

comparação.

O teste t simples aplicado a (g-1) c o n t r a s t e s o r t o g o n a i s ,

abrangendo g m é d i a s , r e s u l t a r á num n í v e l de s i g n i f i c â n c i a conjun

t o d e [ 1 - (1 - a ) ~ 'g 1 ]. P a r a c o n t r a s t e s não o r t o g o n a i s não s e conhe

c e o n í v e l de s i g n i f i c â n c i a c o n j u n t o , d a í o a p a r e c i m e n t o de p r o c e

dimentos alternativos.

Nos ú l t i m o s a n o s , após o t r a b a l h o de DUNCAN (1965), tem

merecido a t e n ç ã o um p r o c e d i m e n t o b a y e s i a n o que r e s u l t a em um t e s

t e de forma similar ao t e s t e t , sem a s s u a s d e s v a n t a g e n s , confor

me é m o s t r a d o a seguir.

2. T E S T E t F - PROTEGIDO

Este teste é* d e v i d o a F i s h e r e , de a c o r d o com DUNCAN &

BRANT (1983), f u n c i o n a bem s e : ( i ) n ã o há b a s e "a p r i o r i " para agru

pamento e n t r e o s q = g - 1 g r a u s de l i b e r d a d e de t r a t a m e n t o s ; ( i i )

não há evidências "a p o s t e r i o r i " de " c l u s t e r " . 0 teste t F - pro

t e g i d o é uma r e g r a do t i p o " c o m p a r i s o n w i s e " em q u e o v a l o r de t

tem a forma F-protegida. P o r e x e m p l o , s e et = 0,05, g = 15 e f = 60.

t = «, s e F ã 1,86 = F ( 0 , 0 5 ; 14,60)
 28

ou
t = 2,00 = t ( 0 , 0 5 ; 60), se F>1,86

3- T E S T E t - BAYESIANO (ou k - r e l a c i o n a d o ou k-dependente)

WALLER & DUNCAN (1969, 1972) a p r e s e n t a m uma solução baye

siana para os procedimentos de c o m p a r a ç õ e s m ú l t i p l a s de médias

duas a duas.

As médias a m o s t r a i s x ^ ( i = 1, 2, g ) , dos g tratamen

t o s a serem comparados, sao assumidas i n d e p e n d e n t e s com d i s t r i b u i liberd

ção n o r m a l N ( u ^ , o / r ) , r e s p e c t i v a m e n t e , onde r é o n ú m e r o de r e p e
2

tições (necessita-se, p o r t a n t o , h o m o c e d a s t i c i d a d e , balanceamento e

independência).

P a r a a d e c i s ã o de \i \i . ou y . £ u . , a e s t r u t u r a l i n e a r de

perda é

L(d^/e) ! k 1 I 6 | , se 6 < 0
0 , s e 6 <.0

k 6,
2 se 6 >0
0 , se 6 > 0

onde: d ^ . decisão x. maior que x .

í ]
d e c i s ã o x . n ã o m a i o r que x .

íu ,
1 u , o 2 } vetor d o s parâmetros verdadeiros

k^, k ^ = c o n s t a n t e s que medem a s t a x a s de c u s t o s dos erros

tipos I e I I .

Conforme é mostrado em WALLER & DUNCAN (1969), a deriva

ção levará a um t e s t e semelhante ao t e s t e t , DMS = t, s — -r , on

K. X •( " X ' —
de t, m i n i m i z a o r i s c o global e depende da relação de perdas
 29

k = k ^ / k ^ da estatística F p a r a t r a t a m e n t o s e dos g r a u s de l i b e r

dade q = g-1 {de t r a t a m e n t o s ) e f (do resíduo) .

Os v a l o r e s críticos t = t ( k , F , q, f ) estão
k t a b e l a d o s em

WALLER & DUNCAN (1972) . Nota-se que o v a l o r t k é uma função de

crescente do v a l o r de F , quanto maior o valor de F p a r a i g u a l d a d e

de t o d a s a s médias, mais fácil r e j e i t a r a i g u a l d a d e de um p a r i n

dividual de médias. Assim, o procedimento acompanha o que f a z , em

d o i s estágios, o t e s t e t F - p r o t e g i d o de F i s h e r .

P a r a o exemplo a n t e r i o r , com 15 t r a t a m e n t o s e 60 g r a u s de

l i b e r d a d e do resíduo, e s c o l h e n d o k = 100, vem que;

1,0 1,2 1,4 1,7 2,0 2,4 3,0 6,0 25,0

3,53 3,27 3,0 5 2,79 2,59 2,40 2,22 1,96 1,80 1,76

Nota-se que o v a l o r crítico dependerá, p o r t a n t o , do v a l o r F , que

é o b t i d o "a p o s t e r i o r i " .

Pela forma como é construído, há uma c e r t a relação de equi

valência e n t r e k e o nível de significância a de um t e s t e comum

(DUNCAN, 1965; DIXON & DUNCAN, 1975), ou s e j a :

0,10 0,05 0,01

50 100 500

De acordo com DIXON & DUNCAN ( 1 9 7 5 ) , o a s p e c t o novo e im

p o r t a n t e do t e s t e t - b a y e s i a n o está na maneira de como e l e depende

da estatística F de t r a t a m e n t o s . E s t a característica r e s o l v e o

dilema e x i s t e n t e em todos os procedimentos anteriores: se o nível

de significância deve s e r e s c o l h i d o no t i p o "comparisonwise" ou

"experimentwise". P a r a um v a l o r F S 3 a DMS do t e s t e t k-relacio

nado é b a i x a . Nesta situação o t e s t e tem maior poder, com o cará

 30

t e r menos conservador dos t e s t e s do t i p o "comparisonwise", t a l co

mo os t e s t e s de F i s h e r ou Duncan. Para v a l o r e s b a i x o s de F a DMS
aumenta vagarosamente a princípio e mais rapidamente a medida que
F se aproxima de 1. Para v a l o r e s de F próximos de 1 , o t e s t e tem
o caráter mais conservador dos t e s t e s do t i p o "experimentwise".
Desta forma, o novo t e s t e pode a l i a r as vantagens dos t e s t e s "com
p a r i s o n w i s e " e "experimentwise", sem as suas desvantagens.
Aproximações do t e s t e t - b a y e s i a n o , para diferenças entre
t r a t a m e n t o s desigualmente r e p e t i d o s , não homocedãsticos ou com co
variância, podem ser v i s t o s em DUNCAN & GODBOLD (1979) e DUNCAN &
BRANT (1933).

4. USO DAS TABELAS

As Tabelas A1 a A4, extraídas de WALLER & DUNCAN (1972) f

tem como argumentos:

- k t peso r e l a t i v o do e r r o t i p o I em relação ao t i p o I I
- F: relação F para t r a t a m e n t o s
- q: grau de l i b e r d a d e do numerador de F

- f : grau de l i b e r d a d e do denominador de F.

Frequentemente, é necessário interpolação para v a l o r e s de

F f recomendando-se a interpolação l i n e a r simples com relação a:

a = 1/F 1/2 ou b = 1/U-1/F) ' , 1 2

dependendo dos v a l o r e s de F, q e f , como se segue:

useb, se q > 100 e f>60

para F ú 2,4:
use a, nos o u t r o s casos
 31

use a, se q £ 20 e f ú 20
para F > 2,4
use b, nos o u t r o s casos

Interpolação com relação aos o u t r o s argumentos são menos

frequentes. Se necessária, recomenda-se a interpolação l i n e a r , se
paradamente, com q, 1/f e l o g k.

Exemplo para ilustração

DUNCAN (1955) dá os s e g u i n t e s r e s u l t a d o s de um experimen

t o de v a r i e d a d e s :

Quadro de análise de variância:

FONTES DE VARIAÇÃO G.L, Q.M.

Entre Blocos 5 141,95

Entre Variedades 6 366,97 4,61
Erro 30 79,64 s_= 3,643
x

As médias de v a r i e d a d e s , ordenadas, foram:

A F G D C B E

49,6 58,1 61,0 61,5 67,5 71,2 71,3

A obtenção da diferença mínima s i g n i f i c a t i v a pelo teste

t - b a y e s i a n o ê f e i t a como se segue. Observando-se a Tabela A2, com
k = 100 (a - 0,05) , q = 6 e f = 30, obtém-se: t = 2,16, para F = 4,0 e R

t ^ = 2,0 2 para F = 6,0. Interpolando linearmente, em relação a

b = 1/(1-1 / F ) 1 / 2 , obtém-se o v a l o r de t ^ = 2,10, correspondente a
F = 4 ,61 .

DMS,k=100
. = 2, '10 /T s_x = 10,817
rtft
'

A aplicação do t e s t e mostra 7 diferenças s i g n i f i c a t i v a s , ou sejam:

E-A, B-A, C-A, D-A, G-A, E-F, B-F.
 32

P a r a comparação, a s DMS ( 5 % ) , p o r t e s t e s u s u a i s , são: 10,52

p a r a o t ; 16,25 p a r a o Tukey; 19,61 p a r a o Scheffé; 17,09 p a r a o

Bonferroni.

5, APROXIMAÇÃO DO TESTE t-BAYESIANO, PARA DIFERENÇAS

ENTRE TRATAMENTOS DESIGUALMENTE REPETIDOS

O t e s t e t-bayesiano f o i desenvolvido para t e s t a r todas a s

diferenças e n t r e p a r e s e p r a t i c a m e n t e todos o s c o n t r a s t e s e n t r e g

médias i g u a l m e n t e repetidas. Em l u g a r de e s c o l h e r um nível de

significância a, e s t e novo t e s t e depende da e s c o l h a de uma rela

ção k de precisão dos e r r o s . E l e depende também dos dados obser

vados, através dos v a l o r e s de F , q e f .

DUNCAN & GODBOLD (1979) extenderam o t e s t e p a r a o s casos

de médias não i g u a l m e n t e r e p e t i d a s ou de e s t i m a t i v a s de tratamen

tos que são heterocedãsticas e c o r r e l a c i o n a d a s . 0 v a l o r crítico

t^ é o mesmo do c a s o b a l a n c e a d o , e x c e t o que p a r a cada diferença

d i j = x " i ~ x j r p o r exemplo, os v a l o r e s de F e de q são substituídos

por um " e f e t i v o " F ^ j com g r a u s de l i b e r d a d e , baseado em uma

aproximação d e v i d a a S a t t e r t h w a i t e ( 1 9 4 6 ) , que aproxima a distri

buição de uma combinação l i n e a r de X 2 independentes por outra x . 2

DUNCAN & BRANT (1983) extendem o u s o do t e s t e t-bayesiano

p a r a d i v e r s a s condições, d e f i n i n d o p r o c e d i m e n t o s adaptativos.

Problemas para extensão do teste ao caso não balanceado

No c a s o de mesmo número de repetições r ^ = r , i = 1, 2, . . .,

g, o v a l o r F c o n t i d o no t e s t e t - b a y e s i a n o p a r a t e s t a r q u a l q u e r d i

ferença d.
11
• = xx
. - xj. é o v a l o r F p a r a t r a t a m e n t o s F = sij / se^ , onde
 33

s£ = [ Z T * / r - T t / N ] / ( g - 1 ) , no q u a l : T ^ r x . , T . = IT _ j

N = gr

Nas condições da d i s t r i b u i ç ã o "a priori" ^ N(9, a*)

S T % X ]g-1.) 0 T / ( g " 1 ) ' ° n d e a T = r a y + °e e

6. . = (u - u ) % N(0, a"), a' = 2c 2

1 3 0 0 |i

No teste de cada diferença ^ÍJ = X J_~ J' X duas c o n d i ç õ e s são

necessárias:

a) o n u m e r a d o r s£ do F deve ser distribuído como

Xj 2 ^ c^,/(g-1), no caso de número d e s i g u a l de r e p e t i ç õ e s isso não

é geralmente encontrado;

b) mais importante, a esperança condicional de s^, deve

satisfazer a igualdade c£ = o^(d), onde a£(d) é a esperança condi

cional da c o m p o n e n t e da soma de quadrados devida a diferença a

ser testada,

No caso balanceado, si, ( d , .) = rd ./2, 2

a* ( d ) = E ( r d ? } / 2 = r(c j 2& + 2 o ^ / r ) / 2 = r a ^ + a* = a*

e a condição é satisfeita.

No caso não balanceado, os respectivos quadrados médios

são:

= [ZT|/r -T?/N]/(g-D i e s£(d ± j ) = d * j / (1 / r ± + 1/r ).

Com a s esperanças a £ = r^o^ + o| e a^ t d ij ) = r i j a y + a e '

onde os números de repetições efetivos são:

g 2r.r .
r_ = (N - l r?/N)/(g-1) e r = 2/(1/r + 1/r.) =
1 i=1 J J r. +r .

portanto, a condição (b) não é satisfeita.

 34

F " e f e t i v o " para uma diferença

O t r a b a l h o de DUNCAN & GODBOLD (1979) c o n s i s t e em p r o p o r

a aplicação do t e s t e t - b a y e s i a n o ao caso não balanceado desenvol
vendo um " e f e t i v o " F^_. para ser usado no l u g a r de F , ao se t e s t a r
cada diferença d^^. 0 p l a n o c o n s i s t e em o b t e r a u s u a l e s t i m a t i v a
não v i c i a d a a 2 = (si,-s )/r 2 . Então, para cada diferença d. o va

l o r de F é substituído por F. . = si, / s , onde si,

2 = r . .d + s . 2 2

XD T ( i j ) T ( i j ) i y 3 e

I s s o é o b t i d o mais d i r e t a m e n t e por

si, = Ksi, + ( 1 - K ) s 2 onde K = r . / r _ 4

1 (í j ) 1 e -O *

Nota-se que E(si, ) = r. . o + o 2 2 = ai, , satisfazendo a condi

1 (ij) x l y e T (ij)
ção b.

O problema é que o numerador de F^_. não é um X , mas 2 por

S a t t e r t h w a i t e , tem-se que a distribuição de si, = Ksi, + ( 1 - K ) s 2

(ij) T T e

é aproximadamente s %X ai, / q . . , onde

2 2

(ij) <*ij ( i j )
T ^ T

K 2 (1-K) 2

q. .
(g-1)G 2 f F ^

sendo K = r , / r e G = si, / si,

iJ 1 1 (13) 1

O t e s t e c o n s i s t e em comparar a diferença c o m a â-ife

rença mínima s i g n i f i c a t i v a t , , onde t , = t ( k , F. q.. , f ) e
K Q^j K 13 13
o b t i d o na t a b e l a de WALLER & DUNCAN (1972).
 Exemplo: P e r c e n t a g e m de concepção de v a c a s com 6 touros,

extraída de S n e d e c o r & C o c h r a n ( 1 9 6 7 , ex 10.18.2).

TOUROS B 4 B 1 B 6 B3 B 2 B 5 N = 3 5 / f m 2 9

*i 5 5 9 7 2 7 s 2 = 6 6 3

x. 39,6 41,2 53,2 56,3 64,5 67,1

1 s 2 = 248
_ _ _ _ e

Aplicação d o t e s t e t - b a y e s i a n o para t e s t a r , p o r exemplo

d c A = x c - x. = 27,5
54 5 4

- Passo 1: Cálculo dos números e f e t i v o s de repetições

r T = (N - Z r | / N ) / ( g - 1 ) = (35 - 2 3 3 / 3 5 ) / 5 = 5,669

r 54 = 2 r 5 4 r / í r 5 + r 4 } = 7 0 / 1 2 = 5 / 8 3 3

- Passo 2: Cálculo do " e f e t i v o " F..

a) K = r 5 4 / r T = 5,833/5,669 = 1,0239

= 1 , 0 2 8 9 ( 6 6 3 ) - 0 , 0 2 8 9 ( 2 4 8 ) = 675,0

2 /„ 2
C > F 54 " S T ( 5 4 / S e = 2 ' 7 2

P a s s o 3: Cálculo do número e f e t i v o de g r a u s de l i b e r d a d e

a) K 2 = 1 , 0587 ; (1-K) 2 = 0 ,0008

b) G 2 = <s 2 /s ) 2 2 = (675,0/663) 2 = 1,0365

T (54) T

c) q,^ [K /(g-1)G
2 2 + d - K ) /fF 2 ( 2 i " 1

•54" 1 '^ " ' ' 54 J

1/ (0,2043 + 0 ,0000) = 4 ,9
 36

- Passo 4: Escolha de k e obtenção de t ,

JS.

a) k = 100 ( e q u i v a l e a a = 0,05)

b) Como os v a l o r e s tabelados decrescem quando F aumenta, q

decresce e f aumenta, um l i m i t e s u p e r i o r

t 100 s t ( 1 0 0 ' 2 ' ' '

4 6 2 4 ) = '
2 4 6

- Passo 5: Cálculo da diferença mínima significativa

2s 2

a) s* = — - = 2{248)/5,833 = 85,03
54 r

b) DMS^ Q0 = s t^ d Q 0 = 9,22/(2,46) = 22,68

c) Como d 5 4 = 27,5 > DMS^ Q0 = 22,68

d^ é significativo.

Cálculos com os o u t r o s pares produzem os r e s u l t a d o s resu

midos no início do exemplo.

DUNCAN & GODBOLD (1979) descrevem procedimentos para o ca

so de médias heterocedãsticas ou c o r r e l a c i o n a d a s .
T A B E L A A1 - V a l o r e s de (k = 5 0 ) , e x t r a í d o s
WALLER & DUNCAN (19 7 2 ) .

Al. MINMUM-AVERAGÉ-RlSk t VÃLUES (k = 50)

f
Q
S a 10 IS 14 \* to 30 40 M 110

T » 1.1 u - .911, b - 1.44»)

1-4 • • * • • • * • * * é • *
« 1.32 1.14 1.» 1.34 l.lt t.3t 2.3» 1.37 1,37 1.37 3.1) 2.37 3.»
1.37 2.11 2.43 2.47 1.4f 1.» 1.31 1.52 2.51 1.54 1.55 t.37 l.M
M 2.41 1.4» 1.34 2.» 1.42 3.41 2.47 1.4» 1.71 1.» 3.79 3.11 3.M
" 3.43 l.M l.íí 2.7/ l.M l.M 3.53 l.oe 3.01 3.1* 1.32 3.44 1.41

r - 1.1 U • .MS, b - 1.171)

2 * • • • i • 4 • • • • • •
4 í.l» I.tS 2.13 2.21 1.11 1.21 1.10 1.10 2.11 l . U 2.17 3.» 1.13
t 2.» 1.31 2.11 2.11 1.31 l.íl l . X 2.39 1.30 l.M 2.2» 1.11 1.11
lo 1.3* I.)7 1.3» 2.41 1.41 1.41 1.41 2.43 2.U 1.41 2.44 1.44 1.44
IO 2.M 1.4* l.M l.M 1.33 1.34 l.SJ 1.3* l.ít 1.31 2.11 1.13 3.4)
" 1.» 1.39 2.45 l.lf 1.71 1.74 2.71 1.13 1.17 1.11 1.14 l.M

F • 1.7 U - .1*7, V • 1.5Í»)

1 * i • • * * • * • • • • •
4 2.21 2.11 1.1» 1.11 l.U 1.13 l . U 1.14 l . U l . U 2.10 2.01 1.07
4 I.2< 2.17 1.1» 1.» 1.14 1.13 1.12 1.» 1.11 1.10 2.11 1.11 l . U
lú 1.31 1.11 1.11 l . U l.U l.U 1.31 1.31 l.M 1.30 l.lt 2.11 1.24
M t.M 1.11 1.3* 1.40 1.40 1.40 1.4S 1.40 l.M 1.40 t.3» 3.37 3.33
• l.M 1-44 1.47 i.5a 1.11 1.31 1.31 1.34 1.14 1.33 1.31 3.47 1.40

r - 1.0 u - . 7 0 7 , t> - 1.411)

I • • • * l.M !.*< 1.11 l.H 1.14 1.1) 1.91 1.90 l . U

1.22 1.11 1.13 í.ii l . U 2.10 2.0f l.Ot 1.01 2.QS 1.04 3.01 2.01
1.2* 2.21 2.21 i.if 2.11 2.11 l . U l . U 1.11 2.12 2.10 l.Of 3.07
*
10 l.If 2.2* 2.15 1.14 2.11 2.21 1.11 1.211 2.1» 2.17 1.11 l . U
20 1.31 i.ii l.M 2.11 1.30 1.29 2.21 1.11 l . U 3.11 2.21 1.20 1.14
l.M 1.17 l.M 2.3* 1.31 1.11 2.17 2.» 1.34 1.11 3.17 3.33 l . U

F • 1.* (• - .•43. b - 1.30*1

1 3.14 3.07 1.D2 l.M 1.17 l.»3 1.94 1.13 l.fl l.M l.M l.W l.M
4 1.10 1.15 l . U 2.0< 1.04 1.03 2.01 2.02 2.01 l.W 1.17 l.U. l.»l
4 2.13 1.11 l . U l . U l . U 1.0» 2.01 2.07 2.05 1.0] 3.01 l.f» 1.11
10 3.24 1.13 1.20 1.18 l . U 1.14 2.11 3.11 3.01 1.07 1.03 3.01 U19
30 1.21 l . U 1.14 1.23 2.10 l . U 3.U 1.11 l . U 2.10 1,07 3.04 1.00
" l.M 2.10 1.14 2.24 3.14 1.11 1.21 1.11 l . U l . U 1.00 3.03 1.»

7 - 1 . 0 <• - . 3 7 7 . b - 1.2211

1 1.11 1.04 1.** 1.96 1.1) l.íl t.JO !.*» 1.17 L.U 1.01 l.H 1.71
* 1.11 2.11 1.04 1.0] 1.00 1.11 1.14 1.13 1.11 1.11 L.M t.ll 1.44
10 1.22 1.14 l.U l.M 1.04 1.04 1.01 1.00 l.lt 1.45 1.» l.fl l.M
10 1.14 l.lf 1.15 l.lt l-Ot 3.04 1.04 1.03 l.W l.l* l.l) l.M l.M

- l.C
1.24 1.2) 1.1» 1.14 l.U Z.01 1.91 J .00 1.14 1.12 l.fl l.U

r > 4 . S <• - .3M. b - l . U »

1 1.10 2.01 1.11 1.11 l.M l.M l.M l.U l.fl 1.71 1. » 1.73 1.71
2.14 1.03 1.00 l.M l.fl l . « l . U 1.17 1.14 l.U l . H 1.77 1.73
*
1.11 2.01 1.00 l.M 1.11 1.11 t.M l.M l.fl 1.40 1.77 1.75
10 l . U
1.04 1.01 1.17 1.14 1.11 l.l» l.M l.fl l.M 1.77 1.74
1.20 l.U

T • 4.0 t* « . * 0 B , h • l.OSSJ —
1 1.07 i.n l.fl l.M l.<2 l.íl 1.71 1.7C 1.7* l.íl l.JO 1.17 1.13
4 1.09 i.if 1.11 1.47 1.41 1.11 1.71 1.77 l . 73 1 . 71 1.Í0 1.41 l.il
20 1.13 2.01 1.9* 1. S8 1.8* l.U 1.71 1.71 1.75 1.73 1.Í0 1.47 1.4)
- 1.13 2.92 1.14 1.81 1.13 1.12 1.7» 1.77 1.75 1.72 l.W 1.47 1.44

r • lo.o u - -H6. b - 1.01*1

2 1.01 1.91 1.11 1.79 1.73 l.íl 1.71 1.4» 1.47 1.4Í 1.41 1.41 l.íl
4 1.0* l.fl 1.4* 1.71 1.74 1-í) 1.71 1.6» 1.(7 1.43 1.41 1.41 t.l»
* l.M l.fl 1.45 l.J» 1. 74 l.íl 1.71 1.4» 1.47 1.45 1.41 1.41 l.J»

r• 11.0 (i • . 1 0 0 . b - 1.011)

2— 1.11 l.M 1.74 1. 71 1.41 1.44 1.44 1.43 1.41 1.51 1.37 1.33 1.51

- C* • 0 . k - 1)
F •
J— 1.31 l.lt l.íl - ' ~TTT "Y.V*" 'i7*y " 1 . 6 0 1.5» 1.17 1.13 1.5* 1.S1 1.50

• A i ! d i í e r e n c e » n o t significauí.. a = 1,'/"'». b = {F/(F - 1)J>'*.

F o r / = 4 , í = 2 . 2 8 for a l i q a n d P a a l i a f y i n g F>5.20/ . 9
 38

TABELA A2 - V a l o r e s de t f c (k = 1 0 0 ) , e x t r a í d o s de
WALIiER & D U N C A N ( 1 9 7 2 ) .

Â2. MlhlMUM-AVERAGE-RISK t VALUES {k=10C)

s a 10 12 u 18

F - 1.2 (a - ,9IJ b - 2.449)

20 24 30 1»

1-4
• 1.91 2.94 1.9* 2.17 1.94 2.*9 2,91 1.99 1.00 3.00 1.00 3.00 1.00
10 1.53 1.98 3.01 3.04 3.05 3.06 1.07 3.08 3.09 1.30 3.10» 3.11 1.12
U 3.95 1.01 1.0) 3.01 i. 10 3.12 3.13 3.14 3. IS 3.17 3.11 3.20 3.21
u 1.54 1.03 3.0* 3.12 1.14 3.16 3.18 3.19 1.21 3.23 1.23 3.2? 3.29
16 2.97 J.OS 3.LI 1.11 1.18 J.10 3.22 1.24 1.26 3.28 3.31 1.33 1.3*
Í0 2.W 3.08 3.14 3.19 3.21 1.26 3.28 3.30 3.33 3,37 3.40 3.44 3-47
40 3.02 3.11 3.22 3.2» 1. n 1.39 1.43 3.47 3.52 3.SI 1.64 3.71 1.7*
100 Í.04 3.1? 1.19 3.36 1.44 3.50 3.» 1.59 3.67 3.76 3.86 1.91 6.11
3.05 3.20 3.12 3.42 3.SC 1.58 1.64 3.70 3.80 3.9L 4.06 4.2* 4.4S
r - 1 4 (< - .845 i • 1.871)
1-4 * * « * * * * * *
6 1.63 2.94 2.93 2.82 1.83 2. SI 2.30 2.80 2.79
*
2. 781.7/ • *
2.75 •
1.74
1 2.88 2.»» 2.90 2.90 2.90 2.89 2,89 2.89 2.88 2.8S 2.87 2.86 1.85
W 1.90 1.93 2.9» 2.95 2.95 2.96 2,96 1.96 2.95 2.91 2.9S 2.94 1.93
12 2.92 2,15 2.18 2.99 1.00 3.00 3.01 J.OL 1.01 3.01 1.01 3.00 1.99
14 2.93 Z.97 3.00 3.02 3.33 3.04 3.04 1.05 3.05 3.04 1.06 3.05 3.03
16 2.94 2.99 3.02 3.04 3.C6 3.07 3.06 1.08 3.09 3.09 3.10 3.10 1.09
20 2.93 1.01 3.05 3.08 3.10 3.11 3.12 3.13 1.14 3.15 3.16 3.14 3.1*
« 2.9* 3.04 3.12 3.16 1.19 3.22 3.14 3.23 3.28 3.30 3.31 1.32 1.32
100 2.99 3.09 3.16 3.22 3.26 3.29 3.32 1.34 3.38 3.41 3.43 1.45 3.42
3.01 3.12 3.20 3.36 3. 31 3.35 3.39 1.42 3.46 3.50 3.51 1.54 3.46
P - 1.7 (• - . J67, b - 1.358)

2 • » * * > * . * • • • » *
4 • * * * » 2.61 2.39 2.5» 1.56 2.54 2.52 2.30 1.48
6 2 . 82 2 . 79 2 . 76 2 . 74 2 . 72 2.71 1.T0 2.6! 2.67 2.65 2.61 2.61 1.38
8 2.64 2.83 1.81 1.80 2.78 2.77 2.76 2.75 2.74 2,72 2 . 70 1-68 2.63
10 2.86 2.86 2.83 1.84 2.83 2.12 2.81 1.80 2.79 2,77 2.73 1.73 2.70
12 2.67 2.88 2.88 2.87 2.86 2.83 2.84 2.84 2,82 2.91 2.79 2.76 2.73
14 1.88 2.90 2.90 2 . 89 1.89 2.68 1.87 2.86 2.85 2.61 1.81 1.79 2.7)
16 1.69 2.91 2.91 1.91 1.90 1.90 2.89 2.89 2.67 2.86 2.86 1.81 2.77
20 2.90 2.93 2.93 2.94 2.93 2.93 2.92 2.92 2.91 2.89 2.87 1.84 2.80
40 2.9 3 2.9 7 2.99 1.00 3.00 1.00 3,00 2.99 2.98 1.97 2.94 2.19 2.83
1O0 2.94 2.99 3.02 3.04 3.05 3.05 3.05 3.03 3.04 3.02 2.98 2.92 2.83
2.93 3.01 3.05 1.07 1.08 1.09 1.01 3.06 3.0Í 3.03 3.0i 2.93 1.81

7 - 2.0 (« - .707, - 1.414)

4 2. 74 1.6 7 2.6) 2.59 2.56 2.S4 2.52 2.31 Í.49 2.46 2.44 2.41 2.39
6 2 . 79 2 . 74 ^.70 2.67 2.64 2.62 2.60 1.39 2.57 2.54 2.52 2.49 1.4*
8 1. 81 2. 77 2, 74 2.71 2.69 2.67 2.6J 2.64 2.62 2.59 2.56 2.33 2.49
10 1.83 2.ÍO 2. 77 1. 74 2. 72 2. 70 2,69 2.6 7 2.43 2,62 2.M 2.56 2.52
12 2.84 2.82 2. 79 2. 77 2.75 1.71 2.71 2.70 2.67 2.64 2.61 2.37 2.53
14 1.85 2.83 2.81 2.79 2. 77 2.75 2.71 2.72 2.69 2.6« 2.63 2.39 2.54
16 1.85 2.14 2.82 2.80 2.7B 2.76 2.74 1.73 2.70 2.67 2.64 2.39 2.34
ÍO 1.86 2.85 2.8* 2.82 1.80 1.78 2.77 2.15 2.72 2.69 2.65 2.61 2-SS
40 2.88 2.89 2.88 2.86 2.85 1.81 2.11 2.80 2.77 2.73 2.68 1.62 2.35
I DO 2.89 2.91 2.90 2.89 2.88 2 . » 2.84 2.82 2.79 2.75 2.41 2.62 2.53
2.90 2.92 2.91 2.91 1.90 2.88 2.86 2.85 2.81 2.74 2.69 1.61 2.51

1 - 2.4 <« - ,643. b - 1.309)

2 . . . . . . . . . . . .
4 2.71 3.11 2.37 2.31 2.49 2.47 l.U 2.41 2.40 Í.JÍ 1.34 2.11 2.24
t 2.73 2.48 2.63 2.36 2.53 1.52 2.50 2.4B 2.46 I.il 2.» 2 . 36 2.32
I 2.77 2.71 Z.6* 2.62 2.59 2.36 2.34 2.52 2.49 2.45 2.42 2.38 2.34
10 2.79 2. 73 2.68 2.64 1.61 1.58 2.34 2.34 1.50 2.47 1.4} 2 . 39 2 . 34
12 2 . 79 2 . 7 4 2 . 70 2 . 66 1.62 1.60 2 , 3 7 2.5 5 2 . 52 1.48 1.44 1.39 2 . 35
14 1.80 2.73 2.71 1.67 2.64 1.61 2.36 1.36 2.31 2.49 J.44 2.40 2.33
14 1.8 1 2 . 76 2 . 72 1.4 1 2.63 1.6 2 2.59 2.5 7 2.51 1.4» 2.43 1.40 2.34
20 2.42 2.77 2.73 1.69 1.4* 2.6) 2.60 2.38 2,14 2.50 2.65 1.40 Z.34
40 2.83 2.80 2.74 2.72 1.4» 1.66 2.63 2.60 2.56 1,51 2.46 1.39 2.3)
100 7.6* 2.11 2.78 2, 76 1. 71 2.67 2.64 2.61 2.57 1.51 2.43 2.19 1.32
2.85 2.8] 1.79 2.76 3.72 2.66 2.43 2.61 2.37 1.51 2.45 2.3* 1.31
 TABELA A 2 - Continuação.

r - 1.0 ( • • .571, t - 1.113)

*
2
1
•
2.64
1.41
J.37 2.50
2.36
2.43
2.33 1.29
í.*l I.Jt
2.21 1.25
1.15 1. 11
1.11
1 . 10
2.20
l . D
5.17
1.14
1.14
3.10
2,11
J.II
* 2 . 7 1 2.61 2.54 1.4» 1.4* 1,41 2.39 1 . W 1.1) 2.» 1.» l.ZI 2.»
* 2.72 1.63 l . S Í 2 . SI 2.47 1.*) l . « o 1.3* 2.J* 2.31 2.17 2.21 2.11
10 2.74 1.63 2 . 5 » 2.52 1.48 2.44 2.41 1 . » 2.15 2.11 2.27 2.22 2.1»
13 - trt*-- 1 . * * -Í.59 l.il l . « " 1 ^ -1,42 7.40 2.X 2.11 2.17 2,42 2,U
14 2.75 1.66 2.60 1.34 2,49 2.46 } . «3 1.40 1.36 2 . 32 1.2 7 2.2] 2.17
16 2.73 1.67 2.60 2.35 2.50 2.4* 2 . 4 ] 2.46 2.» 2.32 2.27 2.22 2.17
20 2.76 1.61 2.61 2.55 1.31 2.41 1 . 4 ] 1.41 1.36 2.32 1.17 2.22 2.17
«0 2.77 2.10 2.63 2.37 2.11 2.48 l . t * 2,4i i.]7 2 . 32 2.16 2.21 l . U
100 2.71 1.71 2.64 1.31 2 . 5 ) 2.49 z.ts 2. Ai 2.37 2.31 1.24 2.21 l . U
- 2 . 7 » I . JL 2.63 2.31 1.33 2.49 1.45 2.42 2.J7 2.31 Z.J6 2.20 1.15

» » 4.0 (a - .500, b - 1,135)

1 2.51 1.44 2.33 2.2! 2.23 2.22 2.20 1.1S 2.15 2.12 2.09 2.06 2.0)
1 1.6) 2.50 2.41 2 . 33 2 . 30 2 . 2} 1.24 2.21 2.11 2.15 l.U 2.0* 2.03
6 2.65 2.31 2.41 2.3Í 1. 32 2.21 2.25 2.1) 2.19 2.16 2.11 2.08 1.04
10 1.67 1.5S 2.46 2.39 l . i * 2.30 2.16 2.24 1.20 2.16 2.11 2.Di 2.04
20 2.69 1.57 2.47 2.4C 2.J5 2.10 1.21 1.24 2.20 2.15 2.11 2.07 2.03
• 2. 71 1.39 2.49
2,49 1.42 1.36 2.11 2.27 1.14 2.1* 2.15 2.11 2.0i 2.02

1.0 ( • - . 4 0 1 , b • 1.095)

2 1.5) 1.17 2.27 1.21 l.lfc 2.1) 1.10 J.OI 2.05 2.01 1.9* 1.94 l.t)
4 2.54 1.40 2.30 2.21 J.18 2 . 1 * 2.J2 1.09 1.06 2.02 1.99 l . H 1.93
6 2.36 2.42 2.32 2.24 2.1» 2.15 2.12 2.09 1.06 2.02 1.99 1.93 1.92
10 1.51 7.4J 2.3Í 1.24 2 . 1 ! 2.15 2.12 7.09 2.06 2.02 1.99 1.95 1.92
20 1.60 2.44 i.n 2.25 2.IS 2.15 2.11 2.09 2.03 2.02 1.96 1.95 1.92
" 2.61 1.44 1.33 2.23 2 . 1 * 2.15 3.12 2.09 2.05 2.02 1.91 1.» 1.92
T - 10.0 (« . , ] i t , fc . 1.0)4)

2 2.48 2.» 2.19 2.12 2.07 1.04 2.01 1.99 1.96 1.9J 1.90 1.87 1 $i
4 2.49 Í.31 1.20 2.13 2.0B 2.04 2.01 1.99 1.96 1.93 1.90 1.47 1.14
6 2.50 2.31 2.20 2.13 2.08 2.0* 2.01 1.99 1.96 1.93 1.90 1JT7 l . M
10— 2.51 1.32 2.20 2.1) 2.08 2.0* 2.01 1.99 1.9» 1.9) 1.90 1.S7 l . M

r - 25.0 (a - . 2 0 0 , b - 1.021}

1-4 2.40 2.20 2.0) 1.99 1.95 1.9) 1.91 1.89 1.86 l.SJ 1.80 1.7*
4— 1.41 2.21 2.10 2.03 1.9» 1.95 1.9) 1.11 l . H l . N 1.83 1,80 1,78

' • • ( • - 0 , b - 1)

1— 2.3) 2 . 11))
3 1.01
1.0) 1.97 1.9) 1.90 1.88 1.06 1.8* 1.11 1.79 1.76

* A l i differeifccat n o t s i g n i f i c a n t . o-l/FV*. fc ~\Ff{F

F o r / — I , í =2.83 for and F BatUfyixíg F
TABELA A3 - V a l o r e s de t R (k = 500) , extraídos
WALLER & DUNCAN ( 1 9 7 2 ) .

ÁS. MINMUM-AVERAGE-RISK t VALUES {k=$0ty

60 120

1.1 (l - .11), 4 • 2.«M J

1-1* • t è • *
20 4.70 4.01 4.M • • *
• • *
• *
•
• • *

•
• * a
to 4.7J 4.11 í-OJ í-12 i.X 5.15 i . » l . M
• 3.41 5.33 1.11 5.47
WC 4.7» *,»« 1.11 3.25 5.54 5.41 5.SO S.M 5.45 i . n 1.1» «.11
4.02
* 4.41 1.0) S.ÍO 3.14 5.44 5.34 S.t3 5.73 j.t* «.01 4,10 «.u * . M

I • 1 . 4 (• - .445. t - l.líl)

1-1* . * * 1 • •
1* 4.41 4,41 * 4» i.ít
• 4.t»
* • • • • •
4 . M 4.41 4,»r 4.41 4-41 4.31 4.51
4.*4 t . n 4.75 t.7í 1.71
» (.41 4 . » 4 . » 4 . » 4.51
4.11
4.94
4.77
4,ít
(.74
4.«
*.n
4.» 7
4 , 74
4.»7
4.72
4.»S
t.M 4.42
4.11
t.m
* 4 . M 4.M 4 . M l . M l . U 5.17 5.70 j . n i.í* l.it S.M i . l i 4.12

r • 1.7 (* - .Hf, v . 1 . 5 » )

• • <
* • t t •
4.54 I . U l . U «.14
• * • * • 4.0» 4.01 ).»] l.âl
1. » 4.1* 4.14 4.1» 4.14 4.07 ).M 3 . M
4.5Í 4 . 1 * 4 . M 4.4) 4.40 4.37 4.1*
4. V 4.11 4.M ).»3
4.»* *,4l 4.5? 4.JÍ 4 . Í Í 4.4» 4.4* 4.34 4.24 4 . U 3.Í1
4.44 t . f l 4.71 4.71 4.te 4.*4 4 . 0 4.17 4,44 4.11 4.07 1.7*

r • 1 . 0 <a » . 7 0 7 , b • 1 . 4 1 4 }
3-4 • • , t «
t • - t t
• • • • * • •
t 1.1» 1.1» 1.11 1.14 1.4» l.M) 2.S1
•0 4.43 4.11 4.11 4.15
W 4.4» 4.41 (.54 4.17
4.01 4.01 !.»• 1.14 l . U ).tv 1.71 l . i l 1.11
4.11 4.1* 4.U 4.D* 1.1» i.t» 1.70 l.tí l . i l
40 4.11 4.47 4.41 4.JJ 4.11 4.11 4.17 (.11 4.0] i . l i 1.71 1.11 l.M
4 . » 4.13 4.4f 4.41 4.1» 4.11 4.U 4.1» 4.07 l.»3 1.7S l . U

1.» U - . 1 4 1 ,fc• 1.39»)

3-4

« ; m t- u 4 < u , " í m *•* , ' 7 ° i m i-M i . * i ) . » í «

i.Tl J^J
r»
í?t Í'IÍ Í'ÍÍ *'**
4.13
4.4J
l . U
4 . U 4.»J
4.(71 | . t l
4.14 4.01
J
).*7
l . i t J.ti
" ' »° »•»
J.7»
).íi
J.73 1.41 3.4*
>•»
l . M
1.11
l . M
J.4J
J «
1.14
) . »
l . U
S.13
} . M
t - 1 . 0 <• • . J 7 7 , h - 1 . 1 U )
1
• * • • • • 1.41 l . M 1.13 1.14 1.11 L u 1.04 1.17
« 4.11 l.»S 1.7» 1.M l . U 1.4» 1.4J 1.17 l.M 1.11 i . n 1.04
3.81 3.72
*.«
IO i . U i.CB J.fcí 1.53 3.it> Í U O 3.31 j.n. l . U 3 . »
10 4.21 4.-M 3.»1 1.77 1.43 1.» 3.44 3.41 1.11 i . » l.M 1 . » 1.17
4.11 4.1! M f l . U 1.4» 1.17 j . a 1.40 1.1» l . U 1.03 1.11 l.U

t - 4 . 0 tm - .100, b > 1.15S)

a • é • • • 4 »
1
• • • i . n i . n
4 • 3.74 3. 54 1.40 1.10 1.11 3.1* 1.11 1.94 l.tt 1,0» l . U 1.74
* 4.01 3.71 3 . » 3.41 i . n 1.14 1.11 l . U 3.04 l . H 1.17 a . T» 1.71
16 4.11 3.11 l.tí 3.44 1.14 1.11 1.17 l . U 1.03 l . t t l . U 2.77 2.M
U 4.13 1.04 1.Í4 l . U L I » 1.15 >.1J l . U 3.01 2.91 1,(3 1.7* l . M
* 4.1» l.»0 1.47 1.4» 1.33 1.14 1.11 1.09 l . H 2.** i . n x . n 1 . »

t • 4 . 0 (• • . 4 0 4 , b - 1.0»})

1 • * l.lk 1.14 l.M l.»7 l . f l 2.01 2.11 Z.74 2.41 2.41 l . M

4 3.10 S.54 1.» 1.17 l.M l . M l.»2 2.17 1.00 2.7) 2.44 2.10 2.3)
i l.»l 1.57 1.11 1.1» l.M 2.90 l . f l l . M 1.7» 2.71 2.13 2.3f 2.31
10 !.»> 1.» 1.34 3.11 1.M 1.77 I . t l 2.13 2.71 2.71 2.44 1.37 2.11
20 ).»7 l.M 1.3S 1.1* l.M 1.S7 l.»0 l . M 2.77 2.70 1.4) l . M l . H
l.f» 1.41 3.7* l . M
" 3.1* 1.01 2.S* 1.01 1.7* l . H 2.42 l . M 2.30
V - 10.0 (a • .114, k - 1.054)

2 1.71 1.31 3.10 l.M l.M 2.7* 2.74 2.70 l . M 2.31 2.32 1.47 2.43
4 1.73 l . U l . U l.M 2.M 2.7» 2.71 2.4» 1.42 1.37 1.31 2.44 2.41
10 1.7* l . M 3.11 l . M l.tí 2.71 2.71 2.40 2.42 l . M 2.S0 l.tí 1.40
1.7» J.J4 l . U 2.M I.li 2.71 Í.Tl 1.4* 2.42 l . M 2.10 1.43 2.40
» l.W 1.17 i.U 2.93 l . U -1.77 i . n 1.47 I . t l l . M 2.50 2.43 1.40

r - H . o u - ,200, V - 1.011)

1 3.9) 3.14 í . « 1.7» 1.70 l . M 1.3» 2.M 2.11 l . U I . t l 2.M l.H

u 3.17 1.14 l . M 1.7» 2.70 l . M 1.» 2 . » 1.30 1.45 2.41 2 . » 2.12
1.37 3.14 1.91 1.7* 1.70 1.11 1.11 2.U 2.30 1.4» 2.41 3.3» 2.22

f • - (• • 0 . > - 1>

3.» 3.00 I . » l . H 1.41 1.53 2.31 1.41 l . M 2.33 2.11 2.11

• AH differeocae not e l g u í f i c A n t . a - l / í * V i . b *[F/{F — 1))"*.

For / = 4 , I =4.62 for ali q and F oatiaty F > 20.43/ç.
 41

TABELA A4 - V a l o r e s de para o caso particular

de 2 t r a t a m e n t o s , extraídos de WALLER
& DUNCAN (1972) .

A4. MINIMUM-AVERAGE-R1SK t VALUES

f
3 4 5 6 7 8

50 2.55 2.28 2.14 2.06 2.00 1.96

100 3.30 2.85 2.62 2.49 2.40 2.33
500 5.77 4.52 3.94 3.62 3.41 3.27

9 10 12 14 16 18

50 1.93 1.90 1.87 1.84 1.82 1.81

100 2.29 2.25 2.20 2.16 2.13 2.11
500 3.17 3.09 2.97 2.90 2.84 2.80

20 24 30 40 60 120

50 1.80 1.78 1.77 1.75 1.73 1.72

100 2.10 2.07 2.05 2.03 2.00 1.98
500 2.77 2.72 2.68 2.63 2.59 2.55
 CAPÍTULO 3

UMA AVALIAÇÃO DE SEIS PROCEDIMENTOS

PARA COMPARAÇÕES MÚLTIPLAS*

1 . INTRODUÇÃO

A literatura sobre p r o c e d i m e n t o s p a r a comparações múlti

pias é vasta. Há um l i v r o i n t e i r a m e n t e sobre o a s s u n t o , MILLER

J r . ( 1 9 8 1 ) , há e x t e n s a s revisões como as de O'NEILL & WETHERILL

(1971) e n a s r e v i s t a s a t u a i s frequentemente se encontram artigos

d i r e t a ou i n d i r e t a m e n t e r e l a c i o n a d o s com o a s s u n t o .

Segundo SMITH (19 7 8 ) , os estatísticos reconhecem as dis

c r e p a n c i a s encontradas e n t r e a s diferenças mínimas significativas

dadas por p r o c e d i m e n t o s como, por exemplo, t e s t e t e t e s t e de Tu

key, e d i s c u t e m o problema em t o r n o da e s c o l h a adequada de a (ní

v e l de significância), t a n t o no que d i z r e s p e i t o ao seu tamanho

(5%, 10% e t c . ) como também a sua forma: t a x a de e r r o por compara

ção ou alguma forma intermediária.

*Capítulo extraído do a r t i g o : PERECIN, D. & BARBOSA, J.C. Uma avaliação de

s e i s procedimentos para comparações múltiplas, hev, Mat> Eetat, São Paulo, f

£:95-103, 1988.
 O f a t o p r a t i c o e que um t e s t e com t a x a de e r r o por compr

ração t o r n a - s e muito " f r o u x o " ao s e r a p l i c a d o a todo o experimen

t o , enquanto que um t e s t e com t a x a de e r r o por experimento torna-

se " c o n s e r v a d o r " ao s e r olhado p o r comparação, 0 teste t-bayesia

no, proposto i n i c i a l m e n t e por DUNCAN (1965) e d e s e n v o l v i d o por

WALLER & DUNCAN (1969, 1972), DIXON & DUNCAN ( 1 9 7 5 ) , DUNCAN & GOD

BOLD (1979) e DUNCAN & BRANT ( 1 9 8 3 ) , de c e r t a forma c o n c i l i a essas

duas t a x a s de e r r o s .

Uma v e z que a s b a s e s teóricas dos d i v e r s o s procedimentos

não são a s mesmas, há d i f i c u l d a d e s teóricas para compará-los

a n a l i t i c a m e n t e , r e s t a n d o a a l t e r n a t i v a de f a z e r i s s o através do

computador. Um a r t i g o muito i n s t r u t i v o a e s s e r e s p e i t o é o de

CARMER & SWANSON (1973).

No p r e s e n t e t r a b a l h o são comparados, através de simulação

em computador, s e i s p r o c e d i m e n t o s : t e s t e de Duncan, t e s t e t , t e s

t e de Newman-Keuls, t e s t e de Newman-Keuls modificado, t e s t e de Tu

key e t e s t e t - b a y e s i a n o , no que d i z r e s p e i t o ãs t a x a s de e r r o s ao

se t e s t a r a i g u a l d a d e de duas médias.

P a r a t a n t o , são s i m u l a d o s 20.000 e x p e r i m e n t o s , englobando

20 c a s o s : com 5, 10, 20, 40 e 100 t r a t a m e n t o s , tanto i g u a i s como

d i f e r e n t e s , e duas situações p a r a o c o e f i c i e n t e de variação: 10%

e 20%.

Embora se l i m i t e a c a s o s p a r t i c u l a r e s , o t r a b a l h o traz con

tribuições f o r n e c e n d o evidências de t a x a s de e r r o t i p o I , nos c a

s o s de ausência de e f e i t o de t r a t a m e n t o s e, do poder dos t e s t e s ,

nos c a s o s com e f e i t o s de t r a t a m e n t o s , p r i n c i p a l m e n t e p a r a condições

com muitos tratamentos (por exemplo, 4 0 e 100, que são comuns em

 44

p r o g r a m a s de m e l h o r a m e n t o ) e que não são a b o r d a d o s no t r a b a l h o de

CARMER & SWANSON (1973).

2. MÉTODOS

São s i m u l a d o s em c o m p u t a d o r 2 0 , 0 0 0 e x p e r i m e n t o s , 1.000 p a

r a c a d a c a s o , de a c o r d o com a equação y^^ = u + + e ^ j / onde

representa uma resposta o b t i d a no t r a t a m e n t o i e na repetição j ;

VL = média g e r a l arbitrada como 50; t ^ ( E t ^ = 0) = e f e i t o do i-ésimo

tratamento; e^^ ( i = 1, 2, . . ., p; j = 1 , 2, 3 , 4 ) = e r r o aleatório, ge

rado independentemente com distribuição normal com média zero e

d e s v i o s padrões 5 e 10.

Para cada p=5, 10, 20, 40 e 100, c o n s i d e r a r a m - s e as s i

t u a ç õ e s : com e sem e f e i t o de t r a t a m e n t o s e d o i s c o e f i c i e n t e s de

variação. Em t o d o s o s 20 c a s o s o n ú m e r o de r e p e t i ç õ e s f o i 4, ge

rando-se, em c o n s e q u ê n c i a , t r a t a m e n t o s com e r r o padrão da média

igual ã m e t a d e do d e s v i o p a d r ã o de e ^ . O valor de t ^ , n o s c a s o s

sem e f e i t o de t r a t a m e n t o s , f o i n u l o p a r a q u a l q u e r i e, nos casos

de efeito de t r a t a m e n t o s , a d i f e r e n ç a e n t r e t r a t a m e n t o s adjacen

tes f o i de 2 erros p a d r õ e s da m é d i a .

Em c a d a experimento gerado, a s médias a m o s t r a i s foram or

denadas decrescentemente e determinadas: a estatística F da a n ã l i

s e de v a r i â n c i a , a s diferenças a m o s t r a i s e n t r e médias, a s d i f e r e n

ças m í n i m a s s i g n i f i c a t i v a s (dms) d o s t e s t e s a serem comparados e

contados os r e s p e c t i v o s contrastes significativos.

Para facilitar o leitor, um e x p e r i m e n t o exemplo é mostra

do n a T a b e l a 1.
TABELA 1 - Exemplo de um e x p e r i m e n t o gerado com 5 t r a t a m e n t o s , com e f e i t o de d o i s e r r o s
p a d r õ e s da m é d i a e n t r e m é d i a s a d j a c e n t e s .
(média g e r a l = 5 0 , d e s v i o p a d r ã o r e s i d u a l ~ 5 , n ú m e r o de r e p e t i ç õ e s = 4)

MÉDIAS AMOSTRAIS

M1 = 60,18 = 59,42 M3 = 51,75 M^ = 43,66 M5 = 40,40

C O M P A R A Ç Ã O DAS M É D I A S : Q.M. R E S Í D U O = 23,37; TESTE F = 13,77*

DIFERENÇAS MlNIMAS S I G N I F I C A T I V A S (5%)

DIFERENÇAS
CONTRASTE
AMOSTRAIS NEWMAN-KEULS
TESTE t XTT7T T M A \ VU-TTTC
TUKEY t -BAYESIAN0 DUNCAN
NEWMAN-KEULS ( M 0 D I F I C A D 0 )

0,76 7,28 CO 7,28 10,56 6,91 7,28

8,43 7,28 8,87 8,87 10,56 6,91 7,64

M 1 "M3
M, - M4 16,52 7,28 9,86 9,86 10,56 6,91 7,86

19,78 7,28 10,56 10,56 10,56 6,91 8,00

M 1 -M5
M2 - M3 7,67 7,28 oo 7,28 10,56 6,91 7,28

M - M 15,76 7,28 8,87 8,87 10,56 6,91 7,64

19,02 7,28 9,86 9,86

2 ;> 10,56 6,91 7,86

8,09 7,28 7,28 7,28 10,56 6,91 7,28

M 3 " \
M3 -M5 11,35 7,28 8,87 8,87 10,56 6,91 7,64

M4 - M5 3,26 7,28 7,28 7,28 10,56 6,91 7,28

N9 TOTAL DE CONTRASTES
8,00 6,00 7,00 5,00 8,00 8,00
SIGNIFICATIVOS

*Significativo ao n í v e l de 5%.
Diferenças mínimas s i g n i f i c a t i v a s (dms)

F i x o u - s e o nível de significância de 5% (a = 0,05) e, no

c a s o do t e s t e t - b a y e s i a n o , tomou-se p a r a equivalência k = 100 (DUN

CAN, 1965; WALLER & DUNCAN, 1969; DIXON & DUNCAN, 1 9 7 5 ) .

Conforme é m o s t r a d o em 0'NEILL & WETHERILL (1971) , CARMER

& SWANSON ( 1 9 7 3 ) , p a r a os t e s t e s t , T u k e y , Duncan e Newman-Keuls

t e m - s e : dms= q ( a , p ' , f ) s— , onde q ( a , p ' , f ) é o v a l o r tabela

x *~~

do da a m p l i t u d e máxima e s t u d e n t i z a d a , f e s— são os g r a u s de l i .

b e r d a d e do resíduo e o e r r o padrão da média, r e s p e c t i v a m e n t e . No

t e s t e t , p = 2; no t e s t e de Tukey, p = p (número de
1 1 tratamentos);

no t e s t e de Newman-Keuls, p = p , p - 1 ,
1 2, c o n f o r m e o número

de médias o r d e n a d a s e x i s t e n t e s entre a q u e l a s em consideração. No

teste original de Newman-Keuls nao se c o n s i d e r a m diferenças s i g n i -

ficativas entre médias que estão e n t r e duas, c u j a diferença é não

significativa. Neste t r a b a l h o , quando não se c o n s i d e r a r e s t e fa

t o , o p r o c e d i m e n t o será chamado t e s t e de Newman-Keuls m o d i f i c a d o .

0 t e s t e de Duncan é i g u a l ao de Newman-Keuls, só que o nível de

D' —1

significância a e substituído p o r a' = 1 - ( 1 - a ) ^ , 0nde p 1 é o nú

mero de médias o r d e n a d a s a b r a n g i d a s p e l o c o n t r a s t e . Esse nível

de significância variável e pouco p r o t e t o r , se há m u i t a s médias,

é m o t i v o de controvérsias e n t r e os estatísticos (0'lUjILL & WETHE

R I L L , 1 9 7 1 ) , mas o t e s t e de Duncan é um d o s m a i s u t i ^ z a d o s na

prática.

Para o t e s t e t - b a y e s i a n o (WALLER & DUNCAN, 1 9 6 9 ) , t e m - s e ;

 47

onde = t (k, F, q, f ) minimiza o r i s c o g l o b a l e depende da rela

ção k de e r r o s t i p o I e t i p o I I , da estatística F para tratamen
t o s e dos graus de l i b e r d a d e q de t r a t a m e n t o s de f do resíduo; en
contra-se t a b e l a d o em WALLER & DUNCAN (1972).
Para resumir cada um dos v i n t e casos ( c i n c ^ números de t r a
tamentos, com e sem e f e i t o s , e d o i s c o e f i c i e n t e s de variação), f o
ram contados os c o n t r a s t e s em que a diferença a m o s t r a i supera a
dms, em cada e x p e r i m e n t o . Dessa forma, nos c o n t r a s t e s e n t r e mé
d i a s i g u a i s , ter-se-á uma e s t i m a t i v a da taxa de e r r o t i p o I e, nos
c o n t r a s t e s de médias d i f e r e n t e s , a percentagem de decisão c o r r e t a
será uma e s t i m a t i v a do poder do t e s t e , uma vez que a percentagem
de e r r o t i p o I I I (CARMER & SWANSON, 19 73) é, no caso, desprezível.

3. RESULTADOS E DISCUSSÃO

Poder dos t e s t e s

Na Tabela 2 estão as percentagens de diferenças amostrais

que superam as r e s p e c t i v a s dms para alguns c o n t r a s t e s particula
r e s com diferenças r e a i s e n t r e médias a p a r t i r de duas vezes o e r
r o padrão da média.

Os r e s u l t a d o s das simulações p e r m i t i r a m as s e g u i n t e s con

siderações:

a) Tomando-se as diferenças e n t r e médias, em termos de e r

r o padrão da média, desaparece, como e r a de se esperar, o efeito
do c o e f i c i e n t e de variação e, por esta razão, reuniram-se os r e
s u l t a d o s dos d o i s CV.
 48

TABELA 2 - Percentagem de decisão correta dos testes, ao nível de

significância de 5%, ao detectar diferenças reais exis
tentes entre médias. Simulados 2.000 experimentos com
4 repetições cada, em c a d a número de t r a t a m e n t o s ; médias
adjacentes diferindo de 2 erros padrões da média (2cx).

N9 DE DIFERENÇA REAL ENTRE MÉDIAS

TESTE
TRATAMENTOS
2 ax 4 ax 6 ax 8 ax £ 100 c x

05 21,9 60,4 91,6 99,4

10 22,2 65,2 94,6 99,8 100,0
NEWMAN-KEULS 20 23,6 67,4 96,0 100,0 100,0
40 23,3 67,8 96,3 100,0 100,0
100 23,8 69,2 96,6 100,0 100,0

05
to
24,1
24,2
60,8
65,6
91,6
94,6
99,4
99,8
-
100,0
NEWMAN-KEULS
20 25,7 67,7 96,0 100,0 100,0
MODIFICADO
40 25,4 68, 1 96,3 100,0 100,0
100 25,9 69,6 96,6 100,0 100,0

05 23,9 73,6 97,6 100,0

10 24,0 77,5 98,5 100,0 100,0
DUNCAN 20 25,6 79,1 98,9 100,0 100,0
40 25,4 79,0 99,1 100,0 100,0
100 25,9 79,9 99,1 100,0 100,0

05
10
23,9
24,2
76,9
81,4
98,8
99,1
100,0
100,0 -
100,0
20 25,7 82,4 99,4 100,0 100,0
40 25,4 82,1 99,5 100,0 100,0
100 25,9 82,9 99,5 100,0 100,0

05 6,6 42,6 87,7 99,4

10 2,5 28,8 81,4 99,2 100,0
TUKEY 20 0,9 18,0 71,8 98,1 100,0
40 0,2 10,6 59,2 96,1 100,0
100 0,0 4,7 45,2 92,5 100,0

05 26,6 78, 1 98,1 100,0 _

10 32,5 87, 1 99,6 100,0 100,0
t-BAYESIANO 20 34,6 88,3 99,8 100,0 100,0
40 34,2 88,3 99,8 100,0 100,0
100 34,5 88,9 99,8 100,0 100,0
 49

b) O t e s t e de Tukey possuí o menor poder e e s t e diminui

dramaticamente com o aumento do número de t r a t a m e n t o s . Com 100 mé

d i a s , o poder de d e t e c t a r diferença de até 6 e r r o s padrões da média

é i n f e r i o r a 50%. E s t e f a t o sugere que o t e s t e de Tukey não se

p r e s t a p a r a comparar t o d a s a s médias, duas a duas, de um experi-

mento com muitos t r a t a m e n t o s .

c ) Com o s dados d e s s e s e x p e r i m e n t o s , o maior poder f o i ob

t i d o com o t e s t e t - b a y e s i a n o , s e g u i d o do t e s t e t , do de Duncan e

do de Newman-Keuls. Para e s s e s q u a t r o t e s t e s , aumenta-se ligeira

mente o poder (ao contrário do t e s t e de T u k e y ) , com o aumento do

número de t r a t a m e n t o s , sendo e s s e e f e i t o mais sensível com o t e s

te t-bayesiano.

d) É de se d e s t a c a r o poder a p r e s e n t a d o p e l o t e s t e de New

man-Keuls, muito s u p e r i o r ao do t e s t e de Tukey e semelhante, embo

r a um pouco i n f e r i o r , a o s t e s t e s t , Duncan e t - b a y e s i a n o .

e) Ao nível de significância de 5%, a s diferenças de po

der e n t r e os t e s t e s se m a n i f e s t a m mais acentuadamente p a r a médias

que d i f e r e m e n t r e s i até 4 e r r o s padrões da média. Para diferen

ças s u p e r i o r e s a 6 e r r o s padrões da média, todos o s t e s t e s possuem

poder e l e v a d o .

f ) A modificação i n t r o d u z i d a no t e s t e de Newman-Keuls p r a

t i c a m e n t e não a l t e r a o s e u poder e t o r n a - o mais s i m p l e s .

E r r o s do t i p o I

Há c e r t a s d i f i c u l d a d e s em se comparar o s e r r o s t i p o I (ver

CARMER & SWANSON, 1973; MILLER, 1981). Para c o n t o r n a r o problema,

 50

três t i p o s de e r r o s são a p r e s e n t a d o s na T a b e l a 3: a) t a x a de e r r o

por e x p e r i m e n t o ; b ) t a x a de e r r o p o r c o n t r a s t e e c ) t a x a de erro

p a r a o c o n t r a s t e de m a i o r amplitude.

Em t o d o s o s c a s o s , os t e s t e s t e Duncan f o r a m o s que pro

porcionaram m a i o r e s p e r c e n t a g e n s de e r r o s t i p o I ,atingindo valo

r e s insuportáveis se f o r e m consideradas as t a x a s de e r r o p o r expe

rimento ( i t e m a) ou p a r a a m a i o r a m p l i t u d e (item c ) . No t e s t e t ,

a t a x a de e r r o permanece próxima do nível de significância nonú

n a l quando se c o n s i d e r a a t a x a de e r r o p o r c o n t r a s t e (item b ) .

De um modo g e r a l , tem-se a c e i t o que o t e s t e t só deva s e r

aplicado a (p-1) contrastes ortogonais previamente escolhidos, e

n e s s a situação o n i v e l de proteção c o n j u n t a será [ 1 - (1-et)*"*-"1 ] . Uma

o u t r a aplicação de c a r a t e r m a i s g e r a l , com c e r t a proteção dos e r

ros tipo I (similar à do t e s t e t - b a y e s i a n o ) , é a f o r m a F-protegi

da ou dms de F i s h e r (DUNCAN & BRANT, 1983).

Quanto a o s t e s t e s de Newman-Keuls, Newman-Keuls modifica

do e T u k e y , a t a x a de e r r o permanece próxima à n o m i n a l , quando se

toma a m a i o r a m p l i t u d e ( i t e m c ) e há c e r t o c o n t r o l e da t a x a de e r

r o por e x p e r i m e n t o ( i t e m a) ao r e d o r do d o b r o do nível nominal.

No t e s t e de Newman-Keuls m o d i f i c a d o , o e f e i t o de não se

c o n s i d e r a r a restrição de não significâncias, d e n t r o de c o n t r a s t e

de m a i o r a m p l i t u d e e não s i g n i f i c a t i v o , não o c a s i o n a problemas apa

r e n t e s , p o i s só se o b s e r v o u l i g e i r o aumento de t a x a s de e r r o s t i

po I quando há p o u c o s t r a t a m e n t o s (com 10 ou m a i s t r a t a m e n t o s a

alteração é i n s i g n i f i c a n t e - v e r Tabela 3 ) .

Em princípio, a não alteração das t a x a s de e r r o s tipo I

se j u s t i f i c a m , p o i s os v a l o r e s de q ( a , p', f ) são sempre conserva

TABELA 3 - Percentagem de decisão i n c o r r e t a (erro t i p o I ) , ao nível de significância no
minai de 5%, ao d e t e c t a r diferenças n ã o e x i s t e n t e s entre m é d i a s , reunindo
2.000 experimentos com 4 repetições cada (CV= 10% e CV= 2 0 % ) , para cada núme
ro de tratamentos, sem e f e i t o s de tratamentos.

N9 DE TESTES
TRATAMENTOS NEWMAN-KEULS
NEWMAN-KEULS TUKEY t-BAYESIANO DUNCAN
(MODIFICADO)

a) Percentagem em relação ao numero de experimentos (2.000)

05 11,4 12,9 51,3 9,1 30,2 38,9
10 9,4 9,5 227,0 7,7 53,0 117,3
20 13,1 13,3 956,0 11,0 113,7 356,4
40 9,6 9,6 3.806,1 9,3 116,7 1.076,4
100 7,3 7,3 24.297,5 7,3 131,2 5.044,5

b) Percentagem em relação ao numero de c o n t r a s t e s x numero de experimentos

05 1,1 1,3 5,1 0,9 3,0 3,9
10 0,2 0,2 5,0 0,2 1,2 2,6
20 0,1 0,1 5,0 0,1 0,6 1,9
40 0,0 0,0 4,9 0,0 0,1 1,4
100 0,0 0,0 4,9 0,0 0,0 1,0

c ) Percentagem para o contraste entre a maior e a menor media

05 5,5 5,5 25,0 5,5 14,9 18,4
10 4,8 4,8 58,5 4,8 16,6 39,4
20 4,5 4,5 89,5 4,5 18,0 62,0
40 6,4 6,4 99,6 6,4 13,6 88,8
100 4,4 4,4 100,0 4,4 5,6 100,0
 52

dores em r e l a ç ã o à v e r d a d e i r a d i s t r i b u i ç ã o a m o s t r a i das amplitu

des e n t r e e s t a t í s t i c a s de o r d e m , p a r a p > p'. A Tabela 4 ilustra

esse fato, tomando o caso p a r t i c u l a r de p' = 5 e p = 5 , 10 e 2 0 . No

ta-se que a a m p l i t u d e -M^, com p = 5 t r a t a m e n t o s , é s u p e r i o r a

todas as o u t r a s a m p l i t u d e s o b t i d a s para p = 10 o u 20 t r a t a m e n t o s , e

isso acarretará proteção c o n t r a e r r o s do t i p o I . A proteção au

menta ã medida que p aumenta.

Quanto ao t e s t e t-bayesiano f n e n h u m a d a s três t a x a s de e r

ros determinadas se a p r o x i m a d o n í v e l de significância nominal,

notando-se c e r t a estabilização das t a x a s por experimento (item a)

ou para o maior contraste (item c ) , e m b o r a em v a l o r e s superiores

ao nominal.

4. CONCLUSÕES

1£) Em r e l a ç ã o âs t a x a s de e r r o t i p o I , o - t e s t e de D u n c a n

é quase tão r u i m q u a n t o o teste t e, p o r essa razão, nenhum dos

dois deve s e r empregado indiscriminadamente.

2$) O teste de T u k e y p o s s u i poder muito reduzido, especial

m e n t e q u a n d o há m u i t o s tratamentos e, p o r e s s a razão, não deve

ser empregado i n d i s c r i m i n a d a m e n t e para comparar todos os contras

tes de d u a s m é d i a s . Evidentemente, se o c o n t r a s t e f o r significa

tivo p o r esse teste, também o será p o r q u a l q u e r dos o u t r o s anaii_

sados.

3$) 0 teste t-bayesiano concilia de c e r t a forma as carac

t e r í s t i c a s d e s e j á v e i s de p o d e r a l t o e baixas taxas de e r r o s tipo

I. E n t r e t a n t o , como o t e s t e depende f u n d a m e n t a l m e n t e do v a l o r F
 53

TABELA 4 - Estimativas das médias e v a r i â n c i a s das distribuições

amostrais de a m p l i t u d e s e n t r e estatísticas de o r d e m p a
ra o caso p a r t i c u l a r de p* = 5 e p = 5 , 10 o u 20 t r a t a m e n
tos com e f e i t o s nulos, obtidos sempre com 1 . 000 e x p e r i
mentos com 4 r e p e t i ç õ e s cada.

N9 DE CONTRASTE CV = 10% (a = 5) CV = 20% ( 0 = 10)

TRATAMENTOS P' = 5
MÉDIA VARIÂNCIA MÉDIA VARIÂNCIA

05 M, - 5,8 4,6 1 1,6 18,6

10 M, - 3,6 2,4 7,2 9,4
• 5 M

M - 2 2,8 1,4 5,5 5,6

- 6 M

M - 3 2,5 1,3 5,1 5,1

4 " 2,5 1,2 5,1 4,7

M M 8
M - 5 2,8 1,5 5,6 5,9
M 9
M6 " 10 3,5 2,2 7,1 8,6
M

20 M, - M 5 2,8 1,6 5,5 6,4

M - 2,! 0,9 4,0 3,1
6
2
M

M - 1,7 0,6 3,4 2,4

7
3
M

1,5 0,4 3,0 1,7

M4 " M 8
M - 5
1,4 0,4 2,8 1,6
M 9
1,3 0,4 2,7 1,4
M6 " M !0
M - ? 1,3 0,4 2,6 1,3
M 11
1,3 0,3 2,6 1,3
M8 " 12 M

Mg - M n 1,3 0,3 2,5 1,2

1,3 0,3 2,6 1,3
M io- M ,4
M 15 1,3 0,3 2,7 1,4
M - 1,4 0,4 2,8 1,6
16
1 2
M

1,5 0,4 3,0 1,7

M 13" M 17
,4" 1,7 0,5 3,4 2,0
M M 18
2,0 0,8 4,0 2,9
M 15" M 19
16~ 2,8 1,6 5,6 6,1
M M 20

Obs.: M i (i = ',2 20) = médias em ordem d e c r e s c e n t e .

p*= número de médias abrangidas p e l o c o n t r a s t e .
 54

da análise de variância, que pode s e r a l t e r a d o p e l a inclusão de

t r a t a m e n t o s de e f e i t o s d i s c r e p a n t e s , haverá n e c e s s i d a d e de a p l i c a

ção c u i d a d o s a , recomendando-se p r o c e d i m e n t o s a d a p t a t i v o s (DUNCAN

& BRANT, 1 9 8 3 ) , se f o r o c a s o . Um o u t r o d e f e i t o é que as taxas

de e r r o t i p o I não podem s e r p r e v i s t a s com exatidão e dependem do

número de t r a t a m e n t o s e de suas magnitudes,

49) O p r o c e d i m e n t o de Newman-Keuls é o que pode s e r apli

c a d o sem m a i o r e s c u i d a d o s , p o i s p o s s u i p o d e r m u i t o s u p e r i o r e t a

x a s de e r r o s t i p o I s i m i l a r e s âs do t e s t e de Tukey. Por manter a

t a x a de e r r o p o r e x p e r i m e n t o , o u s o d e s t e t e s t e ao nível de s i g n i

ficância de 10% ou 20% pode s e r uma solução, m a i s adequada do que

o emprego do t e s t e t - b a y e s i a n o ou q u a l q u e r o u t r o .

53) A modificação i n t r o d u z i d a no t e s t e de Newman-Keuls mos

t r o u - s e adequada p o r não a l t e r a r s e n s i v e l m e n t e a s t a x a s de erros

tipo I , mesmo quando há só 5 t r a t a m e n t o s .

5. REFERÊNCIAS BIBLIOGRÁFICAS

CARMER, S.G. & SWANSON, M.R. An e v a l u a t i o n o f t e n p a i r w i s e multi

p i e c o m p a r i s o n p r o c e d u r e s b y Monte C a r l o m e t h o d s . JASA, 6 8:66-

74, 1973.

DIXON, D.O. & DUNCAN, D.B. Minimum Bayes r i s k t-intervals for

m u l t i p l e comparisons. JASA, 70 :822-831, 19 75.

DUNCAN, D.B. A bayesian approach t o m u l t i p l e comparisons, T e e ^L

nome t r i o s , 7: 1 71-22 2, 1965 .

DUNCAN, D.B. & BRANT, l i . J . Adaptative t testes f o rmultiple com

parisons. Siometrice, 39 i790-794, 1983 .

 55

DUNCAN, D, B. & GODBOLD f J.H. Aproximate k-ratio tests for differ

e n c e s between unequally r e p l i c a t e d treatments. Biometrios, 35:

749-756, 1979.

MILLER J r . r R.C. Simultaneous statistiaal inferenee. New York,

Spring-Vertag, 1981.

O *NEILL, R. & W E T H E R I L L , G.B. The p r e s e n t state of multiple com

parison methods. «7. Royai Stat. Soo., B, 3.3:218-250, 1 9 7 1 .

SMITH, C.W. Bayes least significant d i f f e r e n c e : a review and com

parison. Agvonomy Journal, 7-9: 123 — 127, 1 9 7 8 ,

WALLER r R.A. & DUNCAN, D.B. A Bayes r u l e f o r t h e syrametric multi

pie comparison problem. JASA, 64 : 1 4 8 4 - 1 5 0 3 , 1969 a n d Corrigenda;

JASA, 67:253-255, 1972.

 CAPÍTULO 4

ALTERNATIVAS AOS PPCM

1 . INTRODUÇÃO

O emprego dos PPCM é p o l e m i c o , q u e r do p o n t o de v i s t a ma

temático/estatístico, q u e r do p o n t o de v i s t a biológico. Dessa f o r

ma, ao c o n c l u i r e s t e t r a b a l h o d i s c u t e - s e uma visão contrária a

aplicação i n d i s c r i m i n a d a de PPCM, m a i s ou menos na l i n h a de PERRY

(1986) .

Conforme v i s t o n o s capítulos a n t e r i o r e s , o conhecimento

do p o d e r d o s t e s t e s ê e x t r e m a m e n t e l i m i t a d o e variável a p o n t o de

se p e r m i t i r a e s c o l h a de p r o c e d i m e n t o s com características muito

discrepantes ( t a x a de e r r o t i p o I p o r e x p e r i m e n t o ou p o r compara

ção, por exemplo). Isso f a z com que e s s e s p r o c e d i m e n t o s percam

c r e d i b i l i d a d e , uma v e z que as conclusões podem s e r d i f e r e n t e s c o n

f o r m e o p r o d e c i m e n t o empregado.

Do p o n t o de v i s t a biológico, há também restrições, pois,

f r e q u e n t e m e n t e , é m a i s adequado um p r o c e d i m e n t o de estimação do

que um de t e s t e de hipótese, uma v e z que uma diferença estatisti

 57

camente s i g n i f i c a n t e pode s e r desprezível do p o n t o de v i s t a bioló

gico. A esse r e s p e i t o , é i n t e r e s s a n t e o l e i t o r c o n s u l t a r 0'NEILL

& WETHERILL ( 1 9 7 1 ) , JONES { 1 9 8 4 } r PERRY ( 1 9 8 6 ) , PERRY (1986) a f i r

ma, i n c l u s i v e , que a l g u m a s r e v i s t a s como Ecological Entomology,

Ânnals of Applied Biology , Journal of A g r i c u l t u r a l Science, entre

o u t r a s , desencorajam o emprego de PPCM, p o i s a experiência t e m de

m o n s t r a d o que e l e s d e s e s t i m u l a m a análise crítica d o s dados e o b s

c u r e c e m a apresentação dos r e s u l t a d o s ,

2. ESTIMAÇÃO v e r s u s TESTE DE HIPÓTESES

De a c o r d o com PERRY ( 1 9 8 6 ) , os t e s t e s de significância de

sempenham p a p e l m u i t o l i m i t a d o em e x p e r i m e n t o s biológicos, uma

ve z q u e :

a) a significância r e f e r e - s e meramente a p l a u s i b i l i d a d e ,

não à importância biológica; diferenças s i g n i f i c a n t e s e n t r e trata

m e n t o s podem e x i s t i r , mas s e r b i o l o g i c a m e n t e t r i v i a i s ;

b) c e r t a s t e o r i a s podem s e r i n c o r r e t a s e mesmo a s s i m s e r

úteis do p o n t o de v i s t a prático;

c ) f r e q u e n t e m e n t e , sabe-se "a p r i o r i " (antes da realiza

ção do e x p e r i m e n t o ) q u e a hipótese n u l a ê f a l s a ; n e s s a situação,

o nível de significância é i n c o r r e t o e o t e s t e r e d u n d a n t e ;

d) a significância de um t e s t e f r e q u e n t e m e n t e depende só

do tamanho do e x p e r i m e n t o ; q u a n t o m a i o r o número de repetições,

m a i o r a c h a n c e de se alcançar significância;

e) em a g r i c u l t u r a e e c o l o g i a , o s e x p e r i m e n t o s s i m p l e s são

raros;
 58

f) os t e s t e s indicam apenas que a hipótese deve ser r e j e i

t a d a f mas não dão a magnitude do d e s v i o da hipótese;
g) a e x a t i d ã o dos t e s t e s ê frequentemente e x a g e r a d a , igno
r a n d o - s e que os mesmos são baseados em s u p o s i ç õ e s teóricas, q u e
frequentemente não sao a s s e g u r a d a s na prática.
PERRY {1986) a c r e d i t a que a análise de variância desempe
nha um p a p e l i m p o r t a n t e na fase i n i c i a l da análise dos dados, quan
do são a v a l i a d o s ou comparados modelos a l t e r n a t i v o s . Escolhido o
modelo, a a t e n ç ã o deve se v o l t a r para a e s t i m a ç ã o de parâmetros
e para a i n t e r p r e t a ç ã o da magnitude dos e f e i t o s biológicos de i n
teresse.
Quando a p e s q u i s a é bem p l a n e j a d a , as comparações de i n t e
r e s s e são d e c i d i d a s a n t e s da r e a l i z a ç ã o do experimento e i n f l u e n
ciam fortemente na e s c o l h a do delineamento do experimento e d o s
t r a t a m e n t o s . Dados desse t i p o são d i t o s " e s t r u t u r a d o s " .
Para i l u s t r a r , seja um experimento a p r e s e n t a d o por PERRY
(1986), onde são comparados 6 t r a t a m e n t o s , com p r o d u t o s A e B (fe
r o h o r m o n i o s ) , para c a p t u r a de c e r t o s t i p o s de m a r i p o s a s , usando
b l o c o s c a s u a l i z a d o s em d o i s l o c a i s . Os t r a t a m e n t o s e os r e s u l t a
dos o b t i d o s e s t ã o a p r e s e n t a d o s na Tabela 1 .
Questões n a t u r a i s a serem r e s p o n d i d a s por e s s e experimen
to são:
a) Qual a diferença média e n t r e os p r o d u t o s A e B?
b) Com A, q u a l o e f e i t o da a d i ç ã o de a n t i o x i d a n t e ?
c) Com B, qual o e f e i t o de moderada, severa ou ausência
de d e t e r i o r a ç ã o ?
TABELA 1 - Dados e análise de variância p a r a um experimento com f e r o h o r m o n i o s .

N9 DE CAPTURAS/ARMADILHA LETRAS RESULTAN

MÉDIA
TRATAMENTOS TES DO TESTE
(após l o g )
LOCAL 1 LOCAL 2 DE DUNCAN ( 5 % )

A, sozinho 32 18 1,380 a
A, com a n t i o x i d a n t e 30 22 1,410 a
B, não degradado 73 59 1,817 c
B, moderadamente degradado 65 34 1,672 bc
B, severamente degradado (proc. l e n t o ) 39 29 1,527 ab
B, severamente degradado (proc. rápido) 36 31 1,524 ab

ANÁLISE DE VARIÂNCIA DOS LOGARITMOS DOS NÚMEROS CAPTURADOS

FONTES DE VARIAÇÃO G.L. S.Q. Q.M. F

Local 1 0,076 0,076 19,9

A V3. B 1 0,154 0,154 40,4

Antioxidante (para A) 1 0,001 0,001 0,2

Degradação (para B) 2 0,117 0,059 15,2

Processo de degradação severa (para B) 1 0,000 0,000 0,0

Resíduo 5 0,019 0,04

-
Total 11 0,366 _

FONTE: PERRY (1986).

 60

d) Cora B severamente d e t e r i o r a d o , q u a l o e f e i t o de se p r o
vocar d e t e r i o r a ç ã o rápida?
e) Para f u t u r o s e x p e r i m e n t o s , é c o n v e n i e n t e conhecer o ní
v e l p o p u l a c i o n a l nos d o i s l o c a i s e se e l e s diferem e n t r e s i ?
Todas e s s a s q u e s t õ e s podem s e r r e s p o n d i d a s desdobrando-se
os 5 g r a u s de l i b e r d a d e de t r a t a m e n t o s em comparações o r t o g o n a i s ,
úteis e r e l e v a n t e s e que podem ser c o n s i d e r a d a s independentes.uraas
das o u t r a s .
Se for usado comparações múltiplas 2 a 2 , h ã 15 compara
ções com i n t e r d e p e n d ê n c i a e n t r e e l a s .
De um modo g e r a l , o desdobramento dos g r a u s de l i b e r d a d e
e, consequentemente, da soma de quadrados de t r a t a m e n t o s p e r m i t e
d e t e c t a r diferenças que f i c a r i a m mascaradas se isso não fosse f e i t o ;
p o i s p e r m i t e i s o l a r a s p r i n c i p a i s f o n t e s de v a r i a ç ã o no experimen
t o , D e s t a c a - s e , e n t r e t a n t o , que diferenças e s c o l h i d a s apenas em
r a z ã o dos v a l o r e s observados serem g r a n d e s , não são válidas (MEAD
& CURNOW, 1983) .
Com r e l a ç ã o ao exemplo i l u s t r a t i v o , os v a l o r e s foram trans
formados em l o g a r i t m o s p a r a a u x i l i a r na a d i t i v i d a d e e homogeneida
de da variância. Cada r e l a ç ã o de quadrados médios, r e s u l t a ura
t e s t e F, e e s s e s indicam c l a r a m e n t e que os e f e i t o s do a n t i o x i d a n t e
e da rápida degradação são c o n s i s t e n t e s com a v a r i a ç ã o aleatória.
O p r o d u t o B c a p t u r a quase duas vezes mais mariposas que o
A, embora o e f e i t o da degradação reduza o s i g n i f i c a d o biológico me
d i o d e s s a comparação, A degradação severa reduz a c a p t u r a em c e r
ca de 50%, em r e l a ç ã o ao p r o d u t o f r e s c o , e não hã diferença s e a
degradação severa é rápida ou n ã o .
 61

Essa análise s u m a r i z a de m a n e i r a c l a r a e s u s c i n t a os r e

s u l t a d o s o b t i d o s , dispensando q u a l q u e r o u t r a análise.

O mesmo e x p e r i m e n t o pode s e r a n a l i s a d o p e l o t e s t e DUNCAN,

r e s u l t a n d o n a s l e t r a s que são a p r e s e n t a d a s ao l a d o d a s médias, n a

última c o l u n a , à d i r e i t a , da T a b e l a 1. Seguindo a interpretação

que o p r o c e d i m e n t o p e r m i t e , não se terá a c l a r e z a e o padrão da

interpretação anterior.

A análise de variância é um p a s s o m u i t o útil na análise

de dados e x p e r i m e n t a i s , r e s u l t a n d o na m e l h o r e s t i m a t i v a da varia

ção c a s u a l n o e x p e r i m e n t o ( q u a d r a d o médio do resíduo); e s t i m a t i v a

e s s a que é usada p a r a t e s t a r t o d a s comparações de i n t e r e s s e . E l a

p e r m i t e também comparações de menor interesse (locais, neste ca

so) .

A análise de variância é de u s o g e r a l , podendo s e r empre

gada p a r a e x p e r i m e n t o s f a t o r i a i s ou a q u e l e s e n g l o b a n d o tratamen

tos com níveis q u a n t i t a t i v o s , p a r a o s q u a i s o u s o d e PPCM é e s t r i

tamente inválido.

Embora nem sempre s e j a f u n d a m e n t a l na apresentação dos r e

s u l t a d o s , a informação a r e s p e i t o do e r r o padrão da média é de

fundamental importância, p e r m i t i n d o inferências sobre a magnitude

dos e f e i t o s dos t r a t a m e n t o s . Além d i s s o , é uma medida da v a r i a b i l i

dade i n e r e n t e ao m a t e r i a l biológico e dá indicações sobre o poder

do t e s t e e precisão do e x p e r i m e n t o .
 01

3. ANÁLISE DE DADOS ESTRUTURADOS

Na análise de dados e s t r u t u r a d o s é f u n d a m e n t a l l e v a r em

c o n t a a e s t r u t u r a d o s t r a t a m e n t o s e os PPCM não são c e r t a m e n t e os

m a i s adequados p a r a análise de dados desse tipo.

Por e x e m p l o , e x p e r i m e n t o s f a t o r i a i s , e x p e r i m e n t o s com m i s

t u r a s de níveis de 2 ou m a i s f a t o r e s , e x p e r i m e n t o s de consorcia

ção devem s e r a n a l i s a d o s p e s q u i s a n d o - s e
f a p o s s i b i l i d a d e de i n t e r a

ções e n t r e f a t o r e s . Experimentos com níveis q u a n t i t a t i v o s ou q u a

litativos, mas em e s c a l a categórica também devem ser analisados

p o r técnicas que l e v a m em c o n t a a p r o g r e s s i v i d a d e dos níveis de

cada fator.

0 leitor i n t e r e s s a d o em técnicas p a r a análise de t a i s da

d o s , pode c o n s u l t a r MEAD & PIKE (1975), PEARCE (1983), PERRY

(1986), e n t r e outros.

4. ANÁLISE DE DADOS NÃO ESTRUTURADOS

Experimentos, englobando t r a t a m e n t o s , em que o pesquisa

d o r t e m a mesma p e r s p e c t i v a p a r a cada p a r , d i f i c i l m e n t e são e n c o n

t r a d o s na prática. Esses são, no e n t a n t o , o s únicos em que o s

PPCM podem s e r empregados sem restrições. Além disso, segundo

PERRY ( 1 9 8 6 ) , o s PPCM podem l e v a r a conclusões ou resumos sem sen

t i d o prático do t i p o : "Não há diferenças e n t r e os t r a t a m e n t o s A e

B o u e n t r e B e C, mas os t r a t a m e n t o s A e C d i f e r e m e n t r e s i " .

COX & SNELL (1981) comentam q u e , na prática, r a r a m e n t e é

necessário i n d i c a r a significância p r e c i s a m e n t e e que um t e s t e de

 63

significância não é ura p r o c e d i m e n t o adequado p a r a se d e c i d i r , por

e x e m p l o , q u a i s de d o i s p r o c e s s o s i n d u s t r i a i s deva s e r empregado .

No g e r a l r há n e c e s s i d a d e de o u t r a s evidências disponíveis.

Segundo PERRY {1986) , áreas em que os PPCM podem, em p r i n

cípio, s e r úteis são a q u e l a s que e n g l o b a m m u i t o s t r a t a m e n t o s , p o r

e x e m p l o : e x p e r i m e n t o s com c u l t i v a r e s ou c l o n e s em programas de me

l h o r a m e n t o v e g e t a l , e x p e r i m e n t o s de " s c r e e n i n g " com defensivos

agrícolas.

C u r i o s a m e n t e , os PPCM não são muito a c e i t o s nessas áreas. Em

programas de m e l h o r a m e n t o o s c u l t i v a r e s sao s e l e c i o n a d o s levando-

se em c o n t a múltiplos c a r a c t e r e s (PATTERSON & SILVEY, 1 9 8 0 ) , re

s u l t a d o s de múltiplos e x p e r i m e n t o s , r e s u l t a d o s de seleções sequen

ciais, onde o m a t e r i a l s e l e c i o n a d o p a r a os próximos estágios do

processo de m e l h o r a m e n t o , nem sempre tem relação com a produtivi

dade no estágio a n t e r i o r (CURNOW, 1961) e t c .

Considerações s e m e l h a n t e s se a p l i c a m ao " s c r e e n i n g " de de

f e n s i v o s agrícolas, o n d e , e n t r e o u t r a s , a análise de " p r o b i t " é

uma técnica a p r o p r i a d a .

5. ALTERNATIVAS PARA DADOS NÂO ESTRUTURADOS

Além d o s d i v e r s o s PPCM e f o r m a s já a n a l i s a d a s n o s capítu

l o s a n t e r i o r e s , os dados podem s e r a n a l i s a d o s de f o r m a explorató

ria (TUKEY, 1977) ou na f o r m a d e s c r i t a p o r CHATFIELD ( 1 9 8 5 ) .

Numa l i n h a a l t e r n a t i v a , pode-se u s a r p r o c e d i m e n t o s que

procuram " e s t r u t u r a r " o s dados "a p o s t e r i o r i " . Uma maneira sim

p i e s , c o n s i s t e em p e s q u i s a r a g r u p a m e n t o s de médias u s a n d o papel
 64

com e s c a l a de p r o b a b i l i d a d e normal ( F i g u r a 1 ) , para d e t a l h e s do

procedimento [ v e r 0'NEXLL & WETHERILL ( 1 9 7 1 ) , comentários de R.L.
P l a c k e t e de J.A. N e l d e r ] . Outro procedimento, d e s e n v o l v i d o p o r
SCOTT & KNOTT (1979), ê d e s c r i t o a s e g u i r .
Produção média
da v a r i e d a d e
70-

60
F

5o^
A
1
-1
1 1 ——••
0 1 Escore normal

FIGURA 1 - Médias de produção de v a r i e d a d e s do exemplo de DUNCAN

(1955), p l o t a d a s c o n t r a escore normal de probabilidades.
As l i n h a s segmentadas mostram que há três grupos de raé
d i a s (PERRY, 1986).

Para os casos em que é s u f i c i e n t e separar as médias em gru t

pos homogéneos, a análise de agrupamentos ( " c l u s t e r a n a l y s i s " ) tem

s i d o recomendada. SCOTT & KNOTT (1974) desenvolveram um t e s t e da
razão de verossirailhança para t e s t a r a significância das diferen
ças e n t r e os grupos r e s u l t a n t e s .

0 agrupamento c o n s i s t e em d e t e r m i n a r , d e n t r e as possíveis
partições das g médias em d o i s grupos, q u a l que corresponde a
maior soma de quadrados e n t r e grupos. O teste desenvolvido por
SCOTT & KNOTT (1974), v e r i f i c a se esses grupos d i f e r e m significa
tivamente entre s i .

O procedimento do t e s t e c o n s i s t e em:

a) Determinar o v a l o r da estatística A,
 65

2(TT-2) S 2

onde BQ é a m á x i m a soma d e q u a d r a d o s e n t r e grupos, tomada sobre

t o d a s a s p o s s í v e i s p a r t i ç õ e s de g m é d i a s em d o i s grupos e, é o

estimador de m á x i m a verossimilhança de a , ou
2 seja,

g
l r (y - y ) + fs
l i=1
2

g+f 1 1

onde s é um e s t i m a d o r i m p a r c i a l de o 2 e f é o n ú m e r o de g r a u s d e

liberdade associado a esse estimador.

b) Se \ X 2 (-2-) , r e j e i t a - s e a hipótese H : y , = y ( i = 1 ,
n

TT — 2 U 1

2, ...,g) em f a v o r da hipótese a l t e r n a t i v a que y ^ = m^ ou i ^ / onde

m^ e m2 r e p r e s e n t a m a s m é d i a s p o p u l a c i o n a i s dos d o i s grupos.

Considerações:

i) O teste desenvolvido p o r SCOTT & KNOTT ( 1 9 7 4 ) é um t e s

te aproximado, pois a estatística X tem uma d i s t r i b u i ç ã o aproxima

damente X {—2—).
2 Os a u t o r e s demonstraram, a t r a v é s de simulação,
TT-2

que a a p r o x i m a ç ã o é b o a , mesmo p a r a o caso em q u e g = 2.

ii) 0 teste é um t a n t o quanto trabalhoso, basta l e m b r a r que

existem 2 ~ -1
g 1 possíveis partições d a s g m é d i a s em 2 g r u p o s . Es

se t r a b a l h o diminui com o r e s u l t a d o de F I S H E R (1958), ou seja,que

é suficiente calcular a s g-1 p a r t i ç õ e s , f o r m a d a s o r d e n a n d o as mê

d i a s e tomando a s partições: a 1£ c o n t r a a s d e m a i s g-1; a s d u a s p r i

meiras contra as demais g-2, e a s s i m sucessivamente.

iii) O teste pode s e raplicado em um p r o c e s s o c o n t i n u a d o ate

resultar em g r u p o s que são c o n s i d e r a d o s h o m o g é n e o s no t e s t e X, v i s

to anteriormente.
 Com a mesma f i n a l i d a d e d o t e s t e p r o p o s t o p o r SCOTT a KNOTT

( 1 9 7 4 ) , BUSSAB (1976) e s t u d o u a estatística D = —— e v e r i f i c o u que

a 2

e s t a estatística pode s e r usada p a r a t e s t a r a significância da d i

visão quando se supõe o2 c o n h e c i d o , ou p a r a v a l o r e s g r a n d e s de f .

BUSSAB (1979) a p r e s e n t a uma generalizacão da utilização

de estatística D (BUSSAB, 1976) ou X (SCOTT & KNOTT, 1974), para

c a s o s de e x p e r i m e n t o s com d o i s f a t o r e s e interação significativa.

6. REFERÊNCIAS BIBLIOGRÁFICAS

BUSSAB, W.O. Hierarchical dichotomous p a r t i t i o n s i n c l u s t e r ana

lysis. U n i v e r s i d a d e de L o n d r e s , 1976. (Tese não p u b l i c a d a ) .

BUSSAB, W.O. Análise de a g r u p a m e n t o como p r o c e d i m e n t o de compara

ção múltipla em interações. Atas do 129 Colóquio B r a s i l e i r o de

Matemática, 1979 .

CHATFIELD, C. The i n i t i a l examination o f data. J.R. S z c t . Soe.,

A, 745:214-253, 1985.

COX, D.R. & SNELL, E.J. Applied s t a t i s t i e s p r i n c i p i e s and exarr

pies. L o n d o n , Chapman & H a l l 1 9 8 1 .

f

CURNOW, R.N. O p t i m a l programmes f o r v a r i e t a l s e i e c t i o n . c7.fr.

Stat. Soe., B, £3:282-318, 1961.

DUNCAN, D.B. Muitiple range and m u i t i p l e F tests. Biometrios,

2 1 : 1 - 4 1 , 1955.

FISHER, W.K. On g r o u p i n g f o r maximum h o m o g e n e i t y . JASA, 53:789-

798, 1958.

JONES, D. Use, m i s u s e and r o l e o f m u l t i p l e comparison procedures

in ecological and a g r i c u l t u r a l entomology. Envipon, Entornei.,

13:635-649, 1984.
 67

MEAD, R. & CURNOW, R.N. Statistiaal methcds inagriculture and

experimental botany. L o n d o n , Chapman & H a l l , 1983.

MEAD, R. & P I K E , D . J . A review of response surface methodology

from a biometric viewpoint. Biometrias, 51:803-851, 1975.

0'NEILL, R. & W E T H E R I L L , G.B. The p r e s e n t s t a t e of m u l t i p l e com

parison methods. J>R. S t a t . Soe., B, 3 £ : 2 1 8 - 2 5 0 , 1 9 7 1 .

PATTERSON, H.D. & S I L V E Y , V. S t a t u t o r y a n d recommended list t r i

ais of crop varieties i n t h e U n i t e d Kingdom. J.R. S t a t . Soe.,

A, 245:219-252, 1980.

PEARCE, S.C. The agriau ítu?al fiel d experiment. New Y o r k , Wiley,

1983 .

PERRY, J.N. M u l t i p l e - comparison procedures: a dissenting view.

J. Econ. Entomei, , 79 : 1 1 4 9 - 1 1 5 5 , 1 9 8 6 .

SCOTT, A . J , & KNOTT, M. A cluster analysis method for grouping

means i n t h e a n a l y s i s of variance. Biometrias, 3Ó>:507-512, 1974.

TUKEY, J . W. z>xp Lor-a tovy data analysis, Addison-Wesley, Reading ,

Mass., 1977.