Você está na página 1de 11

VII

DELINEAMENTOS EM PARCELAS DIVIDIDAS

7.1) INTRODUÇÃO

Os experimentos fatoriais podem ser planejados e conduzidos em qualquer dos


delineamentos básicos: completamente casualizado, em blocos , delineamentos em linhas e
colunas, etc. Cada combinação dos níveis dos fatores é um tratamento e as parcelas são
alocadas aleatoriamente aos tratamentos, respeitando-se a estrutura de parcelas de cada
experimento; entretanto, existem experimentos fatoriais em que a casualização é
condicionada por objetivoss específicos do experimento ou por condições experimentais.
Alguns exemplos serão necessários para se entender o conceito de parcela dividida.
Considere um experimento para se estudar o comportamento da produção de 4
variedades de arroz plantadas em 4 espaçamentos. Pode-se ter aqui 4 situações:
1)As diferenças entre os efeitos das variedades, dos efeitos dos espaçamento e os
efeitos da interação , têm o mesmo grau de importância para o pesquisador. São 16
tratamentos (um fatorial 4 x 4) e o delineamento pode ser em blocos casualizados com 16
parcelas por bloco e os tratamentos são alocados aleatoriamente em cada bloco.; neste
caso, todas as comparações entre dois tratamentos têm a mesma precisão .
2)Para facilitar o manejo no experimento, as variedades devem ser alocadas em
parcelas maiores; sendo assim , um bloco terá quatro grandes parcelas e as variedades são
alocadas aleatoriamente dentro de cada bloco . Cada parcela, é dividida em 4 partes iguais,
e os quatro espaçamentos são alocados aleatoriamente dentro de cada uma delas; cada
parte desta divisão é chamada de subparcela.
Representando Vi E j como a combinação da variedade Vi e o espaçamento Ej , a
alocação dos tratamentos em uma repetição(bloco), poderia ser a seguinte :

V1E1 V 4E 2
V1 E 3 V4E 4
V1E 4 V 4 E1
V1E 2 V 4E 3
V2E 2 V3 E 2
V 2E1 V3 E 1
V2E 3 V3 E 4
V2E 4 V3 E 3

A variedade Vi ocupa uma parcela e dentro de cada parcelas estão todos os


espaçamentos.
3)Existem situações em que, por exemplo, as comparações entre as variedades não é
de interesse desde que esse estudo já foi feito; assim, o que é importante é a interação
variedades x espaçamento. Pode-se planejar o experimento em parcelas divididas tal que o
exame dessa interação seja feito com maior precisão do que a obtida em 1).
4)Um certo experimento com 5 variedades de café em blocos ao acaso , por
exemplo, tem 6 anos e o pesquisador responsável decidiu testar 3 níveis de fósforo em

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 1


cada variedade. Ele pode dividir cada parcela em três subparcelas e implementar o novo
fator no experimento.
Pelo que foi visto nesses exemplos, o que caracteriza esse delineamento é a forma
da casualização e os tipos de tratamentos; existe uma casualização envolvendo as parcelas
e outra as subparcelas ; a primeira com os tratamentos das parcelas e a segunda com os
tratamentos das subparcelas. São exemplos clássicos de tratamentos de parcelas as
variedades, níveis de irrigação, tipos de arado; e de tratamentos de subpacelas as densidade,
espaçamentos, nutrientes(esta lista não é exclusiva). As razões para esta estrutura variam,
mas a conseqüência é a mesma: as estimativas envolvendo os tratamentos de subparcelas e
a interação entre estes e os tratamentos das parcelas, têm maior precisão ; analogamente, os
respectivos testes de hipóteses também são mais sensíveis.
O modelo normal clássico deste delineamento é (considerando blocos casualizados
com parcelas divididas):
Yijk = µ + R i + A j + (RA)ij + Bk + (AB)jk + eijk ,
onde,
Yijk : variável resposta observada no nível k de B, nível j de A, no bloco i..
µ : média geral.
R i : efeito do bloco i.
A j : efeito do nível j do tratamento A
(RA)ij : êrro aleatório, com média zero e variância σ 2A , independentes , com distribuição
normal.
Bk : efeito do nível k do tratamento B.
(AB)jk : interação entre A e B.

eijk : êrro aleatório com média zero e variância σB2 , independentes, com distribuição
normal e independentes de (AB)ik .

7.2) ANÁLISE DA VARIÂNCIA

Como já discutimos, o modelo de um delineamento é definido pela casualização e,


embora o modelo acima é conhecido como normal, com erros independentes, afora isto,
este modelo é resultante da casualização e podemos usar o modelo normal devido a ela.
Definindo como a o número de blocos, como a o de parcelas por bloco(número de
tratamentos de parcelas) e como b o número de tratamentos de subparcelas, o esquema de
análise de variância, com as fontes de variação e graus de liberdade estão na Tabela 2.1.

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 2


Tabela 2.1- Esquema da análise de variância de um delineamento em
parcelas divididas.

Fontes de Variação GL QM E(QM)

Blocos(R) r-1
Tratamentos(A) a-1 QMT(A)
Erro(a) (r-1)(a-1) QME(a) (σ B2 + bσ 2A )
Tratamento(B)
b-1 QMT(B)
Interação. A x B
(a-1)(b-1) QM(AB)
Erro(b)
a(r-1)(b-1) QM(B) σ B2
Total
rab-1

Um ponto a ressaltar neste delineamento é que ele tem dois erros; é claro que por
definição de erro experimental, existam dois : um devido às diferenças entre as parcelas e
outro devido às diferenças entre as subparcelas
A ausência da interação blocos x tratamentos de parcelas(RA), dá origem ao erro(a)
ou erro devido às diferenças entre as parcelas; a ausência da interação blocos x tratamentos
de parcela x tratamentos de subparcela dá origem ao erro(b) ou erro devido às diferenças
entre as subparcelas. Certamente, estamos admitindo aditividade dos tratamentos de
parcelas e de subparcelas. O quadrado médio do erro(a)-QM(a)- é uma estimativa de
(σ B2 + bσ 2A ) e o quadrado médio do erro(b)-QME(b)- é uma estimativa de σ B2 ; são
conhecidos como erro da parcela e erro da subparcela respectivamente. Na tabela acima,
E(QM), conhecida como esperança matemática do QM ( ou valor esperado), é a média de
todos os possíveis valores do QM e observa-se que E(QME(a)) é maior que E(QM(b)); em
termos de estimativas, raramente QME(a) é menor do que o QM(b), ou seja, o erro de
parcelas é maior do que o erro de subparcelas. É evidente que este fato pode ser explicado
pela estrutura de parcelas : cada parcela tem b subparcelas.
A variância estimada da comparação entre dois tratamentos das parcelas é dada
por:
QME(a)
Vâr(Y.j. − Y.i.) = 2 ,
rb
onde b é o número de tratamentos das subparcelas e r é o número de blocos; a variância
da comparação, entre dois tratamentos das subparcelas é dada por:
QME(b)
Vâr(Y..k − Y..h ) = 2 ,
ra

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 3


onde a é o número de tratamentos das parcelas;. A variância da comparação entre dois
tratamentos das subparcelas(k e w) dentro de um tratamento de parcela (j) (interação) é
dada por:
QME(b)
Vâr ( Y. jk − Y. jw ) = 2 .
r
A variância da comparação entre dois tratamentos de parcelas(j e q) dentro de um
tratamento de subparcela (k) é dada por:
QME(a ) + (b − 1)QME(b)
Vâr(Y.jk − Y.qk) = 2 ;
rb
nesse caso a variância estimada é aproximada e os gl associado é dado pela aproximação
de Satterthwaite (1946),

gl =
[QME(a ) + (b − 1)QME(b)]
2

,
[QME(a )]2 + [(b − 1)QME(b)]2
gl(a ) gl(b)
onde gl(a) e gl(b) são os graus de liberdade do QME(a) e QME(b) respectivamente; ele
deve ser usado no teste t de Student ou para construir intervalos de confiança.

7.3)EXEMPLO

Como complemento vamos analisar um experimento com cana de


açúcar(SUKHATME), em 5 blocos, relatado no livro de Panse e Sukhatme(1954), para
testar 3 métodos de plantio (tratamentos das subparcelas) e 4 épocas de
semeadura(tratamentos das parcelas) , a saber, outubro, novembro, fevereiro e março; as
médias do experimentos estão no quadro seguinte:

Quadro de Médias

PRODUÇÃO
ÉPOCA DA SEMEADURA
Média
1 2 3 4
MÉTODO
1 10.28 4.78 4.58 2.65 5.58
2 8.30 3.58 4.90 1.80 4.65
3 7.10 3.68 4.70 1.90 4.35
Média 8.56 4.02 4.73 2.12 4.86

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 4


Com estes resultados pode-se dizer que houve pouca diferença entre os métodos , bastante
diferença entre as épocas de semeadura e uma interação fraca entre métodos e época de
semeadura , embora esta última pode ser melhor avaliada pelo gráfico das médias , como
esta a seguir.

As linhas não são exatamente paralelas, mas o não paralelismo é fraco. A análise de
variância para este experimento temos seguintes resutados,é:

FV GL SQ QM F Pr > F
Blocos 5 338.54 67.71
Épo. de Seme. 3 395.15 131.72 6.15 0.0061
Erro(a) 15 321.04 21.40
Métodos 2 19.72 9.86 4.04 0.0253
Interação 6 19.52 3.25 1.33 0.2653
Erro(b) 40 97.62 2.44
Total 71 1191.58

Coef Var = 32 %

Os resultados acima confirmam duas afirmações que já tinham sido feitas,


entretanto, as diferenças entre métodos foram significativas, mesmo que pequenas; mas isto

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 5


é esperado para os tratamentos de subparcelas (o QM do erro(a) é bem maior do que o QM
do erro(b) . Como não houve interação ou ela não foi tão forte para que a hipótese nula
fosse rejeitada, pode-se estudar separadamente os métodos e as épocas de semeaduras. A
análise pode então prosseguir mediante as comparações entre as medias dos métodos e das
épocas de semeaduras. O erro padrão para a comparação de duas épocas é
QME(a) 21.40
Erro padrão= 2 = 2 = 1.33
rb 24
e para comparar métodos é:

QME(b) 2.44
erro padrão= 2 = 2 = 0.52
ra 18

O erro padrão para comparar duas épocas para um mesmo método é


QME(a) + (b − 1)QME(b) 21.40 + (3 − 1)2.44
Erro padrão= 2 = 2 = 1.71
rb 18
Neste caso , é necessário estimar os graus de liberdade para o teste t de Student
[QME(a) + (b − 1)QME(b)]2
Gl= ≈ 22
[QME(a)]2 [(b − 1)QME(b)]2
+
gl(a) gl(b)
Para comparar dois métodos dentro de uma época o erro padrão é
QME(b)
Erro padrão= 2 = 0.90
r
Alguns aplicativos de estatística (como o SAS) calculam todas estas quantidades.
Caso o delineamento não seja em blocos ao acaso, haverão modificações no
modelo e na tabela da análise da variância. Seguem as tabelas para os delineamentos
completamente casualizado e em quadrados latinos respectivamente:.

Fontes de variação GL
Tratamentos(A) a-1
Erro(a) a(r-1)

Tratamentos(B) b-1
Interação A x B (a-1)(b-1)
Erro(b) a(r-1)(b-1)
Total rab-1

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 6


Fontes de variação GL
Tratamentos(A) a-1
Linhas a-1
Colunas a-1
Erro(a) a 2 − 3a + 2
Tratamentos(B) b-1
Interação(A x B) (a-1)(b-1)
Erro(b) a(a-1)(b-1)
Total ba 2 − 1

7.4)EXTENSÕES

Quando se aborda parcelas divididas, a discussão sobre precisão deve ser


complementada; pelo que foi visto, em principio a precisão das comparações entre
tratamentos de parcelas é menor porque o erro(a) é maior e a precisão das
comparações entre tratamentos de subparcelas e interação é maior porque o erro(b) é
menor; por sua vez, os testes de hipóteses em relação aos tratamentos de subparcelas e
interação são mais sensíveis.
O principio da divisão de parcelas pode ser extendido; assim , as subparcelas
podem também ser divididas, dando origem às subsubparcelas, e os c níveis de um
terceiro fator C, alocadas aleatoriamente a elas e tem-se o delineamento em parcelas
subdivididas (split-split plot); essa subdivisão pode continuar, para os níveis de um fator D
e assim por diante. As conseqüências são as mesmas que as anteriores: a cada nível de
subdivisão , a precisão das comparações aumenta e aumenta também as complicações na
comparação entre dois tratamentos das subparcelas dentro de um tratamento de
subsubparcela. Como exemplo vejamos alguns detalhes de um experimento com algodão,
relatado por Paterson (1939); neste experimento, 4 épocas de plantio, 3 espaçamentos,3
taxas de irrigação e duas quantidades de nitrogênio orgânico foram testados em todas as
possíveis combinações, originando um experimento fatorial 4 x 3 x 3 x 2 , com 72
tratamentos . Os níveis dos fatores foram os seguintes:

Data de Plantio Espaçamento Irrigação Nitrogênio


1- 24/07 a-25 cm 1-Leve 0- Controle
2- 11/08 b-50 cm 2-Média 1- Sulfato de Amônia
3- 02/09 c-75 cm 3-Pesada
4- 25/09

O experimento teve 4 blocos, cada um com 4 parcelas grandes onde foram alocadas
as 4 épocas de plantio ; cada parcela grande foi dividida em 9 subparcelas, onde foram
alocadas as 9 combinações entre irrigação e espaçamento(3 x 3). Finalmente, cada
subparcela foi dividida em duas (subsubparcelas), onde foram aplicados os dois níveis de
nitrogênio.. A tabela da análise de variância fica da seguinte forma:

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 7


Fontes de variação GL
Parcelas 15
Blocos 3
Datas de Plantio 3
Erro(a) 9
Subparcelas 143
Parcelas 15
Espaçamento 2
Irrigação 2
Espaçamento x Irrigação 4
Datas de Plantio x Espaçamento 6
Datas de Plantio x Irrigação 6
Datas X Espaçamento X Irrigação 12
Erro(b) 96
Subsubparcelas 287
Subparcelas 143
Nitrogênio (N) 1
N x Datas de Plantio 3
N x Espaçamento 2
N x Irrigação 2
N x Espaçamento x Irrigação 4
N x Datas x Irrigação 6
N x Datas x Espaçamento 6
N x Datas x Espaçamento x Irrigação 12
Erro(c) 108
Total 287

Este delineamento tem três erros e pelo raciocínio anterior, espera-se que o erro(c) seja
menor que o erro(b). No quadro acima, o teste F para datas de plantio é feito com o QM(a);
para espaçamento, irrigação, espaçamento x irrigação, datas de plantio x espaçamento,
datas de plantio x irrigação e datas x espaçamento x irrigação, usa-se o QM(b); para o
restante das fontes de variação, o QM(c).
Este planejamento foi fruto de estudos de precisão e de conveniências, dadas as
circunstâncias que o pesquisador encontrou. A análise deste experimento é mais difícil e
para se fazer algumas comparações utiliza-se fórmulas; o livro de Cochran e Cox (1968),
capitulo 7, pag, 293, traz detalhes sobre esse aspecto. Entretanto, os aplicativos mais
modernos de estatística , como o SAS, fornecem todos os resultados necessários.

7.5) BLOCOS DIVIDIDOS

Um delineamento frequentemente confundido com de parcelas divididas é o de


delineamento em faixas ou em blocos divididos. Quando os dois tipos de tratamentos

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 8


envolvem, por exemplo, maquinária pesada ou são de difícil manejo, os níveis dos dois
fatores precisam de parcelas grandes e assim divide-se o bloco em linhas e colunas ,
sorteiam-se os níveis do fator A nas colunas e os níveis do fator B nas linhas e isto
independentemente em cada bloco. A figura abaixo ilustra como ficaria uma repetição de
um experimento onde o fator A tem 5 níveis e o fator B tem 3:

A 1B 2 A 3B2 A 5B2 A 2B2 A 4 B2


A 1B1 A 3 B1 A 5 B1 A 2 B1 A 4 B1
A 1B3 A 3 B3 A 5 B3 A 2 B3 A 4 B3

Os níveis do fator A foram aplicados nas linhas e os do fator B nas colunas;


ignorando B, o experimento esta em 5 blocos e ignorando o fator A o experimento esta em
3 blocos; as linhas e colunas dividem o bloco. O modelo matemático derivado da
casualização desse delineamento é o seguinte:

Yijk = µ + R i + A j + (RA) ij + B k + (RB) ik + (AB) jk + e ijk

O esquema da análise de variância está na Tabela 2.2.

Tabela 2.2- Esquema da análise de variância de um delineamento em blocos divididos

Fontes de variação Gl QM
Blocos r-1
Tratamentos(A) a-1 QMA
Erro(a) (r-1)(a-1) QME(a)
Tratamentos(B) b-1 QMB
Erro(b) (r-1)(b-1) QME(b)
Interação A x B (a-1)(b-1) QM(AxB)
Erro(c) (r-1)(a-1)(b-1) QME(c)
Total rab-1

A ausência da interação blocos x tratamentos A(RA no modelo) , origina o Erro(a),


a ausência da interação blocos x tratamentos B(RB no modelo) , origina o Erro(b) e a
ausência da interaçâo blocos x A x B o Erro(c), representado no modelo por eijk . Vale
ressaltar que a análise de variância de experimentos em blocos é válida quando não há
interação dos tratamentos com blocos, ou seja , quando há aditividade; a interação não
é exatamente zero e os desvios são devidos a diferença entre os efeitos de parcelas dentro
do bloco, de natureza aleatória, e por isso origina um erro. A opção por este delineamento
deve ser precedida de um estudo sobre a precisão das comparações e dos testes de
hipóteses , mediante os graus de liberdade de cada erro. Um grau de liberdade pequeno
implica que o teste de hipótese terá menor sensibilidade.
Os erros para se compara para se comparações relevantes são os seguintes:

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 9


QM(a)
1)Para se comparar dois tratamentos(A) é 2 ;
rb
QM(B)
2)Para se comparar dois tratamentos(B) é 2 ;
ra
QM (c)
3)Para se comparar duas médias da interação(A x B) é 2
r
4) Para se comparar duas médias de A num mesmo nível de B é
(b − 1)QM(c) + QM(a)
2 . Os graus de liberdade é dado pela fórmula
rb
[QME(a) + (b − 1)QME(c)]2
gl=
[QME(a)]2 [(b − 1)QME(c)]2
+
gl(a) gl(c)
(a − 1)QM(c) + QM(b)
5) Para se comparar duas médias de B num mesmo nível de A é 2 .
ra
Os graus de liberdade para esta variância é dado pela fórmula
[QME(b) + (a − 1)QME(c)] 2
gl=
[QME(b)]2 [(a − 1)QME(c)]2
+
gl(b) gl(c)

Para os casos 4) e 5) ,os erros de comparação são aproximados como também os graus de
liberdade; isto ocorre porque a casualização que foi feita não permite a estimativa dos
respectivos erros de comparação.
Como exemplo vejamos um experimento com arroz, para testar 3 épocas de
semeadura e 3 diferentes adubos verde, do livro de Panse e Sukhatme, pag.
208.(SUKHATME2). As médias foram as seguintes:

Quadro de Médias

PRODUÇÃO
DATA
Média
1 2 3
ADUBO
1 371.7 503.5 470.8 448.7
2 353.5 488.3 456.7 432.8
3 327.0 464.8 424.0 405.3
Média 350.7 485.6 450.5 428.9

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 10


A análise de variância tem os seguintes resultados :

FV DF SQ QM F Pr > F

BLOCO 5 66814.14 13362.82 130.15 <.0001


D 2 176187.14 88093.57 133.80 <.0001
ERRO(A) 10 6583.74 658.37
G 2 17355.59 8677.79 18.99 <.0004
ERRO(B) 10 4569.29 456.92
G*D 4 176.29 44.07 0.43 0.7858
Erro(C) 20 2053.48 102.67
Total 53 273739.70

As variâncias relevantes são as seguintes:

QM(a )
1) 2 = 8.55
rb
QM(B)
2) 2 = 7.13
ra
QM(c)
2) 2 = 5.85
r

(b − 1)QM(c) + QM(a)
4) 2 =9.80 , gl=16.5
rb

(a − 1)QM(c) + QM(b)
5) 2 = 8.58 , gl=19.
ra

LUCIO JOSÉ VIVALDI. DELINEAMENTOS E ANÁLISE DE EXPERIMENTOS. EST-UnB-2009 11