Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTATÍSTICA EXPERIMENTAL
UNIDADE I
“Importância da Estatística Experimental”.
B - Pesquisa experimental:
O pesquisador exerce controle sobre o tratamento que vai ser aplicado a cada elemento da
amostra. Há, portanto, interferência do pesquisador. Ex: experimentos de campo ou laboratório.
* Tratamento:
É uma denominação genérica, para designar qualquer método, elemento ou material, cujo
efeito desejamos medir e comparar.
* Experimento ou ensaio:
Trabalho previamente planejado, que segue determinados princípios básicos e no qual se faz
comparações do efeito dos tratamentos.
Por exemplo, o tratamento pode ser:
A - um adubo a base de nitrogênio para a cultura do melão;
B - uma variedade de milho;
C - uma temperatura de armazenamento de um determinado produto;
D - um tipo de embalagem / conservante para determinado produto;
E - um princípio ativo de um medicamento no combate a determinada doença;
F – uma composição de composto orgânico para a cultura do tomate;
G – uma variedade de Eucaliptus ou outra espécie vegetal para determinada área de
reflorestamento.
* Parcela ou unidade experimental:
É a unidade na qual o tratamento é aplicado. É
na parcela que obtemos os dados que deverão refletir o efeito de cada tratamento.
* Composição da parcela: uma ou mais plantas; uma placa de Petri com um meio de cultura;
um tubo de ensaio com uma solução, uma amostra de queijos etc.
Experimento em campo
Experimento em laboratório
Exemplo de característica avaliada e tratamentos:
Ex: - Determinação da produção de leite em função do tipo de ração.
- Avaliação do diâmetro do caule e da altura de plantas de Eucaliptus em diferentes variedades.
- Avaliação da vida útil de frutos de morango armazenados em diferentes temperaturas.
Variável resposta:
É a variável mensurada usada para avaliar o efeito de tratamentos.
Ex: Produtividade de alface, sólidos solúveis, teor de vitamina C e de proteínas, aparência
externa do fruto, etc.
DBC
A C D B
D B A C
B C D A
C A B D
DQL
A C D B
D B A C
B D C A
C A B D
* População e amostra:
População
É o conjunto constituído por todos os dados possíveis com relação à característica em estudo.
Amostra
É uma parte representativa da população, subconjunto do conjunto universo.
Experimentos: indivíduos da área útil da parcela.
* Fatores controláveis e não controláveis:
Variação nos espaçamentos entre plantas.
Variação na temperatura de armazenamento.
Variação na profundidade de semeadura.
Variação na fertilidade do solo dentro da parcela.
Variação na dose de adubos, inseticidas etc.
Variação na quantidade de água aplicada.
Precipitação, Luminosidade, Temperatura e
Umidade relativa do ar
* Medidas utilizadas na experimentação
Medidas de posição
Média, mediana, moda, quartis etc.
Ex: Calcule a altura média de seis alunos da turma de agronomia de acordo com a amostra a seguir:
1,80 m, 1,65 m, 1,62 m, 1,90 m 1,40 m e 1,72 m
Medidas de dispersão
Variância, desvio padrão e coeficiente de variação.
* Projeto de pesquisa:
A - Título:
Simples e coerente com o objetivo.
Ex: Produção e qualidade de milho em função de doses de nitrogênio (< 15 palavras).
B - Responsável e colaboradores:
EX: Indicar pessoas (orientador, professores, bolsistas, voluntários) e instituições.
C - Introdução com justificativa:
- Importância sócio-econômica, nutricional.
- Problema a ser estudado.
- Hipóteses a serem testadas.
- Objetivos.
D - Revisão de literatura.
Atualizada e direcionada para o tema em estudo.
E - Material e métodos:
Localização: coordenadas geográficas, tipo de solo, tipo de clima etc.
Tratamentos: identificar os tratamentos a serem testados.
Delineamento experimental: DIC, DBC ou DQL.
Condução do experimento: semeadura, podas, pulverizações, adubação, irrigação, capinas,
transplantio, colheita etc.
Características avaliadas: produção de grãos, massa do fruto, teor de gordura na carne, teor de
vitamica C, vida útil do produto, número de frutos por planta, etc.
Análise estatística: software utilizado (SAEG, SAS, SISVAR etc) e procedimentos pós-análise de
variância (testes de médias e/ou análise de regressão).
F - Cronograma:
G - Orçamento.
Discriminação Unid. Quant. Valor Valor total
unitário
1 – Material de consumo: campo e
laboratório - - - -
- Sementes de melão kg 0,5 1800,00 900,00
- Fertilizantes (uréia), kg 100 1,50 150,00
- Fertilizante (KCl). kg 80 1,00 80,00
Fertilizante (P2O5) kg 200 1,20 240,00
- Defensivos (Daconil) kg 1,0 50,00 50,00
- Defensivos (Lanate) L 1,0 75,00 75,00
- Bandejas de poliestireno: 128 unid 10 12,00 120,00
células
- Substrato agrícola unid 5 15,00 75,00
- Manta (agrotêxtil) unid 2 1.000,00 2.000,00
- Sacos plásticos 50 x 100 cm. unid 1000 0,20 200,00
- sacos de papel 15 x 25 cm unid 2000 0,10 200,00
- Container unid 20 15 300,00
- Plaquetas para identificação de Unid 200 1,5 300,00
parcelas
- Reagentes (ácido sulfúrico)
L 2,0 120,00 240,00
- Reagentes (hidróxido de sódio).
kg 1,0 150,00 150,00
- reagentes (antrona) g 100 5,00 500,00
2 – Serviços de terceiros pessoa
jurídica.
- Manutenção e conserto de - - - 2.000,00
equipamentos
- Taxas de inscrição em eventos,
publicação de artigos em periódicos,
confecção de posters, outros. - - - 2.250,00
Total 9.830,00
* Referências:
Literatura que serviu de embasamento para a realização da pesquisa.
Atualizada: menos de 10 anos
Priorizar: Periódicos nacionais ou internacionais
Padronizada: seguir normas da ABNT
Importante: qualidade e não na quantidade (verificar Qualis da capes)
Evitar: páginas de internet, monografias, capítulo de livros, boletim técnico etc.
ESTATÍSTICA EXPERIMENTAL
UNIDADE II - PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO.
A – Princípio da Repetição:
B – Princípio da Casualização:
O princípio da casualização consiste na distribuição dos tratamentos às parcelas de
forma casual, para se evitar que um determinado tratamento venha a ser beneficiado ou
prejudicado por sucessivas repetições em parcelas melhores ou piores.
Sorteio dos tratamentos nas parcelas
Croqui de um experimento
A A A A A
B B B B B
C C C C C
Desta maneira os tratamentos A, B e C têm a mesma probabilidade de ser destinado a qualquer
parcela.
O que fazer?
Casualização das repetições dos tratamentos.
B A C B A
C B C A B
B C A A C
Finalidade?
Propiciar a todos os tratamentos a mesma chance de serem designados as parcelas.
Evita: evita possível favorecimento a algum tratamento ocasionado por fatores externos.
Vale ressaltar que sem os princípios básicos da repetição e da casualização não existe experimentação.
B – Qual foi à constituição de cada unidade experimental nesta pesquisa? Justifique sua resposta.
Cada animal. Cada animal recebeu um dos tratamentos.
C - Qual(is) foi(ram) o(s) princípio(s) básico(s) da experimentação utilizados nesta pesquisa?
Nenhum.
D – É possível estimar o erro experimental nesta pesquisa? Justifique sua resposta.
Não. Pois os tratamentos não apresentaram repetição.
E - A conclusão dada pelo extensionista ao final da pesquisa é estatisticamente aceitável? Justifique
sua resposta.
Não, pois não foram usados os princípios básicos da experimentação.
2 - Vantagens
Não exige, embora seja preferível, que os tratamentos tenham todos os mesmos números de
repetições.
Flexível: qualquer número de tratamentos ou repetição.
A análise de variância é simples, mesmo se o número de repetição variar entre os tratamentos.
3 - Desvantagens
Não é fácil manter total homogeneidade das condições durante a toda
a realização do experimento.
Quando as condições experimentais não são uniformes, as variações que não sejam atribuídas a
tratamentos são incorporadas ao erro (afeta a precisão do experimento).
4 - Modelo matemático
Yij = μ + ti + εij
Yij = valor observado na parcela que recebeu o tratamento i na repetição j.
μ = média geral do experimento.
ti = efeito do tratamento i aplicado na parcela.
εij = erro dos fatores não controlados na parcela.
5 - Análise de variância (ANOVA)
- É uma técnica de análise estatística que permite decompor a variação total, ou seja, a
variação existente entre todas as observações, na variação q u e é devido à diferença entre os
efeitos dos tratamentos e na variação que é devido ao acaso, que também é denominada de erro
experimental ou resíduo.
- É um procedimento utilizado para verificação de efeito significativo entre tratamentos. Aqui
saberemos se os tratamentos diferem ou não com relação à determinada característica avaliada.
- Porém, não sabemos qual o melhor ou pior dos tratamentos testados.
A ANOVA baseia-se na decomposição da variação total da variável resposta em partes que podem ser
atribuídas aos tratamentos (variância entre tratamentos) e ao erro experimental (variância dentro dos
tratamentos proporcionadas por suas repetições).
Grau de liberdade
→ Total: (I x J) – 1 = (5 x 4) – 1 = 19.
→ Tratamento: I – 1 = 5 – 1 = 4.
→ Residual: GLTO – GLTR = 19 – 4 = 15.
I = número de tratamentos.
J = número de repetições por tratamento.
Soma de quadrados
→ Total: SQT0 = ∑YIJ2 – C → C = G2 / IJ
∑YIJ2 = Somatório das observações ao quadrado.
C = Correção das parcelas.
C = 25,522 / 20 = 32,56352
SQTO = (0,852 + 0,972 + ...+ 1,932) – 32,5635
SQTO = 35,1460 – 32,5635 = 2,58248
Repetições Totais
Form. I II III IV V VI
A 20,00 23,40 22,40 20,68 21,26 - 107,74
B 17,44 19,42 20,32 18,24 18,22 - 93,64
C 19,20 23,26 23,14 20,32 19,42 18,80 124,14
D 18,74 19,18 18,48 18,96 18,18 18,80 112,34
437,86
→ Grau de liberdade
- Total: N – 1 = 22 – 1 = 21.
- Tratamento: I – 1 = 4 – 1 = 3.
- Residual: GLTO – GLTR = 21 – 3 = 18.
→ Soma de quadrados
- Total: SQT0 = ∑YIJ2 – C → C = G2 / N
C = 437,862 / 22 = 8714,608164
SQTO = (20,002 + 23,402 + ...+ 18,802) – 8714,6082
SQTO = 8780,4388 – 8714,6082 = 65,83063636
- Tratamento: SQTR = 1 / J (∑tR2 – C)
SQTR = 1 / 5 (107,742 + 93,642) + 1 / 6 (124,142 + 112,342) – 8714,6082 = 32,499114303
- Residual: SQR = SQTO – SQTR
SQR = 65,83063636 – 32,499114303 = 33,33149333
→ Quadrados médios
- Tratamento: SQTR / GL
QMTR = 32,499114303 / 3 = 10,8330381
- Residual: SQR / GL
QMR = 33,33149333 / 18 = 1,851749629
Valor de F
F = QMTR / QMR = 10,8330 / 1,8518 = 5,85
F(3,18) 5% = 3,16.
F(3,18) 1% = 5,09.
Fcal > Ftab (rejeita-se H0)
Conclusão do teste F da ANOVA: foi observada diferença significativa na distância percorrida pelo
veículo em função das formulações do combustível testadas a 5 % pelo teste F.
Quadro 1 – Resumo da ANOVA para distância percorrida pelo veículo em quatro formulações de
combustível. Pombal – PB, CCTA/UFCG, 2018.
FV GL SQ QM F
Formulações 3 32,499114303 10,8330381 5,85*
Resíduo 18 33,33149333 1,851749629
Total 21 65,83063636
→ média geral
O CV é utilizado para avaliação da precisão referente a características avaliadas em experimentos.
Quanto menor o CV mais preciso tende a ser a variável testada. A título de classificação geral pode-
se utilizar a seguinte tabela:
CV Avaliação Precisão
< 10% Baixo Alta
10 a 20 % Médio Média
20 a 30 % Alto Baixa
> 30 % Muito alto Muito baixa
OBS: Porém o valor do CV não tem nada de absoluto, pois existe uma variabilidade inerente
a cada área de pesquisa. Por exemplo, experimentos realizados em locais com ambiente
controlado geralmente são mais precisos e podem apresentar CV menores que 5% do que
experimentos conduzidos, por exemplo em condições de campo onde as variações provocadas pelos
fatores do ambiente podem interferir na manifestação dos resultados esperados.
ESTATÍSTICA EXPERIMENTAL
UNIDADE IV – PROCEDIMENTOS PÓS ANÁLISE DE VARIANCIA
TESTE DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS.
Generalidades
Teste de comparações múltiplas (PÓS – ANOVA).
ANOVA: Testar pelo teste F a aceitação ou rejeição da hipótese H0.
Análise de variância (rejeição da hipótese nula).
↓
Evidências que existem diferenças entre médias populacionais.
Mais entre que médias se registra estas diferenças? (Teste de Comparações Múltiplas).
Procedimento PÓS-ANOVA:
Teste de médias: tratamentos qualitativos.
Análise de regressão: tratamentos quantitativos.
Teste de comparações múltiplas de médias.
(Tukey, Duncan, Newmam Keulls, Dunnett, Sheffé, t de Student).
1 - TESTE TUKEY
Usado para testar todo e qualquer contraste entre duas médias.
O teste é exato e de uso simples quando o n0 de repetições é o mesmo para todos os
tratamentos.
N0 de repetições é diferente é apenas aproximado.
Não permite comparar grupos entre sí
Tem por base a DMS:
Diferença mínima significativa.
∆ = diferença mínima significativa: valor limite para diferença entre médias de dois
tratamentos não diferirem estatisticamente entre sí).
q = amplitude total estudentizada.
Tabelas de Tukey: nível α, n0 de tratamentos (I) e do grau de liberdade do resíduo (n’).
QMR = quadrado médio do resíduo.
ri e ru = número de repetições.
Tabela do teste de Tukey: (I, GLR)
Hipóteses estatísticas
H0: mI = mJ H1: mI ≠ mJ, I ≠ J
Regra de decisão
Y = |mI – mJ| ≤ ∆
Aceita-se H0. (contraste não significativo).
Y = |mI – mJ| > ∆
Rejeita-se H0. (contraste é significativo).
EX: Experimento DIC: Foi avaliada a altura de plântulas de Eucaliptus (cm) submetidos a
aplicação de cinco tipos de substratos.
Substratos Repetições
1 2 3 4
1 4,6 5,1 5,8 5,5
2 6,0 7,1 7,2 6,8
3 5,8 7,2 6,9 6,7
4 5,6 4,9 5,9 5,7
5 5,8 6,4 6,6 6,8
Quadro 2 – Resumo da análise de variância para a altura da plântula de Eucaliptus em função
do tipo de substrato. CCTA/UFCG, Pombal – PB, 2019.
FV GL SQ QM F
Substratos 4 7,60 1,90 7,31*
Resíduo 15 3,91 0,26
Total 19 11,51
F5%(4,15) = 3,06.
Fcal > Ftab (rejeita-se H0)
Conclusão do teste F da ANOVA: foi observada diferença significativa na altura da plântula
de Eucaliptus em função dos substratos testados a 5 % pelo teste F.
Calcular o coeficiente de variação
2 - TESTE DUNCAN
Usado para testar contraste entre duas médias.
É menos rigoroso que o teste Tukey em termos de rejeitar H0. Pode indicar resultados
significativos que Tukey não indicaria. (aplicação mais trabalhosa).
Exige que as médias sejam colocadas em ordem decrescente e que tenham o mesmo número
de repetições para ser exato.
A significância do teste é indicada ligando-se por uma barra ou letras as médias que não
diferem entre sí.
Baseia-se na amplitude total mínima significativa (Di)
Di = diferença mínima significativa
Zi = amplitude total estudentizada
Zi = f (α, i e n’).
α = nível de significância (1 e 5 %).
i = n0 de médias ordenadas abrangidas pelo contraste.
n’ = número de grau de liberdade do resíduo.
Tabela do teste de Duncan: (n, GLR)
Hipóteses estatísticas
H0: mi = mJ H1: m1 ≠ mJ, I ≠ J.
Regra de decisão
Y = |mI – mJ| ≤ Di
Aceita-se H0. (contraste não significativo).
Y = |mI – mJ| > Di
Rejeita-se H0. (contraste é significativo).
Ex: Aplicar o teste de Duncan nas médias do exemplo anterior.
1) Colocar as médias em ordem decrescente:
m2 = 6,77
m3 = 6,65
m5 = 6,40
m4 = 5,52
m1 = 5,25
2) Formar e calcular o valor de cada contraste envolvendo grupo de médias: calcular o
valor da DMS e comparar com o valor de cada contraste para testar o mesmo.
Contrastes envolvendo grupo com 5 médias
Z5% (5,15) = 3,31
D5 = 3,31 √0,26/4 = 0,84
Y5 = |m2 – m1| = 6,77 – 5,25 = 1,52*
Contrastes envolvendo grupo com 4 médias
Z5% (4,15) = 3,25
D4 = 3,25 √0,26/4 = 0,83
Y4 = |m2 – m4| = 6,77 – 5,52 = 1,25*
Y4 = |m3 – m1| = 6,65 – 5,25 = 1,40*
Contrastes envolvendo grupo com 3 médias
Z5% (3,15) = 3,16
D3 = 3,16 √0,26/4 = 0,80
Y3 = |m2 – m5| = 6,77 – 6,40 = 0,37ns
Y3 = |m3 – m4| = 6,65 – 5,52 = 1,13*
Y3 = |m5 – m1| = 6,40 – 5,25 = 1,15*
Contrastes envolvendo grupo com 2 médias
Z5% (2,15) = 3,01
D2 = 3,01 √0,26/4 = 0,77
Y2 = |m2 – m3| = 6,77 – 6,65 = 0,12ns
Y2 = |m3 – m5| = 6,65 – 6,40 = 0,15ns
Y2 = |m5 – m4| = 6,40 – 5,52 = 0,88*
Y2 = |m4 – m1| = 5,52 – 5,25 = 0,27ns
3) Colocar as letras nas médias dos tratamentos.
m2 = 6,77 a
m3 = 6,65 a
m5 = 6,40 a
m4 = 5,52 b
m1 = 5,25 b
4) Conclusão.
A altura da plântula de Eucaliptus não diferiu entre sí quando foi utilizado os substratos 2, 3 e
5, porém apresentaram plantas com altura superior quando comparados com aquelas plantas
cultivadas nos substratos 4 e 1 ao nível de 5 % de probabilidade pelo teste de Duncan.
3 - TESTE DE NEWMAM-KEULLS
Usado para testar contraste entre duas médias.
Rigor: intermediário entre Tukey e Duncan.
Usa-se a metodologia do Duncan com a tabela de Tukey.
A significância do teste é indicada ligando-se por uma barra ou letras as médias que não
diferem entre sí.
Hipóteses estatísticas
H0: mI = mJ H1: mI ≠ mJ, I ≠ J
Regra de decisão
Y = |m1 – m2| ≤ ∆'
Aceita-se H0. (contraste não significativo).
Y = |m1 – m2| > ∆'
Rejeita-se H0. (contraste é significativo).
m2 = 6,77 a
m3 = 6,65 a
m5 = 6,40 a
m4 = 5,52 b
m1 = 5,25 b
4) Conclusão.
As plantas de Eucaliptus não apresentaram diferença significativa em sua altura quando
cultivadas nos substratos 2, 3 e 5, porém, nesses substratos as plantas altura superior a
aquelas cultivadas nos substratos 4 e 1 que não diferiram entre sí a 5 % de probabilidade
pelo teste de Newmann Keulls.
Tabela 3 – Valores médios da altura de plântulas de Eucaliptus submetidos a diferentes tipos
de substratos em Pombal - PB. CCTA/UFCG, 2019.
4 - TESTE DE DUNNETT
Usado quando há interesse em comparar media de um tratamento padrão (testemunha) com os
demais tratamentos.
Não há interesse na comparação dos demais tratamentos entre sí.
Um experimento com I tratamentos permite a aplicação do teste a (I – 1) comparações.
Aplicação do teste Dunnett
Calcular a estimativa de cada contraste.
Y1 = mi - mP
Y2 = mi - mP
Y(I – 1) = m(I – 1) - mP
Calcular a estimativa de variância de cada contraste.
V(Y) = (1 / ri + 1/rp) QMR
Calcular o desvio padrão do contraste.
S(Y) = √V(Y)
Calcular o valor do teste d’.
d’ = td x s(Y)
td = valor tabelado para teste Dunnett (1 e 5 %).
td = f (α, i e n).
α = nível de significância
i = n0 de grau de liberdade de tratamentos (I – 1).
n’ = número de grau de liberdade do resíduo.
Regra de decisão
Y = |mI – mJ| ≤ d’
Aceita-se H0. (contraste não significativo).
Y = |mI – mJ| > d’
Rejeita-se H0. (contraste é significativo).
Ex: Aplicar o teste Dunnett para o exercício anterior, admitindo o tratamento 1 como sendo a
testemunha.
1) Calcular a estimativa de cada contraste.
Y1 = m2 – m1 = 6,77 – 5,25 = 1,52*
Y2 = m3 – m1 = 6,65 – 5,25 = 1,40*
Y3 = m4 – m1 = 5,52 – 5,25 = 0,27ns
Y4 = m5 – m1 = 6,40 – 5,25 = 1,15*
2) Calcular a estimativa da variância de cada contraste.
V(Y) = (1/4 + 1/4) x 0,26 = 0,13
3) Calcular o desvio padrão do contraste.
S(Y) = √V(Y) = √0,13 = 0,36.
4) Calcular o valor do teste d’ (DMS).
d’ = td x S(Y)
td (5%,4,15) = 2,73 d’ = 2,73 x 0,36 = 0,98
Regra de decisão
Y = |mI – mJ| ≤ d’
Aceita-se H0. (contraste não significativo).
Y = |mI – mJ| > d’
Rejeita-se H0. (contraste é significativo).
5) Conclusão.
Verifica-se maior altura de plântulas de Eucaliptus quando utilizou-se os substratos 2, 3 e 5
comparado a testemunha (substrato 1). Não houve diferença significativa na altura da plântula
de Eucaliptus quando se usou o substrato 4 comparado a testemunha (substrato 1) ao nível de
5 % de probabilidade pelo teste de Dunnett.
5 - TESTE t DE STUDENT
Usado também para comparações de médias.
As comparações devem ser escolhidas antes de serem examinados os dados.
N0 de comparações = GL para tratamentos.
Os contrastes devem ser ortogonais.
Contraste: função linear (se a soma algébrica dos coeficientes das variáveis é igual a zero).
(Y = a1x1 + a2x2 +...+ anxn → ∑an = 0).
Contrastes ortogonais: a soma algébrica dos produtos dos coeficientes de mesma variável
for também igual à zero.
(Y1 = a1x1 + a2x2 +...+ anxn → ∑an = 0).
(Y2 = b1x1 + b2x2 +...+ bnxn → ∑bn = 0).
a1b1 + a2b2 +…+ anbn = 0
EX: Foi realizado um experimento para avaliar a perda de massa do fruto do melão em função
de três tipos de embalagem (A, B e C) com 6 repetições por tratamento.
Definidos os contrastes.
Experimento com 3 médias (mA, mB, mC) → 2 graus de liberdade para tratamentos (2
contrastes).
Y1 = mA – mB Y2 = mA + mB – 2mC
EX 1: Se as estimativas das médias forem:
mA = 26,0; mB = 24,8; mC = 22,8;
1) Calcule o valor do contraste Y1
Y1 = 26,0 – 24,8 = 1,20.
2) Calcule a estimativa da variância do contraste.
Regra de decisão
|C = m1 - m2| ≤ S
Aceita-se H0. (contraste não significativo).
|C = m1 - m2| > S
Rejeita-se H0. (contraste é significativo).
EX: Um experimento testou adubos nitrogenados para o abacaxizeiro com 6 tratamentos (5
tipos de adubo e 1 testemunha) e 4 repetições no DIC.
Médias de produção em kg / parcela.
1 – Testemunha m1 = 21,57
2 – Sulfato de amônio m2 = 27,76
3 – Salitre do Chile m3 = 24,58
4 – Uréia m4 = 28,44
5 – Nitrato de cálcio m5 = 28,85
6 – Nitrato de potássio m6 = 28,30
- Estimativa da variância residual: QMR = 0,64.
- Esquema da ANOVA:
FV GL
Tratamento 5
Resíduo 18
Total 23
1) Formar e calcular o valor do contraste.
C = 5 m1 – m2 – m3 – m4 – m5 – m6
C = 5 (21,57) – 27,76 – 24,58 – 28,44 – 28,85 – 28,30
C = - 30,08 kg / parcela
2) Calcular o valor da DMS.
- Cálculo de S:
Yi = β0 + β1Xi
* Com base nesses dados, calcule as estimativas dos parâmetros da equação de regressão:
= ∑y / n = 564/9 = 62,66
= ∑x / n = 22,5/9 = 2,5
β0 = 62,66 – 24,63 * 2,5 = 1,09.
Pode-se fazer então o diagrama de dispersão e traçar a reta da equação de regressão linear.