Você está na página 1de 2

____ /10/2017

Roteiro de Aula Prática – Aula 14 – Experimentação Agrícola


Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

Delineamento em Quadrado Latino – DQL


Exemplo. Num experimento de competição de variedades de cana-de-açúcar foram usadas 5 variedades: A=Co290; B=Co421; C=Co419; D=POJ2878 e
E=CP36-13, dispostas em um quadrado latino 5x5. O controle foi feito por meio de blocos horizontais (linhas) e blocos verticais (colunas) com o objetivo de
eliminar influências devidas a diferenças de fertilidade em duas direções. O esquema, ou croqui, do experimento e respectivas produções, em kg/parcela, são
apresentadas na Tabela 1.

Tabela 1: Produções de cana-de-açúcar, em kg/parcela, segundo a variedade, entre parênteses, a linha e a coluna do quadrado latino

Colunas
Linhas Total
1ª 2ª 3ª 4ª 5ª

1ª 432 (D) 518 (A) 458 (B) 583 (C) 331 (E)

2ª 724 (C) 478 (E) 524 (A) 550 (B) 400 (D)

3ª 489 (E) 384 (B) 556 (C) 297 (D) 420 (A)

4ª 494 (B) 500 (D) 313 (E) 486 (A) 501 (C)

5ª 515 (A) 660 (C) 438 (D) 394 (E) 318 (B)

Total

1. Teste F

1.1. Hipóteses do Teste


 Para tratamento
𝐻0 : As variedades de cana-de-açúcar testadas possuem efeito _______________________________ quanto a produção.
𝐻1 : As variedades de cana-de-açúcar testadas possuem efeito _______________________________ quanto a produção.

 Para linha
𝐻0 : As diferenças de fertilidade em linha testadas possuem efeito _______________________________ quanto a produção de cana-de-açúcar.
𝐻1 : As diferenças de fertilidade em linha testadas possuem efeito _______________________________ quanto a produção de cana-de-açúcar.

 Para colua
𝐻0 : As diferenças de fertilidade em coluna testadas possuem efeito _______________________________ quanto a produção de cana-de-açúcar.
𝐻1 : As diferenças de fertilidade em coluna testadas possuem efeito _______________________________ quanto a produção de cana-de-açúcar.

𝟏 𝟐
1.2. Fator de Correção: 𝑲=
𝑰𝟐
(∑𝑰𝒊,𝒋,𝒌=𝟏 𝒚𝒊𝒋𝒌 )

Trat A Trat B Trat C Trat D Trat E

1.3. Soma de Quadrados Total: 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = (∑𝑰𝒊,𝒋,𝒌=𝟏 𝒚𝟐𝒊𝒋𝒌 ) − 𝑲

𝟏
1.4. Soma de Quadrados de Tratamentos: 𝑺𝑸𝑻𝒓𝒂𝒕 = [ (∑𝑰𝒌=𝟏 𝑻𝟐∙∙𝒌 )] − 𝑲
𝑰

Total

𝟏
1.5. Soma de Quadrados de Linhas: 𝑺𝑸𝑳𝒊𝒏𝒉𝒂𝒔 = [ (∑𝑰𝒊=𝟏 𝑳𝟐𝒊∙∙ )] − 𝑲
𝑰

𝟏
1.6. Soma de Quadrados de Colunas: 𝑺𝑸𝑪𝒐𝒍𝒖𝒏𝒂𝒔 = [ (∑𝑰𝒋=𝟏 𝑪𝟐∙𝒋∙ )] − 𝑲
𝑰

1.7. Soma de Quadrados do Resíduo: 𝑺𝑸𝑹𝒆𝒔 = 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 − 𝑺𝑸𝑻𝒓𝒂𝒕 − 𝑺𝑸𝑳𝒊𝒏𝒉𝒂𝒔 − 𝑺𝑸𝑪𝒐𝒍𝒖𝒏𝒂𝒔


1.8. Quadro de Análise de Variância para DQL

Causas de Variação GL SQ QM F

Tratamento
Linhas
Colunas
Resíduo
Total

1.9. Valores de F da tabela para Tratamento, Linhas e Colunas


F(___ GL×___ GL.) (5%) = ____________
F(___ GL×___ GL) (1%) = ____________

1.10. Conclusões
Para Tratamento
O teste F foi _______________________ com nível de significância de ________ %, indicando que devemos ____________________ 𝐻0
_______________________ e concluir que as variedades de cana-de-açúcar testadas possuem efeitos ___________________ quanto a produção.

2. Para tirar conclusões mais específicas sobre o comportamento dos tratamentos, devemos utilizar um teste de comparação de médias.
𝑳
̂ 𝒊 = 𝒊, 𝒊 = 𝑨, 𝑩, 𝑪, 𝑫 .
2.1. Cálculo das médias de cada tratamento 𝒎
𝑱
𝑚
̂ 𝐴 =__________________ 𝑚
̂ 𝐵 =__________________ 𝑚
̂ 𝐶 =__________________ 𝑚
̂ 𝐷 =__________________ 𝑚
̂ 𝐸 =__________________
𝐬
̂) =
2.2. Cálculo do erro padrão da média: 𝐬(𝐦 , 𝐬𝟐 = 𝐐𝐌𝐑𝐞𝐬
√𝐈
𝑠 √𝑄𝑀𝑅𝑒𝑠
̂) =
𝑠(𝑚 = =_____________________________________________________________________________
√𝐼 √𝐼

2.3. Aplicação do teste de Tukey para comparação das médias dos tratamentos.

a) Amplitude total estudentizada (𝛼 = 5%): 𝑞(______ × __________ 𝑮𝑳 ) (5%) = ______________________________________

b) Diferença mínima significativa ∆= q (I × GLResíduo ) ̂)


∙ s(m
∆= [𝑞(_______ × __________ 𝑮𝑳) (𝟓%)] ̂ ) =___________________________________________________________
∙ 𝑠(𝑚

2.4. Cálculo das estimativas dos contrastes entre duas médias.

𝑚
̂ 𝐶 =__________ 𝑚
̂ 𝐴 =__________ 𝑚
̂ 𝐵 =__________ 𝑚
̂ 𝐷 = __________ 𝑚
̂ 𝐸 = __________

̂𝑪
𝒎 ̂𝑨
𝒎 ̂𝑩
𝒎 ̂𝑫
𝒎 ̂𝑬
𝒎
̂𝑪
𝒎 −
̂𝑨
𝒎 − −
̂𝑩
𝒎 − − −
̂𝑫
𝒎 − − − −
̂𝑬
𝒎 − − − − −

2.5. Conclusão - Médias seguidas de pelo menos uma letra em comum não diferem entre si teste de Tukey, ao nível de significância de 5%.

𝟏𝟎𝟎∙𝒔
3. Cálculo do coeficiente de variação do experimento 𝑪𝑽 = ̂
𝒎

Software R
Passo 1. Coloque os dados em uma planilha do Excel e salve como Passo 3. Teste de normalidade de Shapiro-Wilk dos resíduos
aula12.txt (texto do MS-Dos) res_stud=rstandard(modelo); res_stud
Passo 2. Entre com os dados no software R shapiro.test(res_stud)
# Entrada dos dados e ajuste do modelo Passo 4. Teste de homogeneidade de variâncias de Breusch-Pagan
dados <- read.table(“XXX/aula_14.txt", h=T, d=","); dados #install.packages("lmtest")
CL1 <- dados[,1]; CL1 require(lmtest)
CL2 <- dados[,2]; CL2 bptest(Y~FTR+FCL1+FCL2, data=dados)
TR <- dados[,3]; TR Passo 5. Teste de comparação de médias - Teste de Tukey
Y <- dados[,4]; Y #install.packages("agricolae")
FCL1 <- as.factor(CL1); require(agricolae)
FCL2 <- as.factor(CL2); t_tukey <-HSD.test(modelo, "FTR", group=T, alpha=0.05); t_tukey
FTR <- as.factor(TR); Passo 6. Coeficiente de Variação
modelo <- aov(Y~FTR+FCL1+FCL2); cv <- 100*sqrt(XXXX)/mean(na.rm=T,Y);cv
summary(modelo)

Você também pode gostar