DELINEAMENTO EM BLOCOS

CASUALIZADOS

Profª. Sheila Regina Oro

Delineamento em Blocos Casualizados (DBC)

Utilizado quando as unidades apresentam certa

heterogeneidade.

Considera os princípios de repetição, aleatorização

e controle local.

Para que o experimento seja eficiente, cada bloco

deverá ser tão uniforme quanto possível, mas os
blocos poderão diferir bastante uns dos outros.
Delineamento em Blocos Casualizados (DBC)

Principais características:

as parcelas são distribuídas em grupos ou

blocos, de tal forma que elas sejam o mais
uniformes possível dentro de cada bloco;
o número de parcelas por bloco deve ser um
múltiplo do número de tratamentos
os tratamentos são designados às parcelas de
forma casual, sendo essa casualização feita
dentro de cada bloco.
Delineamento em Blocos Casualizados (DBC)

Principais vantagens:

controla as diferenças que ocorrem nas

condições ambientais, de um bloco para outro;
permite, dentro de certos limites, utilizar
qualquer número de tratamentos e blocos;
conduz a uma estimativa mais exata para a
variância residual, uma vez que a variação
ambiental entre os blocos é isolada;
a ANOVA é simples, apresentando apenas a
diferença de possuir uma causa a mais de variação.
Delineamento em Blocos Casualizados (DBC)

Principais desvantagens:

há uma redução dos graus de liberdade do

resíduo;
a exigência de homogeneidade das parcelas
dentro de cada bloco limita o número de
tratamentos, que não pode ser muito elevado.
Delineamento em Blocos Casualizados (DBC)

Exemplo: Para verificar se quatro variedades de

milho produzem, em média, a mesma quantidade,
dividiu-se a área de terra que se dispunha em cinco
faixas de igual fertilidade. Depois dividiu-se cada
faixa de terra em quatro parcelas e sorteou-se,
dentro de cada faixa, uma variedade para cada
parcela.
Delineamento em Blocos Casualizados (DBC)

A C D C A
B B C
D A
D A B D B
B C D C A

Este é um experimento completo em blocos ao

acaso: completo, porque cada bloco contém
todos os tratamentos; ao acaso, porque os
tratamentos foram designados às parcelas por
processo aleatório (ao acaso).
Delineamento em Blocos Casualizados (DBC)

Bloco 1 A C D B

Bloco 2 D C A B

Bloco 3 D B C A

Bloco 4 A B D C

Bloco 5 C A D B
Delineamento em Blocos Casualizados (DBC)

Experimentos em blocos ao acaso com repetições

O número de unidades que caem dentro de um

bloco pode ser maior do que o número de tratamentos
que o pesquisador pretende comparar.
Delineamento em Blocos Casualizados (DBC)
Modelo estatístico (Fator de efeito fixo)

Yij    Ti  B j  eij

Yij = Variável Resposta coletada sob o i-ésimo nível do fator no

bloco j;
μ = Média Total;
Ti = efeito do tratamento (i = 1, 2, ..., k)
Bj = efeito do bloco (j = 1, 2, ... b)
eij = Componente do erro aleatório associado à observação Yij.
Modelo estatístico (Fator de efeito fixo)

Suposições para o modelo:

Os erros eij são independentes (aleatorização);

Os erros eij possuem variância constante (σ2 =
cte)
Os erros eij são variáveis aleatórias
independentes e identicamente distribuídas,
tendo distribuição normal com média zero e
variância constante, isto é, eij ~ N (0, σ2)
Hipóteses

O objetivo do estudo é verificar se as médias são

iguais ou não
Testar se os efeitos dos tratamentos (Ti) são
iguais a zero ou não
Hipóteses

H0: T1 = T2 = ... = Tk = 0 (hipótese nula)

H1: Ti ≠ 0 para pelo menos um i (hipótese alternativa)

Teste de significância (ANOVA)

Regra de decisão (para tratamento e bloco):

P-valor < nível de

significância
Rejeita-se H0
P-valor < 0,05
ANOVA

FV GL SQ QM Fc
Tratamento a-1 SQ E QM E
Bloco b-1 SQ B QM B
Erro (a-1) (b-1) SQ R QM R
Total ab -1 SQ T
corrigido
ANOVA
𝑘 𝑘
𝑖=1 𝑇𝑖 ² 𝑖=1 𝑇𝑖 ²
𝑆𝑄𝐸 = −
𝑏 𝑏𝑘

𝑏 𝑘
𝑗=1 𝐵𝑗 ² 𝑖=1 𝑇𝑖 ²
𝑆𝑄𝐵 = −
𝑘 𝑏𝑘

𝑘 𝑛 𝑘
𝑖=1 𝑇𝑖 ²
𝑆𝑄𝑇 = 𝑌𝑖𝑗 ² −
𝑏𝑘
𝑖=1 𝑗=1

𝑆𝑄𝑅 = 𝑆𝑄𝑇 − 𝑆𝑄𝐸 − 𝑆𝑄𝐵

Teste de comparação de médias

Teste t

Teste de Tukey

Teste de Scott-Knott