Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUÇÃO:
A estatística é a parte da matemática aplicada que se preocupa em obter conclusões a partir de dados
experimentais. Hoje são feitos experimentos em quase todas as áreas de trabalho, as técnicas experimentais
são universais e se aplicam em diferentes áreas, tais como: Agronomia, Medicina, Engenharia e Psicologia, e
os métodos são sempre os mesmos, porem as origens da Estatística Experimental são agrícolas, e se devem a
Sir Ronald A. Fischer (1890 - 1962) que formalizou boa parte do que existe hoje em Experimentação. Fischer
foi um estatístico que trabalhou na Estação Experimental de Agricultura de Rothamstead, Inglaterra.
Na pesquisa agronômica, a Estatística Experimental é uma ferramenta que pode e deve ser utilizada
pelos pesquisadores na solução de problemas agrícolas, e para empregá-la eficientemente faz se necessário
uma completa compreensão do assunto na qual se vai aplicá-la, portanto as considerações práticas são tão
importantes como os requisitos teóricos para determinar o enfoque estatístico ao problema.
1. CIÊNCIA E PESQUISA.
Temos várias definições de CIÊNCIA, entre elas:
“Conhecimento sistemático dos fenômenos da natureza e das leis que os regem, obtidos através da
investigação pelo raciocínio e pela experimentação intensiva”
“Estudo de problemas solúveis mediante método científico.”
Como PESQUISA define-se: “Investigação e estudo sistemáticos, com o fim de descobrir ou estabelecer
fatos ou princípios relativos a um campo qualquer de conhecimento.”
2. TIPOS DE PESQUISA.
Não se pode fazer uma pesquisa pela simples razão de fazê-la. Há a necessidade de buscar respostas a
todo um desenrolar de dúvidas. Para uma pesquisa apresentar um desenvolvimento, ela deve começar pelo
interesse do pesquisador. A motivação deve estar presente. Como a pesquisa visa um fim, ele requer
planejamento.
Pesquisar, é num sentido amplo, procurar uma informação que não se sabe e que se precisa saber.
Podemos ter os seguintes tipos de pesquisa:
A pesquisa descritiva é usada, sobretudo, nas ciências humanas e sociais. Tem por finalidade explicar e
interpretar as relações sociais e culturais da sociedade. A grande vantagem desta modalidade de investigação é
a possibilidade de apresentar coisas novas e atuais. Por se tratar de um trabalho de campo, os resultados só
podem ser alcançados mediante uma interpretação dos dados localizados.
As hipóteses são testadas por meio de métodos de análise estatística que dependem do modo como as
observações ou dados foram obtidos e, desta forma, o planejamento de experimentos e a análise dos resultados
estão intimamente ligados e devem ser utilizados em uma certa seqüência nas pesquisas científicas, como pode
ser visualizado no esquema abaixo.
(1) (3)
FORMULAÇÃO DE TESTES DAS HIPÓTESES
HIPÓTESES FORMULADAS
(4)
DESENVOLVIMENTO
4. O USO DA ANÁLISE ESTATÍSTICA
DA TEORIA
3
O que nos obriga a utilizar a análise estatística para testar as hipóteses formuladas é a presença, em
todas as observações, de efeitos de fatores não controlados (que podem ou não ser controláveis), que causam
variação, como exemplo destes fatores temos:
Pequenas diferenças de fertilidade do solo;
Profundidade de semeadura um pouco maior, ou menor, que o previsto;
Ligeiras variações de espaçamentos;
Variação na constituição genética das plantas ou animais;
Pequenas variações nas doses de adubos, inseticidas, fungicidas, herbicidas etc.
Esses efeitos, que sempre ocorrem, não podem ser conhecidos individualmente e tendem a mascarar o
efeito do tratamento em estudo. O conjunto dos efeitos de fatores não controlados é denominado de variação
do acaso, variação aleatória ou erro experimental.
Visando tornar mínima a variação do acaso, deve-se fazer o planejamento do experimento de tal forma
que consiga isolar os efeitos de todos os fatores que podem ser controlados.
variedade A apresentou, em média, maior rendimento, então, já existe um indício de que ela seja mais
produtiva.
Em condições de campo temos:
Sem repetição
PARCELA 1 PARCELA 2
A B
Com repetição
PARCELA 1 PARCELA 2 PARCELA 3 PARCELA 4 PARCELA 5
A A A A A
B B B B B
Através da repetição é que nos é possível estimar o erro experimental. Num experimento sem repetição,
não sabemos dizer se uma diferença constatada entre tratamentos pode ser explicada como uma diferença entre
tratamentos ou entre parcelas experimentais.
6.2 Princípio da casualização
Apesar de ter usado a repetição, pode acontecer que a variedade A tenha produzido mais por ter sido
beneficiada por qualquer fator, como por exemplo, ter todas as suas parcelas em áreas de maior fertilidade.
Para evitar que uma das variedades seja sistematicamente favorecida por qualquer fator externo,
procedemos a casualização das variedades às parcelas. Pela casualização cada tratamento tem a mesma
probabilidade de ser destinado a qualquer parcela experimental, seja ela favorável ou não.
A casualização tem por objetivo nos assegurar uma estimativa não viciada do erro experimental, das
médias dos tratamentos e das diferenças entre médias.
Em condições de campo, temos:
A A A A A
5
B B B B B
A B A B B
B A A B A
Se, após a repetição e casualização, a variedade A apresentar maior produtividade, é de se esperar que
esta conclusão seja realmente válida.
Parcela 1 Parcela 2
A B
A B B A B A
A B A B B A
Para podermos utilizar a metodologia estatística nos resultados de um experimento, é necessário que o
mesmo tenha considerado pelo menos os princípios da repetição e da casualização, a fim de que possamos
obter uma estimativa válida para o erro experimental, permitindo assim a aplicação dos testes de significância.
O controle local constitui restrições impostas na casualização para corrigir os efeitos da variação
conhecida ou suspeita do material experimental. Considerando o controle local temos os seguintes tipos de
delineamentos:
A3 C1 B4 D3
D4 B2 A1 C4
B3 D1 C3 A5
D2 C5 B5 A2
A4 C2 D5 B1
7
Neste tipo de delineamento devemos observar que cada bloco deve conter todos os tratamentos, que
devem ser designados de forma aleatória (sorteio) dentro dos blocos.
A finalidade do bloco, como já vimos, é “quebrar” um ambiente heterogêneo em sub ambientes
homogêneos. As parcelas dentro de cada bloco devem ser o mais homogênea possível, sendo que pode existir
heterogeneidade de um bloco para outro, e quanto maior for essa heterogeneidade de condições de um bloco
para outro, maior será a eficiência deste delineamento.
Neste caso temos mais uma fonte de variação, ou fator controlado que são os blocos.
Exemplo: Considere o exemplo anterior, porem agora o agrônomo vai comparar as 4 variedades de
milho (A = Cateto roxo, B = Cateto vermelho, C = Piranão, D = Agroceres 90) em uma área heterogênea,
então ele deverá:
1. Dividir a área em cinco blocos o mais homogêneos possível,
2. Dividir cada bloco em 4 parcelas,
3. Sortear para cada bloco uma variedade por parcela.
A2 C3 D2 C4 A1
B1 D3 B2 C2
D5 A4 D4 B3
B4 C1 A5 A3
B5
D1 C5
II - PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUÇÃO
O estudo dos experimentos, desde o seu planejamento até o relatório final, constitui o objetivo da
Estatística Experimental, ou Experimentação Agrícola.
Existem três tipos de experimentos:
8
1. Preliminar: é aquele conduzido dentro de estações experimentais para a obtenção de novos fatos. E
científico, mas apresenta baixa precisão. Próprio para ensaios de introdução de variedades de espécies
cultivadas, ou quando se dispõe de um elevado número de tratamentos e é necessário fazer uma triagem.
2. Crítico: é aquele que tem por Objetivos negar ou confirmar uma hipótese obtida no experimento
preliminar e é conduzido dentro ou fora das fronteiras estações experimentais. È científico e apresenta
maior precisão que o experimento anterior. Serve para comparar vários tratamentos por meio dos
delineamentos experimentais, usando as técnicas estatísticas recomendadas.
3. Demonstrativo: é aquele lançado pela rede de extensão rural. E de cunho demonstrativo. o pois tem por
objetivo demonstrar junto aos agricultores os melhores resultados do experimento crítico. Geralmente é
apenas comparativo, pois compara, uma nova técnica agrícola com uma tradicional.
EXPERIMENTO
PRELIMINAR
1 2 3 4 5 6 100
ESTAÇÃO
7 89 2 27 VL 54 33 64 29 93
EXPERIMENTAL
EXPERIMENTO
VL 29 33 7 93 2 27 89 54 64
CRÍTICO
ESTAÇÃO
27 54 64 2 33 89 29 93 VL 7
EXPERIMENTO
DEMONSTRATIVO
VL 7 64
FAZENDA
Figura 1. Exemplo de experimentos preliminar, crítico e demonstrativo. Fonte: adaptado de Ferreira, 2000.
2. PLANEJAMENTO
9
3. ETAPAS DE UM EXPERIMENTO
As etapas de um experimento são: elaboração do projeto, instalação do experimento, execução e
condução do experimento, análise estatística dos dados experimentais, interpretação dos resultados e relatório
final.
existente nem a revisão de literatura, mas sim a forma de como ele as utiliza para raciocinar e deduzir
criando sua hipótese científica.
G. Revisão de Literatura: Expor claramente o que já é conhecido acerca do problema para o qual se
procura a resposta, quais as questões já respondidas por outras pesquisas e se esse conhecimento
acumulado não é suficiente para ter a solução via difusão/ transferência de conhecimento ou tecnologia.
Para responder a essas questões, a revisão de literatura deve ter uma abrangência ampla, permitindo ainda
verificar a adequação dos materiais e métodos do projeto para que se atinja os objetivos e metas
propostas, bem como a função de fornecer subsídios para a formulação da hipótese científica e de auxiliar
a interpretação dos resultados. A revisão de literatura não deve ser uma simples seqüência de outros
trabalhos. Ela deve incluir também uma contribuição do autor, para mostrar que os trabalhos não foram
meramente catalogados, mas sim examinados e criticados objetivam ente. Deve-se incluir somente os
trabalhos mais importantes desenvolvidos sobre o assunto, dando preferência àqueles publicados nos
últimos dez anos. É sempre aconselhável referir-se somente aos assuntos que possuam relação direta e
específica com os objetivos da pesquisa.
I. Relação dos tratamentos: A relação dos tratamentos é decorrente dos objetivos. Devemos evitar incluir
tratamentos sem a devida justificativa. Quando possível, devemos incluir um tratamento testemunha ou
padrão, o qual servirá de referência para as conclusões. No caso de tratamentos quantitativos devemos, de
preferência, usar valores eqüidistantes cuja amplitude de variação reflita a realidade. A eqüidistância entre
os tratamentos quantitativos facilitará a análise da regressão e é mais adequada para os casos em que se
faz a procura do melhor modelo matemático para os dados observados. Os tratamentos podem ser
decorrentes das alternativas de um fator ou da combinação entre os níveis de dois ou mais fatores (no caso
de experimentos fatoriais). Nas Tabelas 1 e 2 encontram-se exemplos de tratamentos de um experimento.
32 m
1 2 3 4 5 6 7 8
Bloco I 10 m
T3 T2 T1 T6 T8 T4 T7 T5
- 4m -
9 10 11 12 13 14 15 16
Bloco II
T6 T8 T1 T2 T7 T3 T5 T4
17 18 19 20 21 22 23 24
Bloco III
T5 T2 T7 T8 T6 T3 T1 T4
G. Caderneta de campo: A caderneta de campo é uma ficha elaborada com base no croqui do experimento
cuja finalidade é anotar os dados sobre os efeitos dos tratamentos, ela deve conter os seguintes itens:
Identificação do experimento (nome, localização, e ano de execução do experimento); Relação das
parcelas e respectivos tratamentos, Controle local (testemunha) e variáveis observadas, Espaço para
anotações gerais, como data da semeadura, emergência e colheita, data de ocorrência de chuva, de
aplicação de irrigação, de capinas, enfim, qualquer observação que possa ser útil para auxiliar na
discussão dos resultados do experimento. Além da caderneta de campo podemos elaborar outras fichas de
controle, tais como de manejo cultural, de observações de campo, e de controle mensal do projeto. Na
tabela 3 é apresentado um modelo de caderneta de campo.
14
H. Orçamento: O orçamento tem como objetivo fornecer uma estimativa dos gastos a serem realizados com
materiais de consumo, mão-de-obra, serviços de terceiros, equipamentos, combustíveis, manutenção de
equipamentos, diárias, construções, etc. Deve-se reservar 10% do custo total do projeto para os
imprevistos.
I. Cronograma de Execução: O cronograma é uma lista com as principais atividades (etapas) da execução
do experimento com as respectivas datas. A implantação de experimentos de campo deve coincidir com a
época adequada para a cultura na região considerada. Um exemplo resumido de cronograma é apresentado
na tabela 4
É conveniente ressaltar que um projeto de pesquisa deve ser muito bem feito, para que a análise
estatística possa ser efetuada de forma adequada e nos conduza a conclusões válidas; pois de nada adianta um
experimento bem conduzido, se ele estiver baseado em um planejamento inadequado.
As instituições financiadoras de projetos, tanto públicas como privadas, possuem, geralmente, um
roteiro próprio com instruções específicas para montagem do projeto, devendo o pesquisador se submeter
àquele modelo.
do experimento através de uma estaca. Quando identificamos as parcelas, as fichas ou placas devem ser
colocadas sempre no começo e no lado esquerdo da mesma.
A) Antes de efetuar a análise de variância nos dados experimentais, ele deve verificar se os mesmos atendem
às suposições da análise de variância (os efeitos devem ser aditivos, os erros devem ser independentes,
devem apresentar distribuição normal e as suas variâncias devem ser homogêneas), sob pena das
conclusões obtidas não terem validade.
B) No processo de análise estatística dos dados experimentais, o sistema de aproximação dos dados poderá
aumentar o erro experimental. Em função disso, não é recomendado aproximar os dados durante a análise
estatística, e sim no final da mesma, deixando-se no mínimo, quatro casas decimais.
C) Quando analisar quaisquer dados, deve-se dar ênfase aos resultados biológicos e não aos métodos
estatísticos. Não incluir no trabalho detalhes matemáticos desnecessários.
A caderneta de campo é útil para se fazer anotações dos dados experimentais, porém quando se vai
fazer a análise estatística dos dados deve-se tomar o cuidado de colocar os tratamentos em ordem para que se
obtenham seus totais e médias, para maior segurança podemos elaborar uma tabela com os tratamentos em
ordem numérica conforme exemplo na tabela 5.
17
A. Título: Redija-o com bastante cuidado para indicar precisamente qual o conteúdo do artigo, é onde mais
se exige clareza e concisão. Deve-se evitar generalidades ou idéias vagas, conforme visto na etapa
"Elaboração do Projeto". também, devem ser evitadas expressões supérfluas como: "investigação
sobre","estudo de", "contribuição para", "sobre a natureza de", "aspectos de", "introdução ao estudo de",
"análise preliminar de", etc. Sugere-se não incluir nomes científicos juntamente com nomes populares,
optar por um ou por outro; abreviatura; época em que foi desenvolvido o experimento (data), a não ser
que faça parte dos objetivos; fórmulas químicas; uso de aspas, barras ou versus ( x ).
B. Autoria: O nome do autor (ou autores) deve constar logo abaixo do título, à direita do mesmo. Deve ser
iniciado, preferencialmente, pelo sobrenome todo em letras maiúsculas, seguido pelas iniciais do nome. Há
revistas que publicam o título do autor (ou autores), o nome da Instituição onde foi realizado o trabalho,
ou ambos, logo abaixo do nome do mesmo. Outras preferem trazer essas indicações em rodapé. É
importante lembrar que os nomes figurando no cabeçalho de um relatório de pesquisa devem ser
estritamente os dos autores efetivos do trabalho aqueles que participam do planejamento, execução e
interpretação dos resultados são, em maior ou menor grau, autores intelectuais do trabalho. Essa
classificação depende da importância da contribuição no trabalho científico, ou seja, o pesquisador que
mais contribuiu tem seu nome em primeiro lugar. Consentir na inclusão de seu nome em outras
circunstâncias ou a outro título, ou colocar nomes de terceiros que não preencham aqueles requisitos, é
infringir a ética do trabalho científico e contribuir para a corrupção dos costumes nesse domínio. Toda
colaboração, ajuda material, apoio moral, críticas, etc., recebidos de outras pessoas devem ser referidos
nos “Agradecimentos”, de uma forma clara e objetiva.
D. Abstract (Summary): O abstract (ou summaty) corresponde a tradução do resumo para o inglês, em
função da necessidade de uma língua de grande penetração nos meios especializados. Se o trabalho
científico for apresentado em língua estrangeira (que não o espanhol), esse resumo será em português.
19
E. Introdução: Nela deve conter, pela ordem: natureza e importância do assunto pesquisado, evolução e
situação do problema, e identificação dos objetivos do trabalho científico. Quanto à natureza e
importância do assunto pesquisado, deve ser focalizado o problema com indicação daqueles fatos ou
situações que evidenciem sua importância. Por exemplo, se o assunto é aumento da proteína em milho,
mostrar porque é importante que esse cereal tenha maior teor de proteína. Na evolução e situação do
problema. deve ser feito um levantamento dos estudos já feitos sobre o problema por outros
pesquisadores, (revisão bibliográfica) de modo que mostre a real situação do problema na literatura
nacional e estrangeira. na época em que se planejou a pesquisa. Contudo, extensas revisões da literatura
não têm sentido, devendo ser substituídas por referências aos trabalhos mais recentes. Na identificação
dos objetivos do trabalho científico, deve ser exposto claramente às questões que foram respondidas pela
pesquisa.
F. Materiais e Métodos: O materiais e métodos deve ser feito da mesma maneira como visto na etapa
"Elaboração do Projeto", alterando apenas o tempo do verbo, do futuro para o passado. Além disso, a
descrição dos métodos usados deve ser breve, porém suficiente para possibilitar a outrem repetir a
investigação, processo e técnicas já publicados devem ser apenas referidos por citação.
G. Resultados e Discussão: Primeiramente, devem ser apresentados os resultados que se encontram em uma
tabela (ou quadro) ou figura (gráfico, desenho, mapa, fotografia, etc.) de forma objetiva. Exata, clara e
lógica, com o mínimo possível de discussão ou interpretação pessoal. As tabelas e/ou figuras poderão vir
logo após a apresentação dos resultados ou no final do trabalho científico. Posteriormente, é feita a
discussão dos dados obtidos e dos resultados alcançados à luz da experiência do pesquisador, ligando os
novos achados aos conhecimentos anteriores. Na apresentação dos resultados, se os dados forem
numéricos, os mesmos devem vir acompanhados de análise estatística, sempre que conveniente. Quando
forem apresentadas diferenças entre médias (ou outros dados estatísticos) de tratamentos, deve-se aplicar
o teste de significância mais adequado. Na discussão dos resultados, o autor (ou autores) deve:
a) estabelecer relações entre causas e efeitos;
b) deduzir as generalizações e princípios básicos que tenham comprovação nas observações experimentais;
c) esclarecer as exceções, modificações e contradições das hipóteses, teorias e princípios diretamente
relacionados com o trabalho realizado;
d) indicar as aplicações teóricas ou práticas dos resultados obtidos, bem como as suas limitações;
e) procurar elaborar, quando possível, urna teoria para explicar certas observações ou resultados obtidos;
f) sugerir, quando for o caso, novas pesquisas tendo em vista a experiência adquirida no desenvolvimento do
trabalho e visando à sua complementação.
Além da discussão dos resultados entre si, cabe a discussão diante da literatura, isto é. a comparação dos
resultados obtidos com os dos autores citados. Cabe ao autor (ou autores) definir se seus resultados
confirmam, equivalem ou desmentem os dos outros trabalhos mencionados.
20
H. Conclusões: Nela devem ser colocados os principais resultados obtidos com a experimentação, de uma
forma clara, objetiva, lógica e breve. É aqui onde estão situadas as contribuições do autor (ou autores)
para o avanço da ciência, além do que elas poderão abrir perspectivas de novas pesquisas. As conclusões,
obviamente, têm que se basear somente em fatos comprovados. Na redação dessa parte do trabalho
científico devem ser evitadas expressões que indiquem reserva ou ressalva, tais como: houve indícios,
provavelmente, possivelmente, etc.
I. Literatura Citada: As informações citadas pelo autor (ou autores) de um trabalho científico, com o
propósito de fundamentar, de comentar ou ilustrar as asserções do texto e que já tenham sido publicadas
(ou que estejam sabidamente em publicação), deverão ser acompanhadas de referências, permitindo ao
autor comprovar os fatos ou ampliar seu conhecimento do assunto mediante a consulta nas fontes.
Evidentemente, essa finalidade só será atingida na medida em que a referência for correta e apresentada de
forma inequívoca para o leitor, devendo ainda atender às conveniências dos serviços de bibliografia e
bibliotecas, para evitar perda de tempo e dificuldades na localização do artigo para consulta ou
reprodução. Para tanto deve se seguir as normas internacionais instituídas pela Organização Internacional
de Normalização e pela Associação Brasileira de Normas Técnicas. O próprio autor (ou autores) é quem
deve compilar a bibliografia que irá citar, nela incluindo os trabalhos que efetivamente consultou e na
medida em que sejam necessários à exposição de suas idéias ou resultados.
O erro experimental consiste na variação não controlada pelo pesquisador e ocorre de forma aleatória
entre as parcelas, após subtrair os efeitos controlados no experimento (tratamento, blocos, filas, colunas, etc.).
Assim, esta variância é uma estimativa do erro experimental.
controle do pesquisador. Tal variação é que constitui o chamado erro experimental. Esta variação promove
diferença entre as parcelas que recebem o mesmo tratamento. Entre as variações acidentais podemos citar:
diferença na constituição genética das plantas ou animais; variações ligeiras no espaçamento, na profundidade
de semeadura, na quantidade de adubos aplicados, na quantidade de ração ministrada, etc.
Os efeitos da variação acidental, sempre presentes, não podem ser conhecidos individualmente e
alteram, pouco ou muito, os resultados obtidos experimentalmente. Assim, ao comparar, no campo, a
produção de duas variedades de cana-de-açúcar, a inferior poderá por simples acaso exceder a melhor
variedade, por ter sido favorecida por uma série de pequenos fatores não controlados. E ao comparar duas
rações potencialmente semelhantes na alimentação de leitoas, uma delas pode promover um maior ganho de
peso em relação a outra. Em virtude disso, o pesquisador tem obrigação de fazer tudo o que for possível para
reduzir o erro experimental, a fim de não incorrer resultados dessa natureza. Cabe a ele, pois, verificar se as
diferenças observadas no experimento tem ou não valor, ou seja, se são significativas ou não-significativas.
Uma diferença significativa indica que os tratamentos avaliados são potencialmente diferentes, enquanto que
uma diferença não-significativa indica que os tratamentos avaliados são potencialmente semelhantes e que a
diferença observada entre eles foi devido à variação acidental.
Para que um experimento estivesse livre das variações acidentais, seria necessário realizá-lo em
condições inteiramente uniformes de solo, plantas com a mesma constituição genética, o mesmo número de
plantas por parcela, irrigação uniforme, ausência de pragas e doenças, adubação uniforme, etc., para o caso
dos vegetais; e animais com mesma constituição genética, o mesmo número de animais por parcela, animais
com o mesmo peso e idade, ambiente inteiramente uniforme, etc., para o caso dos animais. Todavia, isso é
impossível, e independe do local onde se está conduzindo o experimento (campo, estábulo, laboratório, casa-
de-vegetação, etc.). Em função disso, a única alternativa do pesquisador é aplicar todo o seu conhecimento
para minimizar as variações acidentais no experimento.
100.s
estatística CV = , sendo: s = QME , e m̂ = média geral do experimento.
m
Como o CV é um coeficiente, sem unidade de medida, pode ser usado para comparar a precisão de
diferentes experimentos. No entanto, a precisão de um experimento pode ser considerada como alta, média ou
baixa somente em relação a um grupo de experimentos semelhantes, ou seja, com as mesmas variáveis,
tratamentos, delineamentos, números de repetições, manejo, etc.
Quanto maior o CV menor é a precisão do experimento e menor é a qualidade do experimento, assim
experimentos com CV alto rejeitam H0 com maior dificuldade, mesmo que existam diferenças entre os
tratamentos.
O CV pode ser comparado com o uso do termômetro para medir a temperatura dos animais, indicando,
para cada espécie, se a temperatura é normal, alta, ou muito alta.
Os experimentos também podem ser classificados quanto ao CV em muito baixos, baixos, médios, altos
e muito altos (tabela 6).
23
bloco devem ser colocadas com sua maior dimensão no sentido paralelo a tal gradiente. Na Figura 3 o
gradiente de fertilidade tem a direção da flecha. Se colocamos nesse terreno as parcelas nas formas: A, B e C,
vejamos o que se sucede:
Na distribuição A, em que a maior dimensão das parcelas é perpendicular ao gradiente de fertilidade,
verifica-se que algumas parcelas têm maior fertilidade do que outras; enquanto que na distribuição B, todas as
parcelas participam por igual das diferentes fertilidades do solo, pois todas terão um extremo fértil e outro
pobre. Na distribuição C, três parcelas participam da parte mais fértil. três da parte intermediária e três da
parte pobre.
Portanto, se é conhecido o gradiente de fertilidade do terreno, as parcelas devem ser colocadas no
campo com o lado mais comprido paralelo a direção de tal gradiente. Se não for possível adotar a distribuição
B por dificuldades de ordem prática, então deve-se adotar a distribuição C, sendo a distribuição A, a menos
recomendável.
Figura 3 Influência da forma de colocação das parcelas no bloco, quando o campo tem um gradiente de
fertilidade constante. As flechas indicam o sentido do gradiente de fertilidade
Figura 4. Efeito bordadura em variedades de milho devido a áreas não plantadas entre parcelas adjacentes.
todo o seu potencial. A presença de falhas contribui para aumentar o erro experimental, já que elas levam à
falta de uniformidade das condições experimentais.
Deve-se evitar, que o mesmo homem seja empregado no trabalho de todas as parcelas de um mesmo
tratamento, pois pode haver diferenças na forma de trabalho dos trabalhadores, e neste caso, o operário que
melhor trabalha porá em vantagem o tratamento que lhe compete, o recomendável é trocar os operários entre
os tratamentos ao passar de um bloco a outro.
Se por algum motivo há necessidade de suspender os trabalhos para continuar no dia seguinte, devemos
não interromper o trabalho até que haja terminado o serviço já iniciado em um determinado bloco.
De modo geral, é importante quando se executam experimentos de adubação, variedades, inseticidas,
fungicidas, herbicidas, etc., conhecer a procedência de cada produto a ser estudado, fórmulas químicas,
concentrações e demais características. Em experimentos de competição de variedades, deve-se determinar
previamente a natureza e o poder germinativo da semente.
Todos os experimentos devem ser semeados na época propicia ao cultivo sem nunca esquecer de incluir
os tratamentos testemunhas.
É necessário que o próprio pesquisador colete os dados do experimento e não o capataz ou auxiliar, ao
fazê-lo, o pesquisador terá mais confiança nos dados coletados, ao mesmo tempo que poderá tomar
conhecimento de fatos imprevistos, que bem podem servir para explicar resultados finais inesperados.
O pesquisador deve anotar pessoalmente os dados e observações do experimento em uma caderneta de
campo e não em folhas soltas; de forma clara e ordenada que possa ser entendida por qualquer outro
pesquisador, para o caso de que, tenha de ausentar-se.
1. CONSIDERAÇÕES GERAIS
Na pesquisa agronômica, os pesquisadores utilizam a Estatística Experimental para obter, analisar e
interpretar dados experimentais, obtidos de experimentos, visando a elucidação de princípios biológicos bem
como a solução de problemas agrícolas.
Na elucidação de tais princípios e na solução de tais problemas, o pesquisador define quais as
características que irá utilizar para avaliar os tratamentos, de modo que possa atingir os objetivos da pesquisa.
Por exemplo, no estudo de comportamento de variedades de feijão, o pesquisador pode definir as seguintes
características: resistência a antracnose, período de maturação de vagens e rendimento (kg/ha), para avaliar
seus tratamentos. Cada característica é medida nas parcelas e é denominada de variável.
Uma variável pode ser discreta ou contínua. Variável discreta é aquela que somente pode ter certos
valores da amplitude de variação, geralmente valores inteiros. Por exemplo, número de plantas doentes por
parcela, número de sementes por fruto, número de ovos por galinha em determinado período, etc. Variável
contínua é aquela que pode assumir qualquer valor dentro da amplitude de variação. Altura e rendimento de
grãos de plantas de milho, peso e produção de leite de vacas leiteiras são exemplos desse tipo de variável.
Na linguagem estatística, uma população é um conjunto de medições, de uma única variável, efetuadas
sobre todos os indivíduos pertencentes a uma classe. No nosso caso, por exemplo, o rendimento de grãos
(kg/ha) de todos os campos de milho no Brasil, cultivados com uma variedade qualquer, BR 111, por exemplo
constituiu uma população. As medições individuais de uma variável recebem o nome de elemento.
28
Uma amostra é um conjunto de medições que constitui parte de uma população. A partir da amostra
obtemos informações e fazemos inferências acerca da população. Por esta razão é importante que a amostra
seja representativa da população.
As populações são descritas mediante características denominadas parâmetros. Os parâmetros são
valores fixos; por exemplo, a média aritmética de todos os elementos de uma população é um parâmetro. As
amostras são descritas pelas mesmas características, mas recebem a denominação de estatístico, ou estatística.
A média de uma amostra é um estatístico. Calculamos os estatísticos das amostras para estimarmos os
parâmetros da população. Obviamente, os estatísticos variam de amostra para amostra enquanto que os
parâmetros têm apenas um valor.
Em Experimentação Agrícola os parâmetros utilizados são as medidas de tendência central, ou medidas
de posição e medidas de variabilidade de dados, ou medidas de variação.
X 1 X 2 X 3 ... X N Xi
m= =
N N
Para o caso de AMOSTRAS de N elementos (X1, X2, X3... XN), a média aritmética será denotada por:
m̂ ou x .
A diferença entre o valor de um elemento (Xi) e a média é denominada DESVIO ou ERRO, e pode ser
denotado por “di” ou “ei”.
O valor m̂ = 88,79 é uma estimativa da produtividade média da população, que nos é desconhecida.
Observe-se como seria arriscado utilizarmos apenas 1 AMOSTRA para tirarmos as conclusões sobra a
produção estimada daquela variedade de cana.
Se considerarmos simplesmente a média de infestação por variedade, sem levar em conta o número de
talhões, a infestação média da usina será:
Observamos, entretanto, que este dado é muito irreal, em decorrência da grande variação do número de
talhões infestados por variedade.
Para obtermos uma informação mais real, devemos calcular a média ponderada, tomando como peso,
em cada variedade, o número de talhões.
Ponderar, significa pesar. Isto quer dizer que se devem pesar os dados para se obter a medi, que será
uma razão entre o somatório dos produtos de cada valor pelo peso respectivo ( PX ) e o somatório dos
pesos ( P )
PX
Assim, teremos: m̂ =
P
Uma propriedade importante da média aritmética é que a soma dos desvios em relação à média é igual a
ZERO, ou seja:
= ( Xi – m̂ ) = 0
Podemos observar que as amostras (1), (2), (3) e (4) têm a mesma média, mas observamos que na
amostra (1) todos os valores são iguais a 10, ou seja, igual a média aritmética, logo todos os valores estão
concentrados na média, não existindo qualquer diferença entre cada valor e a média, conseqüentemente não
existe variabilidade dos dados. Ao passo que nas outras existem diferenças em relação à média. Assim
podemos dizer que na mostra (1) não existe variabilidade nos dados. havendo para todas as outras, sendo a
amostra (4) a de maior variabilidade.
Portanto, além da média, necessitamos de uma medida estatística complementar para melhor
caracterizar cada amostra apresentada.
As medidas estatísticas responsáveis pela variação ou dispersão dos valores de uma série são as
medidas de variabilidade ou medidas de dispersão, e são elas:
A) AMPLITUDE TOTAL,
B) VARIÂNCIA,
C) DESVIO PADRÃO,
E) ERRO PADRÃO DA MÉDIA,
F) COEFICIENTE DE VARIAÇÃO.
At = Xma – Xme.
No nosso exemplo teremos as seguintes amplitudes totais:
Podemos concluir que as amostras 3 e 4 são as mais dispersas: No entanto, elas são bem distintas,
faltando, conseqüentemente, alguma informação a mais, que permita diferenciá-las.
É por isso que a amplitude total é uma medida de dispersão não muito informativa, por depender
somente dos valores externos da série desprezando assim os valores intermediários, o que toma insensível a
dispersão dos demais valores entre o maior e o menor.
SQD
s² = , onde:
N 1
SQD = soma dos quadrados dos desvios em relação à média aritmética;
N = número de observações.
SQD
s² (2) = =
N 1
SQD
s² (3) = =
N 1
SQD
s² (4) = =
N 1
32
SQD = 2 -
2 ,
N
( X ) 2
X 2
s² (3)= N =
N 1
( X ) 2
X 2
s² (4)= N =
N 1
A vantagem deste método é que trabalhamos diretamente com os dados originais não havendo
necessidade de calcularmos previamente a média e os desvios em relação a ela.
É interessante observar que as amostras 3 e 4 já referidas embora não pudessem ser diferenciadas pela
amplitude total podem perfeitamente ser identificadas, através da variância. Neste caso observamos que a
amostra 4 é mais dispersa que a amostra 3.
Numa amostra de dados não agrupados, como por exemplo, numa amostra de dados X 1, X2, X3... XN, o
desvio padrão (s) é obtido através das seguintes fórmulas:
( X ) 2
s=
SQD
=
X 2
s 2 , ou s = N =, ou ainda s = s2
N 1
N 1
s (3) = s2 = s (4) = s2 =
Também aqui as amostras (3) e (4) podem perfeitamente ser identificadas, através do desvio padrão,
continuando a amostra (4) como sendo a mais dispersa que a amostra (3).
E interessante observar que as amostras 3 e 4 já referidas, embora não pudessem ser diferenciadas pela
amplitude, podem perfeitamente ser identificadas através da variância ou do desvio padrão.
O quadro seguinte nos mostra seus comportamentos:
s2
s²( m̂ ) = , onde:
N
N = número de observações.
s
s ( m̂ ) = , onde:
N
O erro padrão nos dá uma perfeita idéia da precisão da média, isto é, quanto menor ele for, maior
precisão terá a média.
Considerando os dados das amostras do exemplo temos:
s 0
s ( m̂ ) (1) = = = 0,0
N 5
s
s ( m̂ ) (2) = =
N
s
s ( m̂ ) (3) = =
N
s
s ( m̂ ) (4) = =
N
Sempre que citamos uma média devemos faze-la acompanhar de seu erro padrão. Assim, no caso das
amostras de 1 a 4 exemplificadas, quando acompanhadas de seus erros padrões ficam:
100.s
CV =
m
Como o desvio padrão e a média são expressos na mesma unidade, o coeficiente de variação não tem
unidade, sendo expresso em porcentagem. (obs.:s = QME )
Considerando os dados das amostras do exemplo temos:
35
100.s
CV(2) = =
m
100.s
CV(3) = =
m
100.s
CV(4) = =
m
O coeficiente de variação dá uma idéia de precisão do experimento, ou seja, quanto menor o coeficiente
de variação maior será a precisão do experimento, então temos na tabela 1:
Espera-se que os coeficientes de variação dos ensaios agrícolas, principalmente aqueles conduzidos a
nível de campo, não ultrapassem a casa dos 30%, de modo que as conclusões obtidas de tais ensaios mereçam
crédito perante a comunidade científica.
Quando comparamos dois ou mais tratamentos, duas variedades de milho por exemplo, temos uma
variação entre os tratamentos e dentro dos tratamentos, que somadas resultam na variação total presente no
experimento.
A B
12 10
15 14
21 20
25 23
28 26
É aquela atribuída estritamente a variabilidade das médias dos tratamentos em re1ação a média geral. É dada
pela fórmula:
T
Variação entre Trat’s = SQTrat’s = R i 1
( x i x..) 2
Onde:
x i = Média do tratamento i
x.. = Média geral do experimento (média de todos os dados)
R = Número de repetições de cada tratamento
T = Número de tratamentos
1
SQ Trat’s = Ti 2 C
R
Onde:
Ti 2 = Total do tratamento í ao quadrado
( x ) 2
C = Correção =
N
Onde:
xi = Valor da parcela que recebeu o tratamento i
x = Média do tratamento i
Onde:
xi = Valor da parcela que recebeu o tratamento i
x.. = Média geral do experimento
Pode ser calculada também pela seguinte fórmula, (já vista anteriormente)
37
SQTOTAL = SQD = 2 -
2 ,
N
O termo
2 da equação é chamado de correção e simbolizado pela letra C
N
Um exemplo:
Pede-se:
1) Calcular a variabilidade total (SQ TOTAL)
2) Calcular a variabilidade entre as amostras das diferentes serrarias.
3) Calcular a variabilidade dentro das amostras da serraria A
4) Calcular a variabilidade dentro das amostras da serraria B
5) Calcular a variabilidade dentro das amostras da serraria C
6) Calcular a variabilidade dentro das amostras da serraria D
7) Calcular a variabilidade dentro das amostras da serraria E
8) Verifique se o resultado do nº 1, é igual a soma dos demais (l =2+3+4+5+6+7).
9) Calcule o coeficiente de variação (C.V.)
A análise de variância foi uma técnica desenvolvida por Fischer que teve grande repercussão na
pesquisa científica. Esta técnica consiste na decomposição dos graus de liberdade e da variância total de um
material heterogêneo (os tratamentos), em partes atribuídas a causas conhecidas e independentes e a uma
A técnica da análise de variância é que nos permite fazer partições dos graus de liberdade (G.L.), e das
somas de quadrados (S.Q.), sendo que cada uma das partes nos proporciona uma estimativa de variância, ou
O esquema da análise de variância para um delineamento inteiramente casualizado (DIC), onde temos
duas causas de variação, que são os tratamentos (causa conhecida ou fator controlado) e o resíduo ou erro
(causa desconhecida, de natureza aleatória, que reflete o efeito dos fatores não controlados) será:
3. TESTES DE SIGNIFICÂNCIA
Um dos principais objetivos da Estatística é a tomada de decisões a respeito da população, com base na
observação de amostras retiradas dessa população, ou seja, dar informação para o todo, com base no
conhecimento de parte.
Entende-se por população o conjunto de elementos sobre os quais se deseja informação, e entende-se por
amostra qualquer subconjunto retirado da população.
Ao tentarmos tomar decisões, é conveniente a formulação de hipóteses relativas às populações. Essas
hipóteses, que podem ou não ser verdadeiras, são denominadas de hipóteses estatísticas.
39
Existem sempre duas hipóteses em questão, Por exemplo: quando comparamos duas variedades de milho
(A e B), para saber se uma variedade é melhor que a outra em relação a produção, primeiro formula-se a
hipótese de que não existem diferenças entre elas, isto é, que quaisquer diferenças observadas são devidas
exclusivamente aos fatores não controlados, ou de acaso (Erro Experimental). Em segundo formula-se a
hipótese que uma das variedades é melhor que a outra.
Essa hipótese inicial é denominada de hipótese de nulidade, ou H0, e a segunda é denominada de
hipótese alternativa, H1, ou HA.
Então temos:
Hipótese de nulidade (H0): As produções médias das variedades A e B de milho não diferem entre si, ou
seja, as diferenças observadas entre elas são devidas exclusivamente as variações não controladas, ou de acaso
(erro experimental).
Hipótese alternativa (H1 ou HA): Existe uma diferença entre as produções médias das variedades A e B
de milho, ou seja, as diferenças observadas entre elas não são devidas as variações não controladas, ou de
acaso (erro experimental), e sim porque uma das variedades tem, realmente, maior produção que a outra.
Quais seriam as hipóteses no caso do experimento com as amostras de Pinus?
Hipótese de nulidade (H0):
Os processos que nos permitem decidir se aceitamos, ou rejeitamos uma determinada hipótese são
denominados de testes de hipótese, ou testes de significância.
Porém, ao tomarmos a decisão de rejeitar ou aceitar uma hipótese, estamos sujeitos a incorrer em um
dos seguintes erros:
Erro Tipo I: é o erro que cometemos ao rejeitar uma hipótese verdadeira, que deveria ser aceita.
Erro Tipo II: é o erro que cometido ao aceitar uma hipótese falsa, que deveria ser rejeitada.
De um modo geral, controlamos apenas o Erro Tipo I, através do nível de significância do teste,
representado por (alfa) e que consiste na probabilidade máxima com que nos sujeitamos a correr o risco de
rejeitar uma hipótese verdadeira, ou seja, cometer um Erro do Tipo I, ao testarmos uma determinada hipótese.
Na prática, é comum fixarmos o nível de significância em 5% ou em 1%, isto é = 0,05 ou = 0,01.
Se for escolhido o nível de 5% ( = 0,05), isto indica que teremos 5 possibilidades em 100 de que rejeitemos
a hipótese quando ela deveria ser aceita, ou seja, existe uma confiança de 95% de que tenhamos tomado uma
decisão correta., o que é denominado de grau de confiança do teste e é representada por 1- , expressa em
porcentagem.
Para resumir o procedimento utilizado, vamos considerar o seguinte exemplo:
Queremos comparar 5 variedades de milho em relação a produção. O primeiro passo é estabelecer as
hipóteses estatísticas, que serão:
40
H0: As produções médias das cinco variedades de milho não diferem entre si.
HA: Existe pelo menos uma diferença entre as produções médias das cinco variedades de milho.
Os valores críticos de F são tabelados em função dos números de graus de liberdade (N1 e N2) das
estimativas de variâncias, a diferentes níveis de probabilidades, para obtermos os valores F devemos consultar
a tabela da seguinte maneira: (Para o exemplo das amostras de Pinus)
G.L. Trat’s = 4 (N1)
G.L. Erro = 20 (N2)
VALOR DE F AO NÍVEL DE SIGNIFICÂNCIA DE 5%
N1 = Números de graus de liberdade do numerador (G.L. Trat’s.)
N2 = Números de graus de liberdade do denominador (G.L. Res.)
N1
N2 1 2 3 4
1
2 :
3 :
: :
: :
20 .......... ...... ...... 2,87
Graficamente seria:
F tabelado
0 _____ _____ F
REGIÃO DE ACEITAÇÃO DE H0 (95%) REGIÃO DE REJEIÇÃO DE H0 (5%)
Para comparar a produtividade de quatro variedades de milho (A, B, C e D), um agrônomo escolheu
uma área homogênea de terreno, dividindo-a em 20 parcelas de 100m2, e fazendo o sorteio dos tratamentos (as
variedades de milho) para cada uma das parcelas.
Como a área escolhida é homogênea, não fazemos controle local, usa-se o delineamento inteiramente
casualizado, com quatro tratamentos (variedades) e cinco repetições, que terá o seguinte esquema de campo:
A C D C A
B D A B C
D A B D B
42
B C D C A
Obtido os resultados de produção das 4 variedades em Kg/100m 2, organizamos os dados, com os totais
de cada tratamento com suas respectivas médias, que foram:
A B C D
25 31 22 33
26 25 26 29
20 28 28 31
23 27 25 34
21 24 29 28
TOTAL 115 135 130 155
MÉDIA 23 27 26 31
2 , onde:
SQTotal = 2 -
N
2 = indica a soma dos quadrados dos dados a serem analisados.
= indica a soma desses dados.
N = o número de dados a serem analisados, (as 20 observações)
Onde o termo:
2 , é também chamado de correção e indicado pela letra C
N
Assim temos:
2 = (252 + 262 +...+282) = 14.587
= (25 + 26 + ...+ 28) = 535
2 = 286,225 20 = 14.311,25
N
S.Q. Total = 14.587 - 14.311,25
S.Q. Total =275,75
C = indicada a correção = (
2 )
N
Assim temos:
115 2 135 2 130 2 155 2
S.Q.Trat’s = 14.311,25
5
S.Q.Trat’s = 163,75
Para obtermos a soma de quadrados de resíduos (S.Q.Res.), ou a soma de quadrados do erro (S.Q.Erro)
subtraimos da S.Q.Total a S.Q.Trat’s. e assim temos:
S.Q.Res. = 275,75 - 163,75
S.Q.Res = 112,00
Os graus de liberdade para os tratamentos e para o total são respectivamente 3 e 19, pois temos 4
tratamentos (4-1) e 20 observações no total (20-1). Para obtermos o nº de graus de liberdade do resíduo,
fazemos a diferença entre os graus de liberdade para o total e os graus de liberdade para os tratamentos, e
obtemos (19 - 3) 16 graus de liberdade para o resíduo ou erro.
Obtido o valor de F pela análise de variância (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em função dos números de graus de liberdade dos tratamentos e do resíduo conforme o
exemplo abaixo:
VALOR DE F AO NÍVEL DE SIGNIFICÂNCIA DE 5%
N1 = Números de graus de liberdade do numerador (G.L. Trat’s.)
N2 = Números de graus de liberdade do denominador (G.L. Res.)
N1
N2 1 2 3 4 5
1
2 :
3 :
: :
: :
16 .......... ......... 3,24
Como Fc F (tabelado) (7,80 > 3,24) Aceita-se HA e rejeita-se H0,, ou seja, existe, pelo menos, uma
diferença significativa entre as produções médias das variedades de milho, ao nível de 5% de significância.
Em termos práticos, o agrônomo pode concluir, com 95% de confiança, que as variedades A,B,C e D
não têm, em média, a mesma produção.
44
Se o valor de F obtido pela análise de variância (F calculado) fosse menor do que F (tabelado),
aceitaríamos a hipótese H0 e rejeitaríamos a hipótese HA ,ou seja, concluiríamos que as produções médias das
variedades de milho não apresentam diferenças significativas entre si.
Em termos práticos, o agrônomo poderia concluir, com 95% de confiança, que as variedades A,B,C e D
são iguais, em relação a produtividade média.
1. Abaixo temos os teores médios de Ca na matéria seca da folha da laranjeira, em 4 épocas de amostragem:
TEORES DE Ca (em %)
3 MESES 9 MESES 15 MESES 21 MESES
2,93 2,54 2,52 1,56
3,65 3,32 3,25 1,57
3,95 3,21 3,17 1,85
4,19 3,27 3,07 2,09
Pede-se:
2. Os dados abaixo são as produções em Kg/parcela obtidas em um experimento, em DIC, com 4 tratamentos
e 3 repetições em feijão. Os tratamentos foram:
Pede-se:
Idem ao 1º Exercício.
3. Em um experimento foram comparadas 4 variedades de melão em relação a produção por parcela. Foi
utilizado o DIC com 6 repetições e os resultados em Kg/parcela foram:
VARIEDADES
A 25,12 17,25 26,42 16,08 22,15 15,92
B 40,25 35,25 31,98 36,52 43,32 37,10
C 18,30 22,60 25,90 15,05 11,42 23,68
D 28,05 28,55 33,20 31,68 30,32 27,58
Pede-se:
45
Idem ao 1º Exercício.
Q. M . Re s.
q , onde:
r
1. Colocamos as médias dos tratamentos em ordem crescente, ou decrescente, conforme for o nosso interesse
na maior, ou menor média.
2. Calculamos a estatística (delta).
3. Comparamos a diferença existente entre duas médias com a estatística (delta), e colocamos letras iguais
para aquelas médias cujo valor absoluto da diferença entre elas for menor do que a estatística (delta)
obtida.
Para o nosso exemplo temos:
1. Como estamos testando a produção médias das quatro variedades, é claro que estamos interessados na
maior média, então colocamos as médias em ordem decrescente.
VARIEDADES MÉDIAS
D 31
B 27
C 26
A 23
2. Calculo da estatística (delta), para isto recorremos a tabela de q em função do número de tratamentos e
do número de graus de liberdade do resíduo, ou erro (G.L. Res.), nível de 5% de significância.
I
N´ 1 2 3 4 5
1 :
2 :
3 :
: :
: :
16 .......... ......... .......... 4,05
Q. M . Re s. 7 ,00
q => = 4,05 => = 4,79 4,8
r 5
A estatística = 4,8 indica a diferença mínima significativa entre duas médias para que elas possam
ser consideradas iguais estatisticamente, ao nível de 5% de significância, então, quando a diferença entre duas
médias for maior que 4,8, elas serão consideradas diferentes entre si.
DMS =4,8 D B C A
D - 4,0 ns 5,0 * 8,0*
B - - 1,0 ns 4,0 ns
C - - - 3,0 ns
* = As médias são diferentes entre si.
ns = As médias são iguais entre si.
Obtidas as comparações, colocamos letras iguais para as médias consideradas iguais, e assim temos:
VARIEDADES MÉDIAS
D 31 a
B 27 a b
C 26 b
A 23 b
Médias seguidas de mesma letra não diferem entre si pelo teste de Tukey ao nível de 5% de
significância.
Pelo teste de Tukey podemos concluir que a variedade de milho que apresentou maior produtividade
média é a variedade D, sendo que a variedade B é estatisticamente igual a ela, porem a variedade B é também
igual as variedades C e A, que apresentaram desempenho inferior, desta maneira a variedade a ser escolhida
como a melhor é a D.
As hipóteses básicas que devemos admitir para a, validade da análise de variância são as seguintes:
A) Aditividade:
Os efeitos dos fatores que ocorrem no modelo matemático devem ser aditivos.
Nos experimentos, os vários efeitos devem ser aditivos, tanto é que para cada delineamento estatístico
existe um modelo matemático denominado modelo linear aditivo. Para o delineamento inteiramente
casualizado, o modelo é o visto acima, onde o valor de qualquer unidade experimental é resultante de uma
média geral, mais um efeito de tratamentos e mais um efeito do erro experimental.
B) Independência:
Os erros ou desvios eij devidos ao efeito de fatores não controlados, devem ser independentes.
Cada observação possui um erro que deve ser independente dos demais. O princípio da casualização
assegura a validade da estimativa do erro experimental, pois permite uma distribuição independente do
mesmo. A casualização evita que todas as parcelas que recebem o mesmo tratamento ocupem posições
adjacentes na área experimental, visto que as parcelas adjacentes, principalmente no campo, tendem a estar
mais relacionadas entre si do que as parcelas distribuídas aleatoriamente.
Isto implica em que os efeitos de tratamentos sejam independentes, que não haja correlação entre eles. E
isto pode não ocorrer quando os tratamentos são doses crescentes de adubos, inseticidas, fungicidas,
herbicidas etc., nestes casos a análise de variância deve ser feita estudado-se a regressão.
C) Normalidade:
Os erros ou desvios eij devidos ao feito de fatores não controlados, devem possuir uma distribuição
normal de probabilidades. Isto implica em que os dados experimentais se ajustem a uma distribuição normal
de probabilidades.
Na análise de variância o valor do Quadrado Médio do Erro, ou Resíduo, que corresponde à estimativa
da variância do erro experimental, é utilizado nas fórmulas matemáticas dos testes de hipóteses. Tais testes são
utilizados para verificar se existe ou não diferença significativa entre os tratamentos avaliados. O Quadrado
49
Médio do Erro nada mais é que a média das variâncias de cada tratamento (amostra). Assim sendo é
importante que as variâncias das diferentes amostras sejam homogêneas, de modo que os resultados obtidos
dos testes de hipóteses tenham validade.
Para verificar a homogeneidade de variância utilizamos o teste proposto por Hartley, chamado de teste
de Hartley ou teste da razão máxima.
O teste de Hartley é simples e rápido, porém apresenta menor precisão quando as amostras apresentam
Se Hc> H tabelado (1%) (**) concluímos que as variâncias são estatisticamente diferentes ao nível de
1% de probabilidade ou seja, não há homogeneidade de variâncias entre os grupos.
Se Hc < H tabelado (1%), recorre-se ao níveI de 5% de probabilidade;
Se Hc > H tabelado (5%), (*) concluímos que as variâncias são estatisticamente diferentes ao nível de
5% de probabilidade, ou seja, não há homogeneidade de variâncias entre os grupos.
Se Hc < H tabelado (5%) (ns) concluímos que as variâncias não diferem estatisticamente entre si ao
nível de 5% de probabilidade, ou seja, as variâncias entre os grupos são homogêneas.
Um exemplo:
Verificar se as variâncias são homogêneas pelo teste de Hartley os dados da tabela abaixo:
Peso de 20 capulhos, em gramas, de variedades de algodão herbáceo no município de Viçosa-AL. FERREIRA, 1977
50
s 2 max 149,60
Hc= = = 2,00
s 2 min 74,57
Como Hc < H tabelado (5%), (ns) concluímos que as variâncias não diferem estatisticamente entre si ao
nível de 5% de probabilidade, ou seja, as variâncias do peso de 20 capulhos de variedades de algodão
herbáceo são homogêneas.
Uma regra prática e rápida para verificar a homogeneidade de variâncias é que a relação entre a maior e
a menor delas não pode ser superior a mais de quatro vezes para que elas sejam homogêneas.
Quando as variâncias das diferentes amostras não são homogêneas, temos dois caminhos que podemos
seguir:
1º: Podemos separar as amostras em grupos, de modo que as variâncias dentro de cada grupo sejam
homogêneas. Assim, a análise de variância poderá ser efetuada para cada grupo.
2º: Podemos transformar os dados de tal forma que eles fiquem homogêneos. Este método é o mais
utilizado na prática.
3. TRANSFORMAÇÕES DE DADOS
Uma transformação é qualquer alteração sistemática num conjunto de dados onde certas
características são mudadas e outras permanecem inalteradas
Recomendável para dados expressos em porcentagens, que geralmente seguem uma distribuição
binomial. Existem tabelas apropriadas para essa transformação, nas quais entramos diretamente com a
porcentagem X e obtemos arc sen X / 100
Um exemplo:
Num experimento visando o controle do pulgão (Aphis gosypii Glover) em cultura de pepino, MACEDO
(1970) utilizou 6 repetições dos seguintes tratamentos:
A - Testemunha C - Supracid 4OCE dose 1 E - Diazinon 6OCE
B - Azinfós etílico D - Supracid 4OCE dose 2
REPETIÇÕES
TRAT. TOTAIS S² (1)*
1 2 3 4 5 6
A 2.370 1.687 2.592 2.283 2.910 3.020 14.862
B 1.282 1.527 871 1.025 825 920 6.450
C 562 321 636 317 485 842 3.163
D 173 127 132 150 129 227 938
E 193 71 82 62 96 44 548
Pede-se:
s 2 max
2) Teste de Hartley dos dados originais => Hc= =
s 2 min
REPETIÇÕES
TRAT. TOTAIS S² (1)*
1 2 3 4 5 6
A
B
C
D
E
s 2 max
Hc= =
s 2 min
1. INTRODUÇÃO
O delineamento em blocos casualizados (D.B.C.) é o mais comum dos delineamentos estatísticos, usado
praticamente para todos os tipos de experimentos, usa os princípios da repetição, casualização e controle
local, este tipo de delineamento é usado quando as condições experimentais forem heterogêneas, ou se houver
dúvidas quanto a sua homogeneidade.
53
Neste tipo de delineamento, pelo fato de ter-se o princípio do controle local, temos estimativas menos
elevadas do erro experimental do que no DIC, pois isolamos do erro as variações resultantes da
heterogeneidade das condições experimentais. Para que o experimento seja eficiente, cada bloco deverá ser o
mais uniforme possível, porém os blocos poderão diferir bastante entre eles, e quanto maior a diferença entre
os blocos, melhor para os resultados experimentais.
As situações em que devemos usar o DBC são várias, por exemplo: Se desejamos estudar a produção de
alguns híbridos de milho em um terreno com certa declividade, podemos formar os blocos no sentido das
curvas de nível, procurando ter todos os tratamentos, os híbridos de milho, em todas as faixas de fertilidade, se
o objetivo é a comparação destes híbridos em uma determinada região, devemos então espalhar os blocos por
toda a região de interesse.
Nos experimentos zootécnicos, cada bloco será constituído de animais de características semelhantes,
por exemplo: Se temos interesse em estudar rações para gado leiteiro, vamos formar os blocos com as vacas
de melhor produção, com as de produção média e com as de pior produção.
Até mesmo em casas de vegetação ou estufas, onde o ambiente é tido como homogêneo, o uso de blocos
pode ser feito para controlar diferenças de luminosidade, por exemplo.
No campo, é recomendável que os blocos se apresentem com uma forma aproximadamente quadrada,
embora muitas vezes eles sejam instalados de forma retangular ou irregular, para que possa apresentar
homogeneidade nas suas parcelas.
No que se refere à distribuição dos blocos no campo, eles podem ficar juntos ou ser espalhados por toda
a área em estudo. Porém, geralmente eles são colocados uns próximos aos outros, visando com isto uma maior
facilidade nos trabalhos de campo, durante a execução do experimento.
As principais características do DBC são:
Permite o controle de uma fonte de variação alem de tratamentos;
Cada faixa de parcelas deve ser o mais homogêneo possível, podendo variar de uma faixa para outra,
sendo que cada faixa recebe o nome de bloco;
Cada bloco deverá conter uma vez cada tratamento.
Já vimos que, para podermos efetuar a análise de variância em qualquer delineamento, devemos
pressupor um modelo matemático representativo do delineamento e aceitar algumas hipóteses básicas
necessárias para a validade da análise. No delineamento em blocos casualizados, controlamos uma causa de
variação a mais que no delineamento inteiramente casualizado, que são os blocos, de forma que o modelo
54
matemático deve espelhar este controle. Logo, para o delineamento em blocos casualizados, o modelo
matemático é:
Xij = m + ti + bj + eij i = 1, 2, 3, ..., i , j = 1, 2, 3, ..., j
Onde: Xij = valor observado na parcela que recebeu o tratamento i e se encontra no bloco j;
m = média da população;
ti = efeito devido ao tratamento i, que foi aplicado na parcela;
bj = efeito devido ao bloco j, em que se encontra a parcela;
eij = efeito dos fatores não controlados na parcela.
Pressuposto o modelo matemático do delineamento, as hipóteses básicas que devemos admitir para a
validade da análise de variância são as mesmas vistas no delineamento inteiramente casualizado.
Exemplo:
Suponha que temos um experimento com três tratamentos (A, B e C), com 4 repetições, o esquema de
campo seria:
I B A C II A B C
III C B A IV B C A
Dif
C = indicada a correção = (
2 )
N
55
Um exemplo: Um DBC foi realizado para se estudar o efeito do parcelamento da adubação nitrogenada
sobre diversas características morfológicas e fisiológicas do alho. Os dados relativos à altura da planta (em
cm) foram:
TRATAMENTOS
BLOCOS P1 P2 P3 TOTAIS
I 51,84 52,47 54,17 158,48
II 52,86 53,19 55,03 161,08
III 53,66 53,26 55,18 162,10
IV 54,19 54,38 56,04 164,61
V 54,06 56,14 56,69 166,89
TOTAIS 266,61 269,44 277,11 813,16
MÉDIAS 53,32 53,89 55,42 -
Os tratamentos foram:
P1 = 250 kg de sulfato de amônio no plantio;
P2 = 1/3 no plantio e 2/3 em cobertura 30 dias após;
P3 = 1/3 no plantio, 1/3 em cobertura 30 dias após e 1/3 em cobertura 60 dias após.
SQTotal = 2 -
2 , onde:
N
2 = indica a soma dos quadrados dos dados a serem analisados.
= indica a soma desses dados.
N = o número de dados a serem analisados, (as 15 observações)
Onde o termo:
2 , é também chamado de correção e indicado pela letra C
N
Assim temos:
C = indicada a correção = (
2
)
N
Assim temos:
56
C = indicada a correção = (
2
)
N
Assim temos:
Para obtermos a soma de quadrados de resíduos (S.Q.Res.), ou a soma de quadrados do erro (S.Q.Erro)
subtraimos da S.Q.Total a S.Q.Trat’s.e a S.Q.Blocos, e assim temos:
S.Q.Res. =
Obtido o valor de F pela análise de variância (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em função dos números de graus de liberdade dos tratamentos e do resíduo, conforme já
vimos, para o caso do bloco procedemos da mesma maneira, porém levando em conta o número de graus de
liberdade dos blocos.
A decisão que tomamos em relação aos blocos é semelhante a decisão que tomamos em relação aos
tratamentos, ou seja:
57
Fc F (tabelado) O teste não é significativo, ou seja, o controle local não foi efetivo.
Fc F (tabelado) O teste é significativo ou seja, o controle local foi efetivo.
Na prática quando o teste não é significativo, não se justificou o uso do controle local através dos
blocos. O experimento poderia ter sido feito em DIC.
Para o nosso exemplo o teste foi significativo, o controle local foi efetivo, ou seja existem diferenças
significativas entre os blocos, e neste caso justifica-se o uso do controle local.
BLOCOS
VARIEDADES I II III IV TOTAIS
1 94,0 80,6 98,5 91,0 364,1
2 95,7 83,2 75,5 69,4 323,8
3 96,5 93,4 81,6 86,8 358,3
4 57,0 46,5 70,2 42,2 215,9
5 77,0 52,4 59,0 47,9 236,3
TOTAIS 420,2 356,1 384,8 337,3 1498,4
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.
DOSES DE P2O5.
BLOCOS TOTAIS
0 25 50 75 100
I 8,38 7,15 10,07 9,55 9,14 44,29
II 5,77 9,78 9,73 8,95 10,17 44,40
III 4,90 9,99 7,92 10,24 9,75 42,80
58
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.