Escolar Documentos
Profissional Documentos
Cultura Documentos
TUTORIAL DO PROGRAMA
“STATISTIX 9”
RECIFE - PE
2013
2
SUMÁRIO
Assunto Pág.
1. Para inclusão dos valores da variável, basta digitar o valor (utilizar ponto para casas decimais – não
utilizar vírgula) e depois deslocar o cursor para a linha seguinte para um novo valor.
2. Uma forma alternativa de inclusão das variáveis e os dados é utilizar uma planilha Excel. Basta digitar
na primeira linha o nome da variável e nas linhas subseqüentes os valores.
DADOS
12.5
15.4
6.0
18.7
20.2
25.1
2.9
26.0
45.3
9.6
Situação: Em uma parcela experimental no campo, foram selecionadas ao acaso 12 plantas para
avaliação da severidade da doença (SEVER), sendo obtidos os seguintes resultados:
Variável Planta
1 2 3 4 5 6 7 8 9 10 11 12
SEVER 34,5 27,2 12,0 17,9 27,0 31,0 47,4 26,0 33,3 44,8 67,5 45,2
Questão: Qual a média, a variância, o desvio padrão, o erro padrão da média e o coeficiente de variação
dos dados de severidade observados?
Planilha Excel:
1. Incluir o nome da variável (SEVER) e os respectivos valores, utilizando ponto para casas decimais (não
utilizar vírgula).
SEVER
34.5
27.2
12.0
17.9
27.0
31.0
47.4
26.0
33.3
44.8
67.5
45.2
Descriptive Statistics
SEVER
Mean 34.483
SD 14.934
Variance 223.03
SE Mean 4.3111
C.V. 43.308
Esse resultado poderá ser salvo, clicando em File → Save as → nomear o arquivo (02ESTDESC).
Alternativamente, o resultado poderá ser salvo pela seleção com o mouse e clicando no lado direito do
mouse, sendo selecionada a opção copy. O resultado copiado poderá ser colado em qualquer arquivo
escolhido.
6
156 24 554.300
88 54 32.450
65 31 12.200
0 43 34.650
87 56 456.700
156 21 54.000
89 38 1.345.000
232 67 43.120
0 17 467.400
112 21 43.420
Questões:
- Será que os dados das diferentes variáveis apresentam distribuição normal?
- Se não possuam distribuição normal, qual a transformação de dados adequada para cada variável?
Planilha Excel:
1. Incluir as variáveis (NCF, SEV e CES) e os valores observados para a variável, sendo que nestes deve
ser utilizado ponto para casas decimais (não utilizar vírgula).
Variable N W P
CES 10 0.7176 0.0014
NCF 10 0.9426 0.5818
SEV 10 0.9205 0.3612
Conclusão Parcial:
Os dados das variáveis NCF e SEV apresentaram distribuição normal, pois os valores de probabilidade
foram maiores de 0,05 (P>0,05), enquanto os dados da variável CES não apresentou normalidade, pois o
valor de probabilidade foi menor que 0,05 (P≤0,05).
Portanto, há necessidade de efetuar a transformação dos dados de CES e verificar o atendimento ao
pressuposto da normalidade.
Utilizar as transformações clássicas, conforme abaixo:
- Arcsen (raiz(x/100)) = arco seno da raiz quadrada do valor de “x” dividido por 100.
- Log(x+1) = logaritmo do valor de “x + 1”
- Sqrt(x+0.5) = raiz quadrada do valor de “x + 0.5”
Variable N W P
CES 10 0.7176 0.0014
LCES 10 0.8792 0.1277
RCES 10 0.8126 0.0206
Conclusão Final:
A transformação ARCSEN não permitiu a transformação de todos os dados e a transformação RAIZ não
propiciou o atendimento ao pressuposto de normalidade dos dados pelo teste de Shapiro-Wilk (P≤0,05).
Por outro lado, a transformação LOG permitiu a transformação de todos os dados e propiciou o
atendimento ao pressuposto da normalidade dos dados pelo teste de Shapiro-Wilk (P>0,05). A
transformação LOG foi a mais consistente e deve ser utilizada na análise de variância.
9
Situação: Considere o aumento do peso de túberas de inhame após a aplicação do fungicida B para o
controle da queima das folhas, causada por Curvularia eragrostidis. Os dados apresentados correspondem
ao ganho de peso em 5 túberas, em gramas (g), na época da colheita.
35 49 51 43 27
Suponhamos que, após vários anos de experiência, sabemos que a média de ganho de peso pelas túberas
com a aplicação do fungicida A, utilizado tradicionalmente pelos agricultores, é de 27,8 g
Questão: Será que a média de ganho de peso das túberas de inhame com a aplicação do fungicida B
difere do obtido tradicionalmente pelos agricultores com o fungicida A?
Planilha Excel:
1. Incluir os valores observados com o fungicida B (FUNGB), sendo que deve ser utilizado ponto para
casas decimais (não utilizar vírgula).
FUNGB
35
49
51
43
27
Variable N W P
FUNGB 5 0.9342 0.6250
Conclusão Parcial:
Os dados da variável FUNGB apresentaram normalidade, pois o valor de probabilidade foi superior a 0,05
(P>0,05). Portanto, os dados originais deverão ser utilizados no teste T.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → One-Sample T Test.
2. Selecionar (clicar sobre) a variável (FUNGB) e transferir para a janela Sample Variables.
3. Na janela Null Hypothesis, digitar o valor observado com o fungicida A (27.8).
4. Clicar em OK.
5. Será gerado o resultado do teste T para uma amostra:
One-Sample T Test
Conclusão:
O ganho de peso das túberas de inhame com a aplicação do fungicida B (41,0) diferiu significativamente
(P=0,0419) do obtido tradicionalmente pelos agricultores com o fungicida A (27,8). Ou seja, o ganho de
peso das túberas de inhame propiciado pela aplicação do fungicida B foi significativamente superior ao
obtido tradicionalmente pelos agricultores com o fungicida A.
11
Situação: Um experimento foi conduzido para analisar o efeito da aplicação de determinado bactericida
sobre a produção de repolho atacada pela podridão negra, causada por Xanthomonas campestris pv.
campestris. Um campo foi dividido em 10 blocos de mesma área e cada bloco foi dividido em duas parcelas
iguais, totalizando 10 pares de parcelas. Uma parcela de cada par foi sorteada para receber a aplicação do
bactericida (TRATA), enquanto na outra parcela do par não foi efetuada a aplicação (NTRAT). Os
resultados são mostrados abaixo.
Questão: Será que há diferença entre as médias de produção de repolho das parcelas tratadas e não
tratadas com o bactericida para controle da podridão negra?
Planilha Excel:
1. Incluir os blocos (BLOCO) e os tratamentos (NTRAT e TRAT), sendo que nestes deve ser utilizado ponto
para casas decimais (não utilizar vírgula).
Variable N W P
NTRAT 10 0.8784 0.1250
TRATA 10 0.9253 0.4037
Conclusão Parcial:
Os dados das variáveis NTRAT e TRAT apresentaram normalidade, pois os valores de probabilidade foram
superiores a 0,05 (P>0,05). Portanto, os dados originais deverão ser utilizados no teste T.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Paired T Test.
2. Selecionar (clicar sobre) as variáveis (TRAT e NTRAT) e transferir para a janela Sample Variables.
3. Clicar em OK.
4. Será gerado o resultado do teste T para amostras dependentes:
Mean -37.210
Std Error 4.8732
Mean - H0 -37.210
Lower 95% CI -48.234
Upper 95% CI -26.186
T -7.64
DF 9
P 0.0000
Conclusão:
A diferença (37,21) de produção de repolho entre a parcela Tratada (204,13) e Não Tratada (166,92) com
o fungicida foi significativa (P≤0,05). Ou seja, a produção de repolho na parcela Tratada com bactericida
foi significativamente superior à da parcela Não Tratada.
13
Situação: A produtividade média de massa verde (t/ha) de duas cultivares (CA e CB) de sorgo forrageiro
atacadas pela antracnose é apresentada a seguir:
CA CB
57,8 64,2
56,2 58,7
61,9 63,1
54,4 62,5
53,6 59,8
56,4 59,2
53,2 -
Questão: Será que as duas cultivares de sorgo forrageiro (CA e CB) são igualmente produtivas quando
atacadas pela antracnose?
Planilha Excel:
1. Incluir os tratamentos (TRAT), repetições (REP) e a variável avaliada (PROD), sendo que nesta deve
ser utilizado ponto para casas decimais (não utilizar vírgula).
Variable N W P
PROD 13 0.9506 0.6072
Conclusão Parcial:
Os dados da variável PROD apresentaram normalidade, pois o valor de probabilidade foi superior a 0,05
(P>0,05). Portanto, os dados originais deverão ser utilizados no teste T.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Two-Sample T Test
2. Selecionar (clicar sobre) a variável dependente (PROD) e transferir para a janela Dependent
Variables.
3. Selecionar (clicar sobre) a variável independente (TRAT) e transferir para a janela Categorical
Variable.
4. Clicar em OK.
5. Será gerado o resultado do teste T para amostras independentes:
TRAT N Mean SD SE
1 7 56.214 3.0025 1.1348
2 6 61.250 2.3020 0.9398
Difference -5.0357 2.7066 1.5058
Homogeneity of Variances DF F P
Folded F Test 6,5 1.70 0,2882
Conclusão:
15
A diferença na produtividade entre as cultivares CA (56,21) e CB (61,25) foi significativa (P=0,0065). Ou
seja, a produtividade média de massa verde (t/ha) da cultivar CB de sorgo forrageiro atacada pela
antracnose foi significativamente superior à da cultivar CA.
16
ANÁLISE DE VARIÂNCIA
Situação: A incidência (%) de determinada doença radicular foi avaliada em quatro cultivares de feijoeiro,
apresentando os seguintes resultados:
Questão: Será que existe diferença significativa na incidência da doença radicular entre as cultivares de
feijoeiro?
Planilha Excel:
Source DF SS MS F P
TRAT 3 4325.8 1441.92 2.33 0.1133
Error 16 9913.2 619.58
Total 19 14239.0
Homogeneity of Variances F P
Levene's Test 5.17 0.0109
O'Brien's Test 3.80 0.0312
Brown and Forsythe Test 1.45 0.2657
TRAT Mean
CULTA 27.600
CULTB 60.200
CULTC 23.000
CULTD 29.400
Observations per Mean 5
Standard Error of a Mean 11.132
Std Error (Diff of 2 Means) 15.743
Conclusão Parcial:
Pelo Teste de Levene, a hipótese de nulidade de homogeneidade das variâncias é rejeitada, pois o
valor da probabilidade (P) do teste F é de 0,0109 (P≤0,05). Portanto, os dados da variável INCID não
apresentam homogeneidade nas variâncias, sendo necessário efetuar a transformação dos dados e
verificar o atendimento ao pressuposto da homogeneidade das variâncias.
18
Utilizar as transformações clássicas, conforme abaixo:
- Arcsen (raiz(x/100)) = arco seno da raiz quadrada do valor de “x” dividido por 100.
- Log(x+1) = logaritmo do valor de “x + 1”
- Sqrt(x+0.5) = raiz quadrada do valor de “x + 0.5”
Source DF SS MS F P
TRAT 3 0.60343 0.20114 2.41 0.1048
Error 16 1.33457 0.08341
Total 19 1.93800
Homogeneity of Variances F P
Levene's Test 4.94 0.0129
O'Brien's Test 3.63 0.0359
Brown and Forsythe Test 1.82 0.1837
TRAT Mean
CULTA 0.5328
CULTB 0.9239
CULTC 0.4923
CULTD 0.5525
Observations per Mean 5
Standard Error of a Mean 0.1292
19
Std Error (Diff of 2 Means) 0.1827
Source DF SS MS F P
TRAT 3 0.40440 0.13480 1.42 0.2741
Error 16 1.52074 0.09505
Total 19 1.92514
Homogeneity of Variances F P
Levene's Test 1.11 0.3753
O'Brien's Test 0.81 0.5051
Brown and Forsythe Test 0.35 0.7893
TRAT Mean
CULTA 1.3642
CULTB 1.6910
CULTC 1.3468
CULTD 1.3801
Observations per Mean 5
Standard Error of a Mean 0.1379
Std Error (Diff of 2 Means) 0.1950
Source DF SS MS F P
TRAT 3 22.5114 7.50380 1.85 0.1788
Error 16 64.9033 4.05646
Total 19 87.4147
Homogeneity of Variances F P
Levene's Test 2.71 0.0796
O'Brien's Test 1.99 0.1558
Brown and Forsythe Test 0.73 0.5478
TRAT Mean
CULTA 5.0263
CULTB 7.4044
CULTC 4.7533
CULTD 5.1513
Observations per Mean 5
Standard Error of a Mean 0.9007
Std Error (Diff of 2 Means) 1.2738
20
Conclusão Final:
Pelo Teste de Levene, os dados transformados em LOG (LINCI) e RAIZ (RINCID) apresentaram
homogeneidade das variâncias (P>0,05), podendo ser utilizados na análise de variância. No entanto, a
transformação LOG propiciou valores mais elevados de probabilidade (P=0,3753) que a transformação
RAIZ (P=0,0796), devendo ser preferida a utilização dos dados transformados em LOG na análise de
variância.
Pelos resultados da análise de variância com os dados transformados em LOG, não existe diferença
significativa (Teste F: P>0,05) na incidência da doença radicular entre as quatro cultivares de feijoeiro.
Uma possível causa de não ter sido detectada diferença entre os tratamentos, mesmo com valores
variando entre 23,0% (Cultivar C) e 60,2% (Cultivar B), é a grande variância dos dados, ou seja, entre as
repetições de um mesmo tratamento. O elevado valor do coeficiente de variação (CV = 21,33%), mesmo
após a transformação dos dados, é um indicativo de que a variância foi grande.
21
COMPARAÇÃO DE MÉDIAS
Situação: O tamanho médio das lesões (TML) em frutos de manga inoculados com Lasiodiplodia
theobromae, considerando o tratamento com oito fungicidas (A-H) e quatro repetições, sendo cada
repetição representada por um fruto inoculado, são apresentados a seguir:
Questão: Será que existe diferença significativa no tamanho das lesões (TML) em frutos de manga
inoculados com L. theobromae?
Planilha Excel:
1. Incluir os tratamentos (FUNG), as repetições (REP) e os valores observados para a variável (TML),
sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Source DF SS MS F P
FUNG 7 6895.37 985.054 37.02 0.0000
Error 24 638.65 26.610
Total 31 7534.02
Homogeneity of Variances F P
Levene's Test 1.86 0.1220
O'Brien's Test 1.19 0.3462
Brown and Forsythe Test 1.00 0.4552
FUNG Mean
A 11.550
B 29.125
C 19.475
D 48.725
E 20.850
F 31.725
G 17.325
H 56.025
Observations per Mean 4
23
Standard Error of a Mean 2.5793
Std Error (Diff of 2 Means) 3.6476
Conclusão Parcial:
Pelo Teste de Levene, os dados da variável TML apresentaram homogeneidade das variâncias (P>0,05),
podendo ser utilizados na análise de variância.
Pela análise de variância utilizando os dados de TML, existe diferença significativa (P<0,05) entre os
fungicidas quanto ao tamanho das lesões. Portanto, o próximo passo é efetuar a comparação dos
tratamentos, por um dos seguintes testes de comparação de médias:
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
3. Clicar em OK.
4. Será gerado o resultado da comparação de médias:
Conclusão Final:
Os fungicidas “Ä” e “G” foram o mais eficientes na redução dos tamanhos das lesões causadas por L.
theobromae em manga, enquanto os fungicidas H e D foram os menos eficientes.
Na apresentação dos resultados a tabela deverá conter os dados originais, havendo indicação no
rodapé da mesma que os dados foram transformados para a análise estatística, quando esse procedimento
for efetuado.
24
Tabela - Tamanho médio de lesões em frutos de manga inoculados com Lasiodiplodia theobromae e
tratados com fungicidas.
*Média de quatro repetições. Médias seguidas pela mesma letra não diferem significativamente
entre si pelo teste de Fisher DMS (P=0,05).
25
Questão: Será que existe diferença significativa na área lesionada (ALE) em frutos de meloeiro inoculados
com M. roridum pelos diferentes métodos?
Planilha Excel:
1. Incluir os tratamentos (METOD), as repetições (REP) e os valores observados para a variável (ALE),
sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Source DF SS MS F P
METOD 4 308048 77012.1 74.89 0.0000
Error 20 20568 1028.4
Total 24 328616
Homogeneity of Variances F P
Levene's Test 2.08 0.1218
O'Brien's Test 1.53 0.2325
Brown and Forsythe Test 1.28 0.3101
METOD Mean
FER+GOTA 267.00
FER+PULV 204.20
GOTA 4.40
INJECAO 235.20
PULV 21.20
Observations per Mean 5
Standard Error of a Mean 14.341
Std Error (Diff of 2 Means) 20.282
Conclusão Parcial:
Pelo Teste de Levene, os dados da variável ALE apresentaram homogeneidade das variâncias (P>0,05),
podendo ser utilizados na análise de variância.
Pela análise de variância utilizando os dados de ALE, existe diferença significativa (P≤0,05) entre os
métodos de inoculação quanto ao tamanho das lesões. Portanto, o próximo passo é efetuar a comparação
dos tratamentos, por um dos seguintes testes de comparação de médias:
- Tukey HSD (Diferença Altamente Significativa)
- LSD (Diferença Mínima Significativa)
27
Comparação de Médias - Procedimento STATISTIX 9.0:
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
3. Clicar em OK.
4. Será gerado o resultado da comparação de médias:
Conclusão:
Os métodos de inoculação de ferimento+gota e injeção foram significativamente (P≤0,05) mais eficientes
na indução das lesões causadas por M. roridum em melão, enquanto os métodos de pulverização e gotas,
ambos sem ferimento, foram os menos eficientes.
*Média de cinco repetições. Médias seguidas pela mesma letra não diferem significativamente entre
si pelo teste de DMS (P=0,05).
28
Questão: Será que existe diferença significativa na severidade da cercosporiose entre as cultivares de
caupi?
Planilha Excel:
1. Incluir os tratamentos (CULT), os blocos (BLOC) e os valores observados para a variável (SEV), sendo
que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Source DF SS MS F P
BLOC 3 18.0 6.01
CULT 7 10390.2 1484.31 66.79 0.0000
Error 21 466.7 22.22
Total 31
CULT Mean
BR-17 20.650
GUARIBA 60.825
IPA-206 29.225
IPA-207 54.400
MARATAOA 27.700
MILENIO 20.325
OLHO POMBA 12.200
30
PARAGUACU 57.975
Observations per Mean 4
Standard Error of a Mean 2.3570
Std Error (Diff of 2 Means) 3.3334
Conclusão Parcial:
Pelo Teste de Tukey para Não-Aditividade, foi atendido o pressuposto da análise de variância de
aditividade do modelo (P>0,05), motivo pelo qual a análise de variância dever ser realizada com os dados
originais.
Pela análise de variância utilizando os dados de SEV originais, existe diferença significativa (P≤0,05) entre
as cultivares de caupi quanto à severidade da cercosporiose. Portanto, o próximo passo é efetuar a
comparação dos tratamentos, por um seguintes testes de comparação de médias:
- Tukey HSD (Diferença Altamente Significativa)
- LSD (Diferença Mínima Significativa)
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
3. Clicar em OK.
4. Será gerado o resultado da comparação de médias:
Conclusão Final:
A cultivar de caupi Olho de Pomba apresentou o menor nível de severidade da cercosporiose, diferindo
significativamente (P≤0,05) das demais cultivares. As cultivares Guariba, Paraguaçu e IPA-207
apresentaram os maiores níveis de severidade da doença, diferindo das demais cultivares.
31
*Média de quatro repetições. Médias seguidas pela mesma letra não diferem significativamente entre si
pelo teste de DMS (P=0,05).
32
ARRANJO FATORIAL
DELINEAMENTO INTEIRAMENTE CASUALIZADO COM DOIS FATORES
Situação: Foi avaliada a influência de quatro meios de cultura e dois tipos de luz no crescimento micelial
de Colletotrichum gloeosporioides em câmara tipo BOD, com quatro repetições, sendo cada repetição
representada por uma placa de Petri. Os resultados são apresentados a seguir:
Questão: Será que existe diferença significativa no crescimento micelial de C. gloeosporiodes sob a
influência de diferentes meios de cultura e tipos de luz?
Planilha Excel:
1. Incluir os tratamentos (MEIO e LUZ), as repetições (REP) e os valores observados para a variável
(CML), sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Source DF SS MS F P
MEIO 3 192.75 64.25 2.19 0.1153
LUZ 1 1512.50 1512.50 51.56 0.0000
MEIO*LUZ 3 6078.75 2026.25 69.08 0.0000
Error 24 704.00 29.33
Total 31
Conclusão Parcial:
Pela análise de variância, não houve influência significativa (P>0,05) dos meios de cultura no crescimento
micelial de C. gloeosporioides, mas a diferença foi significativa entre os tipos de luz (P≤0,05) e a interação
meios x luz foi significativa (P≤0,05). Isso indica que os fatores isolados, apesar de serem significativos,
não explicam sozinhos o fenômeno.
Como a interação em maior nível foi significativa (meios x luz), os fatores isolados não devem ser
considerados. Portanto, o próximo passo é efetuar a comparação dos tratamentos (interação), por um
seguintes testes de comparação de médias:
- Tukey HSD (Diferença Altamente Significativa)
- LSD (Diferença Mínima Significativa)
34
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) sobre o termo do modelo (Terms in Model) a ser comparado, no caso a interação
MEIO*LUZ e transferir para a janela Terms Selected for Mean Comparisons.
3. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
4. Selecionar o Report Format → Triangular matrix.
5. Clicar em OK.
6. Será gerado o resultado da comparação de médias:
Procedimento importante:
Montar uma tabela de resultados com as combinações entre os fatores Meio*Luz, indicando a comparação
das médias nas colunas (letras minúsculas) e nas linhas (letras maiúsculas), baseado no valor crítico de
comparação e a significância (*) das diferenças. Sempre efetuar as comparações dos valores maiores para
os menores, na coluna e na linha, separadamente.
Meio Luz
Branca Negra
Aveia 26,75 cB 55,25 bA
35
BDA 24,50 cB 67,25 aA
Cenoura 58,25 aA 27,50 cB
Sabouraud 40,00 bB 54,50 bA
Meio Luz
Branca Negra
Aveia 26,75 cB 55,25 bA
BDA 24,50 cB 67,25 aA
Cenoura 58,25 aA 27,50 cB
Sabouraud 40,00 bB 54,50 bA
C.V. (%) = 12,2
*Média de quatro repetições. Médias seguidas pela mesma letra minúscula na coluna e maiúscula na linha
não diferem significativamente entre si pelo teste de DMS (P=0,05).
Conclusão:
Nos meios de cultura de aveia, BDA e Sabouraud, a luz negra propiciou crescimento micelia de C.
gloesporioides significativamente (P≤0,05) superior ao observado na luz branco, enquanto no meio de
cenoura foi constatado maior crescimento na luz branca.
Quando incubado sob luz branca, o meio de cenoura propiciou o maior crescimento micelial, enquanto os
menores crescimentos foram constatados nos meios de aveia e BDA.
Na incubação em luz negra, o maior crescimento micelial foi verificado no meio BDA, enquanto o menor
crescimento no meio de cenoura, diferindo significativamente entre si e dos demais.
36
ARRANJO FATORIAL
DELINEAMENTO DE BLOCOS AO ACASO COM DOIS FATORES
Situação: Foi avaliada a influência de quatro meios de cultura e dois tipos de luz no crescimento micelial
de Colletotrichum gloeosporioides em câmara tipo BOD, com quatro blocos. Os resultados são
apresentados a seguir:
Questão: Será que existe diferença significativa no crescimento micelial de C. gloeosporiodes sob a
influência de diferentes meios de cultura e tipos de luz?
Planilha Excel:
1. Incluir os tratamentos (MEIO e LUZ), os blocos (BLO) e os valores observados para a variável (CML),
sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Source DF SS MS F P
BLO 3 109.25 36.42
MEIO 3 192.75 64.25 2.27 0.1102
LUZ 1 1512.50 1512.50 53.40 0.0000
MEIO*LUZ 3 6078.75 2026.25 71.54 0.0000
Error 21 594.75 28.32
Total 31
Conclusão Parcial:
Pela análise de variância, não houve influência significativa (P>0,05) dos meios de cultura no crescimento
micelial de C. gloeosporioides, mas a diferença foi significativa entre os tipos de luz (P≤0,05) e a interação
meios x luz foi significativa (P≤0,05).
Como a interação em maior nível foi significativa (meios x luz), os fatores isolados não devem ser
considerados. Portanto, o próximo passo é efetuar a comparação dos tratamentos (interação), por um
seguintes testes de comparação de médias:
- Tukey HSD (Diferença Altamente Significativa)
- LSD (Diferença Mínima Significativa)
38
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) sobre o termo do modelo (Terms in Model) a ser comparado, no caso a interação
MEIO*LUZ e transferir para a janela Terms Selected for Mean Comparisons.
3. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
4. Selecionar o Report Format → Triangular matrix.
5. Clicar em OK.
6. Será gerado o resultado da comparação de médias:
Procedimento importante:
Montar uma tabela de resultados com as combinações entre os fatores Meio*Luz, indicando a comparação
das médias nas colunas (letras minúsculas) e nas linhas (letras maiúsculas), baseado no valor crítico de
comparação e a significância (*) das diferenças. Sempre efetuar as comparações dos valores maiores para
os menores, na coluna e na linha, separadamente.
39
Meio Luz
Branca Negra
Aveia 26,75 cB 55,25 bA
BDA 24,50 cB 67,25 aA
Cenoura 58,25 aA 27,50 cB
Sabouraud 40,00 bB 54,50 bA
Meio Luz
Branca Negra
Aveia 26,75 cB 55,25 bA
BDA 24,50 cB 67,25 aA
Cenoura 58,25 aA 27,50 cB
Sabouraud 40,00 bB 54,50 bA
C.V. (%) = 12,2
*Média de quatro repetições. Médias seguidas pela mesma letra minúscula na coluna e maiúscula na linha
não diferem significativamente entre si pelo teste de Fisher DMS (P=0,05).
Conclusão Final:
Nos meios de cultura de aveia, BDA e Sabouraud, a luz negra propiciou crescimento micelia de C.
gloesporioides significativamente (P≤0,05) superior ao observado na luz branco, enquanto no meio de
cenoura foi constatado maior crescimento na luz branca.
Quando incubado sob luz branca, o meio de cenoura propiciou o maior crescimento micelial, enquanto os
menores crescimentos foram constatados nos meios de aveia e BDA.
Na incubação em luz negra, o maior crescimento micelial foi verificado no meio BDA, enquanto o menor
crescimento no meio de cenoura, diferindo significativamente entre si e dos demais.
40
PARCELA SUBDIVIDIDA
DELINEAMENTO DE BLOCOS AO ACASO
Situação: Foi avaliada a influência de três níveis de adubação (AD-1, AD-2, AD-3) e dois espaçamentos
(ES-1, ES-2) de plantio da couve-chinesa na severidade da alternariose (Alternaria brassicae), com quatro
blocos. Os resultados são apresentados a seguir:
Planilha Excel:
1. Incluir os tratamentos (ADUB e ESPA), as repetições (BLOCO) e os valores observados para a variável
(SEV), sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
Source DF SS MS F P
BLOCO 3 2352.00 784.00
ADUB 2 1792.00 896.00 16.80 0.0035
Error BLOCO*ADUB 6 320.00 53.33
ESPA 1 1944.00 1944.00 306.95 0.0000
ADUB*ESPA 2 127.00 63.50 10.03 0.0051
Error BLOCO*ADUB*ESPA 9 57.00 6.33
Total 23
Conclusão Parcial:
Pela análise de variância, houve influência significativa dos níveis de adubação (P≤0,05) e dos
espaçamentos (P≤0,05) na severidade da alternariose. No entanto, como a interação adubação x
espaçamento foi significativa (P≤0,05), os fatores separadamente não explicam a severidade da doença.
Portanto, o próximo passo é efetuar a comparação dos tratamentos (interação), por um seguintes testes
de comparação de médias:
- Tukey HSD (Diferença Altamente Significativa)
- LSD (Diferença Mínima Significativa)
42
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Selecionar (clicar) sobre o termo do modelo (Terms in Model) a ser comparado, no caso a interação
ADUB*ESPA e transferir para a janela Terms Selected for Mean Comparisons.
3. Selecionar (clicar) no método de comparação de média selecionado (Tukey HSD ou LSD).
4. Selecionar o Report Format → Triangular matrix.
5. Clicar em OK.
6. Será gerado o resultado da comparação de médias:
Procedimento importante:
O valor crítico de comparação entre os espaçamentos num mesmo nível de adubação é 4,0255 e o valor
crítico da comparação entre os níveis de adubação num mesmo espaçamento é 9,3747.
Montar uma tabela de resultados com as combinações entre os fatores Adubação*Espaçamento, indicando
a comparação das médias nas colunas (letras minúsculas) e nas linhas (letras maiúsculas), baseado no
valor crítico de comparação e a significância (*) das diferenças. Sempre efetuar as comparações dos
valores maiores para os menores, na coluna e na linha, separadamente.
Adubação Espaçamento
ES-1 ES-2
AD-1 56,25 bA 41,75 bB
AD-2 81,25 aA 56,75 aB
AD-3 72,50 aA 57,50 aB
43
Adubação Espaçamento
ES-1 ES-2
AD-1 56,25 bA 41,75 bB
AD-2 81,25 aA 56,75 aB
AD-3 72,50 aA 57,50 aB
C.V. (%) = 4,1
*Média de quatro repetições. Médias seguidas pela mesma letra minúscula na coluna e maiúscula na linha
não diferem significativamente entre si pelo teste de Fisher DMS (P≤0,05).
Conclusão Final:
Nos três níveis de adubação a severidade da alternariose foi significativamente (P≤0,05) superior no
espaçamento ES-1.
Nos dois espaçamentos o nível de adubação AD-1 propiciou os menores valores de severidade da
alternariose, enquanto nos níveis AD-2 e AD-3 foram constatados valores similares de severidade.
44
CORRELAÇÃO SIMPLES
Planilha Excel:
1. Incluir o tratamento (AREA), as variáveis (PFS, PFN e IDP) e os valores observados para cada, sendo
que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
Correlations (Pearson)
IDP PFN
PFN -0,3855
P-VALUE 0,0570
Tabela – Correlação entre a primeira folha com sintomas (PFS), primeira folha necrosada (PFN) e índice
de doença na planta (IDP) da Sigatoka-amarela da bananeira no Vale do Siriji (Pernambuco), quando
consideradas 25 áreas de plantio.
Conclusão:
Houve correlação positiva significativa (P≤0,05) entre PFS e PFN (r = 0,80 ou r = 79,7%), bem como
correlação negativa significativa (P≤0,05) entre PFS e IDP (r = -0,48 ou r = -47,9%) e entre PFN e IDP (r
= -0,39 ou r = -38,6%).
46
Situação: Os dados abaixo se referem à severidade (SEVER) de uma doença foliar em diferentes períodos
de tempo (TEMPO) após o plantio, em dias. Efetuar a análise regressão linear simples (y = a + bx),
mostrando o quadro de análise de variância, a equação resultante, o coeficiente de determinação e o
gráfico:
TEMPO 15 30 45 60 75 90 105
SEVER 8 21 34 51 68 75 96
Planilha Excel:
1. Incluir as variáveis (TEMPO e SEVER) e os valores observados para as variáveis, sendo que nestes deve
ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
TEMPO SEVER
26 8
30 21
44 34
50 51
62 68
68 75
74 96
Predictor
47
Variables Coefficient Std Error T P
Constant -34.5818 5.83024 -5,93 0,0019
TEMPO 1.68100 0.10919 15,39 0,0000
Source DF SS MS F P
Regression 1 5803.28 5803.28 236,99 0,0000
Residual 5 122.44 24.49
Total 6 5925.71
Conclusão 1:
A regressão linear simples (y = a + bx) foi significativa (P≤0,05), ou seja, os níveis de SEVERIDADE
podem ser explicados pelas variações no TEMPO. Além disso, os parâmetros da regressão (Pa (Constant)
= 0,0019 e Pb (TEMPO) = 0,0000) também foram significativos (P≤0,05). O coeficiente de determinação
foi elevado (R2 = 0,9793 ou 97,9%). A equação de regressão é: SEVER = -34,58 + 1,68*TEMPO.
80
SEVER
60
40
20
0
26 34 42 50 58 66 74
TEMPO
SEVER = -34.582 + 1.6810 * TEMPO
Observação: o gráfico poderá ser editado, basta clicar com a parte direita do mouse sobre o gráfico
gerado.
48
Conclusão 2:
Com esse modelo, pode ser estimada com precisão qual seria a severidade da doença em determinado
tempo. Como exemplo, qual seria a severidade da doença aos 53 dias após o plantio?
Conclusão 2:
Utilizando o modelo de regressão linear simples (SEVER = -34,58 + 1,68*TEMPO), aos 53 dias após o
plantio a severidade da doença será de 54,51%.
49
Situação: Os dados abaixo se referem à severidade (SEVER) de uma doença foliar em diferentes períodos
de tempo (TEMPO) após o plantio, em dias, em duas cultivares. Comparar as curvas de regressão linear
simples (y = a + bx) resultantes para as duas cultivares.
Tempo Severidade
Cultivar A Cultivar B
15 8 2
30 21 11
45 34 17
60 51 26
75 68 35
90 75 41
105 96 52
Planilha Excel:
1. Incluir as variáveis (CULTIVAR, TEMPO e SEVER) e os valores observados para as variáveis, sendo que
nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
2. Na planilha Excel, selecionar as colunas contendo os dados para a análise de regressão (CULTIVAR,
TEMPO e SEVER).
3. Copiar a parte selecionada.
50
Statistix 9.0
Predictor
Variables Coefficient Std Error T P
Constant -6.92857 8.88322 -0.78 0.4505
TEMPO 0.75476 0.13242 5.70 0.0001
Source DF SS MS F P
Regression 1 7177.79 7177.79 32.49 0.0001
Residual 12 2651.43 220.95
Total 13 9829.21
Statistix 9.0
F DF P
Equality of Variances 5.65 5, 5 0.0402
Comparison of Slopes 124.15 1, 10 0.0000
Comparison of Elevations 36.71 1, 11 0.0001
Conclusão:
51
Houve diferença significativa entre as interseções (intercepto) e as inclinações (coeficiente angular da reta)
das curvas de regressão linear simples (y = a + bx) das duas cultivares quanto aos níveis de severidade
no tempo. A cultivar A apresentou a interseção (a = -7,57143) significativamente (P=0,00001) superior à
constatada na cultivar B (a = -6,28571), bem como a inclinação (b = 0,96667) da cultivar A foi
significativamente (P<0,0001) superior à da cultivar B (0,54286).
52
REGRESSÃO MÚLTIPLA
COM DUAS VARIÁVEIS INDEPENDENTES
Planilha Excel:
1. Incluir as variáveis (SODI, CONDHID e MELOSOL) e os valores observados para as variáveis, sendo que
nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
SODI 0.5408
Conclusão Parcial: para o caso da correlação parcial entre a população de Meloidogyne (MELOSOL) e
os teores de sódio (SODI), mantendo a condutividade hidráulica (CONDHID) como constante, a
correlação parcial (r) é positiva de 0,5408 ou 54,08%.
CONDHID -0.6061
Conclusão Final: para o caso da correlação parcial entre a população de Meloidogyne (MELOSOL) e a
condutividade hidráulica (CONDHID), mantendo os teores de sódio (SODI) como constante, a correlação
parcial (r) é negativa de -0,6061 ou 60,61%.
Predictor
Variables Coefficient Std Error T P VIF
Constant 212.574 97.9711 2.17 0.0429 0.0
SODI 1163.02 415.046 2.80 0.0114 1.1
CONDHID -1.12465 0.33863 -3.32 0.0036 1.1
Source DF SS MS F P
Regression 2 138851 69425.3 7.78 0.0034
Residual 19 169629 8927.8
Total 21 308479
Conclusão:
A regressão múltipla (y = a + b1x1 + b2x2) foi significativa (P=0,0034), ou seja, os níveis populacionais
de Meloidogyne no solo podem ser explicados pelas pelos teores de sódio e condutividade hidráulica
conjuntamente. Além disso, os parâmetros da regressão (a = 212,574, b1 = 1163.02 e b2 = -1.12465)
também foram significativos (P≤0,05). O coeficiente de determinação (R2) foi de = 0,4501 ou 45,01%. A
equação de regressão múltipla é: MELOSOL = 212,574 + 1163.02*SODI -1.12465* CONDHID.
55
REGRESSÃO MÚLTIPLA
COM MAIS DE DUAS VARIÁVEIS INDEPENDENTES
Situação: Os dados abaixo se referem aos teores de nitrogênio constatados no solo (N_MIN) em função
do tamanho da partícula do solo antes da análise (PART), profundidade de amostragem do solo (PROF) e
da quantidade de nitrogênio aplicado (TRATN). Efetuar a análise regressão múltipla:
Planilha Excel:
1. Incluir as variáveis (N_MINERAL, PART, PROF e TRATN) e os valores observados para as variáveis,
sendo que nestes deve ser utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
Adjusted AICc -
P Cp R Square Min AICc Resid SS Model Variables
1 104.2 0.0000 43.63 8892.87 Intercept Only
2 6.8 0.7429 4.31 2207.81 C
2 99.4 0.0177 44.52 8434.06 A
2 106.2 -0.0357 46.11 8892.62 B
3 2.0 0.7888 0.00 1749.01 A C
57
3 8.8 0.7334 6.99 2207.56 B C
3 101.4 -0.0186 47.20 8433.81 A B
4 4.0 0.7807 2.90 1748.76 A B C
Conclusão:
O modelo que propiciou o melhor ajuste (R2 = 0,7888) incluí as variáveis A (PROF) e C (TRATN). Portanto,
o melhor modelo é o que utiliza uma regressão múltipla com duas variáveis independentes: profundidade
da amostragem do solo (PROF) e a quantidade de nitrogênio aplicada no solo (TRATN). O tamanho da
partícula (PART) parece não influir nos valores obtidos sobre o conteúdo de nitrogênio na s amostras de
solo.
O próximo passo é efetuar a análise de regressão múltipla com as variáveis independentes selecionadas
(PROF e TRATN).
Predictor
Variables Coefficient Std Error T P VIF
Constant 22.5596 3.63579 6.20 0.0000 0.0
PROF 0.15269 0.05737 2.66 0.0129 1.0
TRATN 29.8553 2.93889 10.16 0.0000 1.0
Source DF SS MS F P
Regression 2 7143.86 3571.93 55.14 0.0000
Residual 27 1749.01 64.78
Total 29 8892.87
Conclusão:
A regressão múltipla (y = a + b1x1 + b2x2) foi significativa (P<0,0001), ou seja, os teores de nitrogênio no
solo (N_MINERAL) podem ser explicados pela profundidade da amostra (PROF) e pela quantidade de
nitrogênio aplicado ao solo (TRATN). Além disso, os parâmetros da regressão (a = 22,5596, b1 = 0,15269
e b2 = 29,8553) também foram significativos (P≤0,05). O coeficiente de determinação (R2) foi de = 0,8033
ou 80,33%). A equação de regressão múltipla é: N_MINERAL = 22,5596+ 0,15269* PROF - 29,8553*
TRATN.
58
REGRESSÃO POLINOMIAL
Situação: Os dados abaixo se referem à severidade (SEV) da rizoctoniose (Rhizoctonia solani) do feijoeiro
com o inóculo depositado a diferentes profundidades (PROF), em centímetros. Efetuar a análise de
regressão com os modelos linear (y = a + bx), quadrático (y = a + bx + cx2) e cúbico (y = a + bx + cX2 +
dx3), mostrando para cada modelo o quadro de análise de variância, a equação resultante, o coeficiente de
determinação e o gráfico. Decidir sobre o melhor modelo para ajuste dos dados e comentar os resultados.
PROF 2 5 10 15 20
SEV 97,5 67,5 21 12,5 4,0
Planilha Excel:
1. Incluir as variáveis (TEMP e SEV) e os valores observados para as variáveis, sendo que nestes deve ser
utilizado ponto para casas decimais (não utilizar vírgula).
Planilha Excel:
PROF SEV
2 97.5
5 67.5
10 21.0
15 12.5
20 4,0
Predictor
Variables Coefficient Std Error T P
Constant 93.9634 14.0753 6,68 0,0069
PROF -5.14071 1.14619 -4,49 0,0207
Source DF SS MS F P
Regression 1 5634.22 5634.22 20,12 0,0207
Residual 3 840.28 280.09
Total 4 6474.50
Linear Simples
100
70
SEV
40
10
-20
2 5 8 11 14 17 20
PROF
SEV = 93.963 - 5.1407 * PROF
Original Scale
Predictor
Variables Coefficient Std Error
Constant 122.865 8.05341
PROF -13.3743 1.83275
PROF^2 0.37618 0.08160
Source DF SS MS F P
Regression 2 6402.23 3201.12 88,59 0,0112
Residual 2 72.27 36.13
Total 4 6474.50
Quadrática
100
80
60
SEV
40
20
0
2 5 8 11 14 17 20
PROF
SEV = 122.86 - 13.374 * PROF + 0.3762 * PROF^2
61
Original Scale
Predictor
Variables Coefficient Std Error
Constant 130.279 16.9498
PROF -17.0279 7.11462
PROF^2 0.78067 0.75304
PROF^3 -0.01216 0.02243
Source DF SS MS F P
Regression 3 6418.65 2139.55 38,31 0,1181
Residual 1 55.85 55.85
Total 4 6474.50
80
60
SEV
40
20
0
2 5 8 11 14 17 20
PROF
SEV = 130.28 - 17.028 * PROF + 0.7807 * PROF^2 - 0.0122 * PROF^3
Conclusão 1:
A regressão polinomial pelo modelo quadrático (y = a + bx + cx2) propiciou o melhor ajuste dos dados,
pois o modelo foi significativo (P=0,0112), todos os parâmetros foram significativos (Pa=0,0308;
Pb=0,0057; Pc=0,0440) e o coeficiente de determinação foi alto (R2 = 0,9888).
A regressão linear simples (y = a + bx) propiciou o ajuste adequado dos dados, pois o modelo foi
significativo (P=0,0207), todos os parâmetros foram significativos (Pa=0,0069; Pb=0,0207), mas o
coeficiente de determinação (R2 = 0,8702) foi inferior ao obtido pelo modelo quadrático.
A regressão polinomial pelo modelo cúbico (y = a + bx + cx2 + cx3) não propiciou o ajuste adequado dos
dados, pois o modelo não foi significativo (P=0,1181), os parâmetros não foram significativos (Pa=0,1449;
Pb=0,2065; Pc=0,1726; Pd=0,5838), embora o coeficiente de determinação tenha sido alto (R2 = 0,9914).
Portanto, o modelo SEV = 128,86 – 13,374*PROF + 0,3762*PROF2 representa com elevada precisão
(R2 = 0,9888) o efeito da profundidade do inóculo de R. solani na severidade da rizoctoniose em feijoeiro.
Com esse modelo, pode ser estimada com precisão qual seria a severidade da doença a determinada
profundidade de inóculo. Como exemplo, qual seria a severidade da rizoctoniose se o inóculo estivesse a
12 cm de profundidade?
ANÁLISE NÃO-PARAMÉTRICA
Situação 1: Severidade da queima das folhas do inhame, causada por Curvularia eragrostidis, em áreas
de plantio do Estado de Pernambuco. Efetuar as comparações:
a) Severidade no estádio vegetativo entre locais de plantio.
b) Severidade no estádio de maturação entre áreas irrigadas e não irrigadas.
c) Severidade entre estádio vegetativo e de maturação.
Situação Teste
Duas amostras independentes Soma de Rankings de Wilcoxon
Duas amostras dependentes Rankings Com Sinais de Wilcoxon
K amostras independentes - Del. Inteiramente Casualizado Kruskal-Wallis
K amostras independentes – Del. Blocos ao Acaso Friedman
Planilha Excel:
1. Para cada comparação, selecionar na planilha Excel a coluna contendo os dados (incluindo o nome da
variável).
2. Copiar a parte selecionada.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Kruskall-Wallis One-
Way AOV.
2. Selecionar (clicar sobre) a variável dependente (SEV1) e transferir para a janela Dependent
Variable.
3. Selecionar (clicar sobre) a variável tratamento (LOCAL) e transferir para a janela Categorical
Variable.
4. Clicar em OK.
5. Será gerado o resultado do teste de Kruskal-Wallis:
Mean Sample
LOCAL Rank Size
Amaraji 12.3 6
Condado 9.1 8
Goiana 10.6 6
Total 10.5 20
Conclusão:
As áreas de Amaraji, Condado e Goiana não diferem quanto aos níveis de severidade da queima das folhas
do inhame, pois as diferenças não foram significativas (P=0,6439, ou seja, P>0,05) pelo teste de Kruskal-
Wallis.
Caso houvesse diferença entre os tratamentos, poderia ser efetuada a comparação dos tratamentos
(rankings).
1. No menu principal dos resultados do “Statistix”, clicar em Results → Multiple Comparisons → All-
pairwise Comparisons
2. Clicar em OK.
3. Será gerado o resultado da comparação de médias:
Alpha 0.05
Critical Z Value 2.394 Critical Value for Comparison 7.6489 TO 8.1770
There are no significant pairwise differences among the means.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Wilcoxon Rank Sum
Test.
2. Selecionar (clicar sobre) a variável dependente (SEV2) e transferir para a janela Dependent
Variable.
3. Selecionar (clicar sobre) a variável tratamento (AREA) e transferir para a janela Categorical
Variable.
4. Clicar em OK.
5. Será gerado o resultado do teste de Soma de Rankings de Wilcoxon:
Conclusão:
As áreas irrigadas e não irrigadas não diferem entre si quanto aos níveis de severidade da queima das
folhas do inhame, pois as diferenças não foram significativas (P=0,1325, ou seja, P>0,05) pelo teste de
Soma de Rankings de Wilcoxon.
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Wilcoxon Signed
Rank Test.
2. Selecionar (clicar sobre) as variáveis em comparação (VEGET e MATUR) e transferir para a janela
Sample Variables.
3. Clicar em OK.
4. Será gerado o resultado do teste de Rankings Com Sinais de Wilcoxon:
Conclusão:
A severidade da queima das folhas do inhame é significativamente superior no estádio de maturação
comparado ao estádio vegetativo, pois a diferença foi significativas (P=0,0001, ou seja, P<0,05) pelo teste
de Rankings Com Sinais de Wilcoxon.
68
Questão: Será que existe diferença significativa na severidade da cercosporiose entre as cultivares de
caupi?
Planilha Excel:
1. No menu principal, clicar em Statistics → One, Two, Multi-Sample Tests → Friedman Two-Way
AOV.
2. Selecionar (clicar sobre) a variável dependente (SEV) e transferir para a janela Dependent Variable.
3. Selecionar (clicar sobre) as outras variáveis tratamento (BLOC e SEV) e transferir para a janela
Categorical Variables.
4. Clicar em OK.
5. Será gerado o resultado do teste de Friedman:
Mean Sample
BLOC Rank Size
1 2.75 8
2 2.63 8
3 2.38 8
4 2.25 8
Mean Sample
CULT Rank Size
BR-17 2.50 4
GUARIBA 7.50 4
IPA-206 4.63 4
IPA-207 6.50 4
MARATAOA 4.38 4
MILENIO 2.50 4
OLHO POMBA 1.00 4
PARAGUACU 7.00 4
Conclusão:
Não houve diferença significativa entre os blocos (P=0,8614) e houve diferença significativa entre as
cultivares de caupi (P=0,0004) em relação à severidade da cercosporiose.