Escolar Documentos
Profissional Documentos
Cultura Documentos
1. PLANEJAMENTO DE EXPERIMENTOS
Versão Preliminar
1. PLANEJAMENTO DE EXPERIMENTOS
Versão Preliminar
Pelotas, 1997
PREFÁCIO
O presente texto está sendo preparado, há alguns anos, para uso dos estudantes da
disciplina de Estatística Experimental dos cursos de pós-graduação das áreas de ciências
agrárias da Universidade Federal de Pelotas.
Em se tratando de texto em fase de elaboração, ele ainda é incompleto e os tópicos
são abordados com extensões e profundidades heterogêneas, não apresentando, ainda, a
abrangência e a consistência pretendidas. Pela mesma razão, erros ainda poderão ser
detectados.
A literatura contempla uma grande quantidade de textos de Estatística Experimental,
os mais conhecidos em língua inglesa. Entretanto, a quase totalidade deles enfatiza a
análise estatística de experimentos, fazendo apenas referência aos aspectos conceituais e
metodológicos que fundamentam a pesquisa experimental. No entender do autor, a origem
da ineficiência de muito da pesquisa experimental decorre de falhas de planejamento dos
experimentos.
A abordagem usual poderá ser justificada com o argumento de que muitos dos
aspectos do plano do experimento são mais próprios do método científico e da área de
pesquisa específica do que propriamente do método estatístico. O autor não concorda com
esse argumento, já que a metodologia moderna da pesquisa experimental surgiu justamente
da necessidade da consideração do método estatístico já na fase de planejamento do
experimento. De fato, as contribuições mais relevantes de Fisher para a pesquisa
experimental originaram-se da ênfase atribuída à metodologia do planejamento do
experimento, tão logo concluiu que a quantidade de informação gerada pelas inferências de
um experimento não pode ser maior do que a contida nos dados.
Ademais, o método estatístico é um componente inseparável do método científico,
particularmente da pesquisa experimental. A base conceitual e metodológica moderna da
pesquisa experimental teve origem justamente no desenvolvimento dos métodos estatísticos
para aplicação no experimento. Nessas circunstâncias, também não se pode estudar
estatística experimental sem uma compreensão sólida da base conceitual e metodológica da
pesquisa experimental.
A iniciativa da redação deste texto surgiu da necessidade de preencher essa lacuna,
suprindo ao estudante e ao pesquisador material bastante esparso e de difícil acesso na
literatura. Ademais muitos conceitos são apresentados na literatura vaga e imprecisamente,
o que não permite o estabelecimento de uma base conceitual e metodológica coerente e
completa.
Os conceitos usuais são aqui revisados e formulados com a precisão necessária
para a apropriada compreensão de seus significados reais, com o propósito de estabelecer
uma base racional para a metodologia da pesquisa experimental e em particular para a
Estatística Experimental. Em particular, são formulados os conceitos fundamentais de
população objetivo, sistema, amostra, fator experimental, material experimental, unidade
experimental, erro experimental, controle experimental e estrutura do experimento.
A base conceitual é elaborada progressivamente. Em decorrência da dependência
mútua, alguns conceitos são formulados repetidamente, com precisão crescente. Mesmo
nesses casos, evita-se, tanto quanto possível a repetição desnecessária. Esse processo
também pareceu didaticamente conveniente.
O Capítulo 1 apresenta uma introdução ao método científico e à pesquisa científica,
necessária para a apropriada compreensão da pesquisa experimental e de suas distinções
relativamente aos demais métodos de pesquisa. O Capítulo 2 estabelece a conceituação de
experimento, a caracterização do processo da pesquisa experimental e enfatiza a
importância do plano do experimento e de sua documentação escrita. No Capítulo 3,
estabelece-se a base conceitual da pesquisa experimental. Os Capítulos 4, 5 e 6 tratam do
planejamento das três estruturas que compreendem a estrutura do experimento, ou seja,
planejamento da resposta, planejamento das condições experimentais e planejamento do
controle experimental. O Capítulo 7 trata da estrutura do experimento ou delineamento de
experimento. A apresentação aqui é introdutória e tem o objetivo de ilustrar as inúmeras e
diversas estruturas apropriadas que podem decorrer do planejamento de experimento,
coerentemente com a base conceitual formulada no Capítulo 3 e segundo os requisitos e
princípios básicos do plano de experimento, que são o tema do Capítulo 8. A apresentação
é amplamente ilustrada por exemplos reais. Exercícios são intercalados, com o propósito de
permitir ao estudante oportunidade para a melhor compreensão e o inter-relacionamento
dos conceitos. Ao final de cada capítulo, é incluído um conjunto adicional de exercícios para
revisão da matéria tratada.
A exposição mais detalhada do planejamento de experimentos é assunto de volume
em fase de preparação.
O autor agradece contribuições de qualquer natureza para a melhor adequação do
texto aos seus propósitos.
1. INTRODUÇÃO .................................................................................................................................. 1
1.1. Ciência e Método Científico .................................................................................................... 1
1.1.1. Conceito........................................................................................................................... 1
1.1.2. Estratégia científica ......................................................................................................... 2
1.1.3. Tática científica................................................................................................................ 5
1.1.4. Objetivos e alcance da ciência......................................................................................... 5
1.1.5; Bases da ciência ............................................................................................................... 6
1.2. Pesquisa Científica em Ciências Fatuais .................................................................................. 9
1.2.1. Conceitos importantes .................................................................................................... 9
1.2.2. Observação e raciocínio ................................................................................................ 14
1.2.3. Estágios de uma pesquisa.............................................................................................. 17
1.2.4. Objetivos de uma pesquisa científica ............................................................................ 21
1.2.5. Métodos de pesquisa .................................................................................................... 23
1.2.5.1. Métodos de pesquisa analíticos ............................................................................ 23
1.2.5.2. Métodos de pesquisa sistêmicos........................................................................... 27
1.2.6. Enfoque da pesquisa científica ...................................................................................... 29
1.3. Pesquisa Agropecuária .......................................................................................................... 30
1.3.1. Características da Pesquisa Agropecuária ..................................................................... 30
1.3.2. O Enfoque de Sistema na Pesquisa Agropecuária ......................................................... 30
1.4. A Estatística na Pesquisa Científica ....................................................................................... 34
1.4.1. Método científico e estatística ...................................................................................... 34
1.4.2. Uso e mau uso da Estatística ......................................................................................... 36
1.4.3. Conhecimento da estatística pelos pesquisadores ....................................................... 37
1.5. Exercícios de Revisão ............................................................................................................. 39
2. PESQUISA EXPERIMENTAL ............................................................................................................. 45
2.1. Introdução ............................................................................................................................. 45
2.2. Processo de Pesquisa ............................................................................................................ 45
2.3. Experimento .......................................................................................................................... 47
2.3.1. Breve história ................................................................................................................ 47
2.3.2. Conceito de experimento .............................................................................................. 51
2.4. Processo do Experimento ...................................................................................................... 55
2.4.1. Estabelecimento do problema e formulação da hipótese ............................................ 55
2.4.2. Planejamento do experimento para verificação da hipótese ....................................... 55
2.4.3. Condução do experimento ............................................................................................ 57
2.4.4. Análise dos resultados ................................................................................................... 57
2.4.5. Interpretação dos resultados, elaboração das conclusões e divulgação dos resultados.
58
2.5. Lista de Referência para a Execução de um Experimento .................................................... 59
2.6. Protocolo de Experimento .................................................................................................... 63
2.7. Organização e Orientação do Trabalho Experimental .......................................................... 66
2.8. A Estatística na Pesquisa Experimental - Estatística Experimental ....................................... 69
2.9. Exercícios de Revisão ............................................................................................................. 71
3. CONCEITOS IMPORTANTES ........................................................................................................... 73
3.1. Introdução ............................................................................................................................. 73
3.2. Fator experimental e condição experimental ....................................................................... 74
3.3. Controle experimental .......................................................................................................... 77
3.4. Material experimental, unidade experimental e erro experimental. ................................... 83
3.5. Ilustração ............................................................................................................................... 86
3.6. Exercícios de Revisão ............................................................................................................. 95
4. DELINEAMENTO DA RESPOSTA ................................................................................................... 107
4.1. Introdução ........................................................................................................................... 107
4.2. Escolha das características respostas .................................................................................. 108
4.3. Escalas de medida ............................................................................................................... 110
4.4. Processo de mensuração ..................................................................................................... 116
4.5. Precisão e exatidão de um processo de mensuração ......................................................... 118
4.6. Estrutura da variável resposta............................................................................................. 119
4.7. Exercícios de Revisão ........................................................................................................... 120
5. DELINAEAMENTO DAS CONDIÇÕES EXPERIMENTAIS ................................................................. 123
5.1. Introdução ........................................................................................................................... 123
5.2. Estruturas de Condições Experimentais .............................................................................. 125
5.3. Fator de Tratamento e Fator Intrínseco .............................................................................. 129
5.4. Classificação dos Fatores Experimentais Quanto à Escala de Medida e à Seleção dos Níveis
para a Amostra ................................................................................................................................ 133
5.4.1. Fator qualitativo específico ......................................................................................... 133
*5.4.2. Fator qualitativo ordenado ......................................................................................... 135
5.4.3. Fator quantitativo........................................................................................................ 135
5.4.4. Fator qualitativo amostrado ........................................................................................ 136
5.4.5. Fator misto .................................................................................................................. 137
5.5. Fator Fixo e Fator Aleatório................................................................................................. 138
5.6. Escolha dos Fatores Experimentais ..................................................................................... 141
5.7. Escolha dos Níveis dos Fatores Experimentais .................................................................... 145
5.8. Escolha das Combinações de Níveis dos Fatores Experimentais ........................................ 149
5.9. Escolha de Tratamentos Adicionais..................................................................................... 153
5.10. Delineamento de Tratamento em Experimentos em Genética ...................................... 154
5.11. Delineamento de Tratamento em Experimentos Seqüenciais. ....................................... 156
5.12. Exercícios de Revisão ....................................................................................................... 158
6. DELINEAMENTO DO CONTROLE EXPERIMENTAL ........................................................................ 163
6.1. Introdução ........................................................................................................................... 163
6.2. Controle de Técnicas Experimentais ................................................................................... 164
6.2.1. Obtenção e preparação do material experimental básico. ......................................... 164
6.2.2. Condução do experimento. ......................................................................................... 167
6.2.3. Coleta dos dados ......................................................................................................... 169
6.2.4. Edição e crítica dos dados ........................................................................................... 173
6.3. Controle Local...................................................................................................................... 175
6.4. Controle Estatístico ............................................................................................................. 177
6.5. Casualização ........................................................................................................................ 179
6.6. Alcance da casualização de condições experimentais ........................................................ 185
6.6. Exercícios de Revisão ........................................................................................................... 186
7. DELINEAMENTO DO EXPERIMENTO ............................................................................................ 193
7.1. Introdução ........................................................................................................................... 193
7.2. Estrutura dos Fatores Experimentais .................................................................................. 193
7.3. Estrutura dos Fatores de Unidade....................................................................................... 196
7.5. Exercícios de Revisão ........................................................................................................... 206
8. REQUISITOS E PRINCÍPIOS DO PLANO DO EXPERIMENTO .......................................................... 211
8.1. Introdução ........................................................................................................................... 211
8.2. Requisitos Básicos do Plano do Experimento...................................................................... 212
8.2.1. Estimação do erro experimental ................................................................................. 212
8.2.2. Precisão ....................................................................................................................... 212
8.2.3. Validade ....................................................................................................................... 216
8.2.3.1. Validade interna .................................................................................................. 216
8.2.3.2. Validade externa.................................................................................................. 217
8.2.4. Simplicidade ................................................................................................................ 219
8.2.5. Manifestação dos efeitos reais das condições experimentais .................................... 219
8.2.6. Fornecimento de medida de incerteza ....................................................................... 220
8.3. Princípios Básicos do Plano de Experimento....................................................................... 220
8.3.1. Repetição ..................................................................................................................... 220
8.3.2. Controle local .............................................................................................................. 223
8.3.3. Casualização ................................................................................................................ 224
8.3.4. Balanceamento ............................................................................................................ 226
8.3.5. Confundimento ........................................................................................................... 227
8.4. Exercícios de Revisão ........................................................................................................... 228
9. TABELA DE DÍGITOS ALEATÓRIOS................................................................................................ 235
1. INTRODUÇÃO
1.1.1. Conceito
Então, cada uma dessas conjeturas poderá ser verificada por suas conseqüências
observáveis. Por exemplo, a) se temperatura e umidade relativa elevadas são
determinantes da incidência da ferrugem e conseqüente diminuição da produtividade,
então sistemas de produção que difiram apenas quanto àquelas características devem
apresentar diferentes graus de incidência de ferrugem e diferentes níveis de produtividade;
b) se a planta é mais suscetível à ferrugem em um estádio particular de seu ciclo
vegetativo, então, a produtividade será mais baixa quando a ferrugem incidir nesse
1 INTRODUÇÃO 3
Corpo de
conhecimento
disponível
Problema → Hipótese
↓
→
Conseqüências Novo corpo
verificáveis Avaliação → de
conhecimento
↓ de → Evidência → da hipótese
Técnica Novo problema
verificação
Figura 1.1. Um ciclo da aplicação do método científico por uma pesquisa científica.
Observações
Desenvolvimento
da teoria
A lista de oito postulados que segue não deve, portanto, ser considerada como
representativa, visto que tratamento representativo ou típico do método científico ainda
não existe. Ela é apenas uma tentativa de concretizar e agregar o que parece ser
geralmente aceito entre autoridades competentes como pressuposições essenciais do
método científico.
também sugere a possibilidade de alcance crescente de uma teoria geral mais altamente
integrada, que é o objetivo principal de todo o esforço científico.
(5) Nada é evidente por si. Isto é, a realidade deve ser demonstrada
objetivamente. Esse postulado afirma que não deve ser depositada confiança no chamado
"senso comum", em tradição, em autoridade popular, ou em qualquer das costumeiras
interpretações dos fenômenos. Exemplos históricos revelam que veracidade aparente é
freqüentemente muito diferente de verificação empírica objetiva.
(7) Todas as percepções são obtidas por meio dos sentidos. Isto é, todo
conhecimento é obtido a partir de impressões sensoriais. Os elementos e instrumentos do
raciocínio (isto é, idéias, conceitos, construções, imagens, etc.) são moldados pelas
impressões recebidas pelos sentidos. Esse postulado também assegura que o único
conhecimento confiável é aquele que é verificável objetiva e empiricamente.
(8) O homem pode crer em suas percepções, memória e razão como meios
para a aquisição de fatos. Esse postulado sustenta toda a base racional e empírica do
conhecimento científico. Ele não implica que quaisquer e todas as percepções, memórias
e razões sejam confiáveis. O que esse postulado assevera é que a resolução final de
qualquer disputa sobre fenômenos deve ser baseada em regras aceitas de raciocínio e em
dados percebidos por meio dos sentidos; não sobre meras noções e idéias. A crença final
1 INTRODUÇÃO 9
Exercício 1.1
12. Ilustre os significados dos postulados "nada é evidente por si" e "a verdade é
relativa".
uma variável que assinala a um animal o número real que corresponde à medida de seu
peso determinada por uma balança com precisão de gramas, ou outro grau de precisão
apropriado. Assim, sexo é uma variável de dois níveis, enquanto que peso é uma variável
com um número de níveis consideravelmente elevado, dependente da precisão do
processo de pesagem.
testar a veracidade das premissas. Ele pode apenas determinar a validade lógica das
conclusões extraídas das premissas. Por outro lado, o argumento indutivo é inclusivo: ele
deriva sua validade da verificação das premissas. Se elas são válidas, a conclusão
extraída será válida, no sentido de que ela será a melhor inferência possível, embora
nunca final, que possa ser feita da relação causal com as premissas.
As primeiras cinco questões - que? (ou qual?) quando? quanto? onde? e quem? -
demandam uma determinação de relações de conexão discreta entre características - que
características são relacionadas? quando são elas mais relacionadas? etc. As últimas
questões (por quê? e como?), entretanto, referem-se a uma relação entre características
diferente e mais complexa, ou seja, uma relação que expressa conexão causal. Este tipo
de relação é extremamente importante em pesquisa em ciências fatuais. De modo geral,
um problema de relação causal na ciência é eventualmente respondido em termos de
condições necessárias e suficientes que relacionam uma dada causa com um dado efeito.
Em outras palavras, a resposta estabelece as condições que relacionam um evento
antecedente com um evento conseqüente.
Da pergunta inicial à sua resposta final, uma pesquisa científica procede por oito
estágios principais de operação, listados a seguir.
Para que seja obtido progresso em uma pesquisa é essencial que o problema a ser
resolvido seja estabelecido clara, completa e explicitamente em forma escrita. Esse
procedimento é indispensável para a garantia de que os recursos sejam despendidos de
modo frutífero e eficiente. A ausência desses cuidados, como é o caso quando o problema
é estabelecido vagamente, conduz a pesquisas ineficientes, que decorrem, por exemplo,
da coleta de dados desnecessários ou omissão de dados essenciais.
Assim, para um mesmo problema, uma ou mais hipóteses podem ser formuladas.
A verificação de cada uma dessas hipóteses é procedida por uma pesquisa particular.
- Ela deve ser apropriada para a explicação do fenômeno que está sendo
pesquisado, ou seja, ela deve prover uma resposta ao problema particular que suscitou a
pesquisa;
- deve ser verificável empiricamente, ou seja, deve conduzir a uma pesquisa pela
qual possa ser testada;
- deve ser a mais simples possível entre as diversas hipóteses alternativas que
possam ser formuladas para prover uma solução igualmente satisfatória.
Quinto estágio: Coleta dos dados e seu registro em forma apropriada para o seu
processamento.
que o termo "pesquisa analítica" é geralmente empregado para denotar um exame das
relações existentes entre características de sistemas já descritos.
Exercício 1.2
a) sistema (unidade);
Estudos observacionais
Sem controle Experimento
Levantamento por
De modo geral, em qualquer pesquisa científica apenas parte do total dos meios
para inferência podem ser controlados objetiva e firmemente. Outra parte deve ser deixada
para julgamento mais ou menos vago e subjetivo. Tal julgamento, entretanto, deve ser
hábil e criterioso. O pesquisador deve tentar maximizar a parte objetiva para minimizar a
subjetiva. Na avaliação dos propósitos, custos e meios exeqüíveis, ele faz escolhas
estratégicas de métodos, tendo em conta os três critérios desejáveis da pesquisa
científica: representatividade, realismo e confiabilidade.
Esse método tem semelhanças com o levantamento por amostragem não aleatória
e os estudos observacionais. Distingue-se desses métodos por compreender um menor
número de unidades e enfocar a unidade (sistema) globalmente em vez de suas partes
individuais.
Por outro lado, quando se toma o trabalho de construir modelos de sistemas, inicia-
se a utilizar e aplicar os resultados do trabalho analítico. Na realidade, resulta que tais
modelos logo demandam resultados de pesquisa analítica detalhada, cada vez mais.
É evidente que a aplicação desses princípios está condicionada aos objetivos que
se pretende alcançar. A escolha de um problema é um esforço de abstrair de uma
realidade complexa os elementos importantes que constituirão os objetivos da pesquisa. A
dificuldade maior nesse processo reside justamente no nível de abstração que, no caso da
pesquisa agropecuária, tem estado preponderantemente influenciado pelo campo de
especialização do pesquisador. No caso de uma instituição de pesquisa cuja missão é o
incremento da produtividade da agropecuária, é recomendável iniciar a definição de
problemas de pesquisa em um nível mais agregado e, a partir desse nível, passar a
caracterizar os problemas mais específicos que, certamente, estarão em linha com os
interesses específicos dos pesquisadores que compõem as equipes multidisciplinares. O
ciclo da pesquisa somente pode ser considerado concluído com a incorporação dos
conhecimentos gerados aos sistemas de produção postos em prática pelos produtores.
Este procedimento conduz à elevação da produtividade do trabalho, isto é, à grande
produção de conhecimento científico com elevado nível de utilização pelos produtores,
1 INTRODUÇÃO 31
c) modelagem matemática.
(3) (4)
(6)
(5)
Experimentos
Nível analítico
Levantamentos
Estudos observacionais
Alguns pensam que a estatística não é mais do que um auxílio à ciência, ao qual o
pesquisador recorre quando lhe aprouver. No outro extremo, estão aqueles que atribuem à
estatística atributos de mágica para extrair informações de dados de pesquisas mal
conduzidas. Essas idéias errôneas da função da estatística decorrem da ignorância do
método científico. A estatística é parte integrante do método científico. O conhecimento de
sua função e importância na pesquisa científica depende do conhecimento do próprio
método científico.
Há um dito popular de que é possível provar qualquer cousa com a estatística. Isso
pode ser verdadeiro para a má aplicação da estatística. De fato, qualquer conclusão
desejada pode ser obtida com a manipulação intencional e tendenciosa de dados. O
inverso é que se aplica adequadamente para a estatística: é impossível provar qualquer
cousa pela aplicação correta de métodos estatísticos. O que os métodos estatísticos
provêm é a avaliação da probabilidade de erro de uma proposição, ou da confiança que
pode ser posta no resultado de uma pesquisa científica. Na realidade, um pouco de
reflexão mostra que isso é tudo que pode ser esperado. Não há prova, por exemplo, de
que o sol nascerá amanhã. Entretanto, a experiência indica que é muito provável que isso
ocorra e, de fato, o homem está satisfeito em acreditar que o sol continuará a nascer a
cada manhã, em concordância com as observações prévias e com as leis científicas nelas
baseadas.
Exercício 1.3
13. Quais são os principais métodos de pesquisa analíticos? Quais são as duas
origens das diferenças essenciais que distinguem esses métodos de pesquisa.
20. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando
entre parênteses as letras V ou F, respectivamente. Se a sentença for falsa, explique por
que.
O método científico não é único; cada área da ciência tem seu método próprio.
O postulado "a verdade é relativa" significa que em ciência é admitido que a verdade
acerca de qualquer fenômeno particular jamais poderá ser alcançada.
Nenhum conhecimento pode ser admitido como um fato científico simplesmente por
ser evidente por si.
Uma população objetivo é sempre uma população real, ou seja, uma população de
sistemas existentes no momento de execução da pesquisa.
Cada característica pode ser representada por uma e somente uma variável.
Toda pesquisa científica deve compreender uma seqüência ordenada de etapas que
deve ser rigorosamente obedecida.
Para cada problema científico pode ser formulada apenas uma hipótese científica.
2.1. Introdução
2.3. Experimento
Essas teorias foram aceitas sem controvérsia e assim permaneceram até a Idade
Média. O percursor da nova era de indagação científica foi o filósofo inglês Roger Bacon
(1220-1292), que tornou a matemática e o método experimental a base da história natural.
O termo "ciência experimental" foi popularizado por sua obra. Segundo ele, o homem
adquire conhecimento por meio de raciocínio e experiência, mas sem a experiência ele
não pode ter qualquer certeza.
Na Inglaterra, John Bennet Lawes (1814-1900), com a morte de seu pai, decidiu
interromper seus estudos de química em Oxford, em 1834, e dirigir suas propriedades em
Rothamsted. Com seu interesse em química, ele obteve condições para trabalhar nos
laboratórios do Colégio da Universidade de Londres e, em seguida, instalou um laboratório
em Rothamsted, onde iniciou experimentos com fertilizantes de superfosfato derivado de
ossos e de fosfatos minerais. Em 1842, depois de prolongada experimentação dos efeitos
de adubos sobre plantas em vasos e no campo, ele obteve patente para seu processo de
produção de superfosfato a partir do tratamento de rochas fosfatadas com ácido sulfúrico,
e iniciou a primeira indústria de fertilizantes artificiais. Em 1843, Lawes associou-se ao
químico inglês Joseph Henry Gilbert (1817-1901). Em 1843, Lawes e Gilbert fundaram em
Rothamsted a primeira estação experimental agrícola organizada no mundo. Até 1900,
durante mais de meio século, esses dois cientistas trabalharam juntos em pesquisa
experimental em nutrição de plantas e animais, tornando o trabalho de Rothamsted
renomado em todo o mundo. Pela importância desse trabalho, Lawes e Gilbert têm sido
referidos como os pais do método científico na agricultura.
2. PESQUISA EXPERIMENTAL 49
Em 1912, Daniel Hall foi sucedido por John Russell, um químico agrícola
conhecido e com vocação para administração científica. Russell passou a preocupar-se
com os enormes arquivos de dados gerados pelos resultados de 75 anos de experimentos
em Rothamsted. Sabendo que a instituição responsável pelo censo tinham métodos para
extrair informação de grandes massas de dados, ele decidiu procurar um profissional
familiar com tais métodos que estivesse preparado para examinar os dados e obter
50 Estatística Experimental: Planejamento de Experimentos
informação que ainda não havia sido conseguida. Para tal tarefa, ele contratou Ronald
Aylmer Fisher, um jovem matemático do Colégio Caius de Cambridge.
Planejamento da amostra
É importante que o registro dos dados seja seguido de uma revisão cuidadosa de
uma crítica que garanta a detecção de possíveis erros, especialmente de erros mais
grosseiros.
Em muitas pesquisas, pode ser útil uma etapa preliminar de inspeção dos dados,
por meio de sua descrição e resumo, e emprego de técnicas para verificação das
pressuposições estabelecidas com o modelo estatístico. Esse procedimento pode propiciar
as indicações mais evidentes reveladas pelos resultados do experimento que em alguns
casos podem ser importantes para a orientação referente aos procedimentos de análise a
adotar.
Em cada uma das etapas do experimento, o pesquisador tem que tomar decisões
e estabelecer ações específicas, cada uma das quais pode ser de vital importância para
maximizar a chance de que o experimento seja conduzido sem imprevistos até a
consecução de seus objetivos. Uma lista mais detalhada dos passos e cuidados que
devem ser tomados na execução de um experimento é muito útil como referência e roteiro
para o planejamento e execução do experimento.
1.6 - Escolha a conjetura mais fértil como a hipótese para o experimento, tendo em conta o
impacto esperado para a melhoria do desempenho dos sistemas e os recursos disponíveis
para a pesquisa.
3 - Planeje o experimento.
3.1 - Realize uma reunião de todos os pesquisadores das disciplinas envolvidas na área
de pesquisa.
3.1.8 - Determine a amplitude prática dos níveis desses fatores na população objetivo e os
níveis específicos que serão adotados na amostra.
3.1.16 - Estabeleça o controle dessas fontes de variação por controle local, balanceamento
e confundimento, e de controle estatístico, se necessário.
3.2.6 - Planeje a coleta ordenada dos dados, em particular uma planilha para o registro
dos dados.
4 - Execute o experimento.
4.5 - Tome precauções na coleta dos dados; verifique a confiabilidade dos instrumentos de
mensuração; verifique a correção dos dados registrados; evite transcrição de dados.
5 - Analise os dados.
5.2 - Edite os dados, preferivelmente em meio magnético (disquete, disco rígido, ou fita);
calcule os dados das variáveis respostas cujos valores devem ser determinados por
expressões apropriadas, a partir dos dados registrados diretamente.
5.3 - Efetue uma análise exploratória e descritiva dos dados; verifique a possível presença
de valores discrepantes, ou aberrantes.
5.4 - Aplique técnicas estatísticas apropriadas para a análise dos dados, conseqüentes e
coerentes com os objetivos do experimento e o modelo estatístico estabelecido pelo plano
do experimento.
5.3 - Redija um resumo dos resultados da análise dos dados; construa tabelas e gráficos
ilustrativos.
6 - Interprete os resultados.
6.5 - Saliente as implicações das descobertas para aplicação e para ulteriores pesquisas.
7 - Prepare o relatório.
7.3 - Forneça suficiente informação que permita ao leitor verificar os resultados e tirar suas
próprias conclusões.
apropriado poderá ser "Efeito da insolação sobre o brix no mosto de uva da cultivar
Cabernet Franc" e não "Estudos sobre relações fisiológicas em uva".
planejado - a questão para a natureza deve ser formulada antes de ser posta. Antes que o
resultado de uma medida possa ser usado, ele deve ser interpretado - a resposta da
natureza deve ser propriamente entendida. Essas duas tarefas são do pesquisador teórico,
que se encontra cada vez mais e mais dependente das ferramentas da matemática
abstrata. Naturalmente, isso não significa que o experimentador também não se engaje em
deliberações teóricas."
Pode parecer que Plank tenha subestimado o papel do experimentador. O que ele
possivelmente tenha intencionado dizer é que o planejamento e a interpretação dos
resultados de experimentos é uma tarefa extremamente complexa. De modo mais
acentuado nos dias atuais, em que a pesquisa científica, particularmente a pesquisa
experimental, se tornou uma empresa multidisciplinar, que deve ser exercida por uma
equipe de especialistas que devem atuar cooperativamente nas diversas fases da
execução das pesquisas. Naturalmente, a participação mais intensa de cada membro
particular é mais requerida em fases específicas.
Uma equipe de pesquisa deve ser constituída por profissionais que reunam
algumas condições especiais usualmente não requeridas em outras atividades humanas,
principalmente, vocação e preocupação com o desenvolvimento profissional. Outras
qualidades também desejáveis são: colaboração, comunicação, criatividade,
discriminação, entusiasmo, exatidão, firmeza, honestidade, imaginação, liberalidade,
moralidade e perseverança.
Um caminho para resolver esse problema básico foi desenvolvido por Fisher
com a idéia da casualização e utilização do método estatístico.
- plano de experimento;
- estrutura de experimento;
- delineamento de resposta,
16. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando
entre parênteses as letras V ou F, respectivamente. Se a sentença for falsa, explique por
que.
3.1. Introdução
Experimento é uma ação de pesquisa que visa obter evidência fatual objetiva para
a prova de uma hipótese de pesquisa referente aos sistemas de uma população objetivo,
por meio de alterações controladas em algumas características que impliquem em
convenientes alterações em características que exprimem o desempenho ou resposta dos
sistemas. A relação entre este segundo grupo de características e o primeiro é afetada
pelo conjunto das demais características dos sistemas. As características destes três
grupos são denominadas, respectivamente, características respostas, características
explanatórias e características estranhas.
Cada fator experimental deve ser definido precisamente para que as inferências
derivadas tenham o sentido e o significado apropriados aos objetivos do experimento,
estabelecidos pelo problema e a correspondente hipótese. Para tal, é necessária a
identificação e distinção clara e precisa dos três conjuntos complementares das
características no experimento: o conjunto das características respostas, o conjunto das
características explanatórias (fatores experimentais) e o conjunto das características
estranhas. Usualmente, a propriedade de que as características respostas exprimem os
desempenhos dos sistemas sob pesquisa torna óbvia ou facilita a identificação dessas
características. Entretanto, a identificação e separação dos fatores experimentais das
características estranhas pode não ser fácil.
dos fatores local, ano, raça e sexo dos exemplos anteriores. O fator local, por exemplo,
deve ser definido como o conjunto das características ambientais (referentes a solo, clima,
flora, fauna, etc.), de manejo, de práticas de cultivo e de criação, etc., permanentes ou
próprias dos locais que constituem seus níveis. Assim, a ocorrência de uma doença, praga
ou evento climático em um local particular será atribuível ao fator local se for relacionada a
características próprias do local, como uma característica permanente do clima; não
poderá ser atribuível a esse fator se constituir uma ocorrência fortuita. Inevitavelmente,
ocorrências eventuais, não relacionadas com o fator local, ficarão confundidas com esse
fator. Técnicas não utilizadas uniformemente, tais como plantio abrangendo amplitude de
tempo prolongada e uso de animais dos próprios locais, também poderão implicar em
diferenças entre os locais não atribuíveis ao fator local.
Deve ser salientado, entretanto, que não há uma dicotomia tão nítida entre fator de
tratamento e fator intrínseco, já que a inviabilidade de controle absoluto na atribuição dos
fatores de tratamento às unidades da amostra, em geral, implica na presença inevitável de
algum confundimento de efeitos de fatores experimentais com efeitos de características
estranhas. Assim, por exemplo, os fatores ano e local, em geral, correspondem a
características cuja manifestação se processa sob absoluta ausência de controle do
pesquisador. No outro extremo, em uma pesquisa de laboratório sobre o controle de
deficiência de zinco em plantas, o fator zinco com níveis constituídos por diferentes doses
desse elemento pode ser atribuído às unidades com controle bastante acentuado, pelo uso
de substância essencialmente pura e de determinação das doses com elevada exatidão. O
fator cultivar considerado em exemplo anterior pode não ser sujeito à tão elevado controle
pela inviabilidade da obtenção de semente cujas características sejam exclusivamente
atribuíveis a cultivar. O fator sexo, assim como o fator raça, é usualmente muito menos
controlável; em um experimento em que a unidade é constituída pelo animal e o
correspondente boxe, a atribuição do sexo às unidades pode ser parcialmente controlada
pela atribuição do animal ao boxe; entretanto, inevitavelmente, o sexo é inerente ao animal
e não pode ser atribuído a este, um componente relevante da unidade da amostra.
O controle experimental deve ser previsto no plano do experimento. Ele pode ser
implementado pelos seguintes processos, alternativos ou complementares:
- técnicas experimentais;
- casualização.
estranhas relevantes e sua utilização para o apropriado "ajustamento" dos valores das
variáveis respostas pela eliminação das diferenças atribuíveis a essas características.
Essas variáveis estranhas são comumente denominadas covariáveis ou variáveis
concomitantes. Esse processo de controle é efetivado pelo procedimento de análise
estatística denominado análise de covariação. Por essa razão ele é usualmente
designado controle estatístico. Por exemplo, no experimento de controle de verminose
de coelhos, se os coelhos de uma mesma ninhada apresentam pesos consideravelmente
distintos, pode ser conveniente efetuar o controle estatístico desta característica,
adicionalmente ao controle local da ninhada; no experimento de controle de uma praga do
feijoeiro em que o número de plantas que produzem (usualmente denominado estande
final) é heterogêneo, mas não é dependente do tratamento (ou seja, do inseticida), pode
ser conveniente controlar a heterogeneidade atribuível ao estande final por controle
estatístico, exercido pelo registro do estande final e o correspondente ajustamento das
variáveis respostas (produção de grãos, por exemplo) para levar em conta as diferenças
atribuíveis ao estande, por meio da análise da covariação.
De modo geral, o material experimental não constitui uma amostra aleatória das
características explanatórias e estranhas da população objetivo. É uma parte da população
que é disponível ou acessível ou, em muitas situações, uma simulação ou miniatura de
uma parte desta população, o que constitui a melhor representação da população objetivo
que pode ser obtida para a pesquisa. Muito freqüentemente, o material experimental
corresponde à situação particular de um laboratório, de uma estação experimental ou de
um conjunto de locais e anos, por exemplo. Nessas circunstâncias, a população
amostrada, da qual o material experimental pode ser considerado representativo, não
coincide com a população objetivo e pode distinguir-se consideravelmente desta.
Inferências a partir dos resultados do experimento são válidas (ou seja, não tendenciosas)
para a população amostrada; serão aplicáveis à população objetivo na medida em que as
características dessas duas populações se aproximem.
de animais contra uma doença em que cada vacina é administrada individualmente aos
animais e os animais são mantidos em um mesmo ambiente e sob as mesmas condições
de manejo, alimentação, etc., a unidade experimental para o fator vacina é o animal, com
as correspondentes características e aquelas referentes ao ambiente, manejo,
alimentação, etc. que lhe afetam. c) Em um experimento de nutrição animal em que os
animais são instalados em compartimentos coletivos (potreiros, boxes, ou gaiolas) e os
animais em um mesmo compartimento são condicionados a receberem uma mesma
ração, independentemente do que recebem os animais nos demais compartimentos, a
unidade experimental para o fator ração é constituída pelas características referentes ao
compartimento (instalações, clima, etc.), aos animais nele instalados e ao correspondente
manejo.
subconjunto de cada parcela; nesse caso, a unidade de observação para essas variáveis
respostas compreende o subconjunto de plantas da parcela. Semelhante procedimento
também é comumente adotado para a mensuração de características do grão, como peso
hectolitro, peso de 1000 grãos, vigor e germinação: algumas plantas da parcela são
selecionadas e dessas plantas são colhidos os grãos que são avaliados; logo essas
plantas constituem a unidade de observação para essas variáveis respostas.
para esse fator é a variação entre os valores observados dessa variável nas unidades
experimentais com um mesmo nível desse fator.
3.5. Ilustração
Os conceitos emitidos nas seções anteriores são ilustrados mais amplamente nos
exemplos que seguem.
cada um dos cinco níveis do fator fungicida, cada uma das três cultivares e cada uma das
15 combinações dos cinco tratamentos fungicidas com as três cultivares.
Como o efeito da ração pode variar com granja (ou local) e com o ano,
principalmente em decorrência de diferenças de instalações, de manejo e de clima, granja
e ano devem ser considerados características explanatórias.
Erro experimental de uma variável resposta - a) para o fator ração: variação entre
os valores da variável resposta entre os boxes (ou os correspondentes dois animais)
atribuível às características estranhas não controladas pelo controle local (isto é, pelo
agrupamento dos boxes e animais); ou seja, variação entre os valores da variável resposta
entre boxes (ou dois animais) dentro de grupos de boxes, excluídos os componentes
atribuíveis à ração. O erro experimental para um local e ano particulares é o
correspondente componente daquele erro. b) para o fator local (granja): variação entre os
valores da variável resposta entre os seis conjuntos de 60 boxes correspondentes aos seis
locais que é atribuível a características estranhas. c) para o fator ano: variação entre os
valores da variável resposta entre os três conjuntos de 80 boxes correspondentes aos três
anos que é atribuível a características estranhas.
Procedimento experimental: Em cada uma das cinco granjas, em cada um dos três
anos, são utilizadas 24 vacas heterogêneas quanto à idade e peso, e um potreiro com
capacidade para os 24 animais. As 24 vacas são classificadas em oito grupos de três
animais, cada grupo constituído por um conjunto uniforme de vacas. Os três anti-
helmínticos são administrados individualmente as três vacas de cada um dos oito grupos,
por sorteio efetuado separada e independentemente para cada grupo, de modo que em
cada grupo cada vaca recebe um anti-helmíntico diferente dos recebidos pelas outras duas
vacas do grupo. Durante o período experimental, as 24 vacas permanecem em um mesmo
potreiro. Esse processo de atribuição dos anti-helmínticos aos animais é procedido
separada e independentemente para cada granja em cada ano.
2. Descreva três problemas de seu campo de especialidade cuja solução deva ser
obtida por pesquisa experimental.
6. O que se entende por fator experimental? Ilustre com exemplos de sua área.
- problema de pesquisa;
- hipótese de pesquisa;
- ação de pesquisa;
- experimento;
- fator experimental;
- amostra.
- material experimental;
- controle local;
- controle estatístico;
- casualização;
b) problema de pesquisa;
c) hipótese de pesquisa;
p) amostra;
98 Estatística Experimental: Planejamento de Experimentos
q) população amostrada.
21. A seguir são caracterizados três experimentos que estão sendo planejados
para execução:
22. A seguir, são caracterizados dois experimentos que estão sendo planejados
para execução:
d) Indique alguma variável estranha que deva ser controlada por controle
estatístico, se for o caso.
i) Indique uma possível variável estranha perturbadora, se for o caso. Que ação
deve tomar o pesquisador para evitá-la?
23. Escolha um (apenas um) dos seguintes dois experimentos para as questões
abaixo. Indique, com um círculo em torno da letra que identifica o experimento (A ou B), o
experimento escolhido.
100 Estatística Experimental: Planejamento de Experimentos
A - "Efeito da adubação foliar sobre a produção de uva da cultivar Itália", com três
épocas de adubação (florescimento, 30 dias e 60 dias após o florescimento). São
disponíveis para o experimento 24 plantas de um pomar, com variação considerável de
vigor, mas que poderão ser classificadas em oito conjuntos de três plantas de semelhante
vigor.
i) Indique alguma variável estranha que possa ser controlada por controle
estatístico, se for o caso.
o) Indique duas variáveis estranhas que poderão ser controladas por técnica
experimental.
24. A seguir, são caracterizados dois experimentos que estão sendo planejados
para execução:
h) Indique alguma característica estranha que deva ser controlada por controle
estatístico, se for o caso.
f) Indique alguma variável estranha que possa ser cogitada para controle
estatístico.
l) Indique duas variáveis estranhas que poderão ser controladas por técnica
experimental.
3. CONCEITOS IMPORTANTES 103
27. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando
entre parênteses as letras V ou F, respectivamente. Se a sentença for falsa, explique por
que.
O experimento é uma ação de pesquisa que visa derivar inferências para aplicação
imediata.
Uma característica explanatória pode ter seus níveis manifestados nas unidades da
amostra fora do controle objetivo do pesquisador.
4.1. Introdução
ovelha matriz sobre a produção de carne de cordeiro mamão, o peso da produção de carne
por ovelha é a característica resposta primária e o número de cordeiros, uma característica
intermediária.
maioria das medidas físicas. Por exemplo, a característica sexo dos cordeiros de um
rebanho com duas alternativas - macho e fêmea - pode ser representada por uma variável
com dois valores numéricos - 0 e 1, respectivamente, cuja média - 0,5 - não faz sentido.
Observe-se que todos os animais de uma mesma raça são "iguais" apenas no
sentido de possuírem essa propriedade comum. Eles diferem, naturalmente, quanto a outras
características, como idade e peso. Eles retêm a identificação de suas individualidades por
sufixo numérico.
A escala ordinal é uma escala de ordenação. Esta escala designa a posição relativa
das classes (ou das unidades classificadas) segundo uma direção. Por exemplo, os animais
de um rebanho podem ser ordenados segundo o grau de infestação de carrapato, pela
assinalação do número zero para indicar a ausência de infestação e dos números 1, 2 e 3
para indicar níveis crescentes de infestação, ou seja, infestação baixa, média e elevada.
Observe-se, entretanto, que a ordenação dos animais não permite a comparação de
"diferenças" entre animais com respeito ao grau de infestação; por exemplo, não se pode
saber se a diferença entre os níveis de infestação de dois animais com os graus de
infestação 1 e 2 é menor, igual ou maior que a diferença entre os níveis de infestação de
dois animais com graus de infestação 2 e 3. Isso significa que qualquer conjunto de quatro
números que preserve a relação de ordem é igualmente apropriado para essa mesma
mensuração do grau de infestação dos animais. Dessa forma a escala ordinal é invariante
sob transformações que preservem a ordem. Ou seja, uma escala ordinal pode ser
transformada em outra escala ordinal.
9
TF = TC + 32 , essas correspondentes temperaturas expressas em graus Fahrenheit são,
5
respectivamente 86°F e 59°F que não estão na razão 2:1. Pode-se dizer, entretanto, que
uma diferença entre dois valores em uma escala é um múltiplo de uma diferença entre dois
outros valores. Por exemplo, a diferença 30°C - 0°C é o dobro da diferença 15°C - 0°C. As
correspondentes diferenças na escala Fahrenheit são 86°F - 32°F e 59°F - 32°F, que estão
na mesma razão 2:1.
A maioria das medidas estatísticas descritivas, tais como média, desvio padrão,
coeficiente de correlação requerem apenas escala de intervalo. Por exemplo, se a
temperatura média de uma cidade em um mês é determinada em graus Celsius ou em
graus Fahrenheit, os dias do mês de temperatura superior à média são os mesmos sob
cada uma destas duas escalas. Entretanto, algumas medidas estatísticas, como o
coeficiente de variação, podem ser enganosas quando aplicadas a dados de variável de
escala intervalar.
A escala racional contém toda a informação das escalas de ordens mais baixa, ou
seja, igualdade de classe, ordem e igualdade de diferenças, e mais ainda. Todas as
estatísticas descritivas podem ser determinadas para dados de uma variável expressa em
escala racional.
Observe-se que a mensuração por meio de uma escala intervalar ou racional pode
ser considerada como uma forma refinada de classificação. Se cordeiros de um rebanho são
pesados com uma balança com aproximação de gramas, o resultado é a distribuição dos
animais entre categorias discretas de peso, que diferem por uma grama das categorias
vizinhas. Se a pesagem é efetuada em uma balança com aproximação de miligramas, o
número de categorias possíveis cresce consideravelmente, mas o princípio permanece o
mesmo. Dessa forma, na prática, o processo de mensuração, mesmo de variáveis
conceitualmente contínuas, constitui numa classificação de unidades.
Sempre que possível, características contínuas devem ser expressas por variável
contínua, mesmo em mensurações subjetivas. Assim, por exemplo, a avaliação da
intensidade de infeção de ferrugem em folhas de trigo é feita em percentagem, com uma
escala de medida contínua de valores entre 0 e 100, utilizando como padrões figuras de
folhas com intensidades de infeção correspondentes a pontos arbitrários dessa escala.
Intensidades de infeção de amostras de folhas são mensuradas por meio de comparação do
aspecto da folha com esses padrões e interpolação nessa escala contínua.
4. DELINEAMENTO DA RESPOSTA 115
Exercícios 4.1
3. Ilustre, por meio de um exemplo, uma característica resposta que possa ser expressa,
alternativamente, por variáveis de três diferentes níveis de precisão. Comente sobre a
conveniência e inconveniência de cada uma dessas três variáveis.
6. Conceitue e exemplifique cada uma das quatro escalas de medida: nominal, ordinal,
intervalar e racional.
8. Suponha que uma característica é representada por uma variável de cada uma das
quatro escalas de medida. Como se ordenam essas variáveis quanto à precisão propiciada para
a expressão dessa característica?
116 Estatística Experimental: Planejamento de Experimentos
12. Variáveis que exprimem contagem (número de frutos em árvores, número de vermes
nas vísceras de animais, por exemplo) são expressas em que escala de mensuração?
Algumas vezes, o pesquisador pode ter que decidir até que ponto os objetivos
originais de uma pesquisa devem ser restritos deliberadamente para permitir uma qualidade
mais elevada da mensuração das características respostas.
A avaliação de uma característica é tão mais exata quanto mais próxima de sua
verdadeira grandeza se situam suas medidas. A exatidão de um processo de mensuração
refere-se à proximidade das medidas registradas em relação ao valor real da grandeza
medida. A exatidão é maior quanto maior é a precisão e menor o viés. Alta exatidão
4. DELINEAMENTO DA RESPOSTA 119
corresponde a viés pequeno ou nulo e alta precisão. Baixa exatidão pode resultar de um
viés grande e alta ou baixa precisão, ou de um viés nulo e baixa precisão.
As relações entre precisão e exatidão são ilustradas na Erro! Fonte de referência não
encontrada.Erro! Fonte de referência não encontrada., que representa quatro diferentes
situações referentes à dispersão dos pontos de impacto de seis balas disparadas por uma
arma em um exercício de tiro ao alvo.
Exercícios 4.2
1. Ilustre, por meio de exemplos, como a escolha de uma escala particular para exprimir
uma característica contínua por uma escala ordinal pode implicar na precisão da expressão da
característica.
7. Variáveis expressas nas quatro escalas de medida, ou seja, nominal, ordinal, intervalar
e racional podem ser classificadas nas duas seguintes categorias: variável discreta e variável
contínua? Por quê?
10. Ilustre, com exemplos, como a definição da variável contínua para a representação
de uma característica contínua depende da precisão do processo de mensuração.
11. Ilustre o uso de uma variável discreta ordinal cujos valores são notas atribuídas para
a mensuração subjetiva de uma característica contínua. Como poderia ser construída uma
variável contínua para a mensuração mais precisa dessa característica?
14. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando, entre
parênteses, as letras V ou F, respectivamente. Se a sentença for falsa, explique por que.
o objetivo do experimento.
Toda característica que exprima a resposta dos sistemas sob pesquisa deve ser
considerada como característica resposta no experimento.
O pesquisador pode mensurar uma característica resposta com o grau de precisão que de-
seja.
O pesquisador deve exprimir uma característica resposta por uma variável com a escala
de medida mais precisa permitida pelos recursos disponíveis para mensuração.
122 Estatística Experimental: Planejamento de Experimentos
A transformação de uma variáveis de escala racional para escala ordinal não implica em
perda de informação relevante referente à característica mensurada.
Em geral, a mensuração de uma característica é uma atividade rotineira que não requer
conhecimento especializado.
A exatidão elevada de um processo de mensuração requer viés baixo e alta precisão das
medidas efetuadas.
5.1. Introdução
Esse experimento é unifatorial, com o único fator - cultivar expresso por uma variável
nominal com seis níveis - as seis cultivares.
Tabela 5.1. Tratamentos de um experimento fatorial com três fatores - nitrogênio (N),
fósforo (P) e potássio (K) cada fator com dois níveis - ausência (sem) e
presença (com).
Tratamento N P K
De modo geral, uma estrutura é fatorial quando ela permite inferências referentes a
interações de fatores, ou seja, no caso de dois fatores, variação da resposta aos níveis de
um fator quanto muda o nível do outro. Essa questão somente poderá ser mais claramente
compreendida mais adiante, quando se tratar mais especificamente da base conceitual
referente a experimentos fatoriais.
1 1 1
2 1 2
3 2 1 Esquema
4 2 2 fatorial
5 3 1
6 3 2
7 0 87 kg/ha Tratamentos
8 0 0 kg/ha adicionais
Essa é uma estrutura fatorial com tratamentos adicionais. À estrutura fatorial 3x2
dos seis primeiros tratamentos são adicionados dois tratamentos - tratamentos 7 e 8 O
tratamento 8 é incluído para avaliar a resposta da planta (produção de grãos de arroz) na
ausência de adubação, Tem como propósito servir para referência às respostas aos
tratamentos correspondentes ao esquema fatorial. A comparação desses tratamentos com o
tratamento 8 pode, por exemplo, explicar que uma ausência de diferenças de respostas
entre aqueles tratamentos resulta da ausência de resposta à adubação, possivelmente
128 Estatística Experimental: Planejamento de Experimentos
Tratamento N P K
1 0 0 0
2 1 0 0
3 0 1 0
4 0 0 1
5 1 1 1
6 2 1 1
7 1 2 1
8 1 1 2
De modo geral, o fator cujos níveis são atribuídos às unidades experimentais sob o
controle do pesquisador é designado fator de tratamento. O fator cujos níveis são definidos
pelas próprias unidades experimentais, constituindo, simplesmente, uma classificação das
unidades, fora do controle do pesquisador, é um fator intrínseco ou fator de classificação.
A distinção dessas duas categorias de fator experimental é fundamental, dadas as
conseqüências para a validade de inferências referentes às relações causais entre fatores e
variáveis respostas. O exemplo que segue ilustra a distinção entre essas duas categorias de
fator experimental.
Exemplo 5.8. Experimento para a avaliação do efeito da suplementação da dieta com sal
mineral sobre o peso aos quatro meses de cordeiros machos e fêmeas da raça Corriedale, com
quatro dietas com diferentes quantidades de sal mineral, conduzido em um local e ano
particulares.
Exemplo 5.9. O experimento do exemplo anterior é conduzido em cinco locais por três
anos com os mesmos animais em cada local.
Para melhor caracterizar o aspecto lógico da questão, suponha-se que seja possível
atribuir os cordeiros aos locais por processo aleatório. Nessa circunstância, o efeito de local
não estaria confundido sistematicamente com o efeito das características da unidade
experimental referentes a cordeiro; as diferenças de locais atribuíveis a cordeiros seriam
meramente casuais. Dessa forma, a variação de peso aos quatro meses entre os cinco
locais, por exemplo, não ficaria confundida tendenciosamente com diferenças de condições
próprias de locais, atribuíveis a características ambientais. Entretanto, os efeitos de
características estranhas não inerentes a local, mas que se manifestam diferenciadamente
entre locais, como, eventualmente, diferenças de manejo dos animais, etc. poderiam
confundir-se tendenciosamente com os efeitos do fator experimental local.
Realmente, não há uma separação nítida entre fator de tratamento e fator intrínseco.
De fato, qualquer fator experimental, mesmo um fator de tratamento, sempre apresenta
algum nível de confundimento com características estranhas. Esse confundimento depende
da habilidade e do controle exercido pelo pesquisador.
Exercícios 5.1
2. O que distingue estrutura fatorial completa e estrutura fatorial incompleta? Ilustre com
exemplos de sua área.
4. Explique e ilustre a distinção entre fator de tratamento e fator intrínseco. Qual é sua
implicação quanto ao confundimento do efeito causal do fator sobre características respostas
com efeitos de características estranhas?
132 Estatística Experimental: Planejamento de Experimentos
c) fator quantitativo;
e) fator misto.
estruturados. Por outro lado, fator qualitativo estruturado é aquele cujos níveis
classificam-se em grupos naturais cujas comparações constituem o objetivo do experimento.
De fato, em um experimento bem planejado, a relação estrutural dos níveis do fator resulta
das comparações de interesse no experimento.
(1,2,3,4)
(1,2,3) (4)
(1,2) (3)
(1) (2)
É o fator expresso por uma variável de escala ordinal. Os níveis guardam uma
relação de ordem, mas não de grandeza, ou guardam uma relação de grandeza, mas
correspondem a valores classificados muito vagamente.
É o fator expresso por uma variável de escala intervalar ou racional. Seus níveis
correspondem a valores específicos de uma variável contínua ou discreta, definida em um
intervalo. A especificação de um fator quantitativo subentende a definição do
correspondente intervalo que constitui a população dos valores de interesse. Um exemplo
de fator quantitativo é provido pelo fator tempo dos Exemplos 5.10 e 5.11. O exemplo que
segue provê outra ilustração.
Outros exemplos de fator quantitativo são os seguintes: fertilizante cujos níveis são
quantidades particulares de um intervalo de doses de interesse: antibiótico para o controle
de uma infecção com níveis correspondentes a um subconjunto das doses consideradas na
população objetivo; idade e data de pesagem de um animal cujos níveis são valores
referidos a uma data inicial; temperatura e umidade de conservação de semente, tempo de
exposição e intensidade de um estímulo quando os níveis do fator no experimento são um
subconjunto de pontos de um intervalo de interesse.
A distinção entre fator qualitativo e fator quantitativo é relevante tanto para o plano
como para a análise do experimento. Entretanto, para um fator quantitativo com dois níveis,
não pode ser obtida uma estimação da forma detalhada da curva de resposta, a não ser que
ela seja linear. Apenas a diferença entre as respostas nos dois níveis pode ser estimada.
Portanto, nesse caso, sob o ponto de vista de análise, o fator é considerado como
qualitativo.
Esse fator é usualmente expresso por uma variável de escala nominal. Os níveis
utilizados no experimento não são de interesse específico; são escolhidos por um processo
supostamente aleatório, para representar uma coleção de níveis maior na população
objetivo, usualmente muito grande e apenas conceitual. O interesse reside na coleção dos
níveis da população objetivo e não nos níveis eventualmente escolhidos. Ou seja, não há
interesse nas comparações dos níveis específicos utilizados no experimento, mas em
inferências referentes a alguma propriedade da variável resposta (variabilidade, por
exemplo) para a população de níveis, a partir das respostas observadas para aqueles
níveis.
A caracterização pode não ser tão clara para fatores como operador, animal, local e
tempo. Por exemplo, quando um pesquisador seleciona uma amostra de animais de um
rebanho ou de uma espécie para um experimento, ele pode assegurar que os animais
escolhidos são uma amostra aleatória do rebanho pela utilização de um processo de
amostragem aleatório. Entretanto, ele pode considerar os animais escolhidos como uma
amostra aleatória da espécie apenas com a pressuposição de que o rebanho constitui uma
amostra aleatória da espécie. Se essa pressuposição não for apropriada, as inferências para
a espécie não serão válidas; sua validade limitar-se-á à população amostrada, isto é, à
população da qual os animais utilizados no experimento podem ser considerados como uma
amostra aleatória.
Mais difíceis são comumente decisões referentes a fatores como local e tempo. Os
locais em que se conduz um experimento são uma amostra aleatória da região de interesse
na pesquisa? Os anos de condução do experimento são uma amostra aleatória de anos?
Obviamente não, especialmente no que se refere a ano. A questão básica para a validade
das inferências referentes a estes fatores para a região de interesse ou para o intervalo de
anos de interesse é a representatividade dos locais e anos de interesse pelos locais e anos
de condução do experimento.
1 - As conclusões devem ser limitadas aos níveis (animais, plantas ou áreas, por
exemplo) incluídos no experimento? Devem ser limitadas às fontes imediatas destes níveis
(rebanhos, lavouras ou campos)? Ou devem ser estendidas para aplicação a agregados
mais gerais (espécies de animais ou plantas, ou região)?
atribuível a local. Os procedimentos estatísticos para essas duas classes de problemas são
caracteristicamente distintos.
Exercícios 5.2
3. Caracterize para cada uma dessas categorias de fator experimental a relação entre a
coleção dos níveis na população objetivo e a coleção dos níveis na amostra?
4. Qual é a distinção básica entre fator qualitativo específico, fator qualitativo ordenado e
fator quantitativo quanto aos níveis na amostra?
6. Caracterize a distinção entre fator fixo e fator aleatório e dê três exemplos de cada
uma destas duas categorias de fator.
Fator: Cultivar.
Fator: Bioestimulante.
Fator: Linhagem.
Fator: Herbicida.
Fator: Adubação.
a) Classifique esses fatores nas seguintes categorias: 1 - fator qualitativo específico não
estruturado, 2 - fator qualitativo específico estruturado, 3 - fator quantitativo, 4 - fator qualitativo
ordenado, 5 - fator misto e 6 - fator qualitativo amostrado.
b) Classifique os mesmos fatores nas duas seguintes categorias: 1 - fator fixo, 2 - fator
aleatório.
10. Classifique os fatores listados para os experimentos da questão 7 dos Exercícios 5.1
segundo os dois critérios de que trata a questão anterior.
- Fatores de tratamento:
- Fatores de classificação:
De modo geral, deve ser lembrado que o fator experimental efetivamente pesquisado
em um experimento é aquele que o pesquisador de fato implementa. As inferências
derivadas da amostra aplicam-se a esse fator; não necessariamente a um fator com
diferente definição que eventualmente seja o real propósito do experimento.
A escolha dos níveis de cada um dos fatores experimentais deve levar em conta os
objetivos do experimento e a característica a que corresponde o fator. Também deve
considerar os requisitos de simplicidade do experimento e os recursos disponíveis,
especialmente no que diz respeito ao tamanho do experimento.
dos dois grupos de soja mais diferentes. Entretanto, se é esperada interação entre
fertilizante e variedade, será conveniente incluir no experimento um número maior de
variedades, como, por exemplo, duas variedades típicas dos dois grupos mais distintos de
soja e pelo menos uma variedade representativa do grupo intermediário.
O número de níveis para um fator qualitativo amostrado de tratamento não pode ser
muito pequeno para que sejam derivadas inferências válidas para a população de níveis de
interesse. A determinação do número adequado de níveis desses fatores é um problema de
amostragem complexo para ser tratado aqui.
A escolha dos níveis de um fator qualitativo amostrado deve ser aleatória para que
inferências referentes à população dos níveis de interesse sejam válidas. Esse
procedimento, entretanto, é usualmente inviável, já que comumente a coleção dos níveis na
população objetivo é apenas conceitual; esse é, por exemplo, a situação dos fatores ano e
local. Nessas circunstâncias a escolha dos níveis deve ser cuidadosa para a garantia de que
eles representem adequadamente a população de níveis de interesse.
Fator quantitativo
variável econômica, como a renda líquida, é conveniente escolher o nível superior de modo
que a posição do ponto de máximo esperado ou suspeito se situe próxima ao centro do
intervalo. Se, por outro lado, o experimento tem o objetivo mais básico de determinar a
relação entre a variável resposta e a dose para melhor conhecimento do fenômeno, é
recomendável estender o intervalo para que cubra uma maior amplitude de níveis, visto que
o comportamento da relação em condições extremas pode ser de interesse científico.
obviamente dois. Entretanto, com apenas dois níveis pode-se estimar apenas o crescimento
médio da resposta; nenhuma informação pode ser obtida sobre a forma da curva de
resposta. (Em se tratando de uma curva polinomial, por exemplo, dois pontos determinam
uma e apenas uma curva do primeiro grau, isto é, uma linha reta, mas infinitas curvas de
grau superior.) Portanto, dois níveis devem ser utilizados apenas em experimentos
preliminares e em experimentos em que são suficientes conclusões qualitativas referentes
às direções dos efeitos. Assim, nas situações mais usuais, é desejável a inclusão de mais
de dois níveis. O uso de três níveis permite o exame mais simples da forma da curva de
resposta.
b) Use três níveis quando é esperado que a curva de resposta seja adequadamente
descrita pela sua declividade e curvatura. Essa é a situação mais usual. No caso de níveis
igualmente espaçados e com os mesmos pontos extremos, a declividade e a curvatura são
estimadas mais precisamente com três níveis do que com quatro ou mais níveis.
Com exceção dos dois últimos casos, geralmente é adequado o uso de níveis
igualmente espaçados com igual número de observações por nível.
Assim como foi ressaltado no último parágrafo da Seção anterior com referência à
escolha do fator experimental, deve ser lembrado que os níveis efetivamente pesquisados
em um experimento são aqueles que o pesquisador de fato implementa. As inferências
derivadas da amostra aplicam-se a esses níveis; não necessariamente a níveis com
definições diferentes que eventualmente sejam o real propósito do experimento pesquisar.
Essas questões ou dificuldades podem ser contornadas pela descrição precisa dos
níveis efetivamente implementados no experimento, nas publicações e outros meios de
difusão dos resultados do experimento.
Concluída a escolha dos níveis dos fatores isolados, o passo seguinte é a seleção
das combinações dos níveis para a amostra. Na situação de poucos fatores com poucos
níveis, muito freqüentemente, todas as combinações dos níveis dos fatores isolados são
adotadas na amostra. Tem-se, então, uma estrutura fatorial completa.
Exemplo 5.17. Experimento: "Fertilização do solo com nitrogênio e fósforo para o cultivo
da cebola", com os seguintes fatores e correspondentes níveis na população objetivo e na
amostra:
Níveis (kg/ha)
Fator
População objetivo Amostra
Essa estrutura fatorial é usualmente designada uma estrutura fatorial 3x3 ou 32 que
exprime o número de combinações dos níveis na amostra.
Fator
Tratamento
A B C D
1 0 0 0 0
2 1 1 0 0
3 1 0 1 0
4 1 0 0 1
5 0 1 1 0
6 0 1 0 1
7 0 0 1 1
8 1 1 1 1
Estruturas com muitos fatores são úteis em situações em que muitos fatores são
relevantes e devem ser considerados simultaneamente em um experimento, como ocorre
algumas vezes na indústria, e em estágios de pesquisa iniciais, quando pode ser
conveniente um levantamento dos efeitos de muitos fatores com o propósito da identificação
dos fatores mais importantes, para ulterior pesquisa mais detalhada de poucos fatores,
possivelmente em experimentos separados. Nessas circunstâncias, estruturas fatoriais
fracionárias tornam praticáveis pesquisas que de outra forma poderiam ser inviáveis.
Para fatores com dois níveis, por exemplo, é disponível uma série de delineamentos
1 1
de tratamento com , ,... das combinações da estrutura fatorial completa. Esses
2 4
delineamentos permitem inferências independentes referentes a certas comparações, a
efeitos separados de fatores e de algumas interações de dois fatores; entretanto, outras
interações resultam confundidas. Ou seja, a estimativa de uma comparação particular é a
mesma estimativa de uma ou mais outras comparações, de modo que se torna impossível
separá-las. Comparações confundidas dessa maneira são denominadas parceiras. De
modo geral, tenta-se obter um delineamento com um sistema de parceria tal que os efeitos
de maior interesse tenham como parceiros comparações muito provavelmente irrelevantes.
Para fatores com três níveis, podem ser construídas estruturas fracionárias
1 1
correspondentes a , ,... de uma estrutura fatorial completa, segundo o mesmo princípio.
3 9
Estruturas fatoriais incompletas para essas situações exploram o fato de que muito
freqüentemente o interesse concentra-se mais especificamente em algum subespaço do
espaço fatorial de interesse. Isso pode decorrer de informações providas por experimentos
anteriores ou de outras fontes de informação. Nessas circunstâncias é desejável maior
precisão para inferências nesse subespaço.
A estrutura fatorial fracionária do Exemplo 5.6 resulta de uma redução mais drástica
dos tratamentos da estrutura fatorial da correspondente estrutura fatorial completa: os 27
tratamentos da estrutura fatorial 33 são reduzidos a oito.
Nas seções anteriores, foi discutida a escolha de fatores e de seus respectivos níveis
e combinações de níveis. Tratar-se-á, agora, da inclusão de tratamentos adicionais.
Geração Número de
Cruzamentos possíveis
(k)
cruzamento
0 P1, P2 2
3 P1, P2, F1, F2, B1, B2, P1xF2, P1xB1, P1xB2, P2xF2, 21
linha com ela própria) e todos os cruzamentos possíveis. O delineamento III inclui p(p-1)
combinações - todos os cruzamentos possíveis das k linhas e todos os cruzamentos
recíprocos possíveis; por exemplo, se a linha 1 é a fêmea e é cruzada com a linha 2 como
macho, então o cruzamento recíproco é a linha 1 como macho cruzada com a linha 2 como
1
fêmea. O delineamento IV inclui p(p-1) combinações - todos os cruzamentos possíveis.
2
Essas estruturas têm sido utilizadas em muitas outras aplicações. Por exemplo, o
delineamento I tem sido usado para pesquisas de competição de cultivares; nessas
circunstâncias, os "puros" correspondem a plantas de uma cultivar em competição com
plantas da mesma cultivar. O delineamento II tem sido usado para a comparação de
misturas de cultivares para verificar se podem ser obtidos rendimentos mais elevados de
misturas do que de uma cultivar plantada sozinha.
Exercícios 5.3
5. Suponha que você deve planejar um experimento com um fator quantitativo. Para cada
uma das seguintes situações, indique o número de níveis que devem ser incluídos no
experimento e a correspondente distribuição (posição dos níveis):
a) Você sabe que a relação entre a variável resposta e o fator pode ser aproximada por
um polinômio de primeiro grau (linha reta).
b) Você sabe que a relação entre a variável resposta e o fator pode ser aproximada por
um polinômio do segundo grau (curva quadrática ou parábola).
c) Você não está seguro de que a relação entre a variável resposta e o fator possa ser
aproximada por um polinômio de primeiro ou segundo grau, e quer aproximá-la por uma curva
polinomial, possivelmente de grau superior a dois, com base nos dados do experimento.
10. Qual é o critério geral para a derivação de uma estrutura fatorial incompleta para
ajustamento de uma função ou superfície de resposta?
11. Por meio de exemplos de experimentos concretos, ilustre quatro diferentes propósitos
do tratamento controle (testemunha ou padrão).
4. Liste os tratamentos apropriados para cada um dos experimentos cujos objetivos são
indicados a seguir:
a) escala de medida;
c) inferências de interesse.
Critério III: 1 - Fator qualitativo específico não estruturado; 2 - Fator qualitativo específico
estruturado; 3 - Fator qualitativo ordenado; 4 - Fator quantitativo; 5 - Fator misto; 6 - Fator
qualitativo amostrado.
9. Supondo que já houve decisão a respeito dos fatores, como você procederia para
selecionar os correspondentes níveis? Ilustre com os mesmos exemplos utilizados na questão
anterior.
11. O que distingue estrutura fatorial completa e estrutura fatorial incompleta quanto às
possibilidades de inferências referentes aos fatores experimentais.
13. A pesquisa científica é, pela natureza do método científico, seqüencial; então, o que
distingue um experimento seqüencial de outros experimentos?
14. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando, entre
parênteses, as letras V ou F, respectivamente. Se a sentença for falsa, explique por que.
Em geral, o pesquisador não tem qualquer controle sobre a manifestação dos níveis de um
fator intrínseco na amostra.
Efeitos de fatores experimentais sobre variáveis respostas ficam sempre confundidos com
efeitos de características estranhas.
Em uma estrutura fatorial de dois fatores A e B, os níveis do fator A que se combinam com
os níveis do fator B são os mesmos para todos os níveis deste fator.
No que diz respeito a considerações referentes à inferência, fator qualitativo ordenado não
se distingue de fator qualitativo específico.
O pesquisador sempre dispõe de informações suficientes para a escolha ótima dos níveis
de um fator quantitativo.
Com uma estrutura fatorial completa, pode-se derivar inferências independentes referentes
aos efeitos dos fatores isolados e à alteração da resposta a um dos fatores quando varia o nível
do outro fator.
Uma estrutura fatorial incompleta deve ser derivada tendo em conta a preservação das
inferências de interesse.
Com uma estrutura fatorial incompleta, alguns efeitos referentes a fatores experimentais
resultam confundidos entre si.
6.1. Introdução
para lograr que o confundimento de efeitos de características estranhas não controladas por
controle de técnicas experimentais, controle local e controle estatístico torne-se tendencioso.
Assim, por exemplo, animais ou plantas devem ser livrados de doenças e pragas e
indivíduos não conformáveis com as características consideradas na população objetivo
(tais como indivíduos com anomalias e outros aspectos atípicos) devem ser descartados.
Em experimentos agrícolas de campo, o solo deve ser preparado uniformemente, com
fertilização e calagem básicas, se necessário; em experimentos com animais, instalações
uniformes devem ser preparadas.
O material experimental deve, então, ser dividido para a constituição das unidades
experimentais e preparado para o recebimento dos tratamentos. Por exemplo, em um
experimento agrícola de campo, o terreno, o pomar ou o viveiro, já preparado, é dividido em
talhões. Em experimentos com animais as instalações - potreiros, boxes, gaiolas, etc.,
freqüentemente já existem; em algumas situações, entretanto, o terreno ou instalações
especialmente preparados para o experimento devem ser divididos em potreiros ou boxes
para a constituição das unidades experimentais.
É recomendável que todas essas técnicas sejam executadas com cuidado acentuado
com vistas ao controle experimental, ou seja, de modo que não impliquem em efeitos
diferenciais relevantes entre as unidades experimentais.
Por outro lado, pode ser conveniente que algumas técnicas que não constituem
ações ou práticas usuais nos sistemas da população objetivo sejam empregadas
intencionalmente com o propósito de controle experimental. Por exemplo, em um
experimento agrícola de campo, o controle do número de sementes plantadas por parcela,
possivelmente, redução das plantas que emergem a um mesmo número por parcela; em um
experimento com animais, uniformização dos animais, controle de condições ambientais de
temperatura, umidade e iluminação.
6. DELINEAMENTO DO CONTROLE EXPERIMENTAL 169
As mensurações para geração dos dados são executadas antes, durante e após o
período experimental. Mensurações de características estranhas são efetuadas antes e
durante o período experimental, neste caso no local de execução do experimento. Algumas
características respostas podem referir-se ao desempenho dos sistemas na fase de
operação dos sistemas; dados referentes a essas características são registrados durante o
período experimental, no local de condução do experimento. Usualmente, entretanto, as
características respostas mais importantes dizem respeito ao produto dos sistemas e são
avaliadas ao encerramento do período experimental, no local da execução do experimento,
ou após o encerramento desse período, em partes coletadas do produto, em instalações
apropriadas. Estas mensurações podem compreender processos de análise bastante
elaborados. Técnicas experimentais desde as mais simples até as mais elaboradas podem
ser demandadas nessa fase. Esse tema foi abordado na Seção 4.4.
Alguns procedimentos e técnicas referentes à coleta dos dados foram referidos nas
Seções 4.3 e 4.4, quando se tratou de escalas e unidades de medida, e de processos de
mensuração de características respostas.
2
...
significativo (ou seja, o algarismo significativo mais à direita) são algarismos significativos
do número, exceto em números menores que 0,1 nos quais os zeros entre a primeira casa
decimal e o primeiro algarismo diferente de zero não são significativos. Assim, o número de
algarismos significativos de um dado é o número de dígitos contados à esquerda a partir
do último algarismo significativo até o último algarismo à esquerda diferente de zero,
incluído este.
Sempre que possível, os dados devem ser escritos de modo que mostrem quantos
dígitos são significativos. Assim, os números que seguem têm quatro algarismos
significativos; 5.412, 541,2, 54,12, 0,5412 e 0,005.412. Quando ocorrem um ou mais zeros
imediatamente à esquerda a partir da casa das unidades, o número de dígitos significativos
pode ser duvidoso. Por exemplo, 53.140.000 pode compreender 4, 5, 6, 7 ou 8 algarismos
significativos. Nessas situações, pode ser conveniente indicar o último algarismo
.
significativo por um ponto colocado acima. Assim, 53.1 4 0.000 indica quatro algarismos
.
significativos, e 53.140. 0 00 indica seis algarismos significativos. Uma convenção mais
conveniente é escrever o número com todos os algarismos significativos multiplicado por
uma potência de 10 apropriada; por exemplo, os últimos dois números podem ser escritos
nas formas 5.314 x 104 ou 53,14 x 104 para mostrar quatro algarismos significativos.
Os dados não devem ser registrados com dígitos em número maior do que aquele
que exprime a precisão real do processo de mensuração, para não transmitirem impressão
de falsa precisão. Muito freqüentemente, a precisão é limitada ao possível ou prático. Por
exemplo, se a altura de plantas em uma área pode variar em 1 cm ou mais devido ao local
particular da superfície do solo onde é apoiada a régua, ou devido a uma curvatura do caule,
não há sentido em registrar a medida com precisão maior do que o centímetro mais
próximo. Semelhantemente, se o peso de cordeiros pode alterar-se 1 kg ou mais ao defecar
ou urinar; o peso do animal precisa ser registrado apenas no quilograma mais próximo.
Nesta fase deve ser procedida a verificação dos dados para a detecção e correção
de problemas referentes à legibilidade, ausência de informações e presença de dados
discrepantes, ou seja, fora dos intervalos em que são esperadas as observações.
Usualmente, devem ser assinalados códigos para identificação das variáveis, que poderão
já estar indicados nas correspondentes colunas da planilha. Códigos apropriados devem ser
definidos para indicação de valores perdidos, ou seja, dados não coletados em unidades
experimentais que foram afetadas por alguma fonte de variação estranha relevante e que,
portanto, devem ser desconsideradas.
174 Estatística Experimental: Planejamento de Experimentos
Após a construção do arquivo de dados, deve ser emitida uma listagem do arquivo
para verificação da correção da transcrição dos dados, pela comparação visual com a fonte
original dos dados. Qualquer incorreção deve ser corrigida no arquivo em meio magnético e
novamente verificada por meio de uma listagem atualizada.
Uma crítica para a detecção de dados possivelmente incorretos pode ser efetuada
por meio do cálculo de estatísticas descritivas, como mínimo, máximo e distribuição de
freqüências, para cada variável. Essas informações podem permitir a detecção de dados
discrepantes, ou seja, que se destacam dos demais. Alguma representação gráfica dos
dados também pode ser útil para a identificação de problemas. Para bases de dados de
estrutura complexa, pode ser recomendável verificações lógicas. Por exemplo, se as
observações foram registradas ordenadamente ao longo do tempo, dados registrados em
um instante de tempo não podem suceder dados registrados em instantes ulteriores;
semelhantemente, se um animal morreu ou foi descartado em um instante do período
experimental, não pode haver dados registrados para esse animal nas avaliações que
seguem.
Nessa fase, podem ser determinados os dados das variáveis derivadas, ou seja,
variáveis cujos valores são determinados a partir dos valores de variáveis originais.
Usualmente, esses dados são criados por facilidades de edição de dados dos próprios
"pacotes" de análise estatística. Nesse caso, muito freqüentemente, esses dados não
precisam ser criados e incluídos no arquivo em meio magnético, mas em conjuntos de
dados temporários, criados pelo "pacote" especificamente para o uso no momento do
processamento das análises estatísticas.
O tempo dedicado a essa etapa do experimento antes da análise dos dados depende
da quantidade e qualidade dos dados originais e da confiança desejada de que os dados
estejam completos e exatos, e de que a base de dados reflita corretamente a fonte original
dos dados. Deve se enfatizado que se os métodos estatísticos apropriados são utilizados
para a análise dos dados, as conclusões derivadas são tão boas quanto os dados nos quais
elas são baseadas.
Em experimentos de mais de uma etapa, pode ser conveniente que o controle local
seja exercido parcialmente, em mais de uma etapa do experimento, e completado ao longo
de sua execução. Esse aspecto nem sempre é fácil de ser compreendido. Considere-se, por
exemplo, um experimento sobre o efeito da nutrição da porca matriz e da nutrição do leitão
sobre a idade de abate e características da carcaça do leitão, com dois fatores - dieta da
porca e dieta do leitão. Esse experimento compreende duas etapas: uma etapa em
instalações de criação e a outra em instalações de crescimento e preparação para o abate.
Na primeira etapa, em que as porcas recebem as correspondentes dietas, o controle local é
exercido pelo agrupamento das porcas segundo a idade e peso; os leitões nascidos
permanecem junto com a respectiva porca matriz até o desmame. Ao desmame, os leitões
são transferidos para outras instalações, onde passam a receber a dieta para crescimento e
terminação para o abate. Nesta segunda etapa, é efetuado o controle local referente à
leitegada; as dietas de crescimento e terminação para o abate são aplicadas aos leitões de
cada leitegada. Nessas circunstâncias, o experimento compreende controle local duplo,
exercido, de modo complementar, nas duas fazes de sua execução.
modo que, em geral, a produção de grãos não é afetada por variação de estande de
amplitude que abrange as situações práticas usuais.
O controle estatístico pode também ser simples ou múltiplo, ou seja, pode propiciar o
ajustamento da variável reposta para uma ou mais características estranhas. Entretanto, ele
se distingue do controle local quanto à forma do controle efetuado. O controle estatístico
controla a variação atribuível à característica estranha controlada estimada pela forma de
relação postulada entre variável resposta e covariável. Nessas condições, a adequabilidade
do controle estatístico também depende da validade da relação postulada. Se apropriado, o
controle estatístico permite a redução da variação atribuível à covariável e a fontes de
variação com ela relacionadas. Por outro lado, o controle o controle local controla toda
variação estranha que resulta entre os correspondentes grupos de unidades formados.
Dessa forma, o controle estatístico permite o controle principalmente de características
estranhas individuais, uma ou mais, respectivamente nos casos de controle estatístico
simples ou múltiplo, enquanto que o controle local pode controlar agregados numerosos de
características estranhas, um ou mais, respectivamente nos casos de controle local simples
e múltiplo.
6.5. Casualização
A casualização deve ser tão ampla quanto possível. Idealmente, ela deveria
abranger todas as características estranhas não controladas. Na prática, entretanto, a
consecução desse ideal é apenas aproximada já que, em geral, a manifestação de muitas
características estranhas, particularmente de características relacionadas ao ambiente, está
fora do controle do pesquisador.
860 162 796 442 635 448 699 340 733 580 757 186
12 1 11 4 7 5 8 3 9 6 10 2
Casualização de intervenções
Importantes fontes de variação estranha não controlada podem ter diversas origens,
no material experimental inicial e na execução de técnicas experimentais, ou seja, aplicação
dos tratamentos e outras ações e intervenções durante a condução do experimento, até a
coleta, registro e edição dos dados.
Considere-se um experimento com crianças para avaliar o efeito de uma nova pasta
dental com adição de flúor. Esse experimento requer dois grupos de crianças: um grupo que
receba a nova pasta dental e outro que não a receba. Um procedimento muito insatisfatório
de constituir este grupo controle é assinalar a nova pasta dental à metade das crianças e
não dar qualquer tratamento especial à outra metade. Para a obtenção de resultados
apropriados, é necessário o acompanhamento para encorajar o uso correto e freqüente da
nova pasta. Dessa forma, qualquer melhoria nos dentes do grupo experimental pode ser
devida a atenção especial dada à limpeza dos dentes em vez dos méritos particulares da
nova pasta.
Dessa forma, o controle experimental logrado pela casualização não pode ser
absoluto. Um subconjunto das características estranhas não controladas pelas outras
formas de controle experimental permanecerá, sempre e inevitavelmente, não controlado.
Esse subconjunto constitui a classe das características estranhas potencialmente
perturbadoras.
5. Que condições tem que satisfazer uma técnica experimental para que não
prejudique a representatividade da população objetivo pela amostra?
10. Quais são as circunstâncias em que pode ser importante um período pré-
experimental?
11. Por meio de exemplos de sua área, ilustre o confundimento que usualmente
resulta de um efeito atribuível a tratamento com fontes de variação estranha.
12. Use o mesmo exemplo utilizado na questão para ilustrar como o pesquisador
pode lograr a redução do confundimento referido naquela questão.
13. Liste os propósitos para os quais podem ser importantes dados de variáveis que
exprimem características estranhas da amostra. Ilustre dados que podem ser importantes para
esses diversos propósitos por meio de exemplos de sua área.
18. O que significa "parcela perdida". Ilustre situações de experimentos de sua área de
pesquisa em que podem ocorrer parcelas perdidas.
19. Em que consiste o controle local na pesquisa experimental? Qual é o seu propósito?
Quais são suas implicações quanto ao procedimento de atribuição dos tratamentos às unidades
experimentais?
21. Ilustre uma situação em que o controle local é utilizado em mais de uma etapa de um
experimento executado em diversas etapas.
29. Ilustre com exemplos de sua área empregos da casualização que não sejam na
atribuição dos tratamentos às unidades da amostra.
30. Com o recurso de uma tabela de dígitos aleatórios, gere uma permutação aleatória
dos números inteiros de 1 a 20. Explique os passos percorridos no processo adotado.
31. Suponha que você está planejando um experimento com cinco tratamentos e que
tem de efetuar a atribuição aleatória desses tratamentos a 20 parcelas, sem qualquer restrição à
casualização. Descreva e ilustre o processo de casualização com a utilização de uma tabela de
dígitos aleatórios. Apresente o resultado da casualização em um esquema (croqui) com a
disposição das parcelas.
32. Suponha, alternativamente, que no experimento de que trata a questão anterior deve
ser efetuado o controle local simples, pelo agrupamento das 20 parcelas em quatro grupos de
cinco parcelas, cada um desses grupos constituído por parcelas mais homogêneas do que o
conjunto das 20 parcelas. Descreva e ilustre o processo de casualização para essa nova
situação, com a utilização de uma tabela de dígitos aleatórios Apresente o resultado da
casualização em um esquema (croqui) com a disposição das parcelas.
33. Ilustre uma situação em sua área onde a mudança das posições das parcelas ao
longo do período experimental pode lograr a homogeneização do efeito de ambiente
Controle local:
Controle estatístico:
Casualização:
36. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando entre
parênteses as letras V ou F, respectivamente. Se a sentença for falsa, explique por que.
O controle local e o controle estatístico são efetivados na análise estatística dos resultados
do experimento.
Qualquer desvio dos momentos previstos para a aplicação dos tratamentos implica em
confundimento de seus efeitos com efeitos de características estranhas.
Em experimentos com plantas com estande final variável, o controle estatístico da variação
atribuível a esse estande é sempre recomendável.
Dados devem ser registrados com dígitos em número no mínimo igual àquele que exprime
a precisão real do processo de mensuração.
Um mesmo critério de controle local pode ser utilizado para o controle de muitas
características estranhas.
O mesmo critério de controle local pode ser utilizado para o controle de fontes de variação
estranhas que se manifestam em diferentes fases do experimento.
Um mesmo critério de controle estatístico pode ser utilizado para o controle de muitas
características estranhas da amostra.
A casualização pode ser utilizada com proveito para evitar a manifestação de fontes de
variação estranhas resultantes de intervenções durante a condução do experimento.
7.1. Introdução
Neste Capítulo, será feita a caracterização e uma taxonomia de cada uma das duas
estruturas que determinam a estrutura do experimento, da resultante estrutura do
experimento, também muito freqüentemente denominada de delineamento de experimento.
A1 A2 A3 A4 A5 A6
A1 A2 A3 A4 A5 A6
B1 B2 B3 B4
Uma estrutura fatorial completa é usualmente designada pela indicação do produto dos
níveis dos fatores que determina o número de condições experimentais presentes na amostra.
Assim, a estrutura representada na Figura 7.2 é uma estrutura fatorial completa 3x2, ou 2x3.
B1 B2 B3 B4
Exemplo 7.2. Experimento com controle local simples, ou seja, com um único
agrupamento determinado por controle local, e sem agrupamentos das unidades de observação
de outras origens.
Essa estrutura pode ser representada por um croqui como o ilustrado na Figura 7.4
para a situação particular da classificação de 24 unidades de observação em quatro blocos
de seis unidades.
7. DELINEAMENTO DO EXPERIMENTO 197
Bloco 1 Bloco 3
Bloco 2 Bloco 4
Essa estrutura pode ser representada por um diagrama como o croqui apresentado
na Figura 7.5.
Coluna
1 2 3 4 5
Linha 1
Linha 2
Linha 3
Linha 4
Linha 5
Uma relação cruzada incompleta é uma relação cruzada em que algum dos níveis
de um dos dois fatores não se combina com algum nível do outro fator. Com a disposição
das combinações dos níveis dos dois fatores em uma tabela de dupla-entrada, alguma
célula fica vazia.
De modo geral, uma estrutura de unidade pode ser hierárquica, se as relações entre
todos os pares de fatores de unidade é hierárquica, ou parcialmente hierárquica ou mista,
se a relação entre dois fatores de algum de seus pares de fatores de unidade é cruzada.
Observe-se que não há estrutura puramente cruzada, pois em qualquer estrutura as
unidades de observação se aninham para formar o material experimental global.
Uma ilustração dessa estrutura é provida pelo Exemplo 7.2 quando o número de
unidades de observação não é o mesmo para todos os blocos. Outra ilustração é o experimento
do Exemplo 7.1 conduzido em diversos locais com um mesmo número de unidades de
observação em cada local. Nesse caso, surge um segundo fator de unidade - local, em cujos
níveis se aninham as unidades de observação individuais; por sua vez, os níveis desse fator
(locais) se aninham no material experimental global.
T3 T5 T2 T3 T4
T4, T5 Casualização T3 T3 T4 T5 T2
T1 T5 T1 T2 T4
T3 T6 T1 T4 T3 T5
T1 T6 T4 T1 T6 T3
Figura 7.8. Delineamento experimental blocos casualizados para seis tratamentos (T1, T2,
T3, T4, T5, T6) com quatro repetições de cada tratamento.
Coluna Coluna
1 2 3 4 5 1 2 3 4 5
Linha 1 T3 T2 T4 T1 T5
Linha 4 T5 T4 T1 T3 T2
Linha 5 T1 T5 T3 T2 T4
Figura 7.9. Delineamento experimental quadrado latino para cinco tratamentos (T1, T2,
T3, T4, T5).
7. DELINEAMENTO DO EXPERIMENTO 203
Bloco 1 T1 T2 T3
Bloco 4 T4 T1 T2
são, por definição, multifatoriais. Na situação mais simples de dois fatores experimentais, os
níveis de um dos fatores são assinalados às correspondentes unidades experimentais
segundo um dos delineamentos descritos anteriormente; os níveis do outro fator são
assinalados às divisões daquelas unidades experimentais; essas divisões constituem as
unidades experimentais para esse segundo fator experimental (Figura 7.11). Essas
subdivisões são usualmente designadas subunidades, ou subparcelas.
Supostamente, as unidades experimentais dentro de cada uma das faixas, nas duas
direções, são mais homogêneas do que o conjunto de todas as unidades do material
experimental.
Figura 7.12. Delineamento experimental blocos divididos em faixas transversais para o fator
A com três níveis (A1, A2, A3) em uma direção e o fator B com dois níveis (B1, B2,)
na direção transversal com quatro repetições de cada tratamento.
7. DELINEAMENTO DO EXPERIMENTO 205
8. Ilustre diversas formas de estruturas de fatores de unidade com exemplos de sua área.
10. Descreva o delineamento experimental apropriado para cada um dos três exemplos
da Seção 3.5.
11. Ilustre comum exemplo de sua área e descreva cada um dos seguintes
delineamentos experimentais:
13. Suponha que é desejado conduzir um experimento para a comparação dos efeitos de
quatro antibióticos para o controle de uma infecção de cavalos, com seis repetições de cada
tratamento. Os antibióticos serão aplicados individualmente aos animais.
Indique o delineamento experimental mais adequado para cada uma das situações que
seguem. No caso de delineamento experimental que imponha controle local ou controle
estatístico, indique as características estranhas que devam ser controladas por cada um desses
dois procedimentos.
Delineamento: Delineamento:
208 Estatística Experimental: Planejamento de Experimentos
iii) Terreno com dois gradientes perpendiculares iv) Terreno heterogêneo, mas sem gra-
de heterogeneidade indicados diente conhecido
→
Delineamento: Delineamento:
a) Que delineamento experimental você utilizaria para cada uma dessas quatro situações
alternativas? (Indique o delineamento no lugar próprio, abaixo do correspondente croqui.)
b) Indique, para cada uma das quatro situações, no próprio croqui acima, uma
distribuição típica dos tratamentos (A, B, C, D, E e F) que poderia resultar do processo de
casualização apropriado, identificando, se for o caso, os agrupamentos formados, contornando
com lápis, o conjunto de parcelas de cada grupo.
15. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando, entre
parênteses, as letras V ou F, respectivamente. Se a sentença for falsa, explique por que.
Uma estrutura fatorial de dois fatores incompleta ou fracionária pode ser representada em
uma tabela de duas entradas.
Uma estrutura fatorial de dois fatores com tratamentos adicionais pode ser representada
em uma tabela de duas entradas.
7. DELINEAMENTO DO EXPERIMENTO 209
Algumas estruturas fatoriais fracionárias de três fatores podem ser representadas em uma
tabela de duas entradas.
Uma estrutura de experimento com dois fatores de unidade resulta de controle local duplo;
portanto é um delineamento quadrado latino.
8.1. Introdução
Para tal, a definição do delineamento do experimento deve ser feita com especial
cuidado. Em particular, a participação do estatístico na fase do planejamento do
212 Estatística Experimental: Planejamento de Experimentos
experimento pode propiciar contribuição relevante para que o experimento seja estatística e
economicamente eficiente.
8.2.2. Precisão
- em cerca de um vigésimo dos casos, a estimativa errará por mais do que dois erros
padrão;
- em cerca de um por cento dos casos, a estimativa errará por mais do que 2,5 erros
padrão.
Dessa forma, o aumento da precisão do experimento pode ser obtido por métodos,
procedimentos e ações apropriados para o conveniente manejo dessas três condições, que
são listados e discutidos a seguir.
O erro padrão (ou desvio padrão) da estimativa da diferença entre os efeitos de dois
tratamentos estimados independentemente é inversamente proporcional à raiz quadrada do
número de repetições (ou seja, do número de unidades experimentais) por tratamento. De
fato, se o número de repetições é o mesmo para dois tratamentos que se compara, o erro
padrão da diferença de duas médias de tratamentos é expresso por:
2
desvio padrão x ,
número de repetições
1 1
desvio padrão x + ,
núm. rep. trat. A núm. rep. trat. B
onde aqui o desvio padrão (ou erro padrão) é uma medida da variabilidade da variável
resposta atribuível ao erro experimental.
população objetivo pela amostra. Fatores de tratamento suplementares também podem ser
utilizados com esse propósito. Assim, por exemplo, em um experimento de pesquisa da
eficiência de fungicidas sobre o controle do míldio da videira, aumento da precisão pode ser
logrado pelo aumento do número de repetições dos fungicidas em um mesmo local e ano
particulares, pela condução do experimento em diversos locais e anos, e pela inclusão de
um fator suplementar, como, por exemplo, cultivar.
Embora teoricamente o erro padrão possa ser tornado arbitrariamente pequeno pelo
aumento do número de repetições, esse método de aumentar a precisão tem uso limitado,
pois é dispendioso e freqüentemente impraticável.
Esse método é comumente o que pode ser utilizado com mais efetiva conveniência e
proveito para o aumento da precisão do experimento. Muito freqüentemente, uma ou poucas
características do material experimental constituem as fontes predominantes de variação
estranha que podem inflacionar consideravelmente o erro experimental. Por exemplo, em
um experimento de comparação de cultivares, essas fontes podem ser a fertilidade e a
umidade do solo e o estande (número de plantas); em um experimento de nutrição animal,
tais fontes podem ser a raça, a idade e o peso do animal.
Assim, o aumento da precisão pode ser logrado pelas duas seguintes ações,
alternativas ou complementares:
É conveniente salientar que o uso de qualquer informação que seja disponível sobre
o material experimental que possa contribuir para a redução da estimativa do desvio padrão
é um princípio geral. Entretanto, embora o desvio padrão deva ser suficientemente pequeno
para permitir a extração de conclusões confiáveis, ele não deve ser extremamente pequeno.
Se o erro padrão é exageradamente grande, o experimento pode ser quase inútil, já que não
proporcionará qualquer chance para a detecção de diferenças de tratamentos importantes.
216 Estatística Experimental: Planejamento de Experimentos
Por outro lado, um erro padrão desnecessariamente pequeno pode implicar em desperdício
de material experimental.
8.2.3. Validade
Tendo em conta essas duas origens do viés, pode-se distinguir a validade interna e a
validade externa do experimento, relacionadas, respectivamente, à ausência de viés
intrínseco e de viés extrínseco.
Mesmo que seja esperada satisfatória a atribuição não aleatória dos tratamentos,
restará, sempre, a suspeita de que tal não seja apropriado, do que decorrerá a perda de
confiabilidade do experimento, especialmente se são encontrados resultados
surpreendentes. Dessa forma, a casualização provê uma forma de seguro para o
experimentador.
interesse. Dessa forma, a extensão das inferências para esta população envolve alguma
incerteza adicional àquela expressa pelo erro padrão. A única exceção é a situação rara em
que o material experimental é escolhido da população objetivo por um procedimento de
amostragem aleatória.
8.2.4. Simplicidade
8.3.1. Repetição
requer pelo menos duas repetições para algum ou todos esses níveis ou combinações de
níveis.
Esse esquema tem a vantagem prática de que o pesquisador não necessita mudar a
semente do plantador no plantio de cada linha, enquanto que em um esquema experimental
apropriado teria que mudar a semente várias vezes. Entretanto, semelhantemente ao
exemplo anterior, as observações obtidas nos segmentos de uma mesma linha não provêm
de frações da linha que receberam a variedade ou linhagem particular independentemente
das outras frações da mesma linha; essas frações são condicionadas a receberem uma
mesma linhagem ou variedade. Dessa forma, de fato, cada linha inteira constitui uma
unidade experimental. A variação entre as observações nos segmentos de uma mesma
linha constitui o erro de observação, não o erro experimental.
222 Estatística Experimental: Planejamento de Experimentos
Variedade/linhagem
1 2 3 4 5 6 7
2 “Rep.”
...
Observe-se que, com a mesma facilidade, o pesquisador poderia ter dividido cada
linha em 10 ou mais segmentos, já que com número mais elevado de “repetições” pode-se
detectar diferenças reais menores entre tratamentos. Semelhantes considerações valem
para o exemplo anterior. Entretanto, esse procedimento não provê repetições (legítimas); as
observações resultantes são observações em unidades de observação dependentes de uma
mesma unidade experimental.
( )
^
da variância da média de um tratamento: Var y i = s2 r , para o i-ésimo tratamento, onde r é o
número de repetições do tratamento e s2 é a estimativa da variância do erro experimental.
O controle local também deve ser explorado para o controle da variação estranha
relevante correspondente a classificações naturais das características estranhas do material
experimental, que usualmente constituem fatores experimentais intrínsecos. Por exemplo,
sexo e raça, em um experimento com animais; cultivar, em um experimento com plantas
perenes adultas, quando as diferentes cultivares se dispõe em áreas separadas; e local e
ano, em um experimento de ampla abrangência espacial e territorial.
224 Estatística Experimental: Planejamento de Experimentos
8.3.3. Casualização
O experimento sendo conduzido dessa forma com os pães com os três preservativos
sistematicamente nas mesmas posições dentro do forno, a diferença de números médios de
esporos de fungo nos pães com os preservativos A e B, ou seja, a diferença (A)-(B) é uma
estimativa da verdadeira diferença mais a diferença desconhecida atribuível à posição da
forma dentro do forno. Inferências derivadas aplicar-se-ão não à verdadeira diferença entre
A e B, mas à verdadeira diferença mais a desconhecida diferença devida à posição dentro
do forno. Suponha-se, para raciocínio, que o cozimento do pão na posição inferir favoreça a
preservação do pão. Nestas circunstâncias, se o experimento revela evidência de que o
número de esporos de fungo no pão com o preservativo B é inferior ao número de esporos
no pão com o preservativo A, o pesquisador pode ficar confiante de que há uma real
diferença em favor do preservativo B, já que o preservativo A foi beneficiado no curso do
experimento. Entretanto, se a evidência do experimento é de que o número de esporos no
pão com o preservativo A é o mais elevado, o pesquisador não saberá o que concluir.
Este exemplo ilustrou uma tendência, ou viés, que pode ser antecipada antes da
execução do experimento. Em outros experimentos, em que o pesquisador tem menos
conhecimento da variabilidade do material experimental, tendências que não são esperadas
8. REQUISITOS E PRINCÍPIOS DO PLANO DO EXPERIMENTO 225
De modo geral, apenas uma parte das características estranhas não controladas é
efetivamente casualizada em um experimento. As demais características, que também não
são controladas, constituem a classe das características estranhas potencialmente
perturbadoras. Inferências válidas do experimento requerem que características dessa
classe não se revelem perturbadoras, ou seja, que se comportem sem implicar em
qualquer efeito sistemático, ou tendencioso, que possa resultar em confundimento de efeitos
causais dos fatores experimentais sobre a variável resposta. Para tal, essas características
estranhas devem comportar-se como se fossem casualizadas. Por essa razão, o erro
experimental também é usualmente designado de erro aleatório, ou erro casual.
Figura 8.2. Diagrama que representa as implicações dos três princípios básicos do
delineamento experimental no que diz respeito à estimação do erro
experimental.
8.3.4. Balanceamento
bloco. Isso significa que essas diferenças são estimadas com diferentes precisões. Essa
inconveniência pode ser evitada com a construção de delineamentos que cada tratamento
esteja presente com cada um dos outros tratamentos em um mesmo número de blocos.
Dessa forma, logra-se o balanceamento dos efeitos de diferenças entre blocos sobre as
comparações entre tratamentos. A Figura 8.3 ilustra um delineamento balanceado para um
experimento com quatro tratamentos (1, 2, 3 e 4) em quatro blocos de três unidades, em
que cada par de tratamentos aparece três vezes em um mesmo bloco.
Bloco 1 1 2 3
Bloco 2 2 3 4
Bloco 3 3 4 1
Bloco 4 4 1 2
8.3.5. Confundimento
9. O que significa o viés do experimento? Qual é a distinção entre viés extrínseco e viés
intrínseco. Qual é a fonte do viés extrínseco? Qual é a fonte do viés intrínseco?
12. Como o uso apropriado da repetição pode contribuir para a validade do experimento?
13. Que implicações o controle de técnicas experimentais pode ter para a validade do
experimento?
15. Que ações o pesquisador pode tomar para o aumento da validade do experimento?
17. Alguns termos que ocorrem com bastante freqüência na literatura referente ao
planejamento de experimento são: precisão, viés, exatidão, validade e confiabilidade. Defina e
discuta cada um desses termos nesse contexto.
21. Explique como cada um dos seguintes procedimentos de controle local pode
contribuir para evitar o confundimento de efeitos de tratamentos com fontes de variação
estranhas do material experimental.
22. O que se entende por "erro experimental"? Ilustre com exemplos de sua área.
30 Quais são as implicações dos três primeiros princípios básicos no que se refere à
estimação do erro experimental. Represente-as por um diagrama.
b) Uma estimativa válida (ou seja, não tendenciosa) do erro experimental para a
comparação dos dois tratamentos poderá ser provida pela variação entre animais dentro de
potreiro? Por quê?
c) Esse experimento poderá prover uma estimativa válida do erro experimental para a
comparação de interesse no experimento? Por quê?
230 Estatística Experimental: Planejamento de Experimentos
36. Indique nas colunas 2 e 3 da tabela que segue as conseqüências que o pesquisador
usualmente espera resultarem, respectivamente quanto à precisão e ao viés da estimativa do
erro experimental, de cada uma das ações ou ocorrências listadas na primeira coluna da tabela,
entre as seguintes: 1 - aumento, 2 - não alteração, 3 - diminuição, 4 - outra (indique neste caso).
Controle local
Controle estatístico
Controle de técnicas experimentais
Casualização de variáveis estranhas
Ocorrência de variáveis estranhas perturbadoras
Uso de delineamento experimental inadequado
Aumento do tamanho do experimento
38. Na primeira coluna da tabela que segue estão enumerados ações e procedimentos
que o pesquisador deve ou pode adotar no plano de experimento. Na segunda coluna, são
listada conseqüências desejáveis e indesejáveis referentes ao erro experimental e à precisão,
não tendenciosidade e exatidão do experimento.
39. Decida se cada uma das seguintes sentenças é verdadeira ou falsa, colocando entre
parênteses as letras V ou F, respectivamente. Se a sentença for falsa, explique por que.
O pesquisador pode obter a precisão que deseja para o seu experimento pela redução da
variação estranha do material experimental.
Qualquer experimento mal planejado pode ser salvo pelo emprego de uma metodologia
estatística suficientemente sofisticada.
00-04 05-09 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49
00 88758 66605 33843 43623 62774 25517 09560 41880 85126 60755
01 35661 42832 16240 77410 20686 26656 59698 86241 13152 49187
02 26335 03771 46115 88133 40721 06787 95962 60841 91788 86386
03 60826 74718 56527 29508 91975 13695 25215 72237 06337 73439
04 95044 99896 13763 31764 93970 60987 14692 71039 34165 21297
05 83746 47694 06143 42741 38338 97694 69300 99864 19641 15083
06 27998 42562 63402 10056 81668 48744 08400 83124 19896 18805
07 82685 32323 74625 14510 85927 28017 80588 14756 54937 76379
08 18386 13862 10988 04197 18770 72757 71418 81133 69503 44037
09 21717 13141 22707 68165 58440 19187 08421 23872 03036 34208
10 18446 83052 31842 08634 11887 86070 08464 20565 74390 36541
11 66027 75177 47398 66423 70160 16232 67343 36205 50036 59411
12 51420 96779 54309 87456 78967 79638 68869 49062 02196 55109
13 27045 62626 73159 91149 96509 44204 92237 29969 49315 11804
14 13094 17725 14103 00067 68843 63565 93578 24756 10814 15185
15 92382 62518 17752 53163 63852 44840 02592 88572 03107 90196
16 16215 50809 49326 77232 90155 69955 93892 70445 00906 57002
17 09342 14528 64727 71403 84156 34083 35613 35670 10549 07468
18 38148 79001 03509 79424 39625 73315 18811 86230 99682 82896
19 23689 19997 72382 15247 80205 58090 43804 94548 82693 22799
20 25407 37726 73099 51057 68733 75768 77991 72641 95386 70138
21 25349 69456 19693 85568 93876 18661 69018 10332 83137 88257
22 02322 77491 56095 03055 37738 18216 81781 32245 84081 18436
23 15072 33261 99219 43307 39239 79712 94753 41450 30944 53912
24 27002 31036 85278 74547 84809 36252 09373 69471 15606 77209
25 66181 83316 40386 54316 29505 86032 34563 93204 72973 90760
26 09779 01822 45537 13128 51128 82703 75350 25179 86104 40638
27 10791 07706 87481 26107 24857 27805 42710 63471 08804 23455
28 74833 55767 31312 76611 67389 04691 39687 13596 88730 86850
29 17583 24038 83701 28570 63561 00098 60784 76098 84217 34997
30 45601 46977 39325 09286 41133 34031 94867 11849 75171 57682
31 60683 33112 65995 64203 18070 65437 13624 90896 80945 71987
32 29956 81169 18877 15296 94386 16317 34239 03643 66081 12242
33 91713 84235 75296 69875 82414 05197 66596 13083 46278 73498
34 85704 86588 82837 67822 95963 83021 90732 32661 64751 83903
35 17921 26111 35373 86494 48266 01888 65735 05315 79328 13367
36 13929 71341 80488 89827 48277 07229 71953 16128 65074 28782
37 03248 18880 21667 01311 61806 80201 47889 83052 31029 06023
38 50583 17972 12690 00452 93766 16414 01212 27964 02766 28786
39 10636 46975 09449 45986 34672 46916 63881 83117 53947 95218
40 43896 41278 42205 10425 66560 59967 90139 73563 29875 79033
41 76714 80963 74907 16890 15492 27489 06067 22287 19760 13056
42 22393 46719 02083 62428 45177 57562 49243 31748 64278 05731
43 70942 92042 22773 47761 13503 16037 30875 80754 47491 96012
44 92011 60326 86346 26738 01983 04186 41388 03848 78354 14964
45 66456 00126 45685 67607 70796 04889 98128 13599 93710 23974
46 96292 44348 20898 02227 76512 53185 03057 61375 10760 26889
47 19680 07146 53951 10935 23333 76233 13706 20502 60405 09745
48 67347 51442 24536 60151 05498 64678 87569 65066 17790 55413
49 95888 59255 06898 99137 50871 81265 42223 83303 48694 81953
Continua
238 Estatística Experimental: Planejamento de Experimentos
50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94 95-99
00 70896 44520 64720 49898 78088 76740 47460 83150 78905 59870
01 56809 42909 25853 47624 29486 14196 75841 00393 04239 24847
02 66109 84775 07515 49949 61482 91836 48126 80778 21302 24975
03 18071 36263 14053 52526 44374 04923 68100 57805 16521 15345
04 98732 15120 91754 12657 74675 78500 01247 49719 47635 55514
05 36075 83967 22268 77971 31169 68584 21336 72541 66959 39708
06 04110 45061 78062 18911 27855 09419 56459 00695 70323 04538
07 75658 58509 24479 10202 13150 95946 55087 38398 18718 95561
08 87403 19142 27208 35149 34889 27003 14181 44813 17784 41036
09 00005 52142 65021 64438 69610 12154 98422 65320 79996 01935
10 43674 47103 48614 70823 78252 82403 93424 05236 54588 27757
11 68597 68874 35567 98463 99671 05634 81533 47406 17228 44455
12 91874 70208 06308 40719 02772 69589 79936 07514 44950 35190
13 73854 19470 53014 29375 62256 77488 74388 53949 49607 19816
14 65926 34117 55344 68155 38099 56009 03513 05926 35584 42328
15 40005 35246 49440 40295 44390 83043 26090 80201 02934 49260
16 46686 29890 14821 69783 34733 11803 64845 32065 14527 38702
17 02717 61518 39583 72863 50707 96115 07416 05041 36756 61065
18 17048 22281 35573 28944 96889 51823 57268 03866 27658 91950
19 75304 53248 42151 93928 17343 88322 28683 11252 10355 65175
20 97844 62947 62230 30500 92816 85232 27222 91701 11057 83257
21 07611 71163 82212 20653 21499 51496 40715 78952 33029 64207
22 47744 04603 44522 62783 39347 72310 41460 31052 40814 94297
23 54293 43576 88116 67416 34908 15238 40561 73940 56850 31078
24 67556 93979 73363 00300 11217 74405 18937 79000 68834 48307
25 86581 73041 95809 73986 49408 53316 90841 73808 53421 82315
26 28020 86282 83365 76600 11261 74354 20968 60770 12141 09539
27 42578 32471 37840 30872 75074 79027 57813 62831 54715 26693
28 47290 15997 86163 10571 81911 92124 92971 80860 41012 58666
29 24856 63911 13221 77028 06573 33667 30732 47280 12926 67276
30 16352 24836 60799 76281 93402 44709 78930 82969 84468 36910
31 89060 79852 97854 28324 39638 86936 06702 74304 39873 19496
32 07637 30412 04921 26471 09605 07355 20466 49793 40539 21077
33 37711 47786 37468 31963 16908 50283 80884 08252 72655 58926
34 82994 53232 58202 73318 62471 49650 15888 73370 98748 69181
35 31772 67288 12110 04776 15168 68862 92347 90789 66961 04162
36 93819 78050 19364 38037 25706 90879 05215 00260 14426 88207
37 65557 24496 04713 23688 26623 41356 47049 60676 72236 01214
38 88001 91382 05129 36041 10257 55558 89979 58061 28957 10701
39 96648 70303 18191 62404 26558 92804 15415 02865 52449 78509
40 04118 51573 59356 02426 35010 37104 98316 44602 96478 08433
41 19317 27753 39431 26996 04465 69695 61374 06317 42225 62025
42 37182 91221 17307 68507 85725 81898 22588 22241 80337 89033
43 82990 03607 29560 60413 59743 75000 03806 13741 79671 25416
44 97294 21991 11217 98087 79124 52275 31088 32085 23089 21498
45 86771 69504 13345 42544 59616 07867 78717 82840 74669 21515
46 26046 55559 12200 95106 56496 76662 44880 89457 84209 01332
47 39689 05999 92290 79024 70271 93352 90272 94495 26842 54477
48 83265 89573 01437 43786 52986 49041 17952 35035 88985 84671
49 15128 35791 11296 45319 06330 82027 90808 54351 43091 30387
9. TABELA DE DÍGITOS ALEATÓRIOS 239
00-04 05-09 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49
50 54441 64681 93190 00993 62130 44484 46293 60717 50239 76319
51 08573 52937 84274 95106 89117 65849 41356 65549 78787 50442
52 81067 68052 14270 19718 88499 63303 13533 91882 51136 60828
53 39737 58891 75278 98046 52284 40164 72442 77824 72900 14886
54 34958 76090 08827 61623 31114 86952 83645 91786 29633 78294
55 61417 72424 92626 71952 69709 81259 58472 43409 84454 88648
56 99187 14149 57474 32268 85424 90378 34682 47606 89295 02420
57 13130 13064 36485 48133 35319 05720 76317 70953 50823 06793
58 65563 11831 82402 46929 91446 72037 17205 89600 59084 55718
59 28737 49502 06060 52100 43704 50839 22538 56768 83467 19313
60 50353 74022 59767 49927 45882 74099 18758 57510 58560 07050
61 65208 96466 29917 22862 69972 35178 32911 08172 06277 62795
62 21323 38148 26696 81741 25131 20087 67452 19670 35898 50636
63 67875 29831 59330 46570 69768 36671 01031 95995 68417 68665
64 82631 26260 86554 31881 70512 37899 38851 40568 54284 24056
65 91989 39633 59039 12526 37730 68848 71399 28513 69018 10289
66 12950 31418 93425 69756 34036 55097 97241 92480 49745 42461
67 00328 27427 95474 97217 05034 26676 49629 13594 50525 13485
68 63986 16698 82804 04524 39919 32381 67488 05223 89537 59490
69 55775 75005 57912 20977 35722 51931 89565 77579 93085 06467
70 24761 56877 56357 78809 40748 69727 56652 12462 40528 75269
71 43820 80926 26795 54553 28319 25376 51795 26123 51102 89853
72 66669 02880 02987 33615 54206 20013 75872 88678 17726 60640
73 49944 66725 19779 50416 42800 71733 82052 28504 15593 51799
74 71003 87598 61296 95019 21568 86134 66096 65403 47166 78638
75 52715 04593 69484 93411 38046 01300 04293 60830 03914 75357
76 21998 31729 89963 11573 49442 69467 40265 56066 36024 25705
77 58970 96827 18377 31564 23555 86338 79250 43168 96929 97732
78 67592 59149 42554 42719 13553 48560 81167 10747 92552 19867
79 18298 18429 09357 96436 11237 88039 81020 00428 75731 37779
80 88420 28841 42628 84647 59024 52032 31251 72017 43875 48320
81 07627 88424 23381 29680 14027 75905 27037 22113 77873 78711
82 37917 63581 04979 21041 95252 62450 05937 81670 44894 47262
83 14783 95119 68464 08726 74818 91700 05961 23554 74649 50540
84 05378 32640 64562 15303 13168 23189 88198 63617 58566 56047
85 19640 96709 22047 07825 40583 99500 39989 96593 32254 37158
86 20514 11081 51131 56469 33947 77703 35679 45774 06776 67062
87 96763 56249 81243 62416 84451 14696 38195 70435 45948 67690
88 49439 61075 31558 59740 52759 55323 95226 01385 20158 54054
89 16294 50548 71317 32168 86071 47314 65393 56367 46910 51269
90 31381 94301 79273 32843 05862 36211 93960 00671 67631 23952
91 98032 87203 03227 66021 99666 98386 39222 36056 81992 20121
92 40700 31826 94774 11366 81391 33602 69608 84119 93204 26825
93 68692 66849 29366 77540 14978 06508 10824 65416 23629 63029
94 19047 10784 19607 20296 31804 72984 60060 50353 23260 58909
95 82867 69266 50733 62630 00956 61500 89913 30049 82321 62367
96 26528 28928 52600 72997 80943 04084 86662 90025 14360 64867
97 50066 00607 49962 30724 81707 14548 25844 47336 57492 02207
98 97245 15440 55182 15386 85136 98869 33712 95152 50973 98658
99 54998 88830 95639 45104 72676 28220 82576 57381 34438 24565
240 Estatística Experimental: Planejamento de Experimentos
50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94 95-99
50 58649 85086 16502 97541 76611 94229 34987 86718 87208 05426
51 97306 52449 55596 66739 36525 97563 29469 31235 79276 10831
52 09942 79344 78160 11015 55777 22047 57615 15717 86239 36578
53 83842 28631 74893 47911 92170 38181 30416 54860 44120 73031
54 73778 30395 20163 76111 13712 33449 99224 18206 51418 70006
55 88381 56550 47467 59663 61117 39716 32927 06168 06217 45477
56 31044 21404 15968 21357 30772 81482 38807 67231 84283 63552
57 00909 63837 91328 81106 11740 50193 86806 21931 18054 49601
58 69882 37028 41732 37425 80832 03320 20690 32653 90145 03029
59 26059 78324 22501 73825 16927 31545 15695 74216 98372 28547
60 38573 98078 38982 33078 93524 45606 53463 20391 81637 37269
61 70624 00063 81455 16924 12848 23801 55481 78978 26795 10553
62 49806 23976 05640 29804 38988 25024 76951 02341 63219 75864
63 05461 67523 48316 14613 08541 35231 38312 14969 67279 50502
64 76582 62153 53801 51219 30242 32599 49099 83959 68408 20147
65 16660 80470 75062 75588 24384 27874 20018 11428 32265 07692
66 60166 42424 97470 88451 81270 80070 72959 26220 59939 31127
67 28953 03272 31460 41691 57736 72052 22762 96323 27616 53123
68 47536 86439 95210 96386 38704 15484 07426 70675 06888 81203
69 73457 26657 36983 72410 30244 97711 25652 09373 66218 64077
70 11190 66193 66287 09116 48140 37669 02932 50799 17255 06181
71 57062 78964 44455 14036 36098 40773 11688 33150 07459 36127
72 99624 67254 67302 18991 97687 54099 94884 42283 63258 50651
73 97521 83669 85968 16135 30133 51312 17831 75016 80278 68953
74 40273 04838 13661 64757 17461 78085 60094 27010 80945 66439
75 57260 06176 49963 29760 69546 61336 39429 41985 18572 98128
76 03451 47098 63495 71227 79304 29753 99131 18419 71791 81515
77 62331 20492 15393 84270 24396 32962 21632 92965 38670 44923
78 32290 51079 06512 38806 93327 80086 19088 59887 98416 24918
79 28014 80428 92853 31333 32648 16734 43418 90124 15086 48444
80 18950 16091 29543 65817 07002 73115 94115 20271 50250 25061
81 17403 69503 01866 13049 07263 13039 83844 80143 39048 62654
82 27999 50489 66613 21843 71746 65868 16208 46781 93402 12323
83 87076 53174 12165 84495 47947 60706 64034 31635 65169 93070
84 89044 45974 14524 46906 26052 51851 84197 61694 57429 63395
85 98048 64400 24705 75711 36232 57624 41424 77366 52790 84705
86 09345 12956 49770 80311 32319 48238 16952 92088 51222 82865
87 07086 77628 76195 47584 62411 40397 71857 54823 26536 56792
88 93128 25657 46872 11206 06831 87944 97914 64670 45760 34353
89 85137 70964 29947 27795 25547 37682 96105 26848 09389 64326
90 32798 39024 13814 98546 46585 84108 74603 94812 73968 68766
91 62496 26371 89880 52078 47781 95260 83464 65942 91761 53727
92 62707 81825 40987 97656 89714 52177 23778 07482 91678 40128
93 05500 28982 86124 19554 80818 94935 61924 31828 79369 23507
94 79476 31445 59498 85132 24582 26024 24002 63718 79164 43556
95 10653 29954 97568 91541 33139 84525 72271 02546 64818 14381
96 30524 06495 00886 40666 68574 49574 19705 16429 90981 08103
97 69050 22019 74066 14500 14506 06423 38332 34191 82663 85323
98 27908 78802 63446 07674 98871 63831 72449 42705 26513 19883
99 64520 16618 47409 19574 78136 46047 01277 79146 95759 36781