1

UNIVERSIDADE DE SÃO PAULO

ESCOLA SUPERIOR DE AGRICULTURA “LUIZ DE QUEIROZ”

Av. Pádua Dias, 11 Caixa Postal 9 Piracicaba/SP 13418-900

(Departamento de Ciências Exatas/Setor de Matemática e Estatística)

6ª Aula Prática – LCE 602 – ESTATÍSTICA EXPERIMENTAL – 2013

DELINEAMENTO EM QUADRADO LATINO

Num experimento de competição de variedades de cana-de-açúcar foram usadas 5 variedades: A=Co290;

B=Co421; C=Co419; D=POJ2878 e E=CP36-13, dispostas em um quadrado latino 5x5. O controle feito por
meio de blocos horizontais (linhas) e verticais (colunas) com o objetivo de eliminar influências devidas a
diferenças de fertilidade em duas direções. As produções, em kg/parcela, são apresentadas na Tabela 1.
Tabela 1: Produções de cana-de-açúcar, em kg/parcela,
segundo a variedade, entre parênteses, a linha e a coluna do
quadrado latino
Coluna
Linha 1ª 2ª 3ª 4ª 5ª
1ª 432 (D) 518 (A) 458 (B) 583 (C) 331 (E)
2ª 724 (C) 478 (E) 524 (A) 550 (B) 400 (D)
3ª 489 (E) 384 (B) 556 (C) 297 (D) 420 (A)
4ª 494 (B) 500 (D) 313 (E) 486 (A) 501 (C)
5ª 515 (A) 660 (C) 438 (D) 394 (E) 318 (B)
Fonte: Pimentel-Gomes (2000)
AULA NO R
####################################### dotplot(res_pad ~ trat, xlab="Tratamento",
# Delineamento em quadrado latino # ylab="Resíduos Padronizados")
####################################### plot(res_pad~fitted(modelo),pch=19,cex=0.7,
## Planejamento de um experimento xlab="Valores preditos",
####################################### ylab="Resíduos Padronizados")
sample(1:5) abline(h=0)
sample(1:5) # Teste de normalidade de Shapiro-Wilk
## Análise do experimento #######################################
####################################### shapiro.test(res_pad)
rm(list=ls(all=TRUE)) # Teste de homogeneidade de variâncias
dados=read.csv2("cana1.csv") # de Breusch-Pagan
str(dados) #######################################
dados$linha<- as.factor(dados$linha) library(lmtest)
dados$coluna<- as.factor(dados$coluna) bptest(modelo)
dados$trat<- as.factor(dados$trat) #
summary(dados) # Box Cox
modelo=lm(prod ~ linha + coluna + trat, #######################################
data=dados) library(car)
attach(dados) boxcox(prod ~ linha + coluna + trat)
# Análise gráfica dos resíduos # Análise da variância
####################################### #######################################
# Resíduos Padronizados anova(modelo)
res_pad<- residuals(modelo)/ # Testes de comparações de médias
sqrt(anova(modelo)$"Mean Sq"[4]) ########################################
boxplot(res_pad) # Usando as funçoes da biblioteca
qqnorm(res_pad,pch=19,cex=0.7, # 'ExpDes.pt'
xlab="Quantis da distribuição normal", library(ExpDes.pt)
ylab="Resíduos Padronizados",main="") dql(trat, linha, coluna, prod, mcomp =
qqline(res_pad) "tukey",sigT = 0.05, sigF = 0.05)
require(lattice)

AULA NO SAS
TITLE 'Planejamento do Experimento -
Quadrados Latinos'; QUIT;
PROC PLAN seed=456; PROC TABULATE;
FACTORS linha=5 ORDERED coluna=5 ORDERED / CLASS linha coluna;
NOPRINT; VAR trat;
TREATMENTS trat=5 CYCLIC; TABLE linha, coluna*(trat*f=6.)/rts=8;
OUTPUT OUT=DQL RUN;
linha cvals=('L1' 'L2' 'L3' 'L4' 'L5') QUIT;
RANDOM
coluna cvals=('P1' 'P2' 'P3' 'P4' 'P5')
RANDOM
trat nvals=(1 2 3 4 5) RANDOM;
 2

TITLE 'DQL - Análise'; res_pad = res_ord/sqrt(2842.8933);

DATA aula6; *NOTA: 2842.8933 é o valor de QMRes;
INPUT linha coluna trat$ prod @@; RUN;
DATALINES; TITLE 'Análise exploratória dos resíduos';
1 1 D 432 2 1 C 724 PROC PRINT DATA=residuos; RUN;
1 2 A 518 2 2 E 478 PROC PLOT DATA=residuos;
1 3 B 458 2 3 A 524 PLOT res_pad*trat="*"/vpos=20;
1 4 C 583 2 4 B 550 RUN;
1 5 E 331 2 5 D 400 PROC PLOT DATA=residuos;
3 1 E 489 4 1 B 494 PLOT res_pad*y_est="*"/vpos=20;
3 2 B 384 4 2 D 500 RUN;
3 3 C 556 4 3 E 313 TITLE 'Verificação da Normalidade dos
3 4 D 297 4 4 A 486 resíduos
3 5 A 420 4 5 C 501 Normal-plot e Teste de Shapiro-Wilk';
5 1 A 515 PROC UNIVARIATE DATA=residuos PLOT NORMAL;
5 2 C 660 VAR res_pad; qqplot;
5 3 D 438 RUN;
5 4 E 394 TITLE 'Transformação de Box-Cox';
5 5 B 318 PROC TRANSREG DATA=aula6 plots(UNPACK);
; MODEL BOXCOX(prod/CONVENIENT LAMBDA=-2to 2
PROC SORT DATA=aula6; BY trat; RUN; BY 0.05) = CLASS(trat linha coluna);
TITLE 'Análise de variância e obtenção dos ods select BoxCoxLogLikePlot;
resíduos'; RUN;
PROC GLM DATA=aula6; TITLE 'Teste de Tukey';
CLASS linha coluna trat; PROC GLM DATA=aula6;
MODEL prod=linha coluna trat/SS3; CLASS linha coluna trat;
OUTPUT OUT=residuos PREDICTED=y_est MODEL prod = linha coluna trat/SS3;
RESIDUAL=res_ord; * Teste de Tukey;
RUN; MEANS trat/TUKEY;
DATA residuos; MEANS trat/TUKEY ALPHA=0.01;
SET residuos; RUN;

Exercício para entregar na próxima aula

Os dados da Tabela 2 provêm de um experimento de adubação de cana-de-açúcar com fertilizantes minerais e
adubos verdes, cujos tratamentos constam na tabela a seguir:

Tratamento Calcário Crotalária Adubo mineral

T1 com sem Sem
T2 com com Sem
T3 com com Com
T4 sem sem Sem
T5 sem com Sem
T6 sem com Com

Tabela 2. Totais de açúcar provável, em kg/parcela, segundo o tratamento (T1, T2,... ,T6)
Linha
Coluna 1 2 3 4 5 6 Totais
1 79,80 (T2) 59,52 (T4) 78,65 (T6) 72,91 (T3) 76,93 (T1) 85,66 (T5) 453,47
2 83,73 (T3) 69,85 (T1) 74,05 (T5) 77,25 (T4) 84,46 (T2) 81,10 (T6) 470,44
3 73,79 (T4) 53,60 (T3) 72,17 (T2) 84,12 (T5) 86,99 (T6) 69,41 (T1) 440,08
4 77,93 (T5) 87,24 (T2) 67,54 (T1) 89,87 (T6) 82,99 (T3) 72,16 (T4) 477,73
5 73,50 (T1) 81,25 (T6) 65,70 (T4) 76,57 (T2) 77,67 (T5) 81,05 (T3) 455,74
6 64,47 (T6) 81,31 (T5) 85,61 (T3) 74,55 (T1) 63,81 (T4) 89,91 (T2) 459,66
Totais 453,22 432,77 443,72 475,27 472,85 479,29 2757,12
Fonte: Pimentel-Gomes (2000)

1. Faça o croqui do planejamento de um experimento com as características do experimento em

questão.
2. Com base nos resultados do experimento apresentados na Tabela 2 e considerando o nível de
significância 5%:
a) Ajuste o modelo e verifique as pressuposições do modelo; (somente SAS e R)
b) Faça a análise de variância e conclua;
c) Compare as médias dos tratamentos usando o teste Tukey e tire conclusões;
d) Elabore um grupo de contrastes ortogonais de interesse prático e teste-os.

Importante: 1) O exercício deve ser entregue em dupla; 2) Apresentar título de gráficos e tabelas; 3) Para
cada teste, apresentar as hipóteses de interesse, as saídas dos softwares R e SAS e as conclusões obtidas.