Docente: Doutor Fábio Mathias Correa

Discente: Milane Ribeiro Santos

Disciplina: Estatística Experimental

EXÉRCICIO 1

A base de dados utilizada foi um data frame composto por 720 observações, três
variáveis e 30 tratamentos divididos em Blocos Casualizados. O experimento analisado consiste
de quatro blocos casualizados completos, sendo que dentro de cada bloco há seis repetições de
cada tratamento.
As hipóteses nulas (Ho) e alternativa (Ha) testadas nesse experimento foram:
Ho = não há diferença estatística entre os tratamentos.
Ha = há diferença estatística entre os tratamentos.
Posteriormente, foram obtidas as médias das variáveis em função do tratamento de
acordo com as variáveis e em seguida elaborado o gráfico de barras com as médias.

Tratamentos 1 2 3 4 5 6 7 8 9 10
Médias 155,7125 199,4845 161,8693 178,9418 219,3953 143,5922 87,52193 213,1959 188,7756 177,0642

Tratamentos 11 12 13 14 15 16 17 18 19 20
Médias 174,9571 161,6568 125,4665 247,1117 101,0452 228,8388 220,2759 109,4879 208,954 105,0736

Tratamentos 21 22 23 24 25 26 27 28 29 30
Médias 143,3654 187,5187 133,2256 130,9278 174,1564 134,6205 231,6577 154,3223 122,4699 234,9849
 Ao analisar o gráfico de barras, observa-se que o tratamento 14 obteve maior média nas
variáveis, e o tratamento 7 a menor média.
A partir disso foi realizada a análise de variância para verificar se os tratamentos
exercem influência em alguma variável de interesse (Tabela 1).

Tabela 1. Análise de variância para a variável.

Df Sum Sq Mean Sq F value Pr(>F)

Tratamento 29 1373251 47353 2000.725 <2e-16 ***

Bloco 3 10654 3551 150.042 <2e-16 ***
Repetição 5 51 10 0.431 0.827
Residual 682 16142 24

De acordo com a análise de variância, três variáveis obtiveram um p-valor abaixo de

0,5%. Logo pode-se afirmar com 95% de confiança que há diferença estatística entre os
tratamentos.

Análise residual das variáveis:

 Os pressupostos para a análise de variância na variável foram verificados, ou seja, os
dados apresentam homogeneidade de variâncias e os resíduos têm distribuição que não difere da
normal.
Como pelo menos uma das médias dos tratamentos é diferente, é necessário aplicar o
teste de ScottKnott, que faz o agrupamento das médias, para determinar qual o tratamento que
difere dos demais (Tabela 2).

Tabela 2. Teste de ScottKnott para os tratamentos.

Levels Means SK-5%
14 24.711.173 a
30 23.498.489 b
27 23.165.769 c
16 22.883.882 d
17 22.027.591 e
5 21.939.527 e
8 21.319.594 f
19 20.895.404 g
2 19.948.450 h
9 18.877.559 i
22 18.751.871 i
4 17.894.183 j
10 17.706.419 j
11 17.495.713 k
25 17.415.639 k
3 16.186.930 l
12 16.165.683 l
1 15.571.245 m
 Levels Means SK-5%
28 15.432.228 m
6 14.359.218 n
21 14.336.537 n
26 13.462.045 o
23 13.322.563 o
24 13.092.781 p
13 12.546.653 q
29 12.246.987 r
18 10.948.787 s
20 10.507.358 t
15 10.104.524 u
7 8.752.193 v
Em que letras iguais indicam médias semelhantes.

Foram realizadas análises, em seguida elaborado o gráfico para análise de resíduos, e

caso necessário foi aplicado o teste de ScottKnott, considerando:

 Todas as repetições dentro do bloco (Tabela 3).

Tabela 3. Análise considerando todas as repetições dentro do bloco.

Df Sum Sq Mean Sq F value Pr(>F)

Tratamento 29 1373251 47353 2000.725 <2e-16 ***

Bloco 3 10654 3551 150.042 <2e-16 ***
Residual 687 16193 24
Tabela 4. Teste de ScottKnott considerando todas as repetições dentro do bloco.
Levels Means SK-5%
14 24.711.173 a
30 23.498.489 b
27 23.165.769 c
16 22.883.882 d
17 22.027.591 e
5 21.939.527 e
8 21.319.594 f
19 20.895.404 g
2 19.948.450 h
9 18.877.559 i
22 18.751.871 i
4 17.894.183 j
10 17.706.419 j
11 17.495.713 k
25 17.415.639 k
3 16.186.930 l
12 16.165.683 l
1 15.571.245 m
28 15.432.228 m
6 14.359.218 n
21 14.336.537 n
26 13.462.045 o
23 13.322.563 o
24 13.092.781 p
13 12.546.653 q
29 12.246.987 r
18 10.948.787 s
20 10.507.358 t
15 10.104.524 u
7 8.752.193 v
  Médias dos blocos (Tabela 5).
Tabela 5. Análise considerando a média dos blocos.
Df Sum Sq Mean Sq F value Pr(>F)

Tratamento 29 228875 7892 2091.0 <2e-16 ***

Bloco 3 1776 592 156.8 <2e-16 ***
Residual 87 328 4
 Tabela 7. Teste de ScottKnott considerando a média dos blocos.
Levels Means SK-5%
14 24.711.173 a
30 23.498.489 b
27 23.165.769 c
16 22.883.882 d
17 22.027.591 e
5 21.939.527 e
8 21.319.594 f
19 20.895.404 g
2 19.948.450 h
9 18.877.559 i
22 18.751.871 i
4 17.894.183 j
10 17.706.419 j
11 17.495.713 k
25 17.415.639 k
3 16.186.930 l
12 16.165.683 l
1 15.571.245 m
28 15.432.228 m
6 14.359.218 n
21 14.336.537 n
26 13.462.045 o
23 13.322.563 o
24 13.092.781 p
13 12.546.653 q
29 12.246.987 r
18 10.948.787 s
20 10.507.358 t
15 10.104.524 u
7 8.752.193 v

 Repetição dentro do bloco (Tabela 8).

Tabela 8. Análise considerando todas as repetições dentro do bloco.

Df Sum Sq Mean Sq F value Pr(>F)

Tratamento 29 1373251 47353 2007.032 <2e-16 ***

Bloco 3 10654 3551 150.515 <2e-16 ***
Bloco:repet 150 3523 23 0.995 0.504
Residual 537 12670 24
Tabela 9. Teste de ScottKnott considerando todas as repetições dentro do bloco.
Levels Means SK-5%
14 24.711.173 a
30 23.498.489 b
27 23.165.769 c
16 22.883.882 d
17 22.027.591 e
5 21.939.527 e
8 21.319.594 f
19 20.895.404 g
2 19.948.450 h
9 18.877.559 i
22 18.751.871 i
4 17.894.183 j
10 17.706.419 j
11 17.495.713 k
 Levels Means SK-5%
25 17.415.639 k
3 16.186.930 l
12 16.165.683 l
1 15.571.245 m
28 15.432.228 m
6 14.359.218 n
21 14.336.537 n
26 13.462.045 o
23 13.322.563 o
24 13.092.781 p
13 12.546.653 q
29 12.246.987 r
18 10.948.787 s
20 10.507.358 t
15 10.104.524 u
7 8.752.193 v

Os pressupostos para a análise de variância na variável foram verificados, ou seja, os

dados apresentam homogeneidade de variâncias e os resíduos verifica-se a normalidade.
Para avaliar a distribuição empírica do dados foi feito o Box-plot para os tratamentos.

Analisando os gráficos notamos a heterogeneidade entre os tratamentos.

Conclusão:
De acordo com os testes realizados pode-se afirmar que o Tratamento 14 tem a média
maior em relação os outros tratamentos.