Escolar Documentos
Profissional Documentos
Cultura Documentos
NOTAS DE AULA
2-Ensaio x Experimentação
1
3-Planejamento Experimental
3.1.1 Problema
Elaborando as hipóteses
Testando as Hipóteses
3
4.1 Tipos de Amostras
4
4.1.4 Amostra por Conglomeradas
5. Termos Importantes
Aleatorização ou Casualização
Por exemplo: Aleatorização pode ser feita da seguinte forma: toma-se uma
unidade e joga-se uma moeda: se ocorrer “cara”, a unidade é designada para o
grupo tratado e se ocorrer “coroa” a unidade é designada para o grupo
controle, ou também pode ser feita através de tabelas de números ao acaso,
obtidas em livros de estatística ou em computadores.
Unidade Experimental
Tratamento
5
tratamento tem efeito. Por exemplo, um agrônomo pode estar interessado em
saber se determinado adubo tem efeito sobre a produção de uma planta. Nesse
caso, o agrônomo deve tomar um conjunto de plantas similares e cultivar
algumas plantas com o adubo e outras sem o adubo. As plantas que recebem o
grupo tratado e as plantas que não recebem o adubo constituem o grupo
controle ou testemunha.
Repetição
Erros de Observações
6
Erro por Falta de Resposta
6 Pesquisa Experimental
7
6.1 Princípios da Experimentação
8
g. Amostragens regulares, quando possíveis, pois permitem uma melhor
análise dos dados;
h. Certificação de que as pessoas envolvidas na experimentação possuam
treinamento e conhecimento a cerca do modelo estatístico e da
metodologia a ser empregada.
Nota: Do que foi visto aqui, é fácil entender que, para planejar um
experimento, é essencial definir a unidade experimental e o que será medido ou
observado nessa unidade. Depois, é preciso definir os tratamentos que serão
colocados em comparação. Finalmente, é preciso estabelecer a maneira de
fazer a casualização.
Exercícios
9
7 Delineamentos Experimentais
Por exemplo:
1º) Nos testes de ganho de peso os animais não precisam ser “iguais” – podem
até ser de cores diferentes – mas, para que sejam considerados similares, é
preciso que sejam da mesma raça, mesmo sexo, mesma idade e que tenham,
no inicio do experimento, pesos bastante próximos. É comum, nos
experimentos inteiramente ao acaso, que todos os tratamentos tenham igual
numero de repetições.
10
tratamento. Os dados, quantidade de insulina liberada pelo tecido pancreático
podem ser considerados como três amostras aleatórias, cada uma com r=4
repetições, ou de tamanho r=4 sorteadas de três populações.
11
A lógica dos experimentos em blocos ao acaso precisa ser bem
entendida. O bloco pode ser uma faixa de terra, uma ala de estufas, um
período de tempo, uma ninhada, uma partida de produtos industriais, uma faixa
de idade – tudo depende do que está em experimentação. O essencial é que os
blocos reúnam unidades similares – que se distingam apenas pelo tratamento
que recebem – e que haja variabilidade entre blocos. Não teria sentido
organizar blocos se não houvesse variabilidade entre blocos. Mas quem decide
se a variabilidade entre unidades justifica ou não a formação de blocos é o
pesquisador, não o estatístico. Veja figura abaixo:
Embora o bloco deva reunir unidades similares, isso não significa que
essa reunião deva ser física.
12
Passo a Passo
13
Tabela 1: Um experimento inteiramente ao acaso
C=
n
c) A soma de quadrados total: SQT = ∑ y 2 − C
−C
r
e) A soma de quadrados de resíduo: SQR=SQT-SQTr
SQTr
f) O quadrado médio de tratamentos: QMTr =
k −1
SQR
g) O quadrado médio de resíduo: QMT =
n−k
QMTr
h) O valor de F: F =
QMR
14
INSTRUÇÃO
Em palavras Em símbolos
1. Identifique a afirmação. Determine as H0 e Ha
hipóteses
2. Especifique o nível de significância Identifique α
3. Identifique os graus de liberdade Gl_tratamentos=k-1
Gl_residuos=n-k
4. Determine o valor critico Usar tabela
5. Determine a região de rejeição
6. Calcule a estatística de teste QMTR
F=
QMR
7 Decida entre rejeitar ou não a hipótese Se F estiver na região de
nula rejeição, rejeite H0. Caso
contrário, não rejeite H0.
8 Interprete a decisão no contexto da
afirmação original
EXEMPLO DE APLICAÇÃO
A C D C A
B D A B C
D A B D B
B C D C A
15
Tabela 2. Produção de milho em kg/100m2 segundo a variedade.
VARIEDADE
A B C D
25 31 22 33
26 25 26 29
20 28 28 31
23 27 25 34
21 24 29 28
a) os graus de liberdade
b) o valor de C
c) a soma de quadrados total
d) a soma de quadrados de tratamentos
e) a soma de quadrados de resíduo
f) o quadrado médio de tratamentos
g) o quadrado médio de resíduos
h) o valor de F
Respostas
b) C =
(25 + 26 + ... + 28)2 =
(535)2 = 14311,25
4 ∗5 20
c) a soma de quadrados total: SQT = 25 2 + 26 2 + ... + 28 2 − 14311,25 = 275,75
163,75
f) O quadrado médio de tratamentos: QMTr = = 54,58
3
112,00
g) O quadrado médio de resíduo: QMT = = 7,00
16
QMTr 54,58
h) O valor de F: F = = = 7,80
QMR 7,00
16
Tabela 3. Analise de variância dos dados da tabela 2
Soma dos Média dos
Variação GL F
quadrados quadrados
TRATAMENTOS 3 163,75 54,58 7,80
RESÍDUO 16 112,00 7,00
TOTAL 19 275,75
gl tratamentos=k-1
17
gl blocos=r-1
gl total=Kr-1
gl resíduo= (k-1)(r-1)
numero de observações: C =
kr
c) A soma de quadrados total: SQT = ∑ y 2 − C
−C
r
−C
k
f) A soma de quadrados de resíduo: SQR= SQT-SQTr-SQB
SQTr
g) O quadrado médio de tratamentos: QMTr =
k −1
SQB
h) O quadrado médio de blocos: QMB =
r −1
SQR
i) O quadrado médio de resíduo: QMR =
(k − 1) − (r − 1)
QMTr
j) O valor de F: F =
QMR
Exemplo de aplicação
18
Figura 3. Esquema de campo de um experimento em blocos ao acaso
a) Os graus de liberdade:
gl tratamentos: 4-1=3
gl blocos: 5-1=4
gl total:4.5-1=19
gl resíduo: (19-3-4) ou 3.4=12
19
b) O valor C, dado pelo total geral elevado ao quadrado e dividido pelo
numero de observações: C =
(700)2
20
c) A soma de quadrados total: SQT = 34 2 + 26 2 + ... + 32 2 − 24500 = 950
d) A soma de quadrados de tratamentos:
160 2 + 175 2 + 215 2 + 150 2
SQTr = − 24500 = 490
5
e) A soma quadrados em blocos:
120 2 + 136 2 + 144 2 + 148 2 + 152 2
SQTr = − 24500 = 160
4
f) A soma de quadrados de resíduo: SQR=950-490-160=300
490
i) O quadrado médio de tratamentos: QMTr = = 163,33
3
SQB 160
j) O quadrado médio de blocos: QMB = = = 40
r −1 4
SQR 300
k) O quadrado médio de resíduo: QMR = = = 25
(k − 1) − (r − 1) 3 ∗ 4
QMTr
l) O valor de F: F = = 6,53
QMR
20
9.1 Diferença mínima significante (d.m.s.)
9.2 O teste t
21
É fácil comparar médias usando a d.m.s. estabelecida pelo teste t. Como
exemplo considere os dados apresentados na tabela? . Imagine que esses
dados são de um experimento para comparar o efeito de cinco drogas na
diminuição da pressão arterial. Para fazer esse experimento um médico tomou
30 pacientes e dividiu ao acaso em seis grupos: o grupo controle recebeu um
placebo e os grupos receberam cada uma das drogas. Os valores apresentados
na tabela 6 são a diminuição da pressão arterial, dada pela diferença entre a
pressão arterial no inicio e no fim do experimento.
uma vez que 2,064 é o valor de t dado na tabela para o nível de significância
de 5% e 24 g.l. (veja o resíduo na analise de variância), 36,00 é o quadrado
médio do resíduo e 5 é o numero de repetições de cada tratamento.
As médias de diminuição da pressão arterial, segundo o tratamento,
estão na tabela 8. Faça as diferenças das médias, duas a duas, e compare
essas diferenças com a d.m.s., que é 7,83. É fácil ver, por exemplo, que os
pacientes que receberam a droga A tiveram, em média, diminuição de pressão
arterial significantemente maior do que os pacientes que receberam a droga B,
uma vez que o valor absoluto da diferença entre a media de A e a media de B
(veja tabela 8) é: 21-8=13, maior do que 7,83 (diferença mínima
significante).
22
Tabela 8. Média da diminuição da pressão arterial segundo o tratamento
Tratamento Média
A 21
B 8
C 10
D 29
E 13
Controle 2
QMR
d .m.s. = q
r
em q é o valor dado na tabela ao nível de significância estabelecido, QMR é o
quadrado médio dos resíduo da analise de variância e r é o número de
repetições de cada um dos tratamentos. De acordo com o teste, duas médias
são estatisticamente diferentes toda vez que o valor absoluto da diferença entre
elas for igual ou maior do que d.m.s.
Para entender como se usa a tabela para o teste de tukey, observe a
figura 6. O valor assinalado seria utilizado para comparar as médias de um
experimento com quatro tratamentos e 16 graus de liberdade no resíduo, ao
nível de significância de 5%.
Figura 6. Valor de q
23
Considere os dados apresentados na tabela 6. Esses dados foram
submetidos a analise de variância. Os resultados dessa análise estão na tabela
7. Como o valor de F apresentado na tabela 7 é significante ao nível de 5%, as
médias de tratamentos não são estatisticamente iguais. Mas qual é, ou quais
são, as medias diferentes?
A pergunta pode ser respondida com a aplicação do teste de tukey.
Considerando um nível de significância de 5%, tem-se que:
36
d .m.s. = 4,37 = 11,73
5
Uma vez que q=4,37 (valor dado na tabela, ao nível de significância de
5%, associado a 6 tratamentos e 24 graus de liberdade de resíduo), QMR=36
(quadrado médio de resíduo, obtido na ANOVA) e r = 5 (número de
repetições).
As médias estão na tabela 8. Pode-se então concluir, por exemplo, que a
média de A é significantemente maior que a média de B porque:
21-8=13>11,73.
24