Escolar Documentos
Profissional Documentos
Cultura Documentos
i = nível do fator A
j = nível de bloco
k = nível de fator B
GL SQ QM FC Pr(>Fc)
Cultivar 2 1.627 0.8136 1.448 0.3365
Bloco 2 0.515 0.2577 0.459 0.6617
Erro a 4 2.248 0.5619
<2e-
Dose 2 49.978 249.888 183.110
16**
Cultivar*Dos
4 0.908 0.2271 1.664 0.2225
e
Erro b 12 1.638 0.1365
Total 26 56.914
GL
Cultivar 3-1 =2
Bloco 3-1=2
Erro a (2.2)=4
Dose 3-1=2
Cultivar*Dose (3-1).(3-1)= 4
Erro b 26-14=12
Total (3.3.3)-1=26
e) Analise os resíduos;
Não houve interação entre os fatores. O teste de comparação de medias será feito
apenas para a dose, onde foi significativo. O teste utilizado foi Tukey a 5%.
Dose Medias
0 6.06 a
400 3.41 b
800 2.91 c
Script utilizado:
psub2.dbc(arroz$Cultivar, arroz$Dose, arroz$Bloco, arroz$AACPD, quali =
c(TRUE, TRUE), mcomp = "tukey", fac.names = c("Cultivar", "Dose"), sigT =
0.05, sigF = 0.05)
------------------------------------------------------------------------
Legenda:
FATOR 1 (parcela): Cultivar
FATOR 2 (subparcela): Dose
------------------------------------------------------------------------
------------------------------------------------------------------------
$`Quadro da analise de
variancia\n--------------------------------------------------------------
----------\n`
GL SQ QM Fc Pr(>Fc)
Cultivar 2 1.627 0.8136 1.448 0.3365
Bloco 2 0.515 0.2577 0.459 0.6617
Erro a 4 2.248 0.5619
Dose 2 49.978 24.9888 183.110 <2e-16 ***
Cultivar*Dose 4 0.908 0.2271 1.664 0.2225
Erro b 12 1.638 0.1365
Total 26 56.914
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
------------------------------------------------------------------------
CV 1 = 18.22709 %
CV 2 = 8.982457 %
GL SQ QM Fc Pr(>Fc)
Bloco 2 0.515 0.2577 0.56 0.6089
Cultivar 2 1.627 0.8136 1.45 0.3365
Erro (a) 4 2.248 0.5619
Dose 2 49.978 249.888 373.14 2.8e-05**
Erro (b) 4 0.268 0.0670
Cultivar*Dose 4 0.908 0.2271 1.33 0.3392
Erro (c) 8 1.370 0.1712
Total 26 56.914
Não houve interação entre os fatores. O teste de comparação de medias será feito
apenas para a dose, onde foi significativo. O teste utilizado foi Tukey a 5%.
Dose Medias
0 6.06 a
400 3.41 b
800 2.91 c
Script utilizado:
faixas(arroz$Cultivar, arroz$Dose, arroz$Bloco, arroz$AACPD, quali =
c(TRUE, TRUE), mcomp = "tukey", fac.names = c("Cultivar", "Dose"), sigT =
0.05, sigF = 0.05)
------------------------------------------------------------------------
Legenda:
FATOR 1 (parcela): Cultivar
FATOR 2 (subparcela): Dose
------------------------------------------------------------------------
------------------------------------------------------------------------
$`Quadro da analise de
variancia\n--------------------------------------------------------------
----------\n`
GL SQ QM Fc Pr(>Fc)
Bloco 2 0.515 0.2577 0.56 0.6089
Cultivar 2 1.627 0.8136 1.45 0.3365
Erro a 4 2.248 0.5619
Dose 2 49.978 24.9888 373.14 2.8e-05 ***
Erro b 4 0.268 0.0670
Cultivar*Dose 4 0.908 0.2271 1.33 0.3392
Erro c 8 1.370 0.1712
Total 26 56.914
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
------------------------------------------------------------------------
CV 1 = 18.22709 %
CV 2 = 6.292402 %
CV 3 = 10.06129 %
Semeadura S1 S2
Inseticidas CI SI
Cultivares C1 C2 C3
d) Analise os resíduos;
Script utilizado:
fat3.dbc(dados$`Epoca de plantio`, dados$Fipronil, dados$Genotipo, dados$Bloco,
dados$`Peso espigueta (g)`, quali = c(TRUE, TRUE, TRUE), mcomp = "tukey",
fac.names = c("Epoca", "Inseticida", "Genotipo"), sigT = 0.05, sigF = 0.05)
------------------------------------------------------------------------
Legenda:
FATOR 1: Epoca
FATOR 2: Inseticida
FATOR 3: Genotipo
------------------------------------------------------------------------
------------------------------------------------------------------------
Quadro da analise de variancia
------------------------------------------------------------------------
GL SQ QM Fc Pr>Fc
Bloco 3 0.01669 0.00556 0.4943 0.6887
Epoca 1 0.12100 0.121 10.7518 0.0025
Inseticida 1 0.24510 0.2451 21.7789 0
Genotipo 2 2.69133 1.34566 119.571 0
Epoca*Inseticida 1 0.25960 0.2596 23.0673 0
Epoca*Genotipo 2 0.03330 0.01665 1.4796 0.2424
Inseticida*Genotipo 2 0.07318 0.03659 3.2512 0.0514
Epoca*Inseticida*Genotipo 2 0.07415 0.03708 3.2945 0.0496
Residuo 33 0.37139 0.01125
Total 44 3.88575
------------------------------------------------------------------------
CV = 67.85 %
------------------------------------------------------------------------
Teste de normalidade dos residuos (Shapiro-Wilk)
valor-p: 0.004484828
ATENCAO: a 5% de significancia, os residuos nao podem ser considerados normais!
------------------------------------------------------------------------
Onde:
d) Analise os resíduos;
Script utilizado:
library(agricolae)
> f <- system.file("external/ssp.csv", package="agricolae")
> ssp<-read.csv(f)
> model<-with(ssp,ssp.plot(dados$Bloco,dados$`Epoca de
plantio`,dados$Fipronil,dados$Genotipo,dados$`Peso espigueta (g)`))
dados$`Epoca de plantio` : 1 2
dados$Fipronil : Sem Com
dados$Genotipo : CNA8441 CNA8394 Canastra
dados$Bloco : 1 2 3 4
Number of observations: 48
Error: dados$Bloco
Df Sum Sq Mean Sq
dados$Bloco 1 0.00287 0.00287
Error: Within
Df Sum Sq Mean Sq
F value Pr(>F)
dados$`Epoca de plantio` 1 0.0841 0.0841
8.126 0.00747 **
dados$Fipronil 1 0.0102 0.0102
0.987 0.32773
dados$Genotipo 2 2.6913 1.3457
130.092 2.23e-16 ***
dados$`Epoca de plantio`:dados$Fipronil 1 0.1152 0.1152
11.137 0.00211 **
dados$`Epoca de plantio`:dados$Genotipo 2 0.0333 0.0167
1.610 0.21523
dados$Fipronil:dados$Genotipo 2 0.0732 0.0366
3.537 0.04056 *
dados$`Epoca de plantio`:dados$Fipronil:dados$Genotipo 2 0.0742 0.0371
3.584 0.03902 *
Residuals 33 0.3413 0.0103
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1