Apresentação

Estatı́stica experimental aplicada à pesquisa com animais
Cristina Henriques Nogueira
e-mail: cristina.nogueira@ifsudestemg.edu.br
18 de janeiro de 2021
Rio Pomba - MG
Introdução
A Estatı́stica Experimental constitui de técnicas apropriadas ao planejamento e

às análises dos dados de experimentos.
Planejamento;
Execução;
Análise dos dados obtidos;
Interpretação dos resultados.
(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 2 / 61

Introdução
A Estatı́stica Experimental constitui de técnicas apropriadas ao planejamento e

às análises dos dados de experimentos.
Planejamento;
Execução;
Análise dos dados obtidos;
Interpretação dos resultados.
Experimento: É um trabalho previamente planejado, que precisa seguir

determinados princı́pios básicos e, a partir do qual, se faz a comparação de
diferentes tratamentos.
Dados Experimentais: são os dados obtidos de experimentos, a partir de

uma amostra da população em estudo.

Alguns Conceitos Básicos
Quais fatores serão estudados no experimento?
Tratamento ou fator: é o método, elemento ou material cujo efeito desejamos

medir ou comparar em um experimento.
i) Estudar o efeito de único tratamento.
Exemplo: Interesse em avaliar a composição de carcaça de gado de corte para

sexos distintos.
ii) Estudar, simultaneamente, os efeitos de dois ou mais tipos de tratamentos.
Exemplo: Interesse em avaliar a composição de carcaça de gado de corte para

sexos distintos, diversas raças e com diferentes manejos.

Quais as caracterı́sticas que serão analisadas?
Variável resposta: é a variável mensurada usada para avaliar o efeito de

tratamentos. Em um mesmo experimento, várias caracterı́sticas podem ser
analisadas.
Exemplo: Em experimento com gado de corte, podemos determinar diversas

caracterı́sticas tais como:
taxa de natalidade
a taxa de mortalidade até a desmama
a idade média de abate, a taxa de abate
o peso médio de carcaça
a composição de carcaça - relação osso/carne/gordura
a taxa de lotação (animal/ha), entre outros.

Quais os fatores que afetam essas caracterı́sticas?
Fatores ambientais: são fontes de variações não intencionais (cujas

comparações não são o objetivo do experimento), mas de natureza conhecida,
inerente ao material experimental.
Exemplo: Se estamos interessados em avaliar a composição de carcaça de gado de

corte de acordo com diferentes tipos de confinamento, devemos relacionar os fatores
ambientais que podem afetar essa composição, tais como sexo, raça/linhagem,
idade, entre outros.

Unidade experimental ou parcela: é a unidade que vai receber o tratamento. As

respostas que a unidade apresentar a esse tratamento irá constituir um dado ou
observação.
Exemplos
Um animal (bovinos), uma gaiola (frangos, coelhos) ou um piquete;
Um canteiro com 10 m2 ;
um tanque de 2x2 m (peixes);
Um hectare com 3 a 5 animais (pastejo).

Qual deve ser o tamanho da unidade experimental?
A escolha do tamanho da unidade experimental deve ser feita de forma a

minimizar o erro experimental.
As unidades experimentais devem ser o mais uniforme possı́vel, para que as

mesmas consigam refletir o efeito dos tratamentos aplicados.
Disponibilidade do material experimental.
Custo e tempo para a obtenção dos dados.
Equipamentos utilizados na execução do experimento.
É preferı́vel aumentar o número de repetições do que o tamanho da parcela.

Delineamento experimental: é o croqui (desenho) do experimento e implica

na forma como os tratamentos serão designados às unidades experimentais.
Está relacionado ao controle de fatores ambientais.
1 Delineamento Inteiramente Casualizado (DIC);

2 Delineamento em Blocos Casualizados (DBC);
3 Delineamento em Quadrado Latino (DQL).

Delineamento experimental: é o croqui (desenho) do experimento e implica

na forma como os tratamentos serão designados às unidades experimentais.
Está relacionado ao controle de fatores ambientais.
1 Delineamento Inteiramente Casualizado (DIC);

2 Delineamento em Blocos Casualizados (DBC);
3 Delineamento em Quadrado Latino (DQL).
Esquema: quando em um mesmo experimento são avaliados dois ou mais

fatores, os nı́veis dos fatores podem ser combinados de maneiras diferentes.
O esquema é justamente a maneira utilizada pelo pesquisador ao combinar os
nı́veis dos fatores para se obter os tratamentos.
1 Esquema Fatorial;
2 Esquema em parcelas subdivididas.

Erro experimental: é o efeito de fatores que atuam de forma aleatória e que

não são passı́veis de controle pelo experimentador.
Exemplo: variações nas dosagem de ração(comedouro com falha), pequenas
variações de temperatura, entre outros.
Efeitos não controlados vs. Efeitos não controláveis;
Para não inflacionar o erro, deve-se isolar o efeito de todos os fatores que podem
influenciar a variável resposta.

Fontes de variação de um experimento
Premeditada: É aquela introduzida pelo pesquisador com a finalidade de fazer

comparações, ou seja, os tratamentos.
Ambiental: Variações não intencionais, mas de natureza conhecida. Variação

inerente ao material experimental, que podem ser controladas pelo pesquisador.
Por exemplo: Exposição à luz, raça de animais, lote do produto, etc.
Aleatória: São variações de origem desconhecida, não podendo ser

controladas. Constituem o erro experimental. São devidas a duas fontes:
variações no material experimental e falta de uniformidade nas condições
experimentais.

Princı́pios básicos da experimentação (FISHER, 1925)
Repetição
Refere-se ao número de parcelas que receberão um mesmo tratamento. É necessária
para que se possa estimar o erro experimental.
Réplicas 6= Repetições
Avaliações concomitantes de uma mesma unidade experimental são
consideradas réplicas;
As réplicas são utilizadas quando a mensuração de está sujeita a erros de

manipulação (laboratorial ou humana), justificando que o seu valor médio
retrataria melhor a resposta.
Exemplo: Duas amostras do sangue de um animal, em um mesmo perı́odo,
não fornecerão duas repetições da resposta estudada, e sim duas réplicas, cuja
média definirá a resposta única daquele animal.

O número de repetições está relacionado à precisão do experimento.
Quantas repetições deverão ser utilizadas?
Depende do número de tratamentos do experimento e do delineamento

experimental escolhido.
Número total de parcelas do experimento não deve ser inferior a 20;
Número de graus de liberdade associado ao erro não dever ser inferior a 10.

Casualização
Tem a finalidade de proporcionar uma estimativa válida para o erro
experimental, a partir da distribuição aleatória dos tratamentos nas unidades
experimentais, evitando a tendenciosidade dos efeitos de variáveis não
controladas.
É preciso dar a cada tratamento a mesma chance de serem alocados em

determinada parcela (Sorteio).
Exemplo: Não se deve escolher os que se deixam capturar mais facilmente,pois
pode-se comprometer o estudo confundindo o temperamento deles à alguma
patologia, por exemplo.
A forma como os sorteios são realizados é que define o delineamento do

experimento.

Controle local
Consiste no agrupamento das parcelas de um experimento de maneira que os
efeitos de variáveis estranhas, mas conhecidas, não sejam confundidos com os
efeitos dos fatores.
Utilizado para atenuar problemas de heterogeneidade ambiental. A ideia básica

é particionar um conjunto heterogêneo em subconjuntos (blocos) que sejam os
mais homogêneos possı́veis;
Sua função é tornar o delineamento mais eficiente, reduzindo o erro

experimental;
Não é obrigatório.

Exemplos
Exemplo 1: Existem dois galpões com 10 boxes cada. Cinco linhagens de corte
(sexados, machos) serão testados. Cada box é uma unidade experimental, da qual
será tirado o peso médio das aves com 38 dias de idade. Três boxes do segundo
galpão estão ocupados com a ração que manterá as aves durante o ensaio. Como
você distribuiria os tratamentos pelos boxes disponı́veis nos dois galpões, de modo
que todas as linhagens fossem igualmente influenciadas por eles?

Delineamentos experimentais
REPETIÇÃO + CASUALIZAÇÃO
↓
DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

↓
REPETIÇÃO + CASUALIZAÇÃO + CONTROLE LOCAL (1 fonte)

↓
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)

↓
REPETIÇÃO + CASUALIZAÇÃO + CONTROLE LOCAL (1 fonte)

↓
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
REPETIÇÃO + CASUALIZAÇÃO + CONTROLE LOCAL (2 fontes)

↓
DELINEAMENTO EM QUADRADO LATINO (DQL)

Delineamento inteiramente casualizado
Exemplo: Um experimento será conduzido para comparar o efeito das drogas A e

B ou placebo (controle) na contagem média de linfócitos de células de ratos.

Caracterı́sticas do planejamento
É o mais simples de todos os delineamentos;
Utiliza apenas os princı́pios de repetição e casualização;
Necessita de condições ambientais HOMOGÊNEAS;
Flexı́vel, visto que o número de tratamentos e repetições depende, apenas, da

quantidade de material experimental disponı́vel;
Número diferente de repetições em cada tratamento não dificulta (muito) a

análise dos dados;
O número de grau de liberdade para o erro experimental é o maior possı́vel;

Desvantagens
Exige homogeneidade total das condições ambientais;
Em situações experimentais onde não houver uniformidade das condições

experimentais, pode resultar em uma estimativa da variabilidade residual alta,
reduzindo a precisão do experimento.

Modelo estatı́stico do DIC
O modelo estatı́stico de um delineamento inteiramente casualizado (DIC),

considerando-se um modelo fixo, é dado por:
yij = µ + ti + eij
em que:
yij é a observação do i-ésimo tratamento na j-ésima repetição, com i =

1, 2, . . . , I e j = 1, 2, . . . , J;
µ é uma constante inerente a cada observação;
ti é o efeito do i-ésimo tratamento (efeito fixo);
eij é o erro experimental associado à ij-ésima observação.

Delineamento em blocos casualizados
Exemplo: Experimento para avaliar 5 tipos de forragem de acordo com o acúmulo

de matéria seca por ha, instalado numa área com 20 parcelas disponı́veis.


Homogeneidade dentro e heterogeneidade entre blocos.


Homogeneidade dentro e heterogeneidade entre blocos.

Caracterı́sticas do delineamento
É o delineamento mais utilização na experimentação;
Utiliza os princı́pios de repetição, casualização e controle local;
Controle local ⇒ Reduzir a estimativa do erro experimental;
Homogeneidade dentro dos blocos;
Heterogeneidade entre os blocos;
Cada bloco deve conter todos os tratamentos.
É comum que cada tratamento apareça uma única vez em cada bloco, fazendo
com que Nº de blocos = Nº de repetições = J

Desvantagens
Diminuição do número de graus de liberdade para o resı́duo se comparado ao
DIC;
A utilização de um DBC quando o mesmo não é necessário resulta em perda

de precisão do experimento;
Limitação do número de tratamentos, que não pode ser muito elevado;
A perda de parcela ocasiona cálculos um pouco mais trabalhosos.

Modelo estatı́stico do DBC
O modelo estatı́stico de um delineamento blocos casualizados (DBC),

considerando-se o modelo fixo, é dado por:
yij = µ + ti + bj + eij
em que:
yij é a observação do i-ésimo tratamento presente no j-ésimo bloco, com i =

1, 2, . . . , I e j = 1, 2, . . . , J;
bj é o efeito do j-ésimo bloco (efeito fixo);
eij é o erro experimental associado à ij-ésima observação.

Delineamento em quadrado latino
Exemplo: Experimento com vacas leiteiras para avaliar 4 formulações de rações

(A, B, C e D) na produção de leite.







O sorteio é feito em duas etapas: das colunas e linhas.



Caracterı́sticas do delineamento
O número total de unidades experimentais necessárias para um experimento
nesse delineamento é igual a I 2 , sendo I o número de tratamentos;
Cada tratamento é representado uma única vez e ao acaso em cada linha e em

cada coluna;
O número de tratamentos é igual ao número de repetições;
Este delineamento é aconselhável quando o número de tratamentos oscila entre

3 e 10. Mas, para 3 e 4 tratamentos, somente quando se puder repetir o
experimento em vários quadrados latinos

Modelo estatı́stico do DQL
O modelo estatı́stico de um delineamento quadrado latino (DQL), considerando-se

o modelo fixo, é dado por:
yijk = µ + ti + cj + lk + eijk
em que:
yijk é a observação do i-ésimo tratamento, na j-ésima coluna e k-ésima linha,

com i = 1, 2, . . . , I , j = 1, 2, . . . , I e k = 1, 2, . . . , I ;
cj é o efeito da j-ésima coluna (efeito fixo);
lk é o efeito da k-ésima linha (efeito fixo);
eijk é o erro experimental associado à ijk-ésima observação.
Análise de variância de um DIC
O que é análise de variância?

Consiste em decompor a variância total dos dados em partes atribuı́das às fontes
de variação consideradas no experimento (premeditada, ambiental e aleatória).
Variância total = Variância entre + Variância dentro
Objetivo
Verificar se existe diferença significativa entre os nı́veis dos tratamentos.

Pressuposições da análise de variância
Aditividade: Os efeitos dos fatores controlados e do erro devem ser aditivos.
Normalidade: Os erros devem seguir uma distribuição Normal.
Homocedasticidade ou Homogeneidade de variância: Os erros referentes

a cada tratamento devem apresentar variância comum.

Pressuposições da análise de variância
Independência: Os erros devem ser independentes, ou seja, a probabilidade

de que o erro tenha um determinado valor não deve depender dos valores dos
outros erros.
O princı́pio de casualização (ou aleatorização) tem o objetivo de “garantir” que

essa pressuposição seja atendida.
Resumindo:
iid
eij ∼ N(0, σ 2 )
Lê-se: Os erros são independente e identicamente distribuı́dos segundo uma

distribuição Normal com média zero e variância constante (σ 2 )

Quadro da ANOVA para um DIC
FV GL SQ QM Fc valor p
SQTrat QMTrat
Tratamento (I -1) SQTrat QMTrat = gltrat QMRes
SQRes
Resı́duo I (J-1) SQRes QMRes = glres
Total (IJ-1) SQT
em que
I X
J I
X G2 1X 2
SQT = yij2 −C ; C= ; SQTrat = Ti − C
IJ J
i=1 j=1 i=1
SQRes = SQT − SQTrat.

G é soma de todas as observações;
Ti é a soma de todas as observações que recebeu o tratamento i.
Teste F
Hipóteses testadas
H0 : σt2 = 0

H 0 : µ1 = . . . = µ I H 0 : t1 = . . . = tI = 0
⇔ ⇔
H1 : µi 6= µj para algum i, j H1 : ti 6= 0 para algum i H1 : σt2 > 0
Se Fc ≥ Ftab : rejeita-se H0 e conclui-se que existe diferença entre as médias

dos tratamentos;
Se Fc < Ftab : não rejeita-se H0 e conclui que não existe diferença entre as
médias dos tratamentos;

Valor p
O valor p é a área acima do Fc .
Se valor p ≤ α: rejeita-se H0 e conclui-se que existe diferença entre as


Valor p
O valor p é a área acima do Fc .
Se valor p ≤ α: rejeita-se H0 e conclui-se que existe diferença entre as

Se valor p > α: não rejeita-se H0 e conclui que não existe diferença entre as
Quadro da ANOVA para um DBC
SQTrat QMTrat
SQBloco
Bloco (J-1) SQBloco QMBloco = glbloco
SQRes
Resı́duo (I-1)(J-1) SQRes QMRes = glres
Total (IJ − 1) SQT
em que
I X
J I
X G2 1X 2
SQT = yij2 − C ; C= ; SQTrat = Ti − C
IJ J
i=1 j=1 i=1
J
1X 2
SQBloco = Bj − C SQRes = SQT − SQTrat − SQBloco.
I
j=1
Bj é a soma de todas as observações pertencentes ao bloco j.

Quadro da ANOVA para um DQL
SQTrat QMTrat
SQLin
Linha (I -1) SQLin QMLin= gllin
SQL
Coluna (I -1) SQCol QMCol = glcol
SQRes
Resı́duo (I-1)(I -2) SQRes QMRes = glres
Total (I 2 − 1) SQT
I X
I X
I I
X 2 G2 1X 2
em que: SQT = yijk − C; C = ; SQTrat = Ti − C
i=1 j=1 k=1
I2 I i=1
I I
1X 2 1X 2
SQCol = Cj − C ; SQLin = Lk − C ;
I j=1 I
k=1
SQRes = SQT − SQTrat − SQLin − SQCol.

Coeficiente de Variação
O Coeficiente de Variação (CV) é uma medida de dispersão usada para avaliar a

precisão do experimento. É uma medida de porcentagem, obtida a partir de:
√
QMRes
CV = · 100
ȳ
Quanto menor o valor do CV maior é a precisão.

Coeficiente de Variação
O Coeficiente de Variação (CV) é uma medida de dispersão usada para avaliar a

precisão do experimento. É uma medida de porcentagem, obtida a partir de:
√
QMRes
CV = · 100
ȳ
Quanto menor o valor do CV maior é a precisão.
C.V. Avaliação Precisão

0 a 10% Baixo Alta
10 a 20% Médio Média
20 a 30% Alto Baixa
> 30% Muito Alto Muito Baixa
Cuidado: Esses intervalos dependem de cada área. Ex: Um CV de 10% para

qualidade de leite é excelente, mas para qualidade de ovos é considerado alto.

Exemplo de um experimento em DIC
Considere as seguintes produções diárias (kg) de leite de vacas submetidas à

administração de raı́zes e tubérculos como suplementação de inverno na sua
alimentação.
Repetições
Tratamento
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6
Araruta 35,4 29,5 34,5 30,8 35,0 35,2
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0
Faça a análise de variância considerando um nı́vel de significância de α = 5%

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
Total Geral G = 612, 9

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2
C=
IJ

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C
i, j

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C = (19, 62 + 21, 12 + · · · + 24, 02 ) − 15651, 93 = 592, 68
i, j

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C = (19, 62 + 21, 12 + · · · + 24, 02 ) − 15651, 93 = 592, 68
i, j
I
1X 2
SQTrat = Ti − C
J
i=1

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C = (19, 62 + 21, 12 + · · · + 24, 02 ) − 15651, 93 = 592, 68
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (135, 82 + · · · + 136, 92 ) − 15651, 93 = 495, 97
J 6
i=1

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C = (19, 62 + 21, 12 + · · · + 24, 02 ) − 15651, 93 = 592, 68
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (135, 82 + · · · + 136, 92 ) − 15651, 93 = 495, 97
J 6
i=1
SQRes = SQT − SQTrat

Repetições
Tratamento Totais
1 2 3 4 5 6
Sem Suplemento 19,6 21,1 23,4 25,4 22,8 23,5 T1 = 135, 8
Mandioca 23,4 22,4 24,4 25,1 22,9 21,6 T2 = 139, 8
Araruta 35,4 29,5 34,5 30,8 35,0 35,2 T3 = 200, 4
Batata Doce 22,1 24,4 26,5 20,4 19,5 24,0 T4 = 136, 9
G2 612, 92
C= = = 15651, 93
IJ 4∗6
IJ
X
SQT = yij2 − C = (19, 62 + 21, 12 + · · · + 24, 02 ) − 15651, 93 = 592, 68
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (135, 82 + · · · + 136, 92 ) − 15651, 93 = 495, 97
J 6
i=1
SQRes = SQT − SQTrat = 592, 68 − 495, 97 = 96, 71

FV GL SQ QM Fc
Tratamento (I -1) 495,97 QMTrat = SQTrat QMTrat
gltrat QMRes
SQRes
Resı́duo I (J-1) 96,71 QMRes = glres
Total (IJ-1) 592,68

FV GL SQ QM Fc
Tratamento 3 495,97 QMTrat = SQTrat QMTrat
gltrat QMRes
SQRes
Resı́duo 20 96,71 QMRes = glres
Total 23 592,68

FV GL SQ QM Fc
Tratamento 3 495,97 165,32 QMTrat
QMRes
Resı́duo 20 96,71 4,83

Total 23 592,68

FV GL SQ QM Fc
Tratamento 3 495,97 165,32 34,19
Resı́duo 20 96,71 4,83

Total 23 592,68

FV GL SQ QM Fc
Tratamento 3 495,97 165,32 34,19
Resı́duo 20 96,71 4,83

Total 23 592,68
Nı́vel de significância: α = 5%

FV GL SQ QM Fc
Tratamento 3 495,97 165,32 34,19
Resı́duo 20 96,71 4,83

Total 23 592,68

FV GL SQ QM Fc
Tratamento 3 495,97 165,32 34,19
Resı́duo 20 96,71 4,83

Total 23 592,68
Conclusão: Rejeita-se H0 , concluindo-se que há diferenças significativas entre

as médias dos tratamentos, ao nı́vel de 5% de significância.

Exemplo de um experimento em DBC
Os dados abaixo se referem a um experimento instalado segundo o DBC, em que

os tratamentos foram 5 tipos de produtos comerciais para suprir deficiência de
micronutriente em caprinos, enquanto os blocos foram utilizados para controlar
o local onde estavam alojados. Os resultados obtidos, expressos em ppm de
micronutriente/ml de sangue, foram os seguintes:
Blocos
Tipos de produtos
I II III
1 83 63 55
2 86 69 61
3 103 79 79
4 116 81 79
5 132 98 91
Faça a análise de variância e conclua sobre o teste F considerando um nı́vel de

α = 5% de significância.
Blocos
Tipos de produtos Total
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2
C=
IJ

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C
i, j

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C = (832 + · · · + 912 ) − 108375 = 6044
i, j

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C = (832 + · · · + 912 ) − 108375 = 6044
i, j
I
1X 2
SQTrat = Ti − C
J
i=1

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C = (832 + · · · + 912 ) − 108375 = 6044
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (2012 + · · · + 3212 ) − 108375 = 3090
J 3
i=1

Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C = (832 + · · · + 912 ) − 108375 = 6044
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (2012 + · · · + 3212 ) − 108375 = 3090
J 3
i=1
J
1X 2
SQBloco = Bj − C
I
j=1
Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
G2 12752
C= = = 108375
IJ 5∗3
IJ
X
SQT = yij2 − C = (832 + · · · + 912 ) − 108375 = 6044
i, j
I
1X 2 1
SQTrat = Ti − C = ∗ (2012 + · · · + 3212 ) − 108375 = 3090
J 3
i=1
J
1X 2 1
SQBloco = Bj − C = ∗ (5202 + 3902 + 3652 ) − 108375 = 2770
I 5
j=1
Blocos
I II III
1 83 63 55 T1 = 201
2 86 69 61 T2 = 216
3 103 79 79 T3 = 261
4 116 81 79 T4 = 276
5 132 98 91 T5 = 321
Total B1 = 520 B2 = 390 B3 = 365 G = 1275
SQRes = SQT − SQTrat − SQBloco = 6044 − 3090 − 2770 = 184

FV GL SQ QM Fc
Tratamento (I -1) 3090 QMTrat = SQTrat QMTrat
gltrat QMRes
Bloco (J-1) 2770 QMBloco = SQBloco

glbloco
SQRes
Resı́duo (I -1)(J-1) 184 QMRes = glres
Total (IJ-1) 6044

FV GL SQ QM Fc
Tratamento 4 3090 QMTrat = SQTrat QMTrat
gltrat QMRes
Bloco 2 2770 QMBloco = SQBloco

glbloco
SQRes
Resı́duo 8 184 QMRes = glres
Total 14 6044

FV GL SQ QM Fc
Tratamento 4 3090 772,5 QMTrat
QMRes
Bloco 2 2770 1385
Resı́duo 8 184 23
Total 14 6044

FV GL SQ QM Fc
Tratamento 4 3090 772,5 33,6
Bloco 2 2770 1385
Resı́duo 8 184 23
Total 14 6044

FV GL SQ QM Fc
Tratamento 4 3090 772,5 33,6
Bloco 2 2770 1385
Resı́duo 8 184 23
Total 14 6044

FV GL SQ QM Fc
Tratamento 4 3090 772,5 33,6
Bloco 2 2770 1385
Resı́duo 8 184 23
Total 14 6044

FV GL SQ QM Fc
Tratamento 4 3090 772,5 33,6
Bloco 2 2770 1385
Resı́duo 8 184 23
Total 14 6044

Exemplo de um experimento em DQL
Em um ensaio de alimentação de suı́nos usou-se um quadrado latino de 4x4, com
os seguintes resultados, referentes aos ganhos de peso, em kg, ao fim de 252 dias,
em que os tratamentos foram:
A - Castração aos 56 dias de idade.
B - Animais inteiros.
C - Castração aos 7 dias de idade.
D - Castração aos 21 dias de idade.
As colunas tinham como objetivo controlar a variação de peso dos leitões,
enquanto as linhas controlavam a varição referente à cada leitegada.
Colunas
Linhas
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D)
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C)
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B)
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A)

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2
C=
I2

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2 1650, 42
C= = = 170238, 8
I2 42

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2 1650, 42
C= = = 170238, 8
I2 42
III
X
2
SQT = yijk −C
i, j,k

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2 1650, 42
C= = = 170238, 8
I2 42
III
X
2
SQT = yijk − C = (932 + · · · + 87, 62 ) − 170238, 8 = 2129, 32
i, j,k

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2 1650, 42
C= = = 170238, 8
I2 42
III
X
2
SQT = yijk − C = (932 + · · · + 87, 62 ) − 170238, 8 = 2129, 32
i, j,k
I
1X 2
SQTrat = Ti − C
I
i=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TB = 433, 0
G2 1650, 42
C= = = 170238, 8
I2 42
III
X
2
SQT = yijk − C = (932 + · · · + 87, 62 ) − 170238, 8 = 2129, 32
i, j,k
I
1X 2 1
SQTrat = Ti − C = ∗ (353, 42 + · · · + 433, 02 ) − 170238, 8 = 1190, 83
I 4
i=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2
SQLin = Lk − C
I
k=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2 1
SQLin = Lk − C = ∗ (135, 82 + · · · + 136, 92 ) − 170238, 8 = 290, 8
I 4
k=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2 1
SQLin = Lk − C = ∗ (135, 82 + · · · + 136, 92 ) − 170238, 8 = 290, 8
I 4
k=1
I
1X 2
SQCol = Cj − C
I
j=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2 1
SQLin = Lk − C = ∗ (135, 82 + · · · + 136, 92 ) − 170238, 8 = 290, 8
I 4
k=1
I
1X 2 1
SQCol = Cj − C = ∗ (428, 12 + · · · + 385, 82 ) − 170238, 8 = 264, 19
I 4
j=1

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2 1
SQLin = Lk − C = ∗ (135, 82 + · · · + 136, 92 ) − 170238, 8 = 290, 8
I 4
k=1
I
1X 2 1
SQCol = Cj − C = ∗ (428, 12 + · · · + 385, 82 ) − 170238, 8 = 264, 19
I 4
j=1
SQRes = SQT − SQTrat − SQLin − SQCol

Colunas
Linhas Totais
1 2 3 4
Leitegada 1 93,0 (A) 108,6 (B) 108,9 (C) 102,0 (D) L1 = 135, 8
Leitegada 2 115,4 (B) 96,5 (D) 77,9 (A) 100,2(C) L2 = 139, 8
Leitegada 3 102,1 (C) 94,9 (A) 116,9 (D) 96,0 (B) L3 = 200, 4
Leitegada 4 117,6 (D) 114,1 (C) 118,7 (B) 87,6 (A) L4 = 136, 9
Totais C1 = 428, 1 C2 = 414, 1 C3 = 422, 4 C4 = 385, 8 G = 1650, 4
TA = 353, 4 TB = 438, 7 TC = 425, 3 TD = 433, 0
I
1X 2 1
SQLin = Lk − C = ∗ (135, 82 + · · · + 136, 92 ) − 170238, 8 = 290, 8
I 4
k=1
I
1X 2 1
SQCol = Cj − C = ∗ (428, 12 + · · · + 385, 82 ) − 170238, 8 = 264, 19
I 4
j=1
SQRes = SQT − SQTrat − SQLin − SQCol

= 2129, 32 − 1190, 83 − 290, 8 − 264, 19 = 383, 5

FV GL SQ QM Fc
Tratamento (I -1) 1190,83 QMTrat = SQTrat QMTrat
gltrat QMRes
Linha (I -1) 290,8 QMLin= SQLin

gllin
Coluna (I -1) 264,19 QMCol = SQCol

glcol
SQRes
Resı́duo (I -1)(I -2) 383,5 QMRes = glres
Total (I 2 − 1) 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 QMTrat = SQTrat QMTrat
gltrat QMRes
Linha 3 290,8 QMLin= SQLin

gllin
Coluna 3 264,19 QMCol = SQCol

glcol
SQRes
Resı́duo 6 383,5 QMRes = glres
Total 15 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 396,94 QMTrat
QMRes
Linha 3 290,8 96,93
Coluna 3 264,19 88,06
Resı́duo 6 383,5 63,92

Total 15 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 396,94 6,21
Linha 3 290,8 96,93
Coluna 3 264,19 88,06
Resı́duo 6 383,5 63,92

Total 15 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 396,94 6,21
Linha 3 290,8 96,93
Coluna 3 264,19 88,06
Resı́duo 6 383,5 63,92

Total 15 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 396,94 6,21
Linha 3 290,8 96,93
Coluna 3 264,19 88,06
Resı́duo 6 383,5 63,92

Total 15 2129,32

FV GL SQ QM Fc
Tratamento 3 1190,83 396,94 6,21
Linha 3 290,8 96,93
Coluna 3 264,19 88,06
Resı́duo 6 383,5 63,92

Total 15 2129,32


Apresentação

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apresentação

Enviado por

Direitos autorais:

Formatos disponíveis

Estatı́stica experimental aplicada à pesquisa com animais

Cristina Henriques Nogueira

A Estatı́stica Experimental constitui de técnicas apropriadas ao planejamento e

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 2 / 61

A Estatı́stica Experimental constitui de técnicas apropriadas ao planejamento e

Experimento: É um trabalho previamente planejado, que precisa seguir

Dados Experimentais: são os dados obtidos de experimentos, a partir de

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 2 / 61

Quais fatores serão estudados no experimento?

Tratamento ou fator: é o método, elemento ou material cujo efeito desejamos

i) Estudar o efeito de único tratamento.

Exemplo: Interesse em avaliar a composição de carcaça de gado de corte para

ii) Estudar, simultaneamente, os efeitos de dois ou mais tipos de tratamentos.

Exemplo: Interesse em avaliar a composição de carcaça de gado de corte para

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 3 / 61

Quais as caracterı́sticas que serão analisadas?

Variável resposta: é a variável mensurada usada para avaliar o efeito de

Exemplo: Em experimento com gado de corte, podemos determinar diversas

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 4 / 61

Quais os fatores que afetam essas caracterı́sticas?

Fatores ambientais: são fontes de variações não intencionais (cujas

Exemplo: Se estamos interessados em avaliar a composição de carcaça de gado de

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 5 / 61

Unidade experimental ou parcela: é a unidade que vai receber o tratamento. As

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 6 / 61

Qual deve ser o tamanho da unidade experimental?

A escolha do tamanho da unidade experimental deve ser feita de forma a

As unidades experimentais devem ser o mais uniforme possı́vel, para que as

É preferı́vel aumentar o número de repetições do que o tamanho da parcela.

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 7 / 61

Delineamento experimental: é o croqui (desenho) do experimento e implica

1 Delineamento Inteiramente Casualizado (DIC);

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 8 / 61

Delineamento experimental: é o croqui (desenho) do experimento e implica

1 Delineamento Inteiramente Casualizado (DIC);

Esquema: quando em um mesmo experimento são avaliados dois ou mais

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 8 / 61

Erro experimental: é o efeito de fatores que atuam de forma aleatória e que

Efeitos não controlados vs. Efeitos não controláveis;

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 9 / 61

Premeditada: É aquela introduzida pelo pesquisador com a finalidade de fazer

Ambiental: Variações não intencionais, mas de natureza conhecida. Variação

Aleatória: São variações de origem desconhecida, não podendo ser

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 10 / 61

As réplicas são utilizadas quando a mensuração de está sujeita a erros de

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 11 / 61

O número de repetições está relacionado à precisão do experimento.

Quantas repetições deverão ser utilizadas?

Depende do número de tratamentos do experimento e do delineamento

Número total de parcelas do experimento não deve ser inferior a 20;

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 12 / 61

É preciso dar a cada tratamento a mesma chance de serem alocados em

A forma como os sorteios são realizados é que define o delineamento do

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 13 / 61

Utilizado para atenuar problemas de heterogeneidade ambiental. A ideia básica

Sua função é tornar o delineamento mais eficiente, reduzindo o erro

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 14 / 61

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 15 / 61

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 16 / 61

REPETIÇÃO + CASUALIZAÇÃO + CONTROLE LOCAL (1 fonte)

(IFSudesteMG) Estatı́stica experimental aplicada à pesquisa com animais Rio Pomba - MG 16 / 61

REPETIÇÃO + CASUALIZAÇÃO + CONTROLE LOCAL (1 fonte)