Escolar Documentos
Profissional Documentos
Cultura Documentos
( Univenidadtz de S. Paulo
(
(
(
(
(
(
CURSO DE
(
(
ESTATISTICA EXPERIMENTAL
(
( 139 Edição
(
( por
Frederico Pimentel Gomes
(
(Engenheiro Agrônomo)
(
Proftzssor Catedr.3tico de Matem.!tica e Estatística
(
da
(
Escold Superior de Agricultura ''Luiz de Oueiroz"
(
(
( 1990
(
(
Piracicaba
(
Estado de Seio Paulo, Brasil
c
c
c UVRARIA NOBEL S.A.
( EDITORA- DISTRIBUIDORA
LQJA 1: R.DACONSOLAÇÂ0,41·CEP01:Jl1
LQJA 2: R. MAR1AANT0NlA, 1fll· CEP01222
( EDITORA: RUA DA BALSA, 1111· CEP 02910
FONES: tPABXI: 257-2144 elli7·9444 · SP
c
(
(
(
(
(
(
( INDICE
( Página
(
ÜBRAS :00 t'ES/'10 AUfOR Prefácio . · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
( \ . 1.
INTRODUÇÃO .. · · · · · · · · · · · · · · · · · · · ' ...... ' . 1
( Curso de Estadística Experimental, por F. Pimentel Gomes. 1.1. A Variação do Acaso .. ·:· ··········· 1
( Editorial Hemisferio Sur, Buenos Aires - Versão em 1. 2 . A Hédia e 0 Desvio Padrao .. · .. · · · · · 2
Espanhol da 6~ edição brasileira, 1978. 1. 3. Graus de Liberdade : · · · · · · .. · · ...... 4
( 1. 4. Uma FÓrmula t1ais Pratica Para Cal~u-
Iniciação à Estatística, 6~ edição, por F. Pimentel Go lar a Soma dos Quadrados ~os Desv~os 5
(
mes. Liv. Nobel, S. Paulo (esgotado), 1978. 1.5. Erro Padrão da Hédia ..:. ... · .. ·· ...... 6.
( l.6. Coeficiente de Variaçao · ··· ······ ·· 7
,Iniciaciôn a la Estadística Experimental, por F. Pimen- 1. 7. Exercí c ios .... . ..... · . · · · · · · · · · · · -· 7
(
tel Gomes, Editorial Hemisferio Sur, Buenos Aires- 1. 8. Bibliografia .......... · · · · · · · · · · · · · 8
( Versão em Espanhol da 6~ edição brasileira do livro
anterior, 1979.
( 2. PRINCÍPIOS BÁSICOS DE EXPERDíENTAÇÃO l .... 9
2 .1. Unidade Experimental ou p ar:e a .. .: .
( Análise Matemática, 2~ edição, por F. Pimentel Gomes 2.2. Princípios Básicos de Expe:~~entaçao
9
9
I.R. Nogueira. ESALQ, Piracicaba, 1980. e
( 2.3. Ex:i.p,ências do t1odelo ~atemat~co .... 12
2.4 • Um Exemplo de Aplicaçao do Hodelo Ma-
( A Estatística MOderna na Pesquisa Agropecuária, 3? ed i- t emático ...... .. . · . · · · · · · · · · · · ·: · · · 14
( ç~o,por F. Pimentel Gomes. Ass oc iaç~o Brasileira 2. 5. Experimentação Intensiva e E xp enme~
para Pesquisa da Potassa e do Fosfato (POTAFOS), Pi ração Ex tensi va ··· ··· · ·· ··· · ·· ····· 15
( racicaba, 1987. 2 . 6 . Bibliografia ... .. ... · . .. · ......... . 16
(
Formação do Gado Canchim Pelo Cruzamento Charolês - Ze- 3. OS TESTES OU PROVAS DE SIGNIFICÂt~CIA . ... 18
( bu, 2? ediç~o, por A. Teixeira Vianna, M. Santiago 3.1. Os Testes F e v · · · •· · •·• · · • · • · •··•• 18
( e F. Pimentel Gomes. Liv. Nobel, S. Paulo, 1978 . 3.2. O Teste t . . . . . • . ·· .. · ... ··· ·· ······ 20
··, 3.3. o Teste de Tukey ................ .. . 24
( 3.4. o Teste de Duncan · · · · ·· · · · · · · · · · · · · 26
( ""3.5. o Teste de Scheffê · • · •· · · · · · · · · · · • · 29
3. 6. o Teste de Bonferroni · · · · · · · · · · · · · · 30
( 3.7. Propriedades dos Novos Testes ······ 31
( 3.8. Interpolação Harmônica ....... ······ 32
3.9. Intervalos de Confiança .. · .. .: ·: .. · · 34
( 3.10. Determinação do NÚmero Necessar~o de
( Rept'tÍç<-;L's • • • • • • • • • • •• • • • • • • • • • • • • 36
3.1l.Bibliograt ia ··· ··· ·· · ··· ··· ········ 3!:>
(
4. EXPERIMENTOS INTEIRAMENTE CASUALIZADOS .. 42
(
4.1. Generalidades ....... · ··· ··· · ······· 42
(
(--~~
(
(
Página Página
(
4. 2. Um Exemplo ..... o ••••••••••••••••••• o.
!+J
c 4.3. Um Exemplo com Parcela Perdida ...... . 8. At'lÁLLSE DE (;!WPOS DE EXPERH1ENTOS ...... . 126
5U 8.1. Generalidades ..........•...... · · · · · 126
( 4.4. Um Ensaio de Alimentação de Leitoas .. 53 8. 2. Como Fazer a Análise ....... : . . ·. · · · 128
4. 5. Bibliografia •........................ 54 8. 3. Um Grupo de Ensaios de Batat~nha . · · 134
,,., 5. EXPERIMENTOS EM BLOCOS CASUALIZADOS ...... . 8.4. Outro Examplo ..................... . 137
( 56 8.5. Ainda Outro Exemplo ........... ·. · · · 138
5 .1. Generalidades .....•.................. 56
( 8.6. Outro Método de Análise ........... . 145
5.2. Um Exemplo ...................... '.... . 57 8. 7. O Método de Cochran ........... ·. · · · 146
( 5.3. Outro Exemplo .......... ~ ............ . 61 8.8. Bibliografia ...................... . 150
5.4. Um Exemplo com Parcela Perdida ...... . 63
( 5.5. O Caso de Duas Parcelas Perdidas ..... .
5.6. Outros Tipos de Ensaios em Blocos Ca-
67 *lg, EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS; E!
( FERIMENTOS EM FAIXAS .............. ······ 151
sualizados .......................... . 72 151.
(' 5.7. O Caso de um Bloco ou Tratamento Perdi 9 .1. Generalidades .... o o ••••••••• • • • • • • •
(
(
(
( Página
Pâgina
( 11. 3. Análise Intrablocos
208
11.4. Um Exemplo de Anális~.Í~~~~bÍ~~~~··· 212 15. O TESTE DE QUI-QUADRADO E SUAS APLICA-
( 11.5. ~alise com Recuperação da Inform~~ ÇÕES .......................... · · · · · · · · · 287
( çao Interblocos •..••..•............ 217 15 .1. Introdução ...................... . 287
11.6. Um ~xemplo de Análise com Recupe- 15.2. Tabelas de Contingência de 2xn .. .
.( 290
raçao da !nformação Inte~blocos .... 220 15.3. Tabelas de Contingência de 2x2 .. .
( 11.7. A Repetiçao de um Delineamento Reti- 15.4. O Teste de Fisher .............. .. 294
culado 224 15.5. Graus de Liberdade Individuais em
( 11.8. O Retic~i~d~.Q~~d;~d~·~~~·~~···~;~~~ Tabelas de Contingência ......... . 296
( menta Comum em Todos os Blocos .... ~ 225 15.6. Outras AplicaçÕes do Teste de Qui-
11.9. Bibliografia ............•.......... Quadrado ........................ . 297
( 226
15.7. Bibliografia .................... . 298
( 12. o uso DA REGRESSÃO NA ANÁLISE DA VARIÂNCIA 227
12.1. Regressão Linear .. 16. ANÁLISE DE COVARIÂNCIA ................ . 300
22.7
( 12.2. Os Polinômios Ortog~~~i~·::::::::::: 16 .1. Generalidades ................... . 300
229
( 12. 3. A Regressão Polinomial Aplicada a Da 16.2. Um Exemplo ...................... . 300
dos Sem Repetição . ; ............... ~ 16.3. Outro Exemplo ................... . 308
( 235
12.4. Os Coeficientes de Correlação e de 16.4. Bibliografia .................... . 314
( Determinação ...................... . 237
12.5. Bibliografia ...................... . 17. Al."l'ÁLISE CONJUNTA DE EXPERH1ENTOS El1 BLO-
( 12.6. C?e!i~ientes para Interpolação de Po 242
COS AO ACASO COM ALGUNS TRATAr1ENTOS CO-
( llnomlos Ortogonais ............... ~ 243 MUNS .................................. . 316
17 .1. Generalidades ................... . 316
( 13. O USO DA LEI DE MITSCHERLICH NA ANÁLISE DE 17.2. Esquema da Análise da Variância .. 316
( EXPERIMENTOS DE ADUBAÇÃO ................ . 252 1 7 . 3 . Um Exemp 1 o ...................... . 320
13.1. Generalidades 252 17.4. Um Exemplo Hais Complexo ........ . 326
( 13.2. o Caso de Três ·~f~~i~ .... · .. · .. · .. · · 254 17.5. Uma Dificuldade Que Pode Ocorrer 333
( 13.3. O Caso de Quatro NÍvei~·:::::::::::: 256 17.6. Exercício ....................... . 333
13.4. O Caso de Cinco Níveis 261 17.7. Bibliografia .................... . 333
( 13.5. Um Exemplo com um Grupo·d~···E;;~~i~
( mentos ............................ . 261 ;:~ 18. EXPERIMENTOS FATORIAIS COH TRATAMENTOS
13.6. Bibliografia ...... ~ ............... . 266 ADICIONAIS ............................ . 334
( 18.1. Generalidades ................... . 334
( 14. ENSAIOS COM ANIMAIS ....................... 18.2. Um Exemplo ....•...............•.. 334
267
14.1. Generalidades .......•.•.........•.. 267 18.3. Bibliografia .......•............. 337
( 14.2. Ensaios com Aves ................... . 268
( 14. 3. Ensaios Contínuos em Blocos Casuali- 19. A ANÁLISE DA VARIÂNCIA HULTIDI11ENSIONAL. 338
zados com Vacas Leiteiras ....•..... 270 19 .1. Genera-lidades .......•...•........ 338
( 14.4. Ensaios Rotativos com Vacas Leitei- 19.2. Um Ensaio Inteiramente Casualizado 339
( ras ............................... . 272 19.3. Um Ensaio em Blocos Casualizados . 348
14.5. Ensaios de Reversão ..............•. 278 19.4. Noções de Álgebra de Matrizes 351
( 14.6. Bibliografia .•...•.....•••....••... 19.5. Sistemas de EquaçÕes Lineares .... 361
285
(
c
(
(
(
Pâgina
(
(
19.6. Função Discriminante ou Variável Ca
( nônica ......... . 364 CURSO DE ESTATÍSTICA EXPERIMENTAL
( 19.7. O Teste de Roy .. ::::::::::::::::::: 372
19.8. Bibliografia ..•.•..•... ; .•......... 373
(
(
20. SUPERFÍCIES DE RESPOSTA .................. 374 1. INTRODUÇJlD
20 .1. Int redução ...•...........•......... 374
( 20.2. Um Exemplo com um Fatorial de 3x3 •. 375
( 20.3. Outros Delineamentos Apropriados pa- 1.1. A VARIAÇÃO 00 ACASO
r~ Superfícies de Resposta ........ . 379
( 20.4. B1bliografia ..............••....... 381 Seguindo o exemplo de R.A. Fisher, podemos definir
( a Estatística como a Matemática aplicada aos dados de ob
21. TESTES NÃO-PAR.AME:TRICOS .................. servação. Mas tais dados são, em muitos casos, colhidos
383
( 21.1. Introdução através de trabalhos feitos propositalmente e em condi-
21.2. O Teste do ~i~;i···· ················ 383
( 384 çÕes previamente especificadas: temos então dados expe-
21.3. Intervalos de Confi~~~~-~~~~-~~~;~~~ rimentais, obtidos de experimentos. O estudo dos experi
( centagem_ ..•........................ mentes, seu planejamento, execução e análise, é que cons
21.4. Comparaçao de PorcentagensObservadas 387
389 titui o objeto da Estatística Experimental.
( 21.5. O Teste de Kruskal-Wallis ......... .
391 O que dificulta o trabalho do experimentador e exi-
( 21.6. Comparação de Médias nos Ensaios In- ge a análise estatística é a presença, em todos os dados
( teiramente Casualizados ........... . 395 obtidos, de efeitos de fatores não controlados (que po-
21.7. O Teste de Friedman ............... . dem ser controláveis ou não), pequenas diferenças de ,fer
397
( 21. 8. Bibliografia ...................... . tilidade do solo, variaçÕes ligeiras no es"Paçaiiiento, na
401
(
profundidade de semeadura, na constituição genética dos
22. TABELAS .................................. 403 animais ou plantas, etc. t Esses efeitos, sempre presen-
( tes, não podem ser conhecidos individualmente e alteram,
pouco ou muito, os resultados obtidos ..;. Eles são indica-
(
dos pela designação geral de variação do acaso ou varia-
( ção aleatória. O efeito dessa variação do acaso é tal
que pode alterar completamente os resultados experimen
(
tais. Assim, ao comparar no campo duas variedades de ca
( fé, a pior das duas poderá, por simples acaso, por ter
sido favorecida por uma série de pequenos fatores não
(
controlados, exceder a melhor variedade. E ao comparar
( experimentalmente a produção de leite obtida com duas ra
çÕes basicamente equivalentes, com certeza quase absolu=
(
ta obteremos para uma delas resultado melhor do que para
( a outra, por exemplo 12,5 kg por vaca num caso, 11,8 kg
noutro:. a diferença observada deve-se à variação do aca-
(
so. Cabe ao experimentador, pois, verificar se as dife-
( renças observadas num exp.erimentó têm ou não têm valor,
(
--------------=---=
-- =
-----~---- "- " -~- -
r -·"":'-t i ' ·-· -· • . --
~~F-~- Jl'Uo1t-~~.l'
- --~===~"":!",_....,
,--.:_
- ----
I f f~ .• ;··
; .;;~_.:..:.:w· • .;f._-
.•.
~==~===========:.;;,;o~~=-··ôiiilljj""iíi
~ ;.< Pl~-·" '~'1' -~.,.,.,...,~
' .~.-•• ~.""li!"''l'liil'íl'íi·· -·"'""' iii'""""
-.-":'C'"' .,," \·. •' " .... ,,_.c._.,.,_,., ,,,-,- . :
ii'i·'..·~~--~~
"i~"'i"'in"Oi.'""'íi'...~."lG•..-.•- ~ - ~· ~········~.. ,... ................~:·ô·>.-iíi~<-·*:;,;~--~,;;ii;;::'.; ,\:ii;~l;~
4 . a i<OL. ~ tfn~l"-5-,..'l''H;">": .. "'!'~"N.":fi "''-T'.--"'\."M:I;'o\<;
• · ... ·' ""t- -"·' ~~ ·.-. ' . , , .. ,
, :.l);'i:';·':l;l-~i}?}~
···-
.íli ~iO;r~.,"~~i:;·<:l:fi>ni::::i>:•"':J:!""""'
: i:'l!:l•; ; ':~:;[;:,-•~
-[i~~-2!l11!2li:"J.>#;:,;·
;" l:'i~.:\i! ji:'l'~
f,;±·:.;:ll!
; .t -~li!<+~i::i
JZ :.51.;,..;i\;!./l8.':jft~·- - - ·
~ I 2
3
(
isto é, ~e ~ao ou nao significativas. Uma Jifercnça nao Como vemos, os clesvi.os podem ser positivo~ ou nega-
( -significativa se aceita como possivelmente devida ao aca
tivos.
( so, e e deixada de lado, ate que novos resultados venham Conhecidos os desvios em relação à verdadeira me-
confirmá-la ou negá-la. Já um resultado significativo de dia, po~emos calcular um nume:o positivo s c~amado des
(
monstra que os e lementos ensaiados (variedades, raçÕes-; vio padrao ou afastamento padrao, dado pela formula
( metodos de análise química, etc.) " não são equivalentes,
_, ISQD"
(
dão resultados que aceitamos como realmente diferentes.
s -v --N-- •
( onde S Q D indica a sóma dos quadrados dos desvios, e N
(
1.2. A~IA E o DESVIO PADRÃO e o numero de observaçÕes, isto é, o numero de canas pe-
sadas, no caso presente. Quanto maiores os desvios, em
( o seguinte problema, bem simples, e bem ilustrati- valor absoluto, tanto maior será o valor de s. Mas o
e nos permitirá introduzir alguns conceitos fundamen-
VO desvio padrão s apenas estima um valor exato desconheci-
( tais da Estatística. Suponhamos, por exemplo, que dese- do a (a ê a letras no alfabeto grego), que obterÍamos
jamos determinar o peso médio de uma cana de uma certa se repetíssemos infinitas vezes as pesagens.
variedade no canavial de uma usina. Podemos começar por No caso presente temos:
( tomar várias canas, ao acaso, em diversos pontos da la-
( voura. Os pesos dessas canas são anotados, em quilogra= S Q D "' (O , O8) 2 + (O, 2 6) 2 + ••• + (O , 1 7) 2 "' O, 19 80
mas, como a seguir:
( logo
1,58 1,32
( 1,76 s = I o, 19 80 I 1 o = o , 14 1 .
1,51
( 1,38 1,55
1' 71 1,54 Poderíamos então dizer que a estimativa do p~so me-
( 1,50 dio de uma cana é 1!5 52 kg
1,67 e que o desvio padrao dos
( valores observados e 0,141 kg . Se este desvio fosse,
A media aritmética desses 10 dados e a soma dividi- por exemplo, 1,41 em vez de 0,141, a variação entre os
( da por 10, e dá 1,55-2 kg. Has este resultado apenas es- pesos das canas colhidas seria evidentemente muito maior.
tima o verdadeiro peso médio de uma cana, desconhecido. E se o desvio padrão fosse igual a zero, todos os des-
(
Tanto e assim que se repetirmos o experimento e- pesar vios seriam nulos, e não haveria variação do acaso. O
( mos outras 10 canas, quase com certeza obteremos resulta cálculo do desvio padrão permite, pois, estimar a varia-
do diferente: 1,720 kg, por exemplo. - ção não controlada, isto e, a variação do acaso ou alea-
(
A influência dos fatores não controlados resumidos tória ou casual.
( sob o nome de acaso se poderia avaliar através da dife- Na ' prática, porém, a média veradeira m nao e conhe-
rença, chamada desvio ou afastamento ou erro, entre
( valores observados e a media verdadeira. Se esta, supos
os cida; temos apenas sua estimativa = 1,552. Como cal- m
cular o desvio padrão nestas cond~.çÕes? Demonstra-se que
( ta conhecida, fosse, por exemplo, 1,50 kg, o de~vió do tal e possível se calcularmos os desvios em relação ã e~
primeiro valor observado seria 1,58 - 1,50 ::· 0,08. timativa da media, desde que se substitua na fÓrmula .N
( Os desvios todos constam da tab(da seguinte, para por N - 1. ass1m:
( os 10 pesos observados·.
0,08 -0,18 s ='ISQD
( 0,26 0,01 V----N-1
( -0,12 0,05 No caso que estamos estudando, os desvios em rela-
0,21 0,04 çao à estimativa da média são:
( o,oo 0,17
(
/-----------
~--~'~.~1(10
(
(
4 5
(
0,028 -0,232 Quando, porém, como acontece quase sempre, a média verda
(
0,208 -0,042 deira m não é conhecida e fazemos o cálculo de s a par-
( -0,172 -0,002 tir de uma estimativa m,
prova a teoria que isto
0,158 -0,012 equivale exatamente à perda de um" das observaçÕes. As-
-0,052 0,118 sim, o cálculo de s com. 10 observaçÕes sem o conhecimen-
( to de m nos deu s = O, 138 e esta estimativa tem 10 - 1 =
Agora obtemos: = 9 graus de liberdade, pois o uso da estimativa da média,
(
SQD (0,028) 2 + (0,208) 2 + ••• + (0,118)2 em vez de seu valor exato, nos faz obter uma estimativa
( de s menos precisa, aliás de precisão equivalente à que
= 0,170960,
( teríamos com 9 observaçÕes, se conhecessemos a média ve~
logo dadeira m. No caso geral, com N observaçÕes, se utili-
( zarmos uma estimativa de m para calcular s, este terá
(
s =,
v-lo, 1 70960
9 . 10,018996 = 0,138 . N - 1 graus de liberdade.
( Para evitar a extração da raiz quadrada, não raro
(
se usa a estimativa da variância' s 2 = O 018996 ou apr_o 1.4. UMA FóRMULA MA1S PRATICA PARA CALCULAR A SoMA oos
. 2 , -'
XLmadamente, s = 0,0190, em Lugar do desvio padrao s QuADRADOS DOS DESVIOS
( = O, 138. A estimativa da variância frequentemente se cha-
(
ma também quadrado médio. Vimos acima que a soma dos quadrados dos desvios
(S Q D), geralmente designada apenas por soma de quadra-
( dos, pode ser calculada desde que se obtenham o~ desvios
( 1.3. GRAUS DE LIBERDADE todos em relação ã média verdadeira ou em relaçao à sua
estimativa. Na prática, porém, é preferível evitar o
( O leitor terá decerto reparado que não são iguais calculo dos desvios, pois é trabalhoso e geralmente exi-
( as duas estimativas de s obtidas na seção anterior. Mas- ge o uso de maior número de decimais do que o dos dados
isto não deve causar admiração, pois as estimativas, não orlglnais. Ora, demonstra-se com facilidade que, no ca-
( sendo valores exatos, variam mesmo. De uma maneira ge- so de usarmos a estimativa da média, temos,
( ral, qu~nto maior o número de observaçÕes, mais preci-
sas serao as estimativas, embora isto não obste que em
( um ou outro caso um experimento com menor número de da-
dos dê estimativas mais próximas dos valores verdadeiros
(
(geralmente desconhecidos) do que outro com dados mais onde L:x 2 indica a soma dos quadrados dos dados a serem
( abundantes. analisados, L:x e a soma desses mesmos dados e N e o
Na seção anterior, quando admitimos como média ver- seu numero.
(
dadeira o valor m = 1,50, achamos s = O, 141. Este va- No caso das pesagens de 10 canas, referido na seçao -
( lor, calculado com 10 desvios em relação à média verda- 1.2, temos:
deira, é certamente menos digno de confiança do que se,
( zx2 = (1,58)2 + (1,76) 2 + •.• + (1,67) 2 = 24,2580
nas mesmas condiçÕes, tivéssemos tomado 20 ou 30 obser-
( vaçÕes. O nÚmero N de ob,servaçÕes em que se baseia o câl Ex= 1,58 + 1,76 + •.• + 1~67 • 15,52,
( -
culo de 8 quando se conhece a média verdadeira m da-
pois, uma indicaçao sobre a precisão da estimativa 8 ob~
. logo
S QD = 24,2580- (1/10).(15,52) 2
( tida, e constitui o seu número de graus de liberdade. As - 24,2580 - 24,087040
( sim, a estimativa s • 0,141 tem 10 graus de liberdade:- = 0,17~960 ·.
. I!
( ,,
,... ,
(
(
6 7
(
(
Obtemos, pois, o mesmo valor calculado anteriormen- 1.5. CoEFICIENTE DE VARIAçÃO
te por outro método. O termo subtrativo (1/10) (15,52)/
( recebe o nome de correção, e é geralmente indicado com a Chama-se coeficiente de variação (C.V.) o numero da
letra C. Em geral, porém, não há interesse em calcular do pela fÓrmula seguinte:
(
C com número de decimais maior~ que o de l:x 2 • No caso aci
100 9
( ma, pois, o valor de C deve ser aproximado para 24,0870-:- }; c. v. =
fll
de sorte que obtemos:
(
S QD = 24,2580- 24,0870 = 0,1710
No exemplo da seção 1.2. tÍnhamos m 1,552 e s
( =0,138,logo o coeficiente de variação e:
0,1710
( 0,0190 • lÜÜ X Ü, 138
9 c. v. 1,552
= 8,9% .
(
s 10,0190 0,138 .
O coeficiente de variação dá uma idéia da precis-ão
(
Esta estimativa do desvio padrão tem 9 graus de li- i_~ do experimento. Tendo em vista os coeficientes de va-
( herdade. ;~
riação obtidos comumente nos ensaios agrícolas de campo,
·~ podemos considerá-los baixos, quando inferiores a 10%,
( ;t
~ médios, quando de 10 a 20%, altos, quando de 20 a 30%,
( 1.5. ERRO PADRÃO DA MÉDIA muito altos, quando superiores a 30%.
(
Pesadas as 10 canas do canavial de uma usina, obti-
( vemos os dados acima referidos na seção 1.2, e para eles- • 1. 7. ExERCÍCIOS
ca~culamos a estimativa da média m = 1,552 e o desvio pa ~
( (1.7.1) Os pesos ao nascer de 12 bezerros machos da ra
drao 0,138, este com 9 graus de liberdade. Se colhêsse=- i
-m:
( mos várias amostras de 10 canas teríamos diversas estima !e ça Charolesa são os seguintes, em quilogramas:
(
tivas para a média e poderíamos calcular com elas novo i 47 45 37
desvio padrão, que serLa o erro padrão da média s(m). 41 46 47
( Mas há uma fÓrmula simples que permite obter o erro pa-
34 25 40
drão da média s (m) sem ser preciso colher novas amos-
( 45 48 40
tras. Com efeito, demonstra-se que
( 2 Calcular as estimativas da média e do desvio padrão
2
( s <ffi> = v<ffi> = ~ . desses dados. Calcular também o erro padr.ão da média e
o coeficiente de variação~
( AÍ o sÍmbolo V indica estimativa da variância. No caso
vertente temos pois: (1. 7.2) Admitindo-se que seja de 20% o coeficiente de
( variação relativo ao peso de cabeças de repolho, pergun-
0,0190
( vem.> 10
= 0,0019 ta-s~ quantos repolhos devemos pesar para obter um erro
padrao da media igual a 5% dela.
( s(m) lo,oo19 = 0,044 . Resposta: E! suJicien te pesar 16 cabeças de repolho.
( Dizemos então que a estimativa obtida para a media
e m = 1,552 ± 0,044. O erro padrão da média evidentemen (1.7.3) Para determinar a produção média de um cana-
( te dá uma idéia da precisão da estimativa para ela obti= vial, demarcaram-se nele, em vários pontos escolhidos ao
( ·da. Por exemplo, uma estimativa 1,552 !... 0,500 te- m1 "' acaso, 10 pequenas áreas de 100 m2 cada, cuja produção
ria evidentemente muito menor p.recisão do que a que de- foi pesada. Os resultados obtidos, em kg por 100m2 ,
( mos acima, pois o seu erro padrão é maior. foram os seguin.tes:
..
( ,
.' 'IJ,,·
(
(
8
(
850 840 720 900 780
(
(
810 920 780 740 800 2. PR1NC1PIOS BASICOS DE EXPERIMENTACAO
( Calcular a produção média, em toneladas por hecta-
(
re, e o erro padrão dessa média. Sendo de 400 hectares 2.1. UNIDADE ExPERit'ENTAL OU PARCELA
a área de colheita da usina, qual é a produção de
(
esperada, e qual o seu erro padrão? Quando se realiza um experimento, ê preciso esco-
Resposta: A produção média nas 10 parcelas ê 81,4 ± lher uma unidade para a experimentação, para a colheita
( 2, O t/ha. A produção de cana esperada em 400 hectares se dos dados que deverão refletir os efeitos dos tra'tamen-
( rã 400 x 81,4 = 32.560 toneladas, com erro padrãõ tos ensaiados. Por exempl_o, quando se estuda a alimenta
400 x 2,0 = 800 toneladas. çao de vacas leiteiras, a unidade experimental pode ser
( urna vaca, que receberá urna das raçÕes e cuja produção se
(1.7.4). Numa classe de 16 alunos foram dadas as segui~ rá pesada separadamente, ou então um grupo de vacas, qúe
(
tes notas numa prova de Matemática: serão consideradas em conjunto ..
( No caso de experimentos de competição de variedades
7,5 4,5 7,5 6,0
( 4,0 5,5 7,0 4,0 de cana, por outro lado, a unidade experimental poderá
8,0 3,5 8,0 ser uma Única linha de cana de dez metros de comprimento
( 5,0
8,0 3,5 4,5 ou, corno ê usual, de 3 a 5 linhas vizinhas, desse tama-
5,5
( nho, as quais são colhidas ·= pesadas em conjunto. Em ex
Calcular a media aritmética, as estimativas da va- perimentos com café, a unidade experimental pode ser um
( riância e do desvio padrão, e o coeficiente de variação. grupo de 2 a 8 covas ou mesmo uma só.
Obter tambêm o erro padrão da mêdia. A unidade experimental, no caso de experimentos com
(
vegetais tem recebido por vezes o nome de canteiro ou
( talhão, mas a denominação de parcela, aplicável também
( 1.8. BIBLIOGRAFIA no caso de experimentação animal, parece preferível.
( ANDERSON, R.L. e T.A. Bancroft, 1952. Statistical Theory
in Research. McGraw-Hill, Nova York.
( BRIE'GER, F.G., 1955. Curso de Estatística Analítica, I 2.2. PRINCÍPIOS BÁSICOS DE ExPERIMENTAçÃO
Parte, E.S.A. "Luiz d.e Queiroz", Piracicaba.
( A experimentação moderna, embora multiforme, obede-
DIXON, W.J. e F.J. Massey, 1957. Introduction to Sta-
( tistical Analysis, 2~ edição, McGraw-Hill, Nova York. ce a alguns princípios básicos que são indispensáveis à
FEDERER, Walter T., 1955. Experimental Design. Macmil- validez das conclusÕes por ventura alcançadas. A pri-
( meira delas e a necessidade imperiosa, indeclinável de
lan, Nova York.
( repetição. Se tivermos duas variedades de milho, A e
PIMENTEL GOMES, F., 1978. Iniciação à EstatÍstica, 6~
edição. Livraria Nobel, São Paulo. B, plantadas em duas parcelas da mesma área, próximas ou
( não, o fato de A ter produzido mais do que B pouco
PIMENTEL GOMES, F., 1984. A EstatÍstica Moderna na Pes-
significa~ pois muitas explicações, além do fator varie-
( quisa Agropecuária. POTAFOS, Piracicaba.
dade, podem justificar os resultados obtidos. Por exem-
( plo, a parcela em. que A foi semeada pode ter melhor so
( lo ou dispor de mais água. Poderemos, porém, tentando
contornar a situação, semear diversas parcelas com cjt; e
( diversas com B e considerar a produção mé.dia de cada
( variedade - e aqui intervém o princípio da repetição.
(
(
(
10 11
(
( Mas este princípio sozinho nau resolve tot.:.tllltcntt~ o pro- ê talvez o mais importante e de uso mais generalizado, é
blema, pois, se todas as parcelas com A estiverem agru conhecido por blocos ao acaso ou blocos casualizados.
( padas propositalmente num local e as com B noutro, a di= Quando não há controle local, mas apenas repetição e ca-
( ferença de fertilidade do solo ou de fartura de água con- sualização, temos o que se chama um experimento inteira-
ti~uarã a ser uma explicação possível, uma hipótese ra- mente ao acaso, ou inteiramente casualizado.
( zoavel. Torna-se necessária, pois, a intervenção de um Num experimento inteiramente casualizado com 4 tra-
( ~litro princípio, ~e introdução relativamente recente, que tamentos, cada um repetido 5 vezes, por exemplo, tería-
(
e o da casualizaçao ou aleatorização. Admitimos, pois, mos 4 - 1 = 3 graus de liberdade (G.L.) para tratamentos
que temos 4 parcelas com a variedade A e 3 com a varieda e 5 x 4 - 1 = 19 graus de liberdade ao todo. A anâli
( de B, e que a distribuição das variedades pelas parce- se da variância obedeceria ã seguinte decomposição para
las tenha sido feita inteiramente ao acaso. Então, se os graus de liberdade:
( qualquer parcela com A produziu mais que qualquer par-
( cela com B, o Calculo de Probabilidades nos indicaria Causa da variaçao G.L.
que a probabilidade de isso acontecer por acaso e
( Tratamentos 3
4! 3! 1.2.3.4 X 1.2.3 l Resíduo ou Erro 16
( p
7! 1.2.3.4.5.6. 7. 35 Total 19
( e esta conclusão e válida i~dependentemente de qualquer
( hipótese além da casualizaçao. Quer isto dizer que o re O numero de graus de liberdade para o resíduo é ob-
sul~ad~ obti~o pode de fato provir de simples acaso, is= tido por diferença: 19 - 3 = 16.
( to e, e posslvel que as duas variedades sejam realmente Suponhamos agora que os tratamentos sao agrupados
( equivalentes e que a diferença a favor da variedadeApro em blocos, cada um encerrando todos os tratamentos. Te-
venha de circunstâncias fortuitas, como a maior fertili= mos então 5 blocos, de onde se segue o esquema seguinte
( dade do solo das parcelas com ela semeadas. Mas a pro- para a análise da variância.
( babilidade de isso se dar por simples acaso é apenas 1/35.
Logo h~ uma probabilidade de 34/35 de que o resultado ob Causa de variação G.L.
( tido nao tenha sido casual, isto é, de que se deva a um
fator sistemático, que seria a melhor produtividade da Blocos 4
( Tratamentos
variedade A. 3
( Um outro princÍpio, de uso muito. frequente, mas nao Resíduo ou Erro 12
( obrigatório, é o do controle local. Suponhamos que que- Total 19
remos ainda comparar as duas variedades A e B de milho.
( Para melhorar a precisão da comparação plantaremos sem- O controle local pode ser levado mais longe, o que
( pre A e B em duas parcelas tão semelhantes quanto possí- ê feito, por exemplo, nos quadrados latinos. Nestes de-
vel, bem próximas, que constituirão um bloco. Os blo- lineamentos os tratamentos são postos simultaneamente em
( cos poderão ser espalhados por toda a área em estudo ou linhas e colunas. Cada linha inclui todos os tratamen-
( poderão ser agrupados. Poderá haver ou não grande varia tos, e o mesmo acontece com cada coluna. Devemos ter,
ção de fertilidade ou de outros fatores de um bloco parã necessariamente, o número de linhas igual ao de trata ...
( outro, isto não importa. O que importa é que cada mentos e também igual ao de colunas. Por exemp}o, num
( bloco seja tão uniforme quanto possível. Em outras pal~ quadrado latino com 5 linhas e 5 colunas (5 x 5), temos
vras, a variação dentro dos blocos deve s.er a menor pos- 5 tratamentos e o esquema da análise e o seguin-
( sível, ao passo. que a variação entre blocos pode ser gran te:
( de ou pequena, à vontade. Este tipo de delineamento,que
(
(
(
12
( 13
(
2.4. UM ExEMPLO DE APLICAÇÃO 00 rbDELO r'1ArEfv1Anco 4200 suo + 60 3760
4200 100 40 4060
( Num ensaio inteiramente casualizado o modelo materna
4200 100 + 55 4155
tico e
(
(
Yij =m + ti + eij , Na prática. porém, não conhecemos os valores dos
termos do segundo membro, isto é, da média geral m, dos
qnde Yij e o valor observado relativo à parcela j que re
( cebeu o tratamento i, m e a média geral; ti mede o efei-= efeitos de tratamentos ti, nem dos erros eij. pois são
de no.s so conhecimento apenas os valores observados Yij .
( to do tratamento i, e eij é a contEibuição do acaso.
Podemos, porém, estimar a media geral e os efeitos de
Facilita muito a boa compreensao do assunto consi-
( tratamentos, e, pois, as médias de tratamentos. Quanto
derar um exemplo teórico no qual, conhecidos os_ termos
aos erros individuais, não podemos nem sequer estimá-
( do segundo membro do modelo, obtemos as observaçoes. To-
los, pois temos de nos conte~tar com uma estimativa s do
memo's, pois, o caso de um experimento bem simples, in-
( valor exato o do desvio padrao.
teiramente casualizado, com 3 tratamentos e duas repeti-
(
(
çÕes para cada um deles. Os tratamentos podem ser, por
exemplo, três hÍbridos de milho. Tomemos m = 4200 kg/ha
como média geral da produção e sejam os efeitos de tra
íii = +
A estimativa da média geral seria:
= 4216
[4870 + 4720 + · ·. + 4ls5]
kg/ha.
( tamentos os seguintes:
( t1 = +600 kg/ha; t2 = -500 kg/ha;
As médias estimadas para tralamentos sao: -
t3 = -100 kg/ha. 1 + 4720] 4795 kg/ha
( ~ usual tomar os efeitos de tratamentos de tal sor-
ml 2 [4870
te que sua soma algébrica seja nula. ~ o que ac0ntece m2 1 [3730 + 3760] 3745 kg/ha
( nesse caso, pois temos: 7
m3 1 [ 4060 + .nss] 4 1.03 kg/ha
( +600 500 - 100 o. 2
( As médias dos tratamentos m·1. = -
m + ti serao: Por sua vez, o desvio padrão, estimado por método
( 4200 + 600 4800 kg/ha , que veremos no capÍtulo 3, nos dá s = 73,5 kg / ha, com 3
ml
( m2 4200 5oo · 3700 kg/ha , graus de liberdade.
m3 4200 100 4100 kg/ha .
(
Para obter os valores observados devemos, porem,
( introduzir erros ou desvios casuais. Tais erros podem
2.5. ExPERIMENTAçÃO INTENSIVA E ExPERIMENTAçÃO ExTENSIVA
{ ser obtidos de tabelas especiais, como a de DIXON e MAS-
Feito um experimento em um .lugar, com todas as suas
SEY (1957). Sejam os seguintes os erros obtidos, reia-
( parcelas agrupadas numa pequena área, seu~ resultados a
tivos a uma distribuição normal com a = 60:
rigor só são válidos para a área em questao e para o ~no
( eu = +70 +30 agrícola em que se colherem os dados. Tais
e21 e31 -40 limitaçoes
( e12 = -80 e2 2 +60 e32 +55 são muito graves e tiram a maior parte do valor das con-
clusÕes obtidas. Para conseguir conclusÕes mais gerais
( Os valores observados seriam entao:
pode-se começar por utilizar bloco~, completos ou nãO,
( isto é, cada um com todos ou só com alguns dos_tratamen -
Yll 4200 + 600 + 70 4870 tos, e distribuir esses blocos eõt tod• a regiao para a
( Yl2 4200 + 600 80 4720 qual se procuram obter conclusoes. Se se tratar de uma
YLl = 4200 500 + 30 3730 região pequena (uma fazenda, por exemplo), 6 ou 7 blocos
( !
(
(
(
(
16 17
(
( p~>dl'ruo ser suficientes. Se, ao contrário, l'stivermo s ARRUDA, H. Vaz de, 1959. Contribuiçao para o Estudo da
interessados numa região mais vasta (a faixa canavieira Adubação Mineral do Milho nas Terras Roxas do Municí-
( paulista, por exemplo), será preferível fazer numerosos pio de Ribeirão Preto (tese). Piracicaba ..
( experimentos distintos, relativamente simples, cada um BARTLETT, M.-S., 1947. The Use of Transformatwns. Bio-
válido para uma pequena área, pela qual se distribuem metrics· 3: 39-52.
( os blocos. CA11POS, H., 1984. Estatística Aplicada ã Experimentação
( Fazer dois ou três experimentos compactos e deles · com Cana-de-açúcar. FEALQ, Piracicaba.
tirar conclusÕes para áreas muitíssimo maiores e perigo- COCHRAN, W.G. e ~ertrude M. Cox, 1957. Experimental De-
( so, mesmo que eles se limitem a um determinado tipo de sigfi, 2~ edíçao. John Wiley, Nova York.
( solo, pois a experiência nos mostra que áreas relativa- DIXON, W.J. e F.J. Massey, 19~7. Introduc~ion to Sta-
mente próximas, de solos de mesmo tipo, não raro reagem tistical Analysis. 2~ ediçao. MacGraw-Hlll. NovaYork.
( de maneira bem diferente.
FEDERER, Walter T., 1955. Experimental Desigo. Macroil-
( No que se refere a experimentos com animais, espe-
lan, Nova York.
cialmente quando supridos de raçÕes suplementares, boas FISHER, R.A., 1951. The Design of Experimenta, 69 edi-
( aguadas e abrigos, a influência do solo e do clima e mui
ção. Hafner, Nova York.
( to menor, de sorte que as conclusÕes obtidas sofrem me- HOPP, H. , 1954. A Guide 'to Extensive Testing on Farms,
nos limitaçÕes de espaço e de. tempo.
(
4 partes. USDA, Washington.
Por outro lado as condiçÕes de trabalho nas fa·zen-
QUENOUILLE, M. H., 1953. The Design and Analysis of
( das têm em geral características diferentes das que pre-
Experiment. Charles Griffin, Londres.
valecem nas estaçÕes experimentais. Naquelas, as varie-
( dades ou linhagens cultivadas e os espaçamentos podemser SILVEIRA NETO, S., O. Nakano, D. Barbin e N.A. Villa No-
distintos, a quantidade de sementes por hectare e ge- va, 1976. Manual de Ecologia dos Insetos, capítulo
( 6. Ed. Agronômica Ceres.
ralmente menor, os tratos culturais, o combate ãs pragas
( e moléstias são quase sempre menos cuidadosos, as aduba- SNEDECOR, G.W. e W.G. Cochran, 1967. Statistical Me-
çÕes e a defesa contra erosão costumam ser menos inten- thods, 6~ edição. Iowa State College Press, Ames,
(
sivas. Daí decorre que resultados obtidos em ensaiosfei Iowa.
( tos em estaçÕes experimentais frequentemente não são vã= THONI, H., 1967. Transformations of Variables Used 1n
lidos para as propriedades particulares da região, como the Analysis of Experimental and Observational Data.
(
tem demonstrado a experiência de vários países. A Review. Iowa State Uni v. , Ames, Iowa.
( Os experimentos-chave, de cunho nitidamente cientí-
( fico, concentrados nas estaçÕes experimentais, são obje-
to da experimentação intensiva, que pesquisa novas possi
( bilidades. Já a experimentação extensiva encara os ex=
( perimentos nas fazendas, nas condiçÕes da prática, essen
ciais pa:! que se julgue adequadamente a aplicabilidade
( e conven1encia econômica dos novos metodos indicados pe-
la experimentação intensiva.
(
(
( 2,6, BIBLIOGRAFIA
( 1\NDEHSON, R.L. e T.A. Bam:roft, 1952. Statistical Theory
(
in Research. ~1cCraw-lli 11, Nova York.
(
. ·······-···-···-·- - - - - - -- ----
(
( 18
( 19
mo parâm etro, elas_n ao d:veri am difl•r ir ·a nao ser
( 3. OS TESTES OU PROVAS DE SIGNIFICANCIA acaso. Para compa ra-las e que usamo s o teste F.
por
( Tería -
mos:
( 3.1. Os TESTES F E u F = 10,88 = 7,56
( l, 4/~
o
teste básico para a anális e da varlan cia e o tes-
As tabela s de F (de númer os l e 2) dão o valor 3,10
( te z de R.A. Fishe r, hoje geralm ente subst ituÍdo
pelos para o nível de Si. de proba bilida de, e 4,94 para o
( seus equiv alente s F de G.W. Snedeco~v 2 de A. Hald; nível
ou de 1%. Quer isto dizer que hâ uma proba bilida de de
u, de F.G. Brieg er, todos eles tendo em vista compa rar 95%
( variâ ncias ou os respe ctivos desvio s padrÕ es. Se s 2 de obter , por simple s acaso , um valor de F igual ou
e s2 in-
são as estim ativas das variân cias a compa rar, entãh . ferior a 3 10 e ha proba bilida de de 5% de obter os
( ......f.' ' valo-
·'res de F super iores a 3,10. Analo gamen te, e- de 1%
a pro:-
( babili dade de que o valor de F exceda 4,94 e é de 99%
a
F u logo u proba bilida de de que o F não_e~ceda 4,94. No c~so ~er~e
( ~
s te o valor obtigo excede o l1m1te de 1% e se d1z s1gn1
f~
( . Note- se que u e uma das forma s da letra grega cativo ao nível de 1%. Isto quer dizer que hâ uma proba
teta -
minús cula. bilida de infer ior a li. de que o valor de F observ ado
( te-
Todas as tabela s de F public adas ate o momen to nha ocorri do por acaso.
( f o- Em vez do teste F pod8re mo9 usar o u:
ram feitas supo~do sf > s 2 , de sorte que os valor
es de
( F das tabela s sao sempr e maior es do que um. Para 3,30
porem , existe m há muito s anos tabela s para v > l,
o v, u = = 2,75 .
como 1,20
( para v < 1. E agora nôs public amos também tabela s
para Buscam os ag o ra na tabela doJS limite s unila t e rais de
( F< 1 (tabel as 3 e 4).
u os valore s corres ponde ntes aos nív~is de 5% e 1%
. Supon hamos , por exemp lo, a seguin te anális e da va- de
proba bilida de e r efer entes a 3 e 20 graus de l iberda
( r~ância d~um experi mento com 4 tratam entos e 6 de.
repet i- Esses valore s são:
( çoes.
5% 1,76
( l% 2,22
( Causa de variaç ao G.L. S.Q. Q.M. Desvi o padrão Como o valor obtido excede o limite de 1% (2,22)
( Tratam entos dizemo s que é signif icativ o ao nível de 1%.
3 32,64 10,88 3,30 Na analis e da variâ ncia quase sempre espera mos que
( ResÍdu o 20 28,80 1,44 1,20 todos os quadra d os médio s obti9o s sejam iguais ou
supe-
ri~res ao que se obt~m do resídu o. Nestas condiç
( Total 23 61,44 ~es, sô
se justif ica o uso das tabela s de liroi.f.~~- -~-fl.}~~te_rª:L
s de
( u e de F. Quand o, porém , não sabemo s "a prior i" se
o de~
vio ' padrão do numer ador é maior ou menor que o do
( Admit indo-s e a hipóte se de nulida de, isto é, supon denomi_
- nadar então devem os utiliz ar as tabela s de limite s
do-se que os tratam entos sejam todos equiv alente s, bila
(
drado médio (Q.M.) para os tratam entos é uma estim
o qua terai~, de u ou de F. Estasituaç~o . ã,~ V..e:z~s .~cc;>rr_~ na
ativa analis e de variân cia quand o. ao contr ário ~o . que _?_
( da variâ ncia cr 2 , da mesma forma que o quadra do médio e esp~
re- ra, o quádra do médio (Q.M: } reTat iv_o_ a fratam ente>_f>
feren te ao resídu o. Sendo estim ativas difere ntes do -~- . t:'l:e
( mes- nor do que o quadra do médió resi:d uãL Se iiõ exemp lo
aci-
(
(
;; ·,·
(
( 21
20
(
. ção cons c ienciosa t e mos, porem, os seguintes: 1) As
ma foss e 0,090 o quadrado m~dio para tratamentos, t e rra- ca
( comparaçÕes feitas pelo teste t ·devem ser esco lh"d 1 as an-
mos:
( tes de serem examinado~ os dados; 22
Podem-se fazer. no
0,090 máximo tantas comparaçoes quantos sao os graus de 11ber-
( F = 0,062 dade para tratamentos, e os contrastes devem ser ortogo-
1,44
( nais. Mas o que devemos entende~ por contraste e ~ que
e aconselhar-se-ia o uso dos limites bilaterais (tabelas são contrastes ortogonais? Se m1 , mz, m3 e m4 sao ':s
( 3 e 4), que são, no caso de F < l, com 3 e 20 graus de verdadeiras médias dos quatro tra·tai!lentos de um exper1-
liberdade:
( niento,
5% ........... 0,071 , Y1 = m1 - mz ,
( 1% ........... o, 023 . Y2 = m1 + m2 + m3 - 3 m4 ,
( O valor de F obtido, sendo inferior ao limite de são exemplos de contrastes. O que caracteriza um contra_s
( 5%, mas superior ao de 1%, diz-se significativo ao nív e l te é que se as médias que nele ocorrem forem todas
de 5%. Um fato como este, embora não deva ser esperado, iguais, o contraste deverá ser nulo. De fato, com
( em geral, ocorre às vezes e, não raro, e
sintoma de de- m1 = mz = m3 = m4 M, temos:
( feitos na análise da variância. Uma das explicaçÕes pos-
síveis e a presença de erros -grosseiros no cálculo das Y1 M - M= O
( somas de quadrados ou dos números de graus de liberdade. Yz M + M + M - 3M = O •
( Outra explicação bem comum e a de que o resÍduo inclu a Para que isto aconteça, a soma algébrica dos coefi-
alguma importante causa de variação que f oi controlada, cientes deve ser nula.
( mas não foi isolada na análise da variância. A ex istên- Consideremos agora os contrastes
( cia de correlação que não tenha sido levada em conLa tam
bem e urna explicação dessa anomalia. Por exemplo, num ex mz + O.m 3
( perimento em parcelas subdivididas geralmente as s u bp a r~ + ffi2 - 2 ffi 3
( celas de cada parcela são positivamente correlaci onadas, Os coeficientes do primei ro contraste sao:
o que nos leva a isolar dois resÍduos distintos na análi 1 -1 o
( se da variância (veja-se o capítulo 9). Se na análi s e da -
e os do segundo sao:
( variância os dois resÍduos forem postos juntos, os com- 1 1 -2
ponentes a serem comparados com o quadrado médio do r e- Se multiplicarmos o primeiro coeficiente de Y1 pelo
( sÍduo (b) poderão tornar-se significativamente inf e ri o- primeiro de Y 2 , e assim por diante, obteremos:
( res ao quadrado médio residual, erroneamente estimad o . 1 -1 o
Às vezes, porem, nenhuma destas explicaçÕes serve , e a soma destes números é zero. Dizemos então que os con
( mas isto não deve assustar ninguém, porque, do pont o de trastes y 1 e Yz são ortogonais. Na análise da var1ancia
( vista do Cálculo de Probabilidades, o caso, embora pouc o os contrastes ortogonais são importantíssimos. Do pon~o
provável, nao e impossível, logo deverá ocorrer uma vez de vista prático, a ortoganalidade indica que a variaç~o
( ou ou i: r a. de um contraste ê inteiramente independente da variaçao
( de outro qualquer que lhe seja or.togonal.
Num experimento com quatro medias, m1 , mz, m3, m4,
( 3.2. o TESTE t: hâ três graus de liberdade para tratamentos e podemos,
( '. então, obter três contrastes ortogonais, como os seguiu-
Outro teste clássico é o testto> t, quto> podto> ser usa-
( do para comparar medias. Como requisitos para a sua apli_
(
(
(
22 23
(
( Y1 m1 - m2 , cientes sao nu los. Se o numero de repetiçoes f o r se1s p~
~-~.l
~;:;;;:;;;;;;;::;;:;:~~---~
. ~.. .~~ ------.-:F __.,_
- .".~:"!iH·~-
. -~_, _.......,.~:-~~~':-'!'?:'..'~~:~~-':~~::~tJ ~~:~.
24
( l 25
(
Enta o todo contra~te e ntre dua~ mGd ias,
( istu e, do
Anal ogam ente testa remo s o cont raste Y tipo
3•
( Feit a a esco lha dos cont raste s a testa r
ante s de Y = m1 - mu
exam inar os dado s, nada há a obje tar cont ,
( ra o uso do tes cuja estim ativa exce der o valo r f:..= l, 94
te t. Mas não ê líci to, por exem plo, sera sign ifica ti.
( comp arar por esse ao níve l de 5% de prob abili dade . Tal acon
proc esso a maio r medi a com a meno r dela vo tece com a
s, ou as duas - .
difer ença entr e a maio r e a menor das medi
( maio res com a meno r. Isto pode ser feito
, porem , pelo s as ac h a d as,
teste s de Tuke y, de Dunc an e de Sche ffe, pois entã o
( mais rece ntes ,
que passa mos a expo r. y = ml - m3 = 26,0 - 22,8 = 3,2 .
( Note -se que no caso part icul ar de um cont
tre duas medi as apen as, tal como yl = ml raste en- Se adota rmos o níve l de 1% de prob abili
dade , tere
( - mz, temo s: mos:
t
ml - mz
( 1,20
6 = 5,02 = 2,46
( 16
e aque le mesm9 cont raste sera aind a sign
( onde a prim eira medi a se supo e obti da ifica tivo nest e
com rl repe tiçÕ es, níve l. _
( e a segu nda com rz. Mas o test e t No caso de serem dife rent es os nume ras
e realm ente mais ge- de rep:t i-::
ral, como vimo s acim a. çoes o teste de Tuke y pode ainda ser usad
( o, mas enta o e
apen as apro xima do. Temos ness e caso
(
(
3.3. oTESTE DE TUKEY 6 = q V(l/ 2 ) V (Y)
.
Se, por exem plo, m
tiv esse 6 repe tiçoe s e mz ape-
nas 5, entã o fica ria, ao1 níve l de 5% de
( O teste de Tuke y, base ado na ampl itude prob abili dade :
tota l estu -
dent izad a, ("stu dent ized rang e", em Ingl
ês) pode ser uti-
( lizad o para comp arar todo e qual quer cont
raste entr edua s A
w -- _•) , 96v
' ~
2 (~
6
l
+5)( 1,44 ) = 2 ,03.
( medi as de trata men tos. No caso . que estam
os disc utin do,
em que hâ 4 trata men tos, exist em 6 cont A dife renç a obse rv ada, Y = 3,2 cont inua
( raste s dist into s ria a ser
que podem ser estu dado s. O test e ê exat si gnif icat iva.
o e de uso muit o _ .
( simp les quan do o núme ro de repe tiçÕ es
o mesmo para to- e o teste de Tuke y pode s er adap tado tam~em a~ JUlg a-
dos os trata men tos, o que admi tirem os de ment o de cont raste s mais comp licad os, mas
( iníc io. nao cuida remo s
Começamos por calc ular o valo r 6 = q s//; dist o , pois entã o o test e de Sche ffe pare
, onde q ce ser, em ge-
( e o valo r da amp litud e tota l estu dent izad ral, mais conv enie nte.
a ao níve l de
5% ou de 1% de prob abili dade ; s ê a estim E: inte ress ante que, muit o raram ente ,
( ativa do desv io pode acon te
padr ão resid ual, e r e o núme ro de repe cer que, embo ra o test e F não tenh a sido
tiçÕ es, supo sto o s~gnificativona
( mesmo para todo s os trata men tos. No caso anál ise da vari ânci a, obte nha- se um ou
vert ente temo s ma1 s cont raste s
n· = 4 trata men to·s, n' = 20 grau s de liber sign ifica tivo s pelo test e de :u~ey. Tal
( dade para o re ocor :e, por
sÍdu o, e o valo r q ao níve l de 5% de prob exem plo, no caso dado pela anal ise de . vari
abili dade é~ ~nc;a . e pela s
( pois , 3,96 (ver tabe la 10). medi as segu intes , obtÍ~as de um ensa iO
(flct~CiO) COm 4
Temos entã o trata men tos e 6 repe tiço es.
(
( ô - 3,96 ~ 20 = 1,94 . , /
( 16
:J_ _ _ _ _ _ _ _ _
_ _ _ _ _ __! __ _
~--_____
._{_ ::.
-·~
(
( 26 )l:
27
(
( - todos os tratamentos tenham o mesmo numero de re-
Causa de . variaçao G.L. S.Q. Q.M. F petiçoes .
( Para o uso do teste necessitamos tabelas espec~a~s
Tratamentos 3 54,24 18,08 3,01 (tabelas 12 e 13), uma para o nível de 5% de probabilid~
( Resíduo 20 120,00 6,00 d e, outra para o de 1%. .
( Voltando ao exemplo que estamos discut~ndo, começa-
Total 23 174,24 calcular uma amplitude total mínima significati-
( mos por " ~ )
("shortest significant range , em Ingles pelo teste
( va .
de Duncan para o contraste entre a ma~or e a menor d s
a
AÍ temos F = 3,01, valor que apenas se aproxima do medias:
( correspondente ao nível de 5% de probabilidade (3,10).
( Sendo as médias s
D = z
( 26,0 m2 = 23,8 rr
24,2 m~ = 22,o onde r e o número de repetiçÕes, s é o desvio padrão e z
( ê tirado das tabelas, para o número de mé~ias ordenadas
( como obtemos ao nível de 5%' s abrangidas pelo contraste em estudo e o numero de graus
de liberdade do resÍduo. Logo) ao nÍvel de 5% de proba-
( /':,. 3,96 l67õO 3,96 '
bilidade, temos:
( /6 1,20
verifica-se que ? m{ -
m~ 4,0 excede esse limite e D4 = 3,18 (3,18) (0,49) = 1,56 '
( ê, pois, significativo ao nível de 5% · pelo teste de Tu- /6
( t. key. Por outro lado, pode ocorrer que o teste F seja pois a comparação entre a maior e a menor das 4 médias
significativo, sem que nenhuma das diferenças entre me- abrange todas as médids do ensaio. Para comparar a se-
c dias seja significativa pelo teste de Tukey. gunda colocada, logo abaixo da maior, com a menor de to-
( Fatos semelhantes ocorrem com o teste de Duncan, da das, teremos um contraste que abrange 3 médias:
do a seguir, que também não concorda inteiramente com o 1,20
( teste F. Tais discordâncias se devem ã aceitação de hi- D3 = 3,10 (3,10) (0,49) 1,52
( póteses diferentes nas deduções teóricas, e são, aliás, 16
de pouca importância pratica. Este valor servirá para testar também o contraste
( entre a m~ior média e a penúltima por ordem de grandeza,
( isto ê entre m1 e m4.
(
3.4. oTESTE DE DUNCAN Finalmenie, para duas médias consecutivas temos:
( DUNCAN (1955) introduziu um novo teste ou prova pa- 02 = 2,95 1,20 = 2,95 X 0,49 = 1,45 ,
ra comparação de medias, ao qual chegou depois de uma 16
( tentativa anterior. Sua aplicação ê bem mais trabalho- e este resultado corresponde ao que nos daria o teste t.
( sa do que a do teste de Tukey, mas se chega a resultados As medias que não se podem distinguir por~este tes-
mais detalhados· e se discrimina com mais facilidade en- te podem ser reunidas por uma barra, como se ve a se-
( tre os tratamentos, isto ê, o teste de Duncan indica re- guir.
( sultados significativos em casos em que o teste de Tukey
não permite obter significação estatística. Tal como o m1 = 26,0 m2 = 24,8 m3 "' 22,8
( · teste · de Tukey, o de Duncan exige, para ser exato, que ----- ----- -=====----------------
(
f.
(
( 28
' 29
(
Sempre que houver uma barra unindo duas m~dias~elas
( nao diferem significa tivamen te. Assim, m não é signifi inferior a 13 3. No entanto, temos m2 - m3 = 12,2, valor
1
cativame nte diferent e de m2, pois ml - m2 = 1,2 nao exce=- que excede D2'= 12,0. Mas este resultad o n~o ê vâlid~,
( ela regra acima, de sorte que podemos ace1tar como nao
de 1,45. Mas m1 é significa tivamen te superior
( pois m1 - m4 = 2,0, que excede D = 1,52.
a m4 , ~ignificativas, p:l~ teste de Duncan, todas as diferen -
3 ças entre essas med1as.
Em vez de barras é também usual e até mais prático
( usar letras, assim: Quando o número de médias ê avultado (superio r alO,
( por exemplo) a aplicaçã o do teste de Duncan se torna mui
~1 26,0 a to trabalho sa.
( m2 24,8 a c No caso de serem diferent es os números de repeti-
m4 24,0 b c ções dos tratamen tos, podemos usar uma generali zação se-
( 22,8
m3 b melhante ã que se fez para o teste de Tukey, tomando
(
Quando a mesma letra aparece com as duas médias, a D = z I (l/2)~(Y)
( diferenç a entre elas não é signific ativa; quando não há
nenhuma letra comum às duas médias, sabe-se que a dife-
(
rença alcançou significa ção estatíst ica. Não diferem 3.5. oTESTE DE SCHEFFÉ
( significa tivamen te entre si, portanto , as médias m4 em3,
pois a ambas as estimati vas m4 = 24,0 e ro = 22,8 O teste de Scheffé só deve ser aplicado quando o
( 3 cor- teste F (ou u) tiver dado resultad o signific ativo. Se o
responde a mesma letra b. Ao contrári o, é signific ativa
( a diferenç a entre m1 e m4 , pois nenhuma letra é comum ãs valor de F obtido não for signific ativo, nenhum_ contras-
duas estimati vas ro 1 = 26,0 e ro 4 = 24,0. te poderá ser signific ativo, e, pois, a apl~caçao do te~
( te de Scheffé não se justific a. Quando, porem, o
Tanto o método das barras como o das letras h0je se va l or
( usam comument e também para resumir o resultad o da compa- de F obtido é signific ativo, pelo menos um dos contras-
ração de médias de tratamen tos por outros critério s, tais tes entre tratamen tos será signific ativo. Mas o contras-
c como o teste de Tukey. te em questão pode ser muito c omplicad o ou sem int e resse
pratico. E pode ainda acontece r que nenhum dos contr a s-
( Note-se que, sempre que, num gru po de médias, a
maior não difere estatisti camente da menor, pelo tes entre duas médias apenas seja signific ativo.
( teste
de Duncan, não se admi~e diferenç a signific ativa, O teste de Scheffê é de uso bem mais geral que os
pelo de Tukey e de Duncan e permite julgar qualquer contras-
( mesmo teste, entre médias intermed iárias. Por exemplo,
sendo s = 10,0, com 20 graus de liberdad e, r = 6, consi- te. Para isso calculam os
(
deremos as médias: s = I (n-1) ~
~
(1) F
( ~1 32,8
onde Y é o contrast e em questão, n é o número de trata-
( m2 32,6
mentos e F é o valor da tabela ao nível de 57. ou de 1%,
~3 20,4
( correspo ndente aos números de graus de liberdad e para
m4 20,1
tratamen tos e para o resíduo. Se as mêdias de tratamen -
( ms 20,0
tos forem independ entes (não correlac ionadas) e
AÍ temos:
( Y = c1m1 + c2m2 + ••· + Cnffiu •
( n5 = 13,3 ,
então teremos
D2 = 12,0 ,
(
de sorti..! qui..! nao ê signific ativa a diferenç a c•ntre a
( máior e a menor das medias, pois rol - ros = 12,8, valor
,{
., -c-:"'w=>ii'iiiiiiiiiiiií""~~
-.~;:7.;E;_..;',z;;Rw~
-. ~
-.:ss""
· .,..
,. .,..,..,......,."!""~!!!""'·~...,,..,
__ ..,,,..
4 ~-.~ ~""'! - · ~ L.<. · · "''!r~'!''"~~~~~~ .....·.:~·"'"!!'~_.~ ........,._..,~--::.·•-::···:''-t'f'··-'::·~·~~~-c:>c'"=~
(
(
r' 30
\
31
( como já vimos , onde ri e o numero de repeti çÕes do
tra- a contr astes escolh idos previa mente , antes de serem
( tamen to i, logo exa-
minado s os dados , e que tais contr astes, em numero
c
(
s = '; v(n-1) c2
2
· c2 )
n
---r;+ ... +-r- F.
n
máximo igual ao de graus de liberd ade para tratam entos
devem ser ortog onais .
Sabe- se, porém , que,me smo com essas restri çÕes,
no
,
a
( prova de t, aplica da a dois ou mais contra stes num mesmo
No exemp lo que discut imos em 3.1 e 3.2, se consi derar - ensaio não e exata . Com efeito , no exemp lo discu tido
( mos o contr aste em
3.2, se foi de 5% o nível de signif :icânc ia adotad o
para
( cada um dos três contr astes, a proba bilida de de que
um,
pelo menos , seja signi ficati vo, pot simple s acaso
( teremo s aproxi madam ente, de 3 x 5 = 15%. No caso geral , se o
, é,
ní-
( ?
3(26,0 ) - 24,8 - 22,8- 24,0
=
vel de proba bilida de for a para cada contr aste, a proba
6,4 ) -
bilida de de que um pelo menos de n contr astes ortogo
e, ao nível de 5%, F nais
3, 10, logo seja signi ficati vo é de na. Para conto rnar essa difi-
( = l. 20 v·3-'---=-9-~l---1~1--- culdad e, o teste de Bonfe rroni indic a o uso, para
S cada
(6 + 6 + 6 + 6) 3,10 = 5,17 . contr aste, de um nível de proba bilida de a' . = a/n,
então. , l?ara o conju nto teremo s na' = a. Para facil itar
A estim ativa obtida (6,4) exced e o valor de aplica çao do teste de Bonfe rroni, constr uíram -se tabela a
( S calcu s
lado, logo o contr aste será signi ficati vo ao nível espec iais, como a tabela 21. Por exemp lo, com a = 5%
de e
( 5%. Para o nível de 1% ja não signi ficati vo, pois en- e n = 3, o valor de t, para cana contr aste corres ponde
a
( tao obtem os uma proba bilida de a' = 5/3 = 1,67 e, com 20 graus de
li-
berda de, vale t = 2,61. Este v a lor de t é que seria
( s
1,20v 3(2.+ .!:.+. !:.+.! :.) 4
6
=
6 6 6 ' 6,53 . 9~ do ao aplica r o teste a 3 contr astes ortogo nais relat
vos aos dados das seçÕes 3.1 e 3.2.
usa-
i-
(
Note- se que um contr aste pode ser signi ficati vo quan
c do julgad o pelo teste de t, sem o ser quando utiliz armos
·
37r I PROPR 1ED.ADES DOS Novos TESTES
( o teste de Tukey , o de Dunca n ou o de Schef fé. Isto
se
deve ao fato de que estes testes permit em testar Os testes de Tukey e de Dunca n têm fundam entos mui-
qual-
--( quer contr aste que intere sse, ao passo que o teste tos semel hantes . O teste . de Dunca n ê, porém , menos
t sô con-
( se ~ode_apli~ar justif icada mente nas condiç Ões expos serva dor, isto é, da difere nças signi ficati vas com
tas mais
atras , ~sto e, a contr astes previa mente escolh idos facili dade, porqu e o autor adotou o critér io seguin
( togona~s. e em numer o nao - '
super ior ao dos graus de liber-or-
- mando o nível de signif icânc ia de 5% de
te: To
p robab ilidad e
( dade para tratam entos . Entre tanto, pode- se tolera r num contr aste que inclua duas média s ele exige uma
0 uso proba
do teste t para a!gun s c~ntrastes, mesmo não ortog onais bilida de de 95% (0,95) de que não aponte mos como signi
( , fi
desde que o seu numer o nao exceda o número de graus c~tiva uma difere nça realm ente nula; ja para o
de caso de 3
(
liberd ade para tratam entos . . media s, tal proba bilida de será 0,9025 = (0,95) 2
ou
90,25% ; para 4 média s ela baixa para 0,8574 = (0~95)
( 3 ou
85,74% , e, em geral , para n media s, a proba bilida de
será
( 3,6, 0 TESTE DE BoNFERRONI (0,95 )n-l. Já no teste de Tukey , mais exige nte,
temos
sempr e uma probà bilida de de 95% de não apont ar como
( sig-
O teste de Bonfe rroni é um aperfe içoam ento do teste nifica tiva uma difere nça realm ente nula entre todas
as
( t. Com efeito , recome ndamo s que só se apliqu e média s de tratam entos . Não é de admir ar, pois, que,
o teste t com
n > 2 o teste de Dunca n dê result ados signif icativ os
( em
(
.. .., ..
33
(
(
cas os e~ que isto não aco nte
que ent ao o tes te de Dun can
das com mai or fre quê nci a. O
mu ito ma ior, com o tes te t
ce com o tes te de Tuk ey:
nos lev a a afir ma tiva s err a-
mesmo aco nte ce, com per igo .
n2
n2
;
;
120
00
-- 1,5 3
1,4 8
•
apl ica do ind iscr imi nad am ent A reg ra de tre s e:
( o que hoj e não se ace ita ma e,
is. O tes te de Dun can est abe
(
(
lec e, poi s, um mei o term o ent
vo do tes te de Tuk ey e a fal
te t usa do sem as dev ida s cau
Jâ o tes te de Sch effe ê ain
re o rig or um tan to exc ess l
ta de rig or exa ger ada do tes
tela s.
da mai s rig oro so, des a-
< TIO
1
1 1
00
1
1
= --
120
1
-
~
1,5 3 - l ,48
y
0,0 5 ,
( con selh áve l par a a com para ção 120 - 200 300 '
de dua s mé dia s, mas pre sta
( bon s ser viç os par a pro var con
tra ste s mai s com plic ado s, 1
e par a isto e
de uso ind ica do. 3QO (O ,05 )
y == 1 0,0 2 .
( 120
38
I I INTERPOLAÇÃO HAAt-i>N I CA
( o val or pro cur ado ê 1,5 3 - 0,0
Nas tâb uas de t, u, F, q e 2 = 1,5 1.
( Se qui zerm os o val or de F par
pol açã o har mô nic a, em que se
z fun cio na bem a int er-
por exe mpl o, ser â pre cis o obt ~ n~ = 22, n2 = 200 ,
( · usa m as rec ípr oca s dos nú- er prlm elro os val ore s p~ra
mer os de gra us de libe rda de -
par a arm ar a reg ra de trê s. nl = 22 , n2 - 120 ' e par a n 1 = 22 n2 = "", par a dep ols ,
Por exe mpl o, qua l ser â o lim -
(
pon den te a 36 gra us de libe rda
ite de 1% de t cor res - por mel· o des tes , che gar ao num ero ' bus cad o cor res pon d en t e
de? A tab ela de t nos dâ: a n 1 "' 22, n 2 = 200 .
( par a 30 gra us de libe rda de Nas tab ela s de F, de q e de -
... ... ... .. 2,7 5 , z a inte rpo laç ao se faz
( par a 40 gra us de libe rda de exa tam ente do mesmo modo:..
... ... ... .. 2,7 0 ~ . .
Emb ora a inte rpc laç ao har mü . . . . .~ _
( Armamos ent ao a seg uin te reg lnc a seJ a a mal s lnd H:a
ra de trê s: da e, em alg uns cas os, como .
o d~ Últ imo exe mpl o, sej a
( 1 1 1 úni ca pos sív el, ger alm ent e f a
30 - 40 uncl~na mals ou menos bem a
120 2,7 5- 2,7 0 0,0 5 , -
inte rpo laç ao lin ear , seme 111an te a qu e se usa par a táb uas
(
1 1 1 de log arit mo s.
( 30 - 36 Par a 0 val or de t ao nív el
180 y de 1% de p:o bab ilid ade ,
' cor res pon den te a 36 gra us de
libe rda de, teri am os:
(
log o par a 30 gra us de libe rda de
( ... .. 2,7 5 ·
1 par a 40 gra us de libe rda de
180 (0,0 5) ... .. 2, 70 ·
( y = --- --- .1- --= 0,0 33 :::: Logo uma dif ere nça d e lo gra
0,0 3,
var iaç ão de 0,0 5. E obte mos us d e libe rda de dâ uma .
( 120 a reg ra de tre s:
( 10 0,0 5 •
de ond e res ult a que o lim ite 6
bus cad o é 2,7 5 - 0,0 3 y
= 2,7 2.
Pro cur emo s ago ra o val or de log o
( u (un ilat era l)
n 1 = 12 gra us de libe rda de, par a
(
n 2 = 200 , ao nív el de 1% de 6(0 ,05 )
pro bab ilid ade . A col una cor y = 10 = 0,0 3 '
res pon den te a n1 "" 12 exi ste
( na táb ua e nel a tem os:
de ond e res ult a que o lim ite
bus cad o e 2, 75 - O,03
.( = 2,7 2, como ant erio rme nte
.
c
(
( 34 35
(
(
3,9, INTERVALOS DE CoNFIANCA No caso de termos, nao um contraste, mas apenas uma
mêdia,Y = m1 , por exemplo, a fÓrmula (3.2.1) pode ainda
( Consideremos uma estimativa ? de um contraste y e ser aplicada e obtemos intervalos de confiança para a me
seja s (Y) seu erro padrão com n' graus de liberdade. Se dia em questão. Temos:
(
o valor de t para este número de graus de liberdade e ao
nível de 5% de probabilidade for t 0 , então há uma proba- ml 26,0 , s <ffi 1 ) = 1,20 fi= o' 490
(
bilidade de 95% de que tenhamos
Y' - t s (Y) < Y < ? + t s (Y)
-
ml ~ to s <lli 1 ) 26,0 2,09 X 0,490 24,98
0
( 0
ml + t o s <lli 1 ) 26,0 + 2,09 X 0,490 27,02
isto e, em 95% dos casos o intervalo de confiança (va-
( Há, pois, uma probabilidade fiducial de 95% de que
riável) de extremos Y' - t 0 s(Y') e Y' + t s(Y') conterá 0
( verdadeiro valor do·contraste. Quer diz~r que se repetir a verdadeira media m1 esteja entre 24,98 e 27,02. De ma-
mos muitas vezes o experimento, em 95% dos casos 0 inter neira análoga se obteria o intervalo de confiança pai;a
( níveis diferentes de probabilidade.
valo de extremos Y' - t 0 s(Y.) e Y' + t s(Y') conterá 0 va=
( lor verdadeiro Y do contraste. Podemgs exprimir isto em Nos casos em que se aplicam os testes de Tukey e de
out:as palavras dizendo que e de 95% a probabilidade fi- Scheffe, intervalos de confiança baseados nesses testes
( podem ser obtidos.
duc1al de que o verdadeiro valor do contraste esteja
( dentro do intervalo de confi~nça determinado num certo Por exemplo, para um contraste qualquer Y = rni - ~·
experimento. os extremos do intervalo de confiança serão Y- q s e
(
Por exemplo, consideremos o contraste Y = m1 - m3 no - s l1r
exemplo de 3.2. Temos então e Y + q -==· Para Y = m1 - m3 no exemplo de 3.2 obte-
/r
( Y' = 26,0 - 22,8 = 3,2 , mos, pois, ao nível de 5% de probabilidade,
y
~= 3,2 ,
( 26,0 - 22,8 =
s(Y) S 1,20 X 0,577 0,692 .
s
( y - q = 3,2 - 3,96 ~ 1,26 ,
(
são 20 os graus de liberdade do resíduo logo,
nível de 5%, temos t 0 = 2,09. E fica: '
ao rr- /6
3,2 + 3,96 ~
( y s
Y t 0 s(Y') = 3,20- 1,45 = 1,75 , + q = 5,14
( Y' + t 0 s(Y') = 3,20 + 1,45 = 4,65 . rr r6
Dizemos, pois, que há uma probabilidade fiducial de Para o caso do teste de Scheffé, os extremos do ~n
(
95% de que o valor exato Y do contraste entre os dois tervalo de confiança são:
(
tratamentos esteja entre 1,75 e 4,65, querendo dizer com Y- I (n-l)~(Y) F , Y+ / (n-l)~(Y') F .
( isto que num grande número de experimentos semelhantes
interv~los análogos ~o de extremos 1,75 e 4,65 que foi Ainda no caso do exemplo de 3.2, o contraste
( determ~nado encerrarao o verdadeiro valor de y em 95% do Y m3 - m4 3m 1 - m2 -
( dos casos.
O conceito de intervalo de confiança ("confidence nos dá Y' = 6,4 e os extremos do intercalo de confiança,
( interval", em Inglês) que aí fica foi introduzido por ao nível de 1% de probabilidade, são
( J. Neyman, e veio substituir os limites ou intervalos fi
(
duci.ais de R.A. Fisher. Os dois conceitos conduzem aos 6,4 - (69 + 61 +
1
6
1
+ 6) 1,44 X 4,94 -0 'l3 '
mesmos resi.Iltados na maioria dos casos, mas os fundamen-
tos lógicos são diferentes.
(
(
36
( 37
( 6,4 + 13 9
6
1
(- + - +
6
1
6
+ ..!_) 1,44
6
X 4,94 12,93 • · 0 btido de ensaios anteriores em condiçÕes análogas._Al em
· to , devemos fixar a diferença mínima d que devera ser
d ~s
( pois a tabela 2 nos dá F -
4,94 e
es tatisticamen te comprovada pelo ensaio. Entao,
. sendo q
( amplitude total estudentizad a para o exper~mento a ser
9 1 1
fJ (?) (- + - + + _!_) 1,44 ;eíto, e sendo F o valo: da tábua, ao níve~ a escolhido
( 6 6 6 6
de probabilidad e, com numero de_graus de l1be:d~de nl
( Em experimentos agrÍcolas ou zootêcnicos o nível de (do novo experimento) e n 2 , o numero de . repet1çoes r e
5% de probabilidad e parece ser mais indicado e conve- dado pela fÓrmula:
( niente do que o de 1%.
(
r
(
3,10, DETERMINAÇÃO 00 Nt'J.1ERO NECESSÁRIO DE. REPETIÇÕES
(
Um dos problemas mais interessante s da experimenta- Este número de repetiçÕes nos garantirá uma probabi
( çao e a determinação previa do número necessário de rep~ lidade a de que o ensaio não venha comprovar a diferença
( tiçÕes. Numerosas soluçÕes já foram propostas, mas ne- d, isto é, uma probabilidad e l - a de que seja comprova-
nhuma e inteiramente satisfatória . da estatisticam ente, pelo teste de Tukey.
( Como os valores de q e de F a serem usados no
Na experimentaç ão agrícola ou zootecnica a exper~en se-
c cia indica que dificilmente se conseguem resultados ra- gundo rnem~ro dependem de~· ê claro_que só se p?de obter
zoáveis com ensaios que tenham menos de 20 parcelas. Es- uma soluçao por aproximaçoes sucess~vas, a part~r de uma
( te número deve ser tornado, pois, em geral, corno mínimo. tentativa inicial qualquer.
( Assim sendo num experimento com 2 tratamento~, de- Vejamos um exemplo. Suponhamos que pl~nejarnos um
vemos ter pelo rn;nos 10 repetiçÕes, para que haja no rn~ experimento com 5 variedades de cana-de-açuc ar ~ que t:-
( nirno 20 parcelas ao todo. mos, de ensaio anterior , urna estimativa do desv~o padrao
( Outra indicação útil e a de que devemos t e r, em ge- residua l s 2 = 7,4 t/ha, com n 2 = 60 graus de ll.berdade,
ral, pelo menos 10 graus de liberdade para o resíduo. e consider emos que o novo experimento deva comErovar pe-
( Estas duas restriçÕes, embora muito Úteis na práti- lo teste de Tukey qualquer diferença de produçao de 15
( ca, podem, porem, ser deixadas de lado em al~uns casos. t/ha ou mais. Admitimos que o ensaio seja em blocos ua-
Tal ocorre nos experimentos de grande precisao suali z ados e tomemos 5 repetiçÕes, corno tentativa ini-
(al guns
( ensaios fÍsicos ou químicos, de laboratório, por cial. Neste caso, teremos 4 graus de liberdade para tra~
exem-
( plo) ou então quando temos um grupo numeroso de experi- tamentos (variedades) e n 1 = 16 graus de liberdade para
mentos, que serão estudados em conjunto, tendo em vista 0 resíduo, logo, ao nível de 5% de probabilidad : é!tabe~a
( unicamente resultados gerais. Neste caso, cada nos dá q = 4,34. Por sua vez o valor de F, tambem ao_n~
experi-
( mento tem individualme nte pouco valor e, pois, podemos, vel de 5%, com n 1 = 16 e n 2 = 60 graus de liberdade e F=
se necessário, reduzir um pouco o número de repetiçÕes, = 1,81. Teríamos, pois:
( a fim de, com os recursos disponíveis , poder aumentar o
número de ensaios. 2 2 2
( r (4,34) (7,4) (1,81) =8,3 repetiçÕes.
Uma solução rigorosa interessante e recente para o (15)2
( problema pode ser obtida p~lo uso do teste de Tukey, da
( maneira que vamos expor. O numero de repetiçÕes conveniente estará entre o
Em primeiro lugar devemos contar com uma estimativa numero usado inicialmente (5) e o valor agora obtido
( previa do desvio padrão sz, com n2 graus de liberdade, (8,3). Log~ 5 repetições são insuficiente s.
( Tentemos agora r = 7 repetiçÕes. Fica:
(
(
( 38
( 39
q = 4,17 e F= 1,70, logo Uma solução prat1ca e rápida para a determinação do
( número necessário de rep:tíçÕes se pode obter pela fórmu
r =
(4,17) 2 (7,4) 2 (1,70)
( 7,2 repetiçÕes la de Tukey, dada na seçao 3.3, com pequena modificação~
(15) 2 Com efeito, a fÓrmula
( s
O número necessário estaria entre 7 e 7 2 "7r
(
çoes. Has, como tal numero nao -
- pode. deixar de
' ser íntei •
q
(
( 40
(
Tabe la 3.10 .1. Dife renç a míni ma sign 41.
ific ativ a, em porc en cANTATORE DE FRANK, Norma, 1980 . Man
( tage m, ao níve l de 5% de prob abil idad ual de Esta dÍst ica
e,pa Apli cada . Edi tori al Hem isfer io Sur,
( ra ensa ios em bloc os casu aliza dos com Buen os Aire s
di=
vers os coef icie ntes de vari ação . CHEW, V., 1977 . Com paris ons Among Trea
( tmen t Means in an
Ana lysis of Vari ance . USDA, Was hing ton.
( coNAGIN, A., 1961 . Prin cípi os de Técn
ica Exp erim enta l e
N9 de N9 de Aná lise Est atís tica de Exp erim ento s
( COEFICIENTES DE VARIAÇÃO (mim eogr afad o).
trat a DAGNELIE, P., 1975 . Théo rie et Meth odes
repe Stat istiq ues , 2
(
rrent os tiçÕ es · volu mes. Pres ses Agro nom ique s de Gem
5% lO% 15% blou x, Bélg ica.
20% 25% 30% DUNCAN, Davi d B., 1955 . Mul tip1e
( Range and Hul tiple F
2 4 11,2% 22,5% Test s. Biom etric s, 11: 1-42 .
( 33,8 % 45,0% 56,3% 67,5% FEDERER, Wal ter T., 1955 . Exp erim enta
2 6 7,4% 14,8% l Desi gn. Macmi1-
22,2% 29,7% 37,1% 44,5% lan, Nova York .
( ' 2 8 5, 9% . 11,8% 17,7% 23,6% 29,5% 35,4% HALD, A., 1952 . Stat istic a1 Theo ry
2 lO 5,1% 10, li.
( 15,2% 20,2% 25,3% 30,4% with Eng inee ring
2 16 3,8% 7,5% App lica tion s. John Wile y, Nova York
11,3% 15,1% 18,8% 22,6% .
( HARTLEY, H.O ., 1955 . Some Rece nt Deve
lopm ents ~n Ana1y
s~s of Vari ance . Commrunications
( 4 4 11,0% 22,1% of Pure and App lied
33,1% 44,2% 55,2% 66,2% Mat hem atics , 8: 47-7 2.
4 6 8,3%
( 16' 7i. 25,0% 33,3% 41,6% 49,9% KRAMER, Clyd e Youn g, 1956 . Exte nsio n
4 8 7,0% 13,9% of Mu1 tiple Rang e
20,9% 27,8% 34,8% 41,8% Test s to Group Heans with Uneq ual Num
( 4 lO 6,1% 12,2% bers of Rep1ic~
18,4% 24,5% 30,6% 36,7% tion s. Biom etric s, 12: 307- 310.
4 16 4, 7% 9,4%
( 14,1% 18,9% 23,6% 23,3% KRAMER, Clyd e Youn g, 1957 . Exte nsio n
of Mu1 tip1e Range
Test to Crou p Corr elate d Adju sted Mean
( s. Biom etric s,
8 4 ll ,9% 23,9% 13: 13-1 8.
35,6% 47,7% 59,7% 71,2%
( 8 6 9,3% 18,6% PIMENTEL GOMES, F., 1954 . A Com paraç
27,9% 37,2% 46,5% 55,8% ão entr e Méd ias de
8 8 7,9% 15,8% Trat ame ntos na Aná lise da Var iânc ia.
( 23,7% 31,6% 39,5% 47,5% Anai s E.S. A.
8 10 7,0% 14,0% "Lui z de Que iroz " , l l : l-12 .
21,0% 28,0% 35,0% 42,1%
( 8 16 5,5% PI~lliNTEL GOMES, F., 1978 . Inic
10,9% 16,4% 21,9% 27,3% 32,8% iaçã o à Esta tísti ca. 6~
ediç ão. Liv rari a Nob el. São Paul o.
( PIMENTEL GOHES, F. , 19 54. A Deca dênc
l2 4 12,4% 24,8% ia do Test e t. Rev.
c 12 6 9,9% 19,7%
37,2%
29,5%
49,7%
39,4%
6 2,1%
49,2%
74,5%
59,1%
Agr icul tura , 29: 215- 218.
ROY, S.N. e R.C. Base , 1953 . Simu ltane
( 12 8 8,4% 16,8% ous Con ficen ce
25,2 $ 33, 7i. 42,1% 50,5% Inte rval Esti mat ion. Ann. Math.. Sta
12 lO 7,5% 15,0% t., 24: 513- 536.
22,5% 30,0% 37,4% SCHEFF~, Henr y, 1953 . A Method for Judg ing all
( 44,9% Con-
tras ts in the Ana 1ysi s of Vari ance .
(
Biom etrik a, 40:
25 2 20,5% 41,0% 87-1 04.
61,5% 82,0% 102,5% 123,0% SNEDECOR, Geor ge W. e W.G. Coch ran, 1967
c 25
25
4
6
l3 ,4%
10,8%
26,9%
21,6%
40,4% 53,8% 67,2% 80,7% thod s. 6{1 ediç ão. Iowa Stat e Coll ege . Sta tist ical Me
( 32,5% 43,3% 54,1% 64,9% wa. Pres s. Ames, Io-:
c
(
(
( 43
( zir o n~mero de repetiçÕes de alguns dos tratamentos. Is
(
4~ EXPERIMENTOS INTEIRAMENTE CASUALIZADOS to, porem, nenhuma dificuldade trará no caso de termos
um experimento inteiramente casualizado.
( A principal desvantagem deste tipo de experimento e
4~1~ GENERALIDADES que realmente conduz a estimativas bastante altas d _
(
riância residu~i, pois as variaçÕes de toda ordem, aa~~m
( Quando dispomos de um terreno bem uniforme, e tnu- das gue se atr1.buem a tratamentos, são tomadas como va-
til estabelecer blocos, cujo único resultado será traz riaçoes de acaso.
( diminuição no número de graus de liberdade para o resÍ- '
( duo. Em tais condiçÕes, o experimento inteiramente
lizado será preferível. O mesmo pode acontecer em 4 2 UM
I I ExEf'IPLO
( rimentos de laboratório, onde as condiçÕes sejam sempr
( muito uniformes, ou em pesquisas com animais, quando te- Suponhamos um experimento (fictício) de alimentação·
mos um rebanho muito homogêneo. No caso de experimentos de porcos, em que se usaram quatro raçÕes (A B c D)
( em vasos, se a posição destes for mudada com frequência, cada uma fornecidaa cinco animais escolhidos'ao'ac~so.O~
( ao acaso, também não se justifica a introdução de bloco aumentos de peso observados, em quilogramas, constam da
Cumpre notar, entretanto, que um terreno aparentemente tabela seguinte.
( uniforme pode ser bastante heterogêneo. Alem disso, em- .·
( hora uniforme em relação a uma planta, pode revelar - s
com manchas de fertilidade diferente ao ser cultivado RAÇÕES
( com outra planta. De sorte que, na ausencia de
( çÕes seguras sobre a uniformidade do terreno em relação A B c D
ã planta em estudo, e sempre preferível introduzir
( cos, que serão Úteis se aparecer heterogeneidade e pouco 35 40 39 27
( ou nada prejudicarão se os blocos forem todos semelhan- 19 35 27 12
tes. No caso de ensaios com animais, estes, embora homo- 31 46 20
( l3
gêneos, podem estar em baias com diferenças importantes 15 41 29 28
( de iluminação, exposição ao calor ou aos ventos frios, 30 33 45 30
etc., o que vem exigir a organização de blocos.
( Os experimentos inteiramente casualizados apresen- 130 195 160 llO
( tam certas vantagens importantes em relaçã·o a experimen-
tos de delineamentos mais complexo, tais como:
(
a) Qualquer número de repetiçÕes ou de t~atamentos pode Como temos A tratamentos, o número de graus de li-
( ser usado e o número de repetiçÕes pode variar de um berdade para tratamentos é 4 - 1 = 3. Os 20 animais usa-
tratamento para outro sem que isto dificulte a anâli- dos nos experimentos nos dão 19 graus de liberdade para
(
se; o total. Logo, restam 16 para o resÍduo.
( b) O número de graus de liberdade para o resÍduo
~
(
r=--~'-:..
(
(
44 45
(
com 3 graus de lil;>erdade (dos tratamentos~ e 16 (do resÍduo).
( I c2 595 ? As tabelas de F (tabelas l e 2) dao os limites 3,24
c
I
( 17 .701,25 para o nível de 5%, e 5,29 para o de 1%. Loeo este resu!
N 20 '
(
tado é significativo ao nÍvel de 5%; o que se indica por um
\
I SQ Total L:x2 - c asterisco, asstm: 3,99*. A significância ao nivel de l%
(. i seria indicada por dois asteriscos.
( li 19.625 - 17.701,25
1,923,75,
o fato de ser significativo ao nível de 5% o teste
F indica que hâ uma probabilidade superior a 95% de que
l 1 exista pelo menos um contraste entre tratamentos que di-
(
i
I
SQT
5
(130 2 + 160 2 + 195 2 + t.toz) - c fere de zero, que não é nulo. Mas esse contraste pode
( ! ser muito complicado, sem nenhum interesse pratico.
823 '75 As médias dos tratamentos, m1, mz , m3, m4, n'ã o
( são
SQ ResÍduo SQ Total - SQT conhecidas: mas temos suas estimativas:
(
( 1923,75- 823,75 ~ 130 ~
ml 26,0 m2 39,0
1100,00. 5
(
SQT ê a Soma de Quadrados para Tratamentos. 160 .
( m3 -5- = 32,0 m4 = 22,0
Obt~das as somas de quadrados, os quadrados mêdios
( <9.M.) ~ao calculados mediante sua divis~o pelos resp ec- Se nos interessa a comparaç~o entre duas médias de
t~vos numeros de graus de liberdade.
( tratamentos es colhidas entre as quatro de que dispomos,
um teste conveniente para julgar o contraste e ntre elas,
( como já vimos, ê o de Tukey. Para usar este teste calcu-
( Obtemos, pois, a seguinte analise de variância. lamo s
( s
Causa de
/.:, = q
(
variação G.L. S.Q. Q.M. F_
Ir
( onde q e o valor de amplitude total estudentizada para o
Tratamentos 3· 823,75 274,58 nível de 57. ou de 1% de probabilidade, s ê o desvio pa-
( 3,99 dr~o residual (8,3 no caso acima ) e r ê o número de re-
ResÍduo 16 1.100,00 68,75
( petiçÕes. Para usar este teste é vantajoso que todos os
Total 19 tr,:~.tamentos tenham o mesmo número r de repetiçÕes. Tabe-
( 1. 923; 75
las de q s~o reproduzidas no fim desta obra (tabelas ·lO
( e 11). Com n = 4 tratamentos e n' = 16 graus de liberda-
de para o resÍduo, a t~bela de q para o nível de 5% nos
( O desvio padrão e: da q = 4,05, logo Jc..i\V...
( 0= /68,75 8, 3 •
/.:, = 4,05
8 3
• = 15,0
( O valor de F e: ;;;;
( 274' 58 Para o contraste Y1 mz. - m4, · por exemplo, obtemos
F J,99 •
( 68,75 a estimativa
Ii .
( 39,0- 22,0- 17,0
(
f
(
(
46 47
(
Esta estimativa excede este valor de 6 = 15,0, logo . A diferença entre a ma~or media (39,0) e a menor
( é significativ a áo nível de 5%, isto é, a segunda ração (22,0) é 17,0, valor que excede D4 = 12,0, lugo é signi-
( difere significativa mente da quarta. Para comparar a se- ficativa, pelo teste de Duncan, ao nível de 5% de proba-
gunda ração com a primeira usaríamos o contraste Y2 bilidade. Também a diferença entre a maior (39,0) e
( a
= m2 - m1 , para o qual temos :: estimativa ?2 = 39 ,O penúltima (26,0), que é 13,0, excede D3 = 11,7, logo é
( - 26,0 = 13,0. Este valor nao excede o limite 6 igualmente s~gnificativa ao nível de 5%. Os resultados
15 ,O, logo não chega a ser significativ o ao nível de 5%. das comparaç oes podem ser resumidas pelo quadro seguin-
(
Por outro lado, este método também nos permite cal- te.
( cular "intervalos de confiança" para os contrastes . Para ·
o primeiro (Yl = m2- m4), por exemplo, os extremos do 39,0 32,0 26,0 22,0
( intervalo de confiança são a ab b h
(
17,0- 15,0 = 2,0 •
( 17,0 + 15,0 = 32,0 •
( isto é, temos uma probabilidad e fiducial de 95% de Pa ra contras tes mai s c ompli c ados·, qu e envolvam ma~s
que
o verdadeiro valor de Y1 = m2 - m4, que é desconhecido , de duas médias; esses métodos não são convenientes , mas
( há o teste de Scheffê, que é indicado. Para o contraste
esteja entr~ 2,0 e 32,0.
( Para o segundo contraste (Y 2 = m2 - m1 ) os limites
+ cn~ ,
do intervalo de confiança, calculados do mesmo modo, se
( r~am onde se e xi ge c1 + c2 + •.• + c O , o limite a calcu-
-2,0 e 28,0. n
( Para comparação de médias atualmente muitos prefe- lar é:
rem o teste de Duncan. Os valores de z ao nível de 5%
( de probabilidad e (tabelas 12 e 13) são: n - 1
S = s ,V/ --r-- ( •2 1:1· +. c 22 + •.• + cn2 ) F ,
( Para 4 médias: 3,23 ,
Para 3 medias: 3,15 ,
( Para 2 medias: 3,00 onde n e o nume r o de tr a tame nto s, r e o número de r e peti
( Logo temos: çoes, s ê o de svio pad rão c F é tirado da tábuã
de limites unilat e rais no nível co.nveniente de probabili
( 3,23 ~ 12,0 • dade, geralmente 5% ou 1%. -
( g- Por exemplo, suponhamos que queremo s comparar a se-
gunda ração com a média da primeira e da quarta. O con-
3,15 ~ 11 '7 ,
traste que nos interessa é então
( ;s-
3,00 ~
(
D2 11 'l . para o qual obtemos:
( 15
( ?3 = 2 X 39,0 - (22,0 + 26,0) = 30,0 .
As medias, em ordem decrescente, sao:
( m2
m3
39,o
32,o
s = 8,3; 1<4 + l + l) 3,24 = 28,3
( ~
1
§1 = 26,0 Como temos ? 3 > S, o contraste Y3 é
( m4 22,0 signifi cativo
l
I·
ao nível de 5%. O intervalo de confiança para Y3 t:eria
(
(
I
~~--------~~--------------
.!1!'!'!: •• " ~
f -
(
( 48
( 49
por extremos 1,7 e 58,3, isto~. temos uma probabilid
( fiducial de 95% de que o verdadeiro valor de Y3 estej trastes entre duas médias apenas ou outros sugeridos pe-
entre esses limites. los tratamentos, e não pelos valores de suas médias, co-
( O método de Scheffé pode ser usado para qualquer mo esse Yo. . . .
( po de contraste e também se aplica quando o número de Quanto ao teste ~. p?der~a se: apl~cado a três con-
petiçÕes não é o mesmo para todos os tratamentos. Mas trastes ortogpnais escolh~dos prev~arnente, por exemplo:
( métodos de Tukey e de Duncan, no caso da comparação
( duas médias, dão resultados melhores que o de Scheffê yl ml - rn2 '
devem, pois, ser preferidos. Yz ~ rn3 - m4
( Sabemos que pelo menos um contraste entre as medi
difere significativamente de zero, se o teste F (ou u y3 m1 + mz - m3 - m4
(
for significativo. Pode-se obter facilmente um contras Temos
(
(
entre médias que serâ significativo (pelo teste de Sch
fê) se o teste F (ou u) tiver dado resultado significa
vo. Esse contraste é
'1 = 26,0 - 39,0 ~ 13,0
(
Yo = c1m1 + c2m2 + ... +c m) ,
(
~
n n
com ci = íiii - íii, onde íii ê a media geral estimada do s CY 1) = s = 8 '3 X 0,6325 5,25 '
( perimento, e íiii (i= 1, 2, .•. , n) ê a estimativa da
( dia do tratamento i. No exemplo em discussão íii = 595/2 -13,0
= 29,75, logo esse contraste ê:
t = = - 2,48 .
5,25
(
Yo = (26,0-29,75)rn 1 + (39,0-29,75)rn2 + (32,0-29,75)m
( 3 Hâ 16 graus de liberdade para o resÍduo, l~go o li-
+ (22,0-29,75)rn4 mite de ~para 5% (tabela 9) ê 2,12, e para li. e 2,92.
(
-3,75 rn1 + 9,25 m2 + 2,25 m3- 7,75 m4 . Segue-se que o valor ~chado ê si~nificativo par~ 5~, o
( que indica que as raçoes A e B dao resultados d1st1ntos,
Ternos para ele: por esse teste.
( Obtemos analogamente:
-3,75 íii 1 + 9,25 rn 2 + 2,25 ~3- 7,75 m4 .
( '2 = 32,0 - 22,0 = 10.0
-3,75x26,0 + 9,25x39,0 + 2,2Sx32,0 - 7,75x22,0
(
167,8 ' s(V 2 ) = s ~ = 5,25 t l '90 '
(
e, pela prova de Scheffê, com s = /68,75 = 8,3, F =3,24, e ainda:
( ao nível de 5% de probabilidade,
11 ,o
( s 8,3 I <315> ro,75) 2 +(9,25) 2 +(2,25) 2+o,75) 2 J3,24 t = 7,42 1,48 .
( 148,5 •
Os dois Últimos valores de ~ achados não são signi-
( A estimativa de Yo (Vo = 167,8) supera o valor S · ficativos.
( 148,5 e ê, pois, significativa, ao nível de 5% de pro-
babilidade, corno se esperava. Mas esse contraste é exces
( sivamente complicado e, provavelmente, não tem nenhum in
( teresse. Os contrastes que mais interessam são ou con-
(
(
(
(
50
51
(
(
4.3. UM ExEMPLO COM PARCELA PERDIDA O quadrado de 95 ~ dividido por 4 porque 95 ~ soma
de 4 parcelas apenas. Os outros quadrados são divididos
( Cons~deremos os mesmos dados do exemplo anterior, . por 5 porque cada um se refere a 5 parcelas.
mas s~ponhamos que o primeiro animal do lote que recebeu · Temos ainda:
(
a raçao A morreu, ou que por qualquer outro motivo a ra-
SQ Resíduo SQ Total - SQT ':' 998,75 .
(
(
ção A foi fornecida a quatro animais apenas. Os dados
analisar serão, pois, os da tabela abaixo, cuja
=
• •
O número de graus de liberdade para o resÍduo e, co
da variância ê dada a seguir. mo no caso anterior, obtido por diferença: 18 - 3 = 15.
( A seguir, completa-se a análise da variância seguin
( do a mesma marcha vista anteriormente. -
RAÇÕES A comparação entre duas médias quaisquer pode ser
( feita pelo teste de Tukey. Se ambas tiverem 5 repetiçÕes
(
A B c D e se adotarmos o nível de 5% de probabilidade, usaremos ·,
com s = I 66,58 8,2 :
( 40 39 27
19 35 27 12 4,08
( 15,0
31 46 20 13
( 15 41 29 28
30 33 45 30 jâ quando uma das médias a comparar for a que tem so 4
( repetiçÕes, utilizaremos:
( 95 195 160 llO
(
/':,I
.= 4 ' 08'v~(~
2 ~4 + l)
5
66,58 15,8 .
(
-
:::z 39,0 a
Causa de var1açao G.L. S.Q. Q.M.
(
F
:::3 32,0 a b
23,8 a b
~1
Tratamento 3 895,99 298,66 4,49*'~
m4 22,(} b
( ResÍduo 15~ 998,75 66,58
( SÓ diferi rão significativamente, pois, pelo teste
de Tukey, ao nível de 5% de probabilidade, a maior média
( Temos neste caso: da menor.
c Ex2 192 + 31 2 + ... 402 + ..• + 30 2 = 18.400,00
Jâ pelo teste de Duncan a comparação entre a maior
e a menor média, ambas com 5 repetiçÕes, serâ testada,ao
( LX 19 + 31 + + 40 + ... + 30 = 560 , nível de 5% de probab ilidade, perante o valor:
( 560 2
c
( 19= 16.505,26 , D4 = 3
, 25 ·~ 11 ' 9
( SQ Total = Ex 2 - c = 1894,74
rs
ao passo que a comparaçao entre a ma1or (39,0) e a pe-:-
( 95 2
195 2 + 160 2 + uo2 ' nú~ tima (23 ,8), uma com 5 e outra com 4 repetiçÕes, ser a
SQT --+ - c 895,99 testada por:
( 4 5
(
.(
...,.....
r= ~~:;.
,.~ ;
,_~ m;
.,._;•;;;;;;::=-""M.,.
__;~
.. ~.===~--~7~~~~--· -.~-- .
--·"'t~ ~"'ffl4.'"=""Joo ..,.:; :..,::_-""';~r~,. _.. .. !~í:T:~~r..:.~ ..:•. ·:eo>.-.. ~,,_,~~~
(
(
52 53
(
ver funda~ent o em moti~os bÍ.olÓ gicos estra nhos
aos resul
( 12,2 . tados
~ · d obt1d os no exper 1men to o teste te perfe 1·t
val1 o, e a conc - · '
_ lusao indic ada por ele deve amen te-
( preva 1 ecer
Por este teste , há, pois, difer ença sign ifica sobre as que sao dadas por outro s teste s. Aliá
tiva ao nl- s, 0 teste
( vel de 5% de prob abili dade entre essas medi de Dunc an ~eu, no caso em ques tão, resul tado
as. o resu l- conc ordan te
tado final das comp araçÕ es pelo teste de Dunc com forne c1do pelo teste t.
( an está re-
sumid o a segu ir, pela conve nção já conh ecida
( .
( 39,0 32,0 23,8 22,0 4.4. UM ENsAIO DE ALINENTAÇÃo DE lEITo As
a ab b h
~
( _Daremos como exem plo um expe rimen to reali zado
pelos
tecn1 cos Manoe~ B~cke:, Luis Paul in Neto ,
( Gera ldo Leme
Para comp arar, por exem plo, os três trata ment os de da Roch a e BenJa mln C1nt ra. Dois trata ment os
foram estu -
( maio r medi a com o de meno r medi a, o teste de Sche ffe e da~os (feno de alfaf a e feno de
quic uio), aplic ados a 8
indic ado. Ele se aplic ará ao cont raste le1to as Duro c Jerse y, bem homo gênea s. A 4
( delas e lh.
( y = ml + mz + m3 - 3m 4
das po:: sorte io, foi forne cida a ração com
f a, e as 4 -tres tante s ~ a ração com feno de
feno, des~~ fa~
quicu io. Os
ganho s ~e peso no per1o do expe rimen tal (3
( e obter emos , ao nive l de 5% de prob abili dade , mese s) são da-
dos aba1x o.
(
(
s = 8,2 vr 3 (~ + 1 + 1 + --)
4 5
9
3,29 = 40,3
5 5
Feno de a lfafa Feno de qui cuio
( Como
67,5 kg 65,0 kg
( y = 23,8 + 39,0 + 32,0 - 3(22 ,0) = 25,2 ' 70,5 ke; 58,5 kcr
( vê-se que o cont raste não e sign ifica tivo
ao nive l de
76,0
67,5
kg
kg
65,0 k;,
( 5%. 64,0 kp:
Se esco lhido de antem ão, podem os testa r pelo
( teste Hedia s 70,4 kg
t o cont raste entre os trata ment os 63 'l kg
A e B, por exem plo.
( Temos:
( ? =- ml + mz = -23,8 + 39,0 15,2 , A anál ise da variâ ncía , que nao
- apres enta difi~ulda
des, cond uziu aos resul tado s segu intes .
(
(
s (Y) = 8, 2 V};; + j = 5, 50 ,
Causa de varia ção G.L. S.Q.
( 15,2 Q.M. F
t = 5,50 2,76 .
( RaçÕes 1 105' 13
Com 15 graus de liber dade , o limit e de t para 105 '13 9,70*
5% é Resíd uo ou erro 6 77,37 12,90
( 2,13 e para 1% e de 2,95. Logo ,o cont raste
e si~nifica
(
tivo ao níve l de 5% pelo teste t, ao passo Tota l
que nao o era 7 182,5 0
pelo teste de Tuke y. Mas se a comp araçã o tiver
( sido es-
colhi da "a prio ri", antes de exam inar os dado
s, ou se ti
(
(
(
( 54 55
(
A significação do teste F, ao nível de 5% de proba- JOHN, P.~.M., 1971. Staüstical Design and Analysis
( a of
bilidade, indica que uma diferença entre medias como fxFerLments. Macmíllan, Nova York.
( que foi obtida ou maior, se poderia obter por acaso em KRAMER, Clyde Young, 1956. Extension of Multíple R
(
menos de Si. dos casos. Em outras palavras, se concluir- T~sts to.Group.Means with Unequal Numbers of Repl~~!~
mos que o feno de alfafa é realmente melhor, teremos t~ons. B1ometr1cs 12: 307-310.
( mais de 95% de probabilidade de estarmos fazendo uma PIMEN~E~ GOMES, F., 1978. Iniciação à Estatística, 6~
afirmação correta. ed~çao, Livraria Nobel, S. Paulo.
( Num caso como este, em que comparamos apenas duas 1967.
para trata · _ W.G. COCHRAN,
SNEDECOR, Geoarge W._e Statist:ical
( medias e temos' pois, um só grau de liberdade Methods, 6. ediçao. Iowa State College Press,
Iowa. Ames,
mentos, os testes F, t, de Tukey, de Scheffe e de Duncan
( são todos exatamente equivalentes, de sorte que e inútil
( aplicar qualquer outro alem do teste F, já utilizado.
As medias obtidas são:
( Feno de alfafa: 70,4 kg '
( Feno de quicuio: 63,1 kg ,
cada uma delas com erro padrão
(
( 1,80 kg.
(
( Note-se que este ensaio nao obedeceu ãs normas que
demos atrás sobre os mínimos de 20 parcelas e de lO
( graus de liberdade para o resíduo. No entanto, conduziu
( a resultado razoável, graças principalmente ao baixo coe
ficiente de variação (5,4%). Seria muito melhor, sem ne=
( nhuma dÚvida, se contasse com os mínimos indicados, pois
( então seriam mais precisos os resultados. No entanto, o
experimento, embora do tipo mais simples e com poucos
( animais, atingiu plenamente o fim em mira.
(
( 4.5, BIBLIOGRAFIA
(
BRIEGER, F.G., 1946. Limites Unilaterais e Bilaterais
( na Analise Estatística. Bragantia 6: 479-545.
( COCHRAN, William G. e GertrudeM. Cox, 1957. Experimen-
tal Designs, 2~ edição. John Wiley, Nova York.
( DUNCAN, David B., 1955. Multiple Range and Multiple F
c l' Tests. Biometrics 11: l-42.
FEDERER, Walter T., 1955. Experimental Design. Hacmillan,
( I Nova York.
(
I
I
(
(
t·.
l·,··..
,; ·
..
::;
_:;;:,..,_ - -·-~~
(
( 57
( 5 EXPERUfliTOS EM BLOCf.E rASUA.LIZAim
I
( c A D B
F E
( 5,1. GENERALIDADES
po l·s 0 essenci al nao e a disposi ção topográ fica, mas s1m
. .
( homogen e1dade dessas parcela s dentro do bloco. Nas en-
Os blocos ao acaso ou blocos casuali zados consti a
costas, onde a fertilid ade geralme nte decresc e segu1n . d
( tuem talvez o tipo mais importa nte de delinea mento. o
as linhas de maior declive , as parcela s de cada bloco,
control e local ê aqui represe ntado pelos blocos, cada
( em geral, seguem uma mesma curva de nível.
dos quais inclui todos os tratame ntos. Para que o
(
(
l rimento seja eficien te, deverá cada bloco ser tão
me quanto possíve l, mas os blocos poderão diferir
tante uns dos outros. Por exemplo , se nos interes sa es 5'2' LM ExEJVPLO
(
(
I
\t
tudar a adubaçã o dos canavia is de uma usina de açúcar
colherem os para cada bloco um terreno bem uniform e,
poderem os espalha r os blocos por toda a proprie dade,
Num experim ento de competi ção de varieda des de ba~a
tinha, feito pelo Eng9-Ag r9 Oscar A. Garay e~ Balc~rce,
~
Argenti na, em blocos c asualiz ados, as produço es obt1das ,
( tendo, assim, conclus ões validas para toda a área culti '
vada, e não apenas para um determi nado local. em t/ha, foram as seguint es.
(
Nos experim entos zootêcn icos cada bloco será
( tuÍdo de animais de caracte rística s semelha ntes.
exemplo , se estudarm os raçÕes, para gado leiteir o, pod
( 19 29 39 49 Totais de
mos pÔr no mesmo bloco animais de idades, épo cas de par Varieda des
ção e produçÕ es de leite semelh antes. E para termc s con-' bloco bloco bloco bloco Varieda des
(
clusÕes gerais podemos pÔr num bloco as melhore s vdcas,·
( noutro as piores e noutros ainda vacas de produçã o inter Kennebe c 9,2 13,4 11 ,o 9,2 42 8 .:
. '
mediâr ia. Huinkul 21,1 27,0 26,4 25', 7 100,2
( - S. Rafaela
Dentro de cada bloco os tratame ntos sao 22,6 29,9 24,2 25,1 101,8
( Buena Vista 15,4 11 ' 9 10,1 12, 3 49,7
às parcela s inteiram ente ao acaso. Num expe.rim ento com B 25-50 E 12,7 18,0 18,2 17,1 66,0
( 6 tratame ntos (varied ades A, B, C, D, E, F, por exemplo )
e 4 repetiç Ões, poderíam os ter o plano seguint e: B 1-52 20,0 21,1 20,0 28,0 89,1
( B 116-51 23,1 24,2 26,4 16,3 90,0
19 bloco: CADB FE B 72-53 A 18,0 24,6 24,0 24,6 91,2
(
29 bloco: EBDA FC
( 39 bloco: A F B C E D Totais de
142,1 170,1 160,3 158,3 630,8
49 bloco: FEAB DC Blocos
(
Mas as parcela s, no campo, nao precisam estar
( linha. Poderia m ficar num grupo compac to, como ê usual
( em terreno s planos, nos quais, em geral, não se sabe
Temos agora:
que direção varia a fertilid ade. O 19 bloco
( pois, ter a seguint e disposi ção: Ex 2 (9,2) 2 + (21,1)~ 2 + ..• + (13,4) 2 + ••• + (24,6) 2
( c A D 13.584, 36 '
( B F E
c LX= 9,2 + 21,1 + .•. + 13,4 + ... + 24,6 =630,8 ,
( ou esta, se julgada conven iente:
(
.. nu · r ... . ..!'!'
(
58
(
59
( ( 6JO 8) :'
c ~ ~--~·~ = 12.4: 34,65 tO dl' b\oCO !;, JL' SOrte que em geral . nem
e prec iso calcu -
( "32 lar 0 quad rado médio e o valo r de F respe tivo.
SQ Tota l ~x2 - C = 1.149 ,71 o valor de F para trata ment os é:
(
1 131,3 9
( SQT [ (42,8 )2 + (100 ,2)2 + •.. (91,2 ) 2 J -c F = = 15,J7 **
4
( 8,55
919,7 2 '
para o níve l de 1% de prob abili dade , o valo
( e, sendo SQB a Soma de Quad rados para Bloco r da tabe la
de limit es unila ter-a is de F (tabe la 2) com
( l da:
s, temos ain- ;
de liber dade é 3,64 . Logo o valo r obtid o (15,3
7 e 21 graus
I
7) é s~g
1 nific ativo ao níve l de 1% de prob abili dade
( , o que se in-
SQB I (142, 1) 2 + ••. + (158 ,3) 2] -c dlca com dois aster isco s.
8
( . Note -se que o efeit o dos trata ment os é intei
50,53 . rament~
ipdep.e nden te de ser ou não sigm ficat ivo o
efeit o de blo
(
(
lI r a:
Final ment e, a Soma de Quad rados para o ResÍd
uo se-
cos •.
~-~·~· Para comp arar as médi as de trata
ment os entre s~ po-
demos usar o teste de Tuke y. Preci samo s proc
( SQR = 1.149 ,71 - 919, 72- urar o valo r
50~53
= 179,4 6 . de q (tabe las 10 e ll) com n = 8 trata ment
os e n' 21
( Temo s, pois , a segu inte anal ise de variâ ncia _grau s de liber dade para o rE:sÍd uo. A tabe
la lO da q
( \ . = 4,77 para n = 8, n' = íW •= q ~ 4·,68 para n = 8, n'
O valo r desej ado -pode ser obtid o por inter
pola ção
( Causa de varia çao G.L. harm ônica , que se faz toman do por base as
S.Q. Q.M. recÍp rocas dos
F
( de graus de l.ber dade . Ternos, pois , para x l
Bloco s 3
= 20
( 50,53 16,84 1,97 o valo r q = 4,77 e para x 1
Trata ment os 7 15,3 7 ,.,., q = 4,68. Como
919 '72 131,3 9
( ResÍd uo 21 179,4 6 8,55
' l l 1
( í: ::, _J; 31 1.149 , 7l 20 24 120
(
entao uma var1a çao de l/120 nos deu uma dimin uição
( de 4,77 - 4,68 = 0,09 no valo r de q. Por outro
lado:
( O núme ro de graus de liber dade para trata ment l 1
os e
8- l = 7, e para bloco s é 4- 1 = 3. Como
( ao todo temos 20 21
32 - 1 = 31 graus de liber dade , resta m 21 420
para o resí-
( duo. logo, fazem os a regra de tris:
O valo r de F para bloco s e
c 16,84 .l
( F 1,97 • 0,09 ,
120
( 8,55
com 3 e 21 graus de liber dade . O resul tado 1
obtid o (1,97 )
( não é sign ifica tivo, pois não ating e o limit y
e de 5% , de 420
prob abili dade (3,07 ). Raram ente inter essa
··{ testa r o efei-
(0,09 ) L l 120
( I y
420 120 (0,09 ) 420 0,026 :: 0,03
I
'i
(
( 60
( 61
Segue-se que o valor de q correspondente
( mentes e 21 graus de liberdade para o resfduo (-
;' O resultado final das comparaçoes e dado a seguir:
= 4,77- 0,03 = 4,74.
( 25,5 25,1 22,8 22,5 22,3 16,5 12,4 10,7
A interpolação linear, mais fácil mas menos
( lhável, neste caso dá q = 4,75, valor pr~ticamente
(
ao obtido acima. ou
Temos, pois, para o nível de 5%,
25,5 25,1 22,8 22,5 22,3 16,5 12,4 10,7
(
2,92 a a a a a b bc c
(
D. = 4,74 6,92 ,
;-;;- Há, pois, um grupo de variedades de alta produção
( (S. Rafaela, Huinkul, B 72-53 A, B 116-51, B 1-52), que
pois o desvio padrão residual e s = 18,55 = 2,92.
( As medias de tratamentos, em ordem decrescente,são. se destacam nitidamente das demais, do ponto de vista es
1. S. Rafaela 25,5 t/ha tatístíco.
( Para compara:: grupos de tratamentos, pode-se usar
2. Huinkul 25,1 t/ha
( 3. B 72-53 A 22,8 t/ha o tes~e de Scheffe~ de maneira inteiramente análoga ao
4. B 116-51 22,5 t/ha que flzem~s.no capltulo anterior. Por exemplo, para com-
( parar a med~a das duas variedades de maior produção (S.
S. B 1-52 22,3 t/ha
( 6. B 25-50 E 16,5 t/ha Rafaela, Hulnkul) com a mêdia das 3 seguintes (B 72-53
7. Buena Vista 12,4 t/ha A, B 116-51, B 1-52), usarfamos o contraste
(
8. Kennebec 10,7 t/ha Y =
3 m1 + 3 m2 - 2 m3 - 2 m4 - 2 ms ,
( Qualquer diferença, entre duas dessas medias,
rior a 6,92, ê significativa ao nível de 5%. Logo o para o qual, se tomarmos o nfvel de 5% de probabilidade,
( teremos:
riedade S. Rafaela não difere significativamente das
( tro que lhe seguem, mas supera todas as demais s = 2,92 I (7/4)(9 + 9 + 4 + 4 + 4) 2,49 33,39 .
des, de B 25-50 E em diante.
( Como
Se usássemos o teste de Duncan, terfamos, ao
( de 5% de probabilidade: y = 3(25,5 + 25,1) - 2 (22,8 + 22,5 + 22,3) =16,6 •
( D 2 = 2,94 4,29 , vemos que este contraste não ê significativo ao nível
de 5% pelo teste de Scheffé.
(
(
(
3,09 4,51 , 5.3 I ÜUTRO ExEMPLO
( Numa pesquisa sobre o efeito do Õleo de milho no
e ainda te?r de colesterol do sangue, o medico Dr. Ben Hur C.
(
D4 = 4,64, Ds = 4,74,
D6 = 4,81, PalVa obt:v~ os~dados da tabela 5.3.1, de 7 pacientes.
( A anallse e feita tomando-se os pacientes como blo-
Agora a diferença entre a media de produção da _cos. Os resultados obtidos são dados a seguir.
( riedade B 25-50 E e a da variedade Kennebec, igual
( 5,8 t/ha; se torna significativa de 5% de probabilidade
pois excede o valor D3 = 4,51.
(
(
(
( 62
63
( Tabela 5.3.1. Teor de coleste rol no sangue, em mg
( 100 g. mfnímo 20 parcela s e ã exigênc
~
ia de pelo menos lO graus
de liberda de para o res~duo. No entant~, uma vez que ~
( resultad o foi signifi~ativo, _ a con.clus ao permane ce de pe,
· semque _p.e_I1hl!ma. obj.eçao .. possa .ser . levanta da _contra _ela._
( Antes da Depois da
dieta de dieta de Totais 5;:-· porém, o resulta do não fosse signifi cativo, entao p~
( de derÍamo s admitir que tal fato decorre sse da escassa pre-
Õleo de Õleo de ciião do ensaio, o que poderia ser corrigi do pela inclu-
( milho milho blocos
são de mais alguns pacient es, isto é, pelo aumento do nú
c t 19 pacient e 270 175 445
mero de repetiç Ões. · ··
··· · SNEDECOR e COCHRAN (1979) discute m longame nte casos
( 29 pacient e 410 308 718 como este, de ensaio em blocos casuali zados com apenas
(
(
'
.~
~
ll
39
49
59
69
pacient e
pacient e
pacient e
pacient e
350
360
350
430
248
231
196
190
598
591
546
dois tratame ntos, frequen temente mencion ados na biblio -
grafia como "dados emparel hados". Parece- nos preferí vel, ·
,porém, aplicar -lhes o método g:ral da análise ~os en-
( I 79 pacient e 268 252
620
520
saios em blocos ao acaso. Convem observa r, porem,
com dois tratame ntos por bloco a analise da variânc ia e
que,
/
\ os testes t e F são perfeita mente validos mesmo que cada
( I Totais de
tratame ntos 2438 1600 4038 tratame nto tenha uma variânc ia diferen te, o que contra-
riaria a hipótes e c da seção 2.3. Em ~utras palavra s,
(
I
I
se antes da di e ta a variânc ia fosse a 2 , e depois da die-
ta a~,_o Quadra~o Médio do Resíd~~ e~Lmaria (uy+a~)/ ~ ·
(
\._ isto e, a media das duas var~anc~as. O teste F api~
( ! cado nesta seção cont·i.nu a valido e eorresp onderia exat~
Analise da ·- .
\'ar~anc~a mente a o teste t aplicad o ao contras te de tratame ntos
(
Y = m1 - m2. SÓ não seriam válidos os erros padrÕe s
( Causa de
variaça-o G.L. S.Q. Q.H. das ·médias e.s timadas (18 ,2 mg), pois na verdade seriam
F
( diferen tes, para as duas medias, e não sabemos quanto
valem, pois conhece mos apenas uma estimat iva (2311 mg 2 )
Blocos
(
Tratame ntos
6
1
22.000
50.160 50.160 21 70*''<
I
da média das duas estima tiv as âf e ô~. Has é correto
erro padrão da estimat iva do contras te entre as duas me-
o
( ResÍduo 6 13.863 2.311 dias (25,7 mg), que é o que mais interes sa.
(
(
( Há, pois, efeito signifi cativo da dieta sobre
5, 4. UM ExEf'IPLO COM PARCELA PERDIDA
o
teor de coleste rol no sangue. As médias são as seguint es: Suponha mos agora que no experim ento do exemplo 5.2
( Antes da dieta: 348,3 + 18,2 mg , . tenha sido perdida a parcela com a varieda de Kennebe c
( Depois da dieta: 228,6 +18,2 mg
A diferen ça para menos ê ll9, 7 + . 2"5", 7 mg. O inter-
no 19 bloco (9,2). A análise pode ser feita então median
( te a estimat iva de um valor que substit uirá o que deve=
valo de confian ça para esta diferen ça, ao nfvel de 95% ria ser obtido nessa parcela . Esta estimat iva de maneira
( de probab ilidade , tem extremo s 56,7 mg e 182,7 mg. alguma represe nta o valor que seria obtido, pois ninguém
Note-se que, neste caso, não foram atendid as as re- pode saber qual fosse, mas ~apenas um artiffc io de cál-
( comenda çÕes gerais dadas em 3.10, relativ as ao uso de no culo que conduz ao mesmo resultad o a que se chega-
(
(
c 64 65
( ria, por .proc esso s muit o mais com plex
os, tJo caso 'tJr"~
~~~··nt< · ublvm u<;
( n
\ r(r- 1) (n-1 )
( Caus a de vari açao C. L. S.Q. Q.H. F
( send o, pois , um pouc o maio r que o erro
Bloc os padr ão da dife -
3 53,3 1 renç a entr e as med ias de dois trata men
( Trat ame ntos tos sem parc ela
7 932, 45 133 '21 perd ida, que e
ResÍ duo 20 179, 15
( 8,96
( Tota l 30 1.16 4,91
sC?) = s ~ .
(
•.
,S:...-iiliiíiíliiiiiem;;:ií.=--=!~!"""',_~~......- -'tl!'tl"'-')-~_.._.,..,,.,..,.~,~~-·""·.,.·.....,.,..,........-,......._··~~"'."'"J~"'"..:"",.,.;:":'·'-W..-:'~~'ot ..,~..~-;~·-··~··,_~""'."':·:·. : ,~::..«::~~ -~. '' '·' "'""''"''"' .... ---·--- - - - - - - - - - - - - -- -- - - - - -
.I
~.,...... ..
~
66
c t 67
( l 16,5- 10,5
! t 2,60* • VC?) 2 ~ sZ + 4 I 1 + n 2
(
2, 99 v'---42 + 8 r r r(r-1) (n-1) I s
( 4.3.7
[~ + 4n·
s2.
( com 20 graus de liberdad e. r r(r-1) (n-1)
( O teste de Tukey pode ser usado ao nível de 5% Logo, corno r = 4, n 8, s2 = 8,96, fica:
probabil idade com
79
( V(?) s 2 =79
- 8,96 = 16,85
11 4, 77 42 42
( 7,13 '
Teremos, po~s,
(
para médias em que não houve parcela perdida, e com S /(n-1) ~ (Y) F
(
17(16,85 ) (2,49)
( . / 1 2 n
6'
( ( 4 ' 77 ) s V 2[ -;=- + r ( r-1) ( n-1) ] 17,14
(
(
(
(4,77) (2,99)
7,79 ,
v~. [ 4
2
+
8
4.3.7
onde usamos o valor de F para o nível de 5% de probabili: _
dade. Corno
? = 16,5 + 12,4- 2 (10,5)
= 7,9 •
o contrast e não é signific ativo, pelo teste de Scheffe,
quando urna das medias a comparar e a que teve pois est a estimati va não s upera o valor de S obtido.
( perda
urna parcela.
( O teste de Duncan pode ser aplicado de maneira ana-
lega. · 5.5. 0 CASO DE DUAS PARCELAS PERDIDAS
(
O teste de Scheffé pode ser usado em qualquer caso,
( levando- se em conta, porém, que, sendo ffi. a estimat i va Quando há duas ou mai s parcelas perdidas num expe-
- . ~
da rned~a do tratamen to com parcela perdida rimento em blocos casualiz ados, corno deverá ser feita a
( e IDu a
tiva da média de outro tratamen to qualquer ternos: análise?
( O método mais simples e eficient e parec e ser o se-
guinte, explicad o por meio do exemplo de 5.2, onde supo-
( ];_ + --,-_:.n--,- 1 s2
r r (r-1) (n-1) mos perdidas urna parcela no primeiro bloco, com a varie-
( dade Kennebec (9,2), e outra no s egundo bloco, com a va-
( riedade Huinkul. Começamos por substitu ir por incÕgnit as
os valores perdidos e procuram os realizar a análise esta
( tística com os valores conhecid os e com essas
Cov (mi , mu) = O , incõgni::-
( tas. Obtemos a tabela seguinte .
onde Cov indica covariân cia. Assim, para um contrast e
(
Y = rn 6 + rn 7 - 2 rn 8 ,
( no caso presente , ternos:
( v <ffi6) + v Cm7) + 4 v cffi 8 )
( 2 v <ffi6 ) + 4 v Cm8 )
(
(
(
68 69
(
-- - - az x - .loJ 6+x)· ~( 132 ,9+x) + )2(594,
l
6+x+y)
( Variedades
19 29 39 49 ãX 4 ' o'
bloco bloco bloco bloco
(
1 az l l
y- 4(73,2+y) - S(l43,l+y) + )2(594,6+x+y)
l
o,
( Kennebec X l3 ,4 ll ,o 9,2 33,6+x 2 Cly
Huinkul 21,1 y 26,4 25,7 73,2+y
( S. Rafael a 22,6 29,9 de onde obtemos o sistema de equaçÕes:
24,2 25,1 101,8
c Buena Vista
B 25-50 E
15,4
12,7
ll, 9
18,0
10,1
18,2
12,3
17,1
49,7
66,0 {
21
X
X + y
+ 21 y
=
=
205,8 ,
563,4 .
( B 1-52 20,0 21,1 20,0 28,0 89,1
B 116-51 23,1 Daí tiramos x = 8,5, y = 26,4. Com estes valores
( 24,2 26,4 16,3 90,0
B 72-53 A 18,0 podemos levar a cabo a análise da maneira usual, com os
24,6 24,0 24,6 91,2
( resultados dados a seguir.
( Totais de
132, 9+x l43,l+y 160,3 158,3 594,6+x+Y
(
blocos -
Causa de variaçao G.L. S.Q. Q.M. F
( Blocos 3 51,46
( Temos agora: Variedades 7 926,10 13 2 ,30 14,04**
Resíduo 19 178,93 9,42
( L:x2 = 12.770,72 + x2 + y2
' Total 29 1.156,49
( L:x 594,6 + X + y c = (594,6 + X + y)2
( 32
( SQ Total = L:x2 - c
1 Note-se que as duas parcelas pe r didas a c arretam a
( SQT 4 [ (33,6 + x)2 + (73,2 + y)2 + ... J _c , perda de dois gr aus de liberdade no resÍduo.
( A Soma de Quadrados para o Resíduo fica corretamen-
l te estimada por este processo, mas a que corr esponde a
(
SQB 8 [ (132,9 + x) 2 + (143,1 + y)2 + ... j _c ,
tratamentos (variedades, neste caso) está ligeiramente
( Z = SQR = SQ Total - SQT- SQB exagerada. A sobrestimação resultante para o Quadrado Me
= 12.770,72 + x2 + y2
dio de Tratamentos ê geralmente desp'rezÍvel, mas, num
( 1 trabalho rigoroso, poderá ser corri gida, da maneira ex-
- 4 [ (33, 6 + x) 2 + (73,2 + y)2 + ] -
( plicada a seguir.
Subs ti tuimos novamente por x e y os dados _ perdidos
( ~[ (132,9 + x)2 + (143 1 +y) 2 + ... ]+ (594,6 + e obtemos mais uma vez a soma dos quadrados para o resí-
( 32 duo, agora, porém, sem levar em conta os tratamentos.
Fica:
( Na Última igualdade só fazemos figurar os termo
que encerram as variáveis x e y, pois os demais não Z = SQRC = x 2 + y 2 +
( ressam.
( . Agora
... .
procuraremos determinar x e y de maneira -~ ~ [ (l32,9+x) 7 + (l43,l+y) 2 + ... j •
seJa m1.n1ma a Soma de Quadrados do Resíduo (Z
( to se consegue facilmente igualando a zero as
( pardais dZ/Clx. az/ay. Fica:
(
.. .r-:~-1'!~~
(
70
( 7l
SQRC e o que se costuma chamar <I Soma d•· <~uadrados 4. B 116-') l 22,') t/ha
para o Residuo, ou Erro, Condicion al, ist o ~. a sorna dos 5. B 1-52
( 22,3 t/ha
quadrados para o resíduo quando os tratament os são des- 6. B 25-50 E 16,5 t/ha
( prezados. A seguir igualamos a zero as derivadas par- 7. Buena Vista 12,4 t/ha
ciais az/ax e az/ay e resolvemos o si~tema de equaç~eé 8. Kennebec
( 10,5 t/ha
obtido. Chegamos ass1m ao sistema:
( Para os testes de comparação de medias necessitam os
l
x - 8 (132,9 + x) O , saber calcular a estimativa da variância de um contras
te. Para isto há uma regra aproximad a de J. Taylor, ba=
( l seada no número efetivo de repetiçÕe s.
y - - (143,1 + y) =o ' Considerem os o contraste Y = m· - lllu• entre as mé-
( 8
dias dos tratamento s i eu e seja n 1 o número de tratamen
de onde tiramos logo x = 19,0 e y = 20,4. Com estes tos. Tomamos como igual a um o número efetivo de repeti=
(
lores podemos agora calcular SQRC. Conse guimos: çoes do tratamento i para cada bloco em que i e u ocor-
( ram; esse número serâ igual a (n-2)/(n-1 ) para c ada bloco
SQRC = SQ Total- SQB = 977, 78 .
( em que o tratamento i aparece, mas u não aparece; final-
Mas SQRC inclui a Soma de Quadrados para Tratamen- mente o número efetivo de repetiç~es serâ zero quando i
( tos, que agora pode ser obti~a por subtração: não aparece no bloco. Para o tratamento u se gue-se a me~
( SQT SQRC - SQR ma regra.
Por exemplo, para comparar a variedade 2 (Huinkul)
( 977' 78 178,93 com a variedade 6 (B 25-50 E), temos para a primeira
( 798,85 r1 = 3 repetiçÕes efetivas, e para a segunda r 2 = 3 +6 /7 =
= 27 / 7 repetiçÕes efetivas. Logo
( Este e o verdadeiro val o r da soma de quadrados
tratamento s. o quadrado medi a correspond ente e: 16
( (9,42)
27
798,85
( QMT 114' 12 '
7 Essa regra se aplica a qualquer caso de parcelas
( perdidas, com boa aproximaç ão.
logo
( No caso do teste de Tukey, por exemplo, teríamos,
114' 12 para o nÍvel de 5% de probabilid ade:
c F 12,11** .
c
(
9,42
Note-se que este valor de F é inferior ao obtido an
teriormen te, sem esta correçao de que estamos tratando.
q /à \t(Y)
( O método que acaba de ser descrito é bem geral e p~ 4,79 I o/2 ) (16/ 2 7) 9,42
de ser usado quando há três ou mais parcelas per9idas,
( e ainda para delineame ntos mais complicado s do que os os 8,00
( blocos casualizad os. Como
As· medias de tratamento s sao as seguintes:
(
l. S. Rafaela 25,5 t/ha
( 24,9
2. Huinkul 24,9 t/ha 16,5
( 3. B 72-53 A 12,8 t/ha 8,4 .
j·
I
I verifica-s e que o contraste em estudo e significat ivo.
I
( I
72 I
(
73
( 5.6. ÜUTROS TIPOS DE ENSAIOS EM BLOCOS CAsUALIZADOS numa ordem obtida por sorteio, como, por exemplo, uma
( O delineame nto que acabamos de estudar neste cap daS segu i.ntes: AB Bfl, ABAB, AABB, e te.
( tulo se denominar ia com mais propriedad e delineame nto em , A análise segue normas inteiramen te análogas as que
blocos completos casualizad os, porque se fazem ensaios, ,
se usam para os blocos casualizad os, como veremos a se-
( guir.
mais complexos , em que se organizam blocos, mas c~da
deles não inclui todos os tratamento s: temos entao No ensaio acima referido, os dados de produção de
( os
blocos incomplet os casualizad os, dos quais alguns tipos milho, em kg por parcela de 200 m2 , foram os indicados
(' abaixo.
são discutido s nos capítulos 10 e 11. Por outro lado, '.,
( há casos, raros, em que cada bloco inclui todos os trata-
mentos duas ou mais vezes. Podemos ter, por exemplo,
( Totais
experimen to com 3 tratamento s, blocos de 6 parcelas, c Aradura Aradura
( duas repetiçÕes de cada tratamento em cada bloco. O de- , profunda normal de
lineamento assim obtido tem a vantagem de, com o blocos
( nÚmero de parcelas, trazer maior número de graus
herdade para o resÍduo. 19 bl oco 5,5 7,0 6,0 6,8 25,3
(
29 bloco 6,8 6,2 5,2 5,9 24,1
Um exemplo interessa nte, de ensaio em blocos casua-
( 39 bloco 4,6 6,0 4,4 4,7
lizados com duas repetiçÕes ·por bloco, e dado por um ex- ' 19,7
perimento do Eng9-Agr9 Duvilio Ometç:o, com dois 49 bloco 6,4 6,8 7,2 5,6 26,0
( trata-
mentos Caradura profunda e aradura superfici al), com 59 bloco 7,7 8,8 7,1 6,4 30,0
( repetiçÕe s. Se o experimen to fosse em blocos 69 bloco 6,2 5,8 7,6 4,5 24,1
completos
( casualÍzad os do tipo usual (com uma repetição poY blo-
co), o número de graus de liberdade do resíduo seria ll.
( Como, porem, se fizeram apenas 6 b locas, , c a da um Temos:
com
( duas repetiçÕe s para cada tratamento , o esquema de análi
se da variância passa a ser o seguinte. l:x 149,2 , l: x2 = 955,22
(
(149 ,2) 2
( c = 927,53
Causa de variaçao G.L. 24
(
Blocos SQ Total= 955,22- 927,53 = 27,69
( 5
Tratamento s
( ResÍduo
1
17
SQT ~2 [ ( 77 , 8) 2 + ( 71,4) 2 ] - C 1, 70 '
(
(
Total 23 SQB i-t (25,3) 2
+ ... + (24,1) 2 ] -c= 13,92
(
Obtemos, pois, a análise de variância dada a se-
( Ganhamos, pois, 6 graus guir, onde não foi significa-tivo o efeito de tratamen-
d~
~
( Causa de varia çao -c. L. S.Q. produ ção de c ana-p lanta dl· um e nsaio de varie dades
Q.M. F de c a
na f e ito pela C o operat~a dos Usine iros do Oeste
( do Est~
Bloco s 5 13,92 do de S~o Pau lo.
( Trata mento s 1 1,70 l., 70 2,39
ResÍd uo 17 12,07 o, 71
(
Varie dades 19 29 39 49 Totai s de
( Total 23 27,69 bloco bloco bloco bloco varie dades
(
Co 413 88 '7 i09 '7 90,7 99,7
( 388,8
Co 419 123 '9 151,7 131 '9 114,5
(
5.7. O CAso DE l)1 BLoco ou TRAr PMENTo PÚm mo CB 41-76 115 ,4 116,4 152,7 142,5
522,0
527 ,o
CB 36-24 122,2 141 '6 165 '7 162,7
( Uma das vanta gens dos ensai os em bloco s 592,2
CB 40-19 137,5 126 '7
dos e que a perda total de um ou mais bloco s 162,0 114,5 540,7
( mais tratam entos em nada dific ulta a análi se estat
CB 41-70 111 '7 159 ,o 120,0 107,5 498,2
ístic a, CB 41-6Ó 137,9 148,2 150,0 122,5 558,6
( Se, por exem plo, no ensai o de 5.2, fosse perdi
do o 19
bloco , resta riam os outro s três, e ter,Ía rnos, pois, Totai s de
( um en
saio em bloco s casua lizad os com 8 tratam entos bloco s 837,3 9 53,3 973,0 863,9 3627, 5
e 3 repe-· ·
( tiçÕe s. Analo game nte, perdi das todas as parce las
de 3
varie dades , por exemp lo, resta riam as demai s em
( um
sa~o com 5 trat ament os e 4 repet içÕes
, em bloco s ao
( so.
(5.8.5 ) Num ens a io de cornpetiç~o de varie dades
de
( mand ioca, ém bloco s ao acaso , realiz ado pelo
Insti tuto
de Pesqu isas Agron ômica s do Lest e (atua l Centr
( 5,8. ExERCÍCIOS o Nacio nal
de Pe squis a de r•landí o ca e Fruti cultu ra, da El:1BRA
PA) , em
( Cruz das Almas , BA, as produ çÕes foram as se guint
(5.8. 1) Numa horta temos 6 cante iros comp ridos, es, em
ca t/ha.
( da um dos quais comp orta 5 parce las. Plane jar
detal hada=
mente um exper iment o, a ser feito nesse s cante
c 5 tratam entos e 6 repet içÕes , nos segui ntes casos
iros, com
: a) Vari edade s 19 bloco 29 bloco 39 bloco 49 bloco
( Inteir amen te casua lizad o; b) Em bloco s casua lizad
os.
(5.8.2 ) O mesmo exerc ício anter ior, supon do-se Aipim bravo
( que 14,5 15 ,8 24,0 17~0
temos sô 4 tratam entos . Hi 1agro sa
(5.8. 3) Uma fazen da dispÕ e de terra s de dois 5 '7 5,9 10,5 6,6
( tipos Sutin ga 5, 3 7,7
disti ntos, embor a semel hante s (de lomba da e de 10,2 9,6
( enco sta). Salan gó Preta 4,6 7 '1 10,4
o fazen deiro desej a fazer um exper iment o com 8 fÓrmu las Ham~o
10,8
de adubaç~o e 6 repet içÕes . Para obter resul tados 14 '8 12,6 18,8 16,0
( · bem Escon dida 8,2 8,2
gerai s, que delin eame nto dever á utiliz ar? Se 12,7 17 '5
( usou blo-
cos casua lizad os, como será prefe rível , corno dever
á dis-
( por os bloco s? Note- se que convi rá repet ir o ensai
o pelo . Fazer a anãlis <:' da v ar :i ânci a L' a comparcu;ao da
menos em dois anos agríc olas. s me-
( (5.8.4 ) Anal isar os dados segui ntes, refer entes di as. Obtt>r í ntl' rvalo cle c onfia nça para a difer
a ença en-
tr.e as varie dades Mam~o e Escon dida.
(
.(
.,
(
( 76
6. EXPERIMENTOS EM QUADRADOS LATINOS
(
5,9, BIBLIOGRAFIA
(
ANDERSON, R.L. e T.A. Brancroft, 1952.
'6,1. GENERALIDADES
(
Theory in Researc~. McGraw-Hill, Nova York . . Nos quadrados latinos os blocos sao organizados de
( CALZADA BENZA, Josê, 1964. Métodos Estadísticos para duas maneiras diferentes, uns constituindo as linhas, ou
( Investigación. Lima. tros as colunas.
CARVALHO, M:J. Rodrigues, 1946. A EstatÍstica na Suponhamos, por exemplo, que queremos experimentar
( rimentação AgrÍcoTa. Liv. Sá da Costa, Lisboa. 5 raçÕes (A, B, C, D, E) em 5 vacas e com 5 capins dis-
( COCHRAN, Wil1iam G. e Gertrude M. Cox, 1957. Ex:per1".me!nt:a1 tintos usados para pastagens. Evidentemente é aconselhá-
Designs, 2';i edição. John Wi1ey, Nova York. vel um delineamento em que cada ração seja experimentada
( DAGNELIE, P., 1975. Théorie et Mêthodes· Statistiques, em cada uma das vacas e com cada um dos capins. Um tal
( vol. 2. Presses Agronomiques de Gembloux. delineamento, que é um quadrado latino de 5 x 5, poderá
FEDERER, Walter, T., 1955. Experimental Design. ter o esquema seguinte.
( lan, Nova York.
( JOHN, P.W.M., 1971. Statistical Design and Analysis
Experiments. Macmi llan, Nova York. . Vaca l Vaca 2 Vaca 3 Vaca 4 Vaca 5
( KEMPTHORNE, O., 1952. The Design and Analysis of Ex:peri- • ·
ments. John Wiley, Nova York. Capim l B E
(
MYERS, J.L., 1979. Fundamentais of Experimental Design,
D A c
Capim 2 c A B D E
( 3~ edição. Allyn and Bacon, Boston. Capim 3 D B c E A
( Capim 4 A c E B D
Capim 5 E D A c B
(
(
Este tipo de delineamento também e usado para eli-
( minar a heterogeneidade do solo em duas direç~es perpen-
( diculares (linhas, numa direção, colunas, na outra) e
te~os então de levar em conta a localização topográfica
( das parcelas, como se vê no esquema seguinte de um qua-
( drado latino de 6 x 6.
(
( Coluna Coluna Coluna Coluna Coluna Coluna
( l 2 3 4 5 6
( Linha l B F c A D E
( Linha 2 D A E c B F
Linllé.i 3 A D F B E c
( Linha 4 c B D E F A
( Linha 5 E c B F A D
L~nha 6 F E A D c B
(
(
.(
(
( 78 79
(
.1\Í os tratamentos sao seu; (f.., 13, C, D, F, F), dis- remos:
( tribuÍdos de tal forma que cada tratamento aparece uma ,. 2
sõ vez em cada linha ou coluna.
t. X 5.792.45t ' i:x = 11763 ,
(
Os quadrados latinos constituem um bom tipo de deli
( (11763)2
neamento, mas sua flexibilidade é muito menor do que a c 5.534.727'
( dos blocos casualizados. Como o número de repetiçÕes de- 25
ve ser igual ao número de tratamentos, em geral não se
( usam quadrados latinos no caso de termos mais de 8 trata l.ogo
( rnentos, pois então o número de repetiçÕes serla, nao ra- SQ Total= Ex 2 -C= 257.724
ro, um tanto exagerado.
( Por outro lado, os quadrados latinos de 3 x 3 e A Sorna dos Quadrados para as Linhas e:
4 x 4 encerram tão poucas parcelas que sô podem ser usa-.
(
dos se o experimento incluir vários quadrados latinos.
SQ Linhas ~I (2322) 2 + (2676)2 + ..• + (2325) ZJ - C
( Os quadrados latinos mais usados são os de 5 x 5 a
8 X 8. 30.480 .
(
E para as Colunas obtemos:
(
( 6 2 IJ-.1
I I Ex8'1PLO SQ Colunas ~5 I <2654) 2 + ... + <1970) 2 J _ c
(
(
(
(
"\ .
~-'"I .
(
( 80
( 81
( Caus a de varia çao G.L S.Q. Q.~. F
? = 2 X 492,6 - 4}3,4
401,0 = 170,8 ,~
I ......
Lx 2 = ç:: MOOr--l.f"\0'1
( 213.718,8104 o
+-1 "'
.....
( I logo
LX 2757,12 , c 211.158,6304 <d
~
u
H ...-~
l.f"\r-~r-.l.f)l.f)
..;T..;T..;T..;T..;T..;T
l.f)
......
N
<1)
(
( I
I
SQ Total = 213.718,810 4- 211.158,6304
SQ Linhas= i[
~2560,1800
<d
303,5828 , Q)
(
( 1
"'o
.u
SQT [ (413,78) 2 + •.. + (482,33)2] -c 819,1283 . ç:: N
6 ......
( ~
·.-l
..;]"
H
( Q)
0.. r-1 lfl ('.;· f'. r- L{') ......
:X: 0\ N ~< CO l.f"\ lf'\
( Causa de variaçao G.L. s .Q. Q)
N
Q.H. F
( r=
::l
Linhas 5 146,6124
( Colunas 5 303,5828 --·
X N
Tratamentos 5 819,1283 163,83 ~
......
( 2,53 <U-.o
ResÍduo 20 1290,8565 64,54 .-I
Q) <ll
( U"'
H
Total 35 2560,1800 <U o
( o..ç::
....... •.-l ......
( b.J.U ......
~ co
.--l
( O valor de F obtido nao atinge o limite de 5%, que e de s o
2,71. Mas e preciso considerar que os graus de liberdade
Q)
(
A) Efeito do Calcário .-I
(
!I
( 86
87
( Y4 = -2T 1 + T2 + T 3 + 2T4 - T5 - T&
conJiç~es, se adotado o nível de 5% de probabilidad e (ta
( obtida multiplicand o-se ordenadamen te os coeficientes de .· bela 1), para o ensaio todo, deveríamos adotar para cada
( Y 1 e Y 2 •. Fica: contraste o nível de 5/5 = 1,0%, o que nos levaria a
usar a tabela 2. Nela encontramos, com 1 e 20 graus de
( 'i\ - 52,13 , liberdade, F = 8,10, o que nos mostra que o efeito da
( Crotalaria (para o qual obtivemos F = 10,90) é significa
SQA X B = (4 + 1 + 1 + 4 + 1 + 1) 6 37,7436 . tive ao nível de 5%. Se adotássemos o nível de 1% para
( o ensaio, teríamos de buscar o limite de F (corresponde n
E para A x C obtemos analogamente :
( te a a = 0,2%) numa tabela especial, e obteríamos F -
Ys = - T2 + T3 + Ts - T6 , = 12 ,61.
( Alternativam ente, podemos manter o limite de proba-
? 5 = -31,85 bilidade a, escolhido para o ensaio, e dizer que o nível
(
SQA X c = 42,2676 . corresponden te para cada um de n contrastes estudados "é
( n a . Com a = 5%, no caso em discussão, o nível de proba-
Teríamos, pois,a seguinte analise da variância.
( bilidade para cada contraste é 5 x 5 = 25%, pois temos
n = 5. Já com a = 1%, no conjunto, o nível de probabili-
( dade para cada contraste seria de 5 x 1 = 5%.
(
Causa de Vari(lção G.L. s .Q. Q.M. F
( Linhas 5 146,6124
Colunas 5 303,5828
6 4 UM
I I ExEf\'\PLO COM PARCELA PERDIDA
( ---------- ---------- ---------- ---------- ------- . No exemplo discutido em 6.2, suponhamos que foi per
( Calcário (A) 1 1 '1808 1,18 o ,018 .··· di da a parcela com tr3tament o A (v ariedade Co 290) na
Crotalãria (B) 1 703,6876 703,69 l0,90 1<* X. primei ra linha. Temos então de estimar um val or par a
Adubo d.Crot.(C) 1 34,2486 34,25 o; 531 substituir o que dev eria s e r obtid o . A fÓrmula, e , neste
Interação A X B 1 42,267 6 42,27 o' 655 caso ,
Interação A X c 1 37,7350 37,74 0,585
(
Tratamentos (5)
y = r(L + C + T) - 2 G
( (819,1196)
Resíduo 20 (r-1) (r-2)
1290 '6 712 ' 64,53
c onde r e o número de repetiçÕes, G é o total geral das
( Total 35 2559,9800 parcelas não perdidas, e L, C, T são, respectivam ente,to
tais da linha, da coluna e do tratamento em que figura
( a par cela perdida.
( No caso presente temos:
Vemos, pois, que o efeito da· Crotalâria f~i signi0:_ .
( 5(1804+2022+ 1945) - 2 X 11245
cativo ao nível de 1%. Todos os demais componentes sao ' y .= 530 .
( sem significação . 4 X 3
A aplicação do teste F, no mesmo ensaio, a cinco Colocamos este valor no lugar do número que deve-
( contrastes distintos, como nesse caso, cada um ria ter sido obtido na parcela perdida e realizamos
de les · a
( corresponden te a um grau de liberdade para . tratamentos, análise da variância da maneira usual. Obteremos então
equivale exatamente ao uso do teste t para esses mesmos , • os resultados da tabela seguinte.
( contrastes, nos termos da prova de Bonferroni. Nestas .·
(
(
~ -
I :Mt
{
(
(
88
( 89
( c - Co 419 604,8
Causa de variaçao G.L. S.Q. Q.M. F A - Co 290 495,0
( B - Co 421 440,8
( Linhas 4 30.357 D - POJ 2878 413,4
Colunas 4 56.563 E - CP 36-13 401 ,o
( Tratamentos 4 138.041 34.510
( ResÍduo ll 34.041 3.095 Para comparar as médias entre si, o teste t pode
ser usado, com os cuidados já apontados e tendo em vis
( Total 23 259.002 ta que o erro padrão da diferença entre'a média do tra-
( tamento com uma parcela perdida e a média de outro tra-
tatamento qualquer é
(
Tal como no caso dos blocos ao acaso, este /2 1
( conduz a um valor ligeiramente exagerado para o quadra- 8
V r + '(-r----::-;1),..-('r---;:2')
do mêdio correspondente a tratamentos. Embora o valor
( sendo, pois, um pouco ma~or que o erro padrão para a di-
obtido seja, na maioria dos casos, perfeitamente satisfa
( tor~o, se quizermos ser estritamente rigorosos podere- ferença entre as médias de dois tratamentos sem parcela
mos corrigÍ-lo pela substração, da soma de quadrados, perdida, dado por
(
de uma cor~eção
(
U = (~) 2 [ _ r (L + C) - G ] 2
c r y (r - 1)2 ' com s = /3.095 55,6.
( onde as letras têm a mesma significação dada acima. Ob-
temos: Os testes de Tukey e de Duncan.podern ser usados da
( maneira explicada no capitulo 3. Para o teste de Tukey,
( (!) 2 I 530 _ 5(1804 + 2022) - 11245 12 por exemplo, ternos
u
c 5 16
IJ. = q
s
( _!i (530 - 493) 2 /;=-
25 no caso de um contraste entre duas médias de tratamentos
( sem parcela perdida, e
876
(~
(
1
( -
O valor correto da Sorna de Quadrados para Tratamen-
.
tos sera, po~s,
t..' = q /(1/2) \1(?) = q s /cl/2) +
(r-l)(r-2))
( 138.041- 876 = 137.165 para um contraste entre o tratamento com parcela perdida
e outro qualquer. No caso vertente temos, ao nível de
( de onde se segue que o valor correto do Quadrado Hêdio 5% de probabilidade,
( para Tratamentos ê 34.291 e o de F ê
4,58 55,6 = 113 9
( 34.291
F= = 11,08** ,fi; ' '
( 3.095
As rnêdias, em ordem decrescente, -
serao agora:
JJ.' 4,58 X ;5 6 -
' v~~-2 (3.
5
+ _ 1_·)
4. 3 125,3 .
( Logo a variedade Co 419 supera significativamentea
( Co 421, pois temos
(
~
+4'bd4JJ •.
~~ •.JM,.
(
c 90 91
(
? = 604,8 440,8 164 ,o ' 6.5 , QUADRAOOS lATI NOS COM TRATAMENTOS) LINHAS OU
(
CoLuNAS PERDI Dos ·
( valor que excede o limite~= 113,9. Por outro lado, a
Co 290 não difere significativa mente ao nível de 5% da Casos . de análise relativament e difícil ocorrem em
( Co 419, pois temos então quadrados latinos com tratamentos, linhas ou colunas pe.E_
( didos.
y = 604,8- 495,0 = 109,8 , Quando faltam duas ou mais linhas ou colunas, ou
( dois ou mais tratamentos, a análise é bastante difícil.
( valor que nao atinge o limite 6'= 125,3 . Detalhes a respeito são dados por YATES e HALE (1939).
O caso de um só tratamento perdido, que não é raro,
( O teste de Scheffêpode ser usado em qualquer caso, ê mais simples, e serâ discutido a seguir. Alias, é tam
( levando-se em conta porém, que' sendo mi a estimativa bem estudado por YATES (1936).
da media do tratame~to com parcela perdida e a estima mu Tomaremos corno exemplo o quadrado latino da seçao
( ti v a da media de outro tratamento qualquer' temos 6.2, onde suporemos que foi perdido o tratamento A. Res-
tam, pois, parcelas dispostas num quadrado latino incom-
~ ~r-2) ]
( 2
v (mi) [ + (r-l) s '
pleto, como a seguir, onde os asteriscos indicam as par-
( celas perdidas.
( l Totais
r de
( linhas
e que essas médias não são correlaciona das. Como jâ v~
( mos, no caso de um contraste Y =c1rn1 +c2rn2+ +cl,mn, t~ 432 (D) * 458(B) 583 (C) 33l(E) 1804
( mos 724 (C) 4 7 8 ( E)
* SSO(B) 400(D) 2152
( V('Y) = c 2 nv ( m
1
- ) + c 2 p(-
1
) 2
2 v rn 2 + . . . cn · rnn
vc- ) 489(E) 384(B) 556 (C) 297(D) * 1726
494(B ) 500 (D) 3l3(E ) 50l(C ) 1808
( Por exemplo, seJa o c ontraste Y = m1 + m2 - 2rn 5 •
660 (C)
*
* 438(D) 394 (E) 3l8(B) 1810
Temos:
(
vC1) vcm1 ) + vCffi 2 ) + 4 v(m 5 ) Totais
( de 2139 2022 1765 1824 1550 9300
1 1 1 . 4 2
( (- + ---) s2 + -· s 2 + - s colunas
5 4.3 5 5
( 77 s2 Verifica-se, portanto, que cada linha encerra todos
60-
( os tratamentos restantes (B, C, D, E), o mesmo aconteceu
77 x do com cada coluna. As somas de quadrados de tratamen=
3.o95 3.972
( 60 tos são, pois~ calculadas da maneira usual. No entanto
( \ogo, ao nível de 5%, obtemos: as parcelas restantes de cada linha não incluem todas as
colunas, e vice-versá, de sorte que para calcular a soma
( S = yf (n-l)tf(f)F = ,/4(3972)3,3 6 = 231,0 . de quadrados para linhas é necessário ajusta-las em re-
( lação às colunas; analogamente , no cálculo da soma de
Como Y = 495!.0 + 440,8 -· 2 x 401,0 = 133,8, vemos quadrados para colunas hâ necessidade de um ajuste rela~
( que o contraste nao e significativ o ao níve 1 de 5% de tivo aos efeitos de linhas. Em geral calculamos a soma
( probabilidad e. de quadrados de linhas sem ajuste e obtemos a soma de
quadrados de colunas ajustadas para os efeitos de li-
(
(
L
A
(
( 92 93
( -
nhas. A soma de quadrados para o resÍduo se obtem, As comparaçoes entre tratamentos se fazem da manei-
( tao, da maneira usual. ra usual, sem dificuldade alguma. Por exemplo, para com
( No caso vertente, temos: parar médias de tratamentos pelo teste de Tukey, ao n~
vel de 5% de probabilidade, achamos:
( SQ Total Ex 2 - C
4.571.730- 4.324.500 13486
( /::,. 4,53 119,6
247.230 .
15
( SQT = (l/5) ( (2204) 2 + (3024) 2 + (2067) 2 + (2005) 2 ] -C -
As medias de tratamentos sao:
( = 134.441 , c - Co 419 604,8
( SQ Linhas = (1/4) [ (1804) 2 + ... + (1810) 2 1 - C B - Co 421 440,8
= 27.890 . D - POJ 2878 413,4
(
Resta calcular a soma de quadrados de colunas (aju!
E - CP 36-13 ....· .. 401,0
( tadas), o que se faz pela fÓrmula: Verifica-se, pois, que a variedade Co 419
( significativamente todas as demais, e que estas na o
1 2 diferem significativamente entre si.
SQ Colunas (aj.) E[ (n-l)C+L]
n(n-1) (n-2)
No caso de perda de uma linha, será necessário cal-
1
( cular a soma de quadrados de tratamentos ajustados para
(n-1) (n-2)
colun~s, o ~ue se faz pela fÓrmula seguinte, inteiramen
( onde n e o número de linhas, c e o total de cada coluna te analoga a usada acima:
( e L o total da linha correspondente à parcela perdidanes
sa coluna. Para a l ?- coluna, por exemplo, temos c~..,2l39-; SQ Trat. (aj .) = ---,--=-1 ,_,..-~ 1: f(n-l)T+C] 2
n(n-l) (n-2)
( e o valor de L correspondente e L = 1810, total da ~~ li
( nha. Achamos, assim, o valor ajustado 4(2139) + 1810 ~ l
= 10366. (n-1) (n-2)
( Para as outras colunas procedemos de maneira análo- onde T e o total de cada tratamento e C e o total da co-
ga. E obtemos:
luna em que esse tratamento foi perdido. A estimativa
( SQ Colunas (aj.) (l/60) 435.870.856- (1/12)(9300) 2 da variância da estimativa de um contraste Y = mi ffiu
57.014 entre duas medias de tratamentos dâ entao:
(
A analise da variância e, pois, a seguinte. ~(?)
2(n-l)
( = s 2.
n( n-2)
( - As médias de tratamentos, ajustados, se calculam p~
Causa de variaçao G.L. S.Q. Q.M. F la fórmula.:
(
Linhas 4 27.890 1
(
Colunas (aj.) 57.014
m·1
n(n-2) l (n-l)T +C - -1- Ex]
4 n-1 ·
( Tratamentos 3 134.441 44.814 12' 86** No quadrado latino de 6.2, admitindo-se que seja
( ResÍduo 8 27.885 3.486 perdida a Última linha, teríamos para o tratamento B,por
( exemplo, T = 1886 e para a coluna correspondente que
Total 19 247.230 e a 5~, obtemos C 1652. Como Ex= 9438, fica:,
c m2 = Cl/15)(4 x 1886 + 1652- 94 8) 45s,a. i
(
(
- fiâ~
(
94
( 95
As outras média s ajusta das se calcul am da
análog a. CANTATORE de _:RAN~, N., ~980 .. Manua l de Estad ística
( Apli
cada. Edlto rtal Hernts ferto Sur, Bueno s Aires .
( CARVA~O, M.~. Rod:i gues, 1946. A Estat ística
na Expe-
6,6, ExERCÍCIOS rlrnen taçao Agrlc ola . Liv. Sã da Costa Lisbo a.
(
COCHRAN, Wi~liam G. e ?e~trude M. Cox, 195l. Experi men
( (6.6.1 ) Plane jar detalh adarne nte um experi mento em tal Deslg ns, 2? edtçao . John Wiley , Nova York.
qua- -
drado latino de 5 x S. FEDERER, Walte r T., 1955. Exper iment al Desig n. Macmi
( lan, Nova York. 1-
( Suges tão: Escre va ao acaso um quadra do latino de KEMPTHORNE, Oscar , 1952. The Desig n and Analy sis
5 x 5 qualq uer, tal corno o que demos acima , e, por of
sor- Exper iment s. John Wi ley, Nova York.
( teio, troque a ordem das linhas e depois a das colun
as. As SANCHES, Samue l F., 1978. Análi se Estat ística de um
letras também serão atribu Ídas aos tratam entos por Ex-
( sor- p~rimento em Quadr ado Latino com Perda de Parce
teio. las,
Ltnha , Coluna ou Tratam ento (Disse rtação de Mestr a-
( do). Piraci caba.
(6.6.2 ) Anali sar o experi mento de 6. 2 admit ind o que
( se SNEDECOR, Geor ge W. e W.C. Cochr an, 1967.
perdeu a parce la da 1~ linha e da l~ colun a, cuja produ Stati stíca l
- Metho ds. 6? edição . Iowa State Colleg e Press, Arnes
( ção foi 432 kg. ,
Iowa.
( (6.6.3) Nurn ensaio de alimen taÇão de suínos usou- se YATES, F. e R.W. Hale, 1939. The Analy sis of Latin
um Squa
quadra do latino de 4 x 4, com os result ados segui ntes, re when Two or More Rows, Co1urnns or Treatr nents are
( refere ntes aos ganho s de peso, em kg, ao fim de 25 2
dias. Missin g. Jour. Royal Stat. Soe. Suppl . 6: 67-79 .
( 1';1 2~ 3~ L,~ YATES,. F . , 193 6 . Incorn plete Latin Squar es. Jour.
Sc1., 26: 301-31 5. Agr.
colun a coluna coluna c o luua
(
( Leiteg ada 1 93,0(A ) l08,6( B) 10 8 ,9(C) l02,0( D)
Leiteg ada 2 ll5,4( B) 96,5(D ) 77,9 (A) l00,2( C)
( Leiteg ada 3 l02,l( C) 94,9(A ) ll6,9( D) 96,0(B )
( Leiteg ada 4 117 ,6(D) ll4,l( C) ll8,7( B) 97,6 (A)
(
( Os tratam entos. eram: A - Castra ção aos 56 dias de
idade; B - Anima is inteir os; C - Castra ção aos 7
I
ç dias
de idade; D- Castra ção aos 21 dias. As colun as tinham • !1
( tos.
Anali sar os dados e compa rar as média s de tratam en
I
I
(
j
(
6,7, BIBLIOGRAFIA I
(
CALZADA BENZA, José, 1966.
I
(
Inves tigaci õn . Lima.
Métod os Estad ístico s para la '"I
( 1
,( ··:.]
. '·.;::~ ·.
(
97
(
7. EXPERIMENTOS FATORIAIS completos e a adotar o sistema de confundimento ("t'on-
( founding"), de_onde resultam maiores complicaçÕes no pla
nejamento e analise dos experimentos. Outra solução é 0
(
71
I I GENERAL! DADES uso dos fatoriais fracionários ou dos fatoriais incomple
( tos, em que nao sao usadas todas as combinaçÕes dos fato
res. Não hâ dÚvida, porêm, de que os experimentos fato=
(
Na definição de F. Yates, experimentos fatoriais ri ais são, em geral, mui to convenientes e de uso bastan-
( sao aqueles que incluem todas as combinaçÕes de te comum.
conjuntos de tratamentos ou fatores. Por exemplo, pode-
(
mos~ num experimento com novas linhagens de algodão, com
( binar 4 linhagens com 3 espaçamentos, obtendo um fato=
rial de 4 x 3, onde temos todas as 12 combinaçÕes possí- 7121 LM ~LO
(
veis. Num experimento de adubação mineral podemos combi-
( nar 3 doses de nitrogênio com 3 de fÕsforo e 3 de potás- A tabela 7.2.1 reproduz as produçÕes, em t/ha,
sio, obtendo um fatorial de 3 x 3 x 3 ou 33, com 27 di- de parcelas de um experimento fatorial de adubação de
23 , em blocos casualizados, em que os fatores são ~itro
(
ferentes combinaçÕes.
Os experimentos fatoriais geralmente são ma~s efi- gênio (N), fÓsforo (P) e potássio (K), cada um deles po-
cientes do que os experimentos simples com um sô conjun- dendo estar ausente ou presente.
to de tratamentos (por exemplo, sõ competição de culti- Como ê usual, (l) representa a testemunha, isto e,
vares, sem variação de espaçamento, e, de outro lado, sô' a parcela sem adubo, N indi~a presença de nitrogênio e
espaçamentôs,com um cultivar apenas) e permitem tirar ausência dos demais elementos, e assim por diante.
( conclusÕes mais gerais. Se plantarmos os 4 cultivares no A analise da variância, não levando em conta o es-
( vos (A, B, C, D) num mesmo espaçamento E., sô poderemos quema fatorial, seria a segui1;1te.
concluir que A, por exemplo, ê o melhor àultivar se este
espaçamento for usado. Ê possível, porem, que com um ou Analise da variância
( tro espaçamento E2 o cultivar B venha a superar larga=
mente qualquer outro cultivar com qualquer outro espa- Causa de variaçao G.L. S.Q. Q.M. F
( çamento. Num experimento fatorial com cultivares e espa-
( çamentos simultaneamente esta possibilidade e pesquisada, Blocos 3 3 '20 11
de sorte que as conclusÕes têm maior generalidade. Tratamentos 7 4,5246 0,6464 3,88**
( No caso de experimento de adubação sô com potássio, Resíduo 21 3,4955 0,1665
( por exemplo, e possível que o solo não reaja simplesmen-
te porque, alem do potássio, falta fÕsforo. Por outro la Total 31 11,2212
( do, se, como e
costume, todas as parcelas receberem fõs=
( foro e nitrogênio, ficaremos sem saber se há necessidade
destes elementos. Jã um experimento fatorial resolve in-
( teiramente o problema, pois pesquisa todas as possibili- No entanto, este resultado tem pouco interesse,pois
( dades. num experimento fatorial os efeitos dos diversos fato-
O principal defeito dos experimentos fatoriais e res devem ser isolados e provados separadamente, como f a
( que o número de tratamentos aumenta rapidamente. Ora, um remos a segui r.
( ensa~o fatorial, em blocos casualizados, com um grande O efeito do N serã dado pela comparação de todos os
numero de tratamentos, perde bastante sua eficiência, em tratamenJ:os com N com todos os demais, sem N, o que pod~
( geral. Somos levados, pois, não raro, a usar blocos in- rã ser indicado assim:
. (
- '<:"""" .
·=
--
··--·· ·-··
-:-.--
(
- ~-
---·--·.. ' . ~- ~
..
:~· ::! '!~:-: -:.:~.: ...,
:S J L
( 98 -- ..........,.__
" 99
( (1) N p NP K NK PK NPK
( -1 +l -l +l -1 +l -1 +l
( (Jj
•M
(Jj
oC) .-1 U") ..... --r ..... isto é, o efeito do nitrogênio, medido pelo contraste
( til C!) o 0'1 lf'1 --r C1\
.u "'O o ~ ~ ~ ~
N
- <"")
<"")
~
0'1
~
.....
.....
•
16 = 0,443 t/ha,
( o
!til
()'>
co
onde 16 e o numero de parcelas em cada grupo: 16 par c e-
til o
( "'
U") 0'1
..c ::><:
p..
N o 0'1 r-- 0'1 las sem N e 16 com N.
::J
.....
~ ~ ~
N
~
N
~
o.-1 (7 ,09) 2
N <"")
SQN X = 1,5709
/
~
<1.1
4 8
\ E! co
"' "'co- r--
·.-I U") U")
c 1-<
C!)
p.
::><:
lf'1
N
~
lf'1
M
~
N N
~
r--
~
.....
.....
com um grau de liberdade, onde 4 é o numero de repeti-
çÕes e 8 é a soma dos quadrados dos coeficientes do con-
( :><
C!) traste:
( 8 N U") N o 0'1
::J p.. r-- co o .-< ( -1) 2 + (+1)2 + ( -l) 2 + (+1)2 + ( -1) 2 + ( + l) 2
( (J)
z ~
..... <"")
~
"'
N
~
('") .-1
~
+ ( + 1) 2 = 8
+ ( -1) 2 +
"'O .-<
( p..
.....
A
N
~
.....
~
N
~
"'co~
(l) N p NP K NK PK NPK
-1 -1 +1 +1 -1 -1 +l +l
( 8
(J)
o o .ll"l ..... logo,
( z
co
~
N
~
0'1
~
"'
0'1
~
0'1
..... N N N 0'1
f(P)=-7,54-9,91+8,63+11 ,19-11,75-10,92+8,99+11 ,98
( = 0,67 '
( .. N N lf'1 l1"l --r
c
_..-...
.-<
'--'
<"')
.-< - - ......- -
.....
N
r-- ('")
N
l1"l
r--
portanto
0,67
= O,042 t/ha ,
( N
16
( H o o o o
t.J
o
C)
o
C)
o
C)
o SQP ..
(0,67) 2
..... .-< .-I .-I 4 8 0,0140 .
( A ..0 ..0 ..0
X
( o- o- O• O•
.-< N <"') --r
(
c
fii'W;,;; r ,..•
( 100
(
Os ~feitos de N, de P e de K sao denom inado 101
( tos prin cipa is . s
( No quad ro segu inte estão indic ados todos os varia çao G.L. S.Q .• Q.M. F
cont r
(
tes a estud ar, com - simb oliza ndo -1 e + indic
ando +l. -.
Nitro gen1o (N) 1 1,570 9 1,570 9 9,43 **
FÓsfo ro (P) 1 0,014 0 0,014 0 0,084
(l) potás sio (K) 1 1,268 0
( N p NP K NK PK 1,268 0 7,62 *
Interaç~o N x p 1 0,502 5 o,so2 5 3,02
l
( Efei to do N Interaç~o N X K 1
+ + +
0,239 8 o ,2398 1,44
Efei to do p Interaç~o p X K. 1
( + + 0,517 7 0,517 7 3' 11
Efei to do K + Inter açao N X p X K. 1
+ 0,411 8 o' 4118 2,47
Inter ação N X p + +
( +
Inter ação N X K + + (Trat amen tos) (7)
i + + (4,52 46)
( i~ Inter ação p X K
+ +
+ Bloco s 3 3 '2011
( ~ Inter ação N X p X K + Resíd uo 21 3,495 5
j + + + o' 1665
( '
Tota l 31 11 ,2~12
(
Os sina is para as inter açÕe
( do prod uto dos sina is s sao obtid as por
dos efeit os princ ipais meio •.
vos. Obtem os, pois , os resp ecti Conc lui-s e, pois , que sõ sao sign ifica tivos
dados da tabe la segu inte. os efei
tos do nitro gen1 o e do potâ ssio. O solo em
( estud o nãO
' . reagi u ã aduba ção fosfa tada. As inter açÕe
(
-
Causa de varia çao
?
s não são sign i
ficat ivas , o que gera ~ mente acon tece nos expe
S.Q. G.L. Estim ativa rimen tos de
aduba ção.
( do efeit o t impo rtant e salie ntar que:
(
Efei to do N 7,09 1,570 9 1 Efeit o de N na prese nç a de P
Efei to do p
0,67
0,443 Q + lnter açao N x P
( Efeit o do 0,014 0 1 0,042 0,443 + 0,251
K 6,37
Inter ação 1,268 0 1 0,398 0,694 t/ha; _
( N X p 4,01 Efe~to de N na ausê ncia de P
Inter ação 0,502 5 1 0,251 N - Inter açao N x P
N X K -2' 77
( Inter ação p
0,239 8 1 -0 '173 0,443 - 0,251
X K -4,07
Inter ação 0,517 7 1 -0,25 4 0,192 t/ha ,
( N X p X K 3,63 o' 4118 1 -0,2 2 7 e analo game nte para os outro s caso s. g claro
( , porem , que
esses valo res pode riam ser obtid os diret amen
te, assim :
( Efei to de N na prese nça de P =
A anâl ise comp leta da variâ ncia sera , pois = (1/8) (NPK + NP - PK - P)
( guin te. , a se- (1/8) (11,9 8 + 11,19 8,99 - 8,63)
( O ,694 t/ha .
( Outro proce sso para obte r as somas de quad
rados , !s
veze s pref eríve l, é o segu inte. Para o caso
do nitro ge-
( nio, por exem plo, somemos de um lado os totai
s de todos
( os trata ment os sem esse elem ento. Obtem os:
(
.( _c ;'',,• , _--_.,.··. ··i! -•• c;;~\ _.,.,_§2
(
c 102 103
(
Com nitrogênio 44,00 ,
( Sem nitrogênio 36,91 Tratamentos Totais
( E temos enfim: ~-------------------------------- de
A AV v (l) blocos
( SQN = (l/16)[ (44,00) 2 + (36,91) 2 ] -C= 1,5709
( Analogamente obteríamos a soma de quadrados refe 19 bloco 0,020 5 '150 3,040 0,020 8,230
te ao fÕsforo e ao potássio. Quanto ãs interaçÕes, s 29 bloco 2,005 4, 770 4,760 0,630 12,165
r1a mais difícil obtê-las individualmente, mas poderí 39 bloco 0,700 3,960 5,860 o' 110 10,630
( mos conseguir em conjunto uma soma de quadrados 49 bloco 1,120 5,230 5,520 o ,115 11,985
(
teraçÕes (SQI), por subtração:
3,845 19,110 19,180 o ,875 43,010
SQI = SQT - SQN - SQP - SQK
(
= 1,6717 '
c com 4 graus de liberdade. Nos experimentos de adubação '
( em que as interaçÕes raramente são significativas, Seguindo a marcha usual obtemos a seguinte anâlise
esquema de anâlise seria satísfatôrio, em geral, e teri da variância.
(
o resultado exposto a seguir.
( -
Causa de variaçao G.L. S . Q. Q.M. F
(
Causa de variaçao G.L. S.Q. Q.M. F
Blocos 3 2,4731 0,8244 l ,33
(
1 1,5709 1,5709 9 ,4:.: Tratamentos 3 71,5373 23,8458 38,46 1<*
Nitrogênio
(' 1 0,0140 0,0140 0,084 ResÍduo 9 5,5799 0,6200
FÔsforo
( Potássio 1 1,2680 1,2680 7,62 *
4 1,6717 0,4179 2,51 Total 15 79,5903
InteraçÕes
c
( (Tratamentos (7) (4,5246)
Blocos 3 3,2011
( Faz-se mister, porém, levar em conta o esquema fa-
ResÍduo 21 3,4955 0,1665
torial do experimento e decompor convenientemente os 3
(
graus de liberdade para tratamentos, o que serâ feito a
( seguir.
(
( 7, 3, CMrRO ExEM'LO A AV V (l) S.Q.
(3 ,845) (19, 110) (19, 180) (O ,875)
(
( Consideremos os dados seguintes de um experimento
A + + 2,900 0,5256
( fatoriàl em que os fatores eram adubação mineral comple-
v + + 33,570 70,4341
ta (A) e adubação com vinhaça (V). As parcelas foram
A X v + + -3,040 o ,5776
( dispostas em blocos ao acaso.
(
(
•. •••··•·
r.,~iií'iiiiiiiiiliiiii:ililij,'I;:-.'"""""..,..,.·-··""···""··""··~---~-!!!-!'!'_=-E'' " ''" '~-~,_...,_..,_..,.,.~.,~·>c: ~'t ' "' :':: ~ .·~:::O:•!:.:'c1:C="-": :c'<O:.C:===~~ ,Q
)(
( 104 ·105
(
Obtemos, pois, a anâlise da variância dada a
( guir. Tratamentos Totais
( ------------------------------- de
(1)
( -
Causa de variaçao G.L. S.Q. Q.M. F
A T AT blocos
(
Obtemos, pois, a seguinte analise da variância . As pequenas diferenças observadas na Última decimal
( considerad a se devem às ~roximaçÕes feitas no calculo.
(
Causa de variaçao G.L. S.Q. Q.M. F
( 7.5. CoNFUNDittENTO
( Blocos 3 37,83
Se no exemplo de 7.2 repetirmos os tratamento s em
( Adubo Mineral blocos de quatro parcelas de tal sorte que no contraste
l 131, lO 131, lO 31,29
Torta na Ausência de correspond ente à interação N x P x K os tratamento s com
( ' sinal mais fiquem num bloco e os com sinal menos, nQYtro
Adubo Mineral 1 38,72 38,72 9,24 *
( Torta na Presença de bloco, o efeito da interação ficara confundido com o dos
Adubo ~.ineral blocos, isto é, o contraste estima ao mesmo tempo a in-
( l 1,45 1,45 0,346 teração N x P x K e a diferença entre blocos, logo nao
( (Tratamen tos) se pode avaliar bem nenhum desses efeitos. Corno a inte-
(l) ( 171,.27)
ração N x P x K é jã sabidamen te de interesse nulo ou ou
c ResÍduo 9 37,68 4,19
quase nulo, não há desvantage m nesse confundim ento, que,
( Total por outro lado, traz a vantagem de reduzir a quatro par-
15 246 '78 celas o tamanho dos blocos. Assim, em cada repetição te-
( remos dois blocos, um com os tratamento s N, P, K e NPK,
( distribuÍd os ao acaso, outro com os tratamento s (1), NP,
Verifica-s e agora que o solo reagiu ã adubação com NK e PK, distribuÍd os ao acaso dentro do bloco. A anali-
( torta , mas só na ausência de adubação se de variância seria então a seguinte.
·
. mineral.
Outro modo de calcular as d1versas somas de quadra-
(
dos seria o seguinte:
(
Com Adubo Mineral 158,2
( Sem Adubo Mineral il2,4
(
·_ (
- a , ~-~l-
f'"'"
(
( 108
109
(
( Causa de var.1aç ao c. L. S.~. Q.M. F
de variaç ão Graus de liberd ade
( Nitrog ênio (N) 1,5709 1,5709 8,22 *
( FÕsf,or o (P) l o ,o 140 0,0140 o ,073 2
(
Potáss io (K) l 1,2680 1,2680 6,63 * - confun dida)
Intera ção (parte nao
2
Intera ção N X p l 0,5025 0,5025 2,63 2
( Intera ção N X K 1 o, 239 8 o, 239 8 1,25
Intera ção p X K 0,5177 0,5177 2, 71 (Tratam entos) (6)
( Blocos 17
(Tratam entos) (6) (4,112 8) ResÍdu o 30
(
Blocos 7 3,6669
( ResÍdu o 18 3,4415 o, 1912 Total 53
(
Total 31 11,221 2
( Um caso mais import ante é o do confun diment o em um
ensaio fatoEi al de 3 x 3 x 3, com N, P, K, por exempl o.
(
(
-
A soma de Quadra dos para Blocos e calcul ada da Uma repetiç ao inclui , então, 27 parcel as, o que seria ex
ne1ra usual cessivo para um bloco só. Por isto, em regra, se prefe-
( SQB = (1/4) [ (8,02) 2 + (8,99) 2 + ... +(11,6 4) 2 ]- C:= re us~r o confun diment o de dois graus de liberda de da in
teraçao ;ripla N x P x K. Com duas repetiç~es, o esque-
( onde 8,02 ~ o total do primei ro bloco, 8,99 o do ma da analis e de variân cia seria o seguin te.
( etc.
A Soma de Quadra dos para o ResÍdu o ~ obtida
( tração .
Causa de variaç ão Graus de
( Num experim ento fatori al de 3 x 3 com os fatore s N
e P, por exempl o, temos 2 graus de liberda de para N, liberd ade
( 2 N
para P e 4 para a intera ção N x P. Podemos confun dirdois 2
p
( graus de liberda de desta intera ção, usando blocos de 3 2
parcel as, da maneir a indica da abaixo : K '2
· Interaç ão N p
( X
4
19 bloco 29 bloco 39 bloco Interaç ão N X K
( 4
00 10 20 Interaç ão p X K 4
( 11 02 12 Interaç ão N X p x K (parte nao confun dida) 6
22 21 01
( (Tratam entos)
O primei ro algaris mo refere -se ao nível de N, o se- (24)
( Blocos 5
gundo, ao de P.
Se o en~aio tiver 6 repetiç~es, o esqtiem a da ~nali- · Resídu o 24
(
se da variân cia serâ o.segu inte.
( Total 53
(
(
(
(
'__[
..
~~i'"'·-;-,--------=~,.,..,......,..~....,.~ a....,,U.~""~'"~~.::~·.-,..,..._.,..~~-"'="'~''':"""'};~·:.;~<'!;:;:;':" ';."::!''V,<:>·-· onJ'!'~"'•"' ·-·· : :::.,2::6;:-~1.:.:..-~~s: :~::.~!gY,ll!tf!:;{~3!fl.c1?2~::Yi-f:FlF~;"Vt~f~E!N~~~''-'11:':;:-;:f; . : ; .!>J;~;; , o;.;;·;,, , ;;c"M!!
(
( 110 lll
(
Acontece, por~m, que a interaçao N A P • K j~ s~ Grupo w Grupo X
( pera que não ocorra, de sorte que poderíamos até inc
no resÍduo os seus graus de liberdade, e ass1m
( 19 bloco 29 bloco 39 bloco 19 bloco 29 bloco 39 bloco
ele a contar com 30 graus de liberdade.
( Por outro lado, em ensaios de pouca precisao, t 000 001 002 000 001 002
em mira a obtenção de informaçÕes gerais sobre uma 012 010 Oll
( 011 012 010
gião, pode-se fazer em cada local apenas uma 021 022 020 022 020 021
c do experimento fatorial de 3 x 3 x 3 com N, P,
esquema de anâlise seguinte.
101 102 100 102 100 101
( 110 lll 112 110 111 112
122 120 121 121 122 120
( 202 200 201 201 202 200
( Graus de 211 212 210 212 210 211
Causa de Variação liberdade 220 221 222 220 221 222
(
( N
p
( K Grupo Y Grupo Z
( Interação N X p
Interação N X K 19 bloco 29 bloco 39 bloco 19 bloco 29 bloco 39 bloco
( p K
Interação X
( Interação N x P x
- confundida)
K (parte nao 000 001 002 000 001 002
011 012 010 012 010 Oll
( (Tratamentos) (24) 022 020 021 021 022 020
( Blocos 2 101 102 100 102 100 101
112 110 111 111 112 110
( 26 120 121 122 120 121
Total 122
( 202 200 201 201 202 200
210 2ll 212 210 211 212
( 221 222 220 222 220 221
Neste caso nao temos resÍduo propriamente, mas po-
( demos usar como resíduo a interação N x P x K, com 6
c graus de liberdade.
O problema do confundimento, tendo em vista a dis- Qualquer dos grupos pode ser usado, indiferentemen-
( te.
tribuição dos tratamentos pelos blocos de maneira a so
( confundir com eles interaçÕes de ordem elevada (de três
ou mais fatores, em geral),~ bastante difícil, salvo em
(
casos particulares. No caso mais comum do experimento fa 7.6. UM ENSAIO FATORIAL 3 3 3 COM.DuAS REPETIÇÕES
X X
l' j
j
"
"Ul0\0
.. o
..
o
..NU1W
.. ..
~0\.Jl o
..
o ..-..JI-'N
" .
0\Ul():) o -..JN
ro
,....... "Ul o o O\ ti
• P-1 f
,1:::-
......
():) ... s
1.0 0..
"Ul www
c
......., (") 1.0 ():) N W N ():) WWN ro P-1
Ul 1-'WO '"O 1.0 <Xli-'<Xl z 1.0 ~~o z s Cll
+
N
......
......
"Ul .
N '-J ,_...
"~(j\Ul
"
...... ......
"():)
-..J(j\():)
"N~N
" "
>-'
..
......
..0 0" \ N
N '-J N
.. ......
rt ti
-.....ro I
il
():)
o ::r' 'O
n> ro
+
'-J
w rt
I-'• ·:l
'""'
~
.'-J
Ul ......
o
():)
www
(j\(j\~ '"O
1.0
......
WNW
1-'():)1-' z
1.0
......
WW N
~ww z
'O ..O
.,P-1
P-1 OI
ro
í~
ii
w w ....... . ..1.0 ..(j\ ..'-J li
.1.0
~
I.OW():)
"~ "w ..'-J
N CD
N
~WI.D N ():)
"N ..-..J():)-..J
.. "
N ():) 0\ N
oCll
Cll
" ":.3
~
._, ('l
N
o
........ NS
'-J
I o
Cll
(")
N N N I-' 11
11 (j\ ():)1.0():) (j\ ():)1.0():) O\ o 1.0 (j\ ro
.......(j\ 1.0
o
..
'-J ~ '-J
0\0W
1.0
o
'-J ~ '-J
....
1.0
o
():)l/1\Jl Ul
c
N o "WU1N
" " o
0\0W
"W\JlN "o " ....
t-'t-''-J
. ~ l/1 ......
,_.
():)
000 37,0 29,3 66,3 001 60,2 39,1 99,3 002 28,3 24,3 52,6
012 42,6 37,0 79,6 010 57,6 19,5 77 '1 Oll 66,6 41,8 108,4
021 68,4 64,4 132,8 022 76,0 66,0 142,0 020 66,8 55,1 121,9
101 33,5 28,6 62,1 102 42,8 27,7 70,5 100 32,6 37,0 69,6
llO 45,7 61,3 107 ,o 111 63,4 63,0 126,4 112 63,4 50,8 ll4,2
122 49,7 52,8 102,5 120 58,2 53,4 111,6 121 71 '1 56,8 127,9
202 36,2 35,2 7l ,4 200 56,6 30,5 87,1 201 41,3 36,9 78;2
211 47,4 55,4 102,8 212 69,1 49,5 118,6 210 50,2 67,2 117,4
200 59,0 56,2 115,2 221 59,4 43,2 102,6 222 55,4 69,5 124,0
419,5 420,2 839,7 543,~ 391 '9 935,2 475,7 439,4 915,1
,_.
,_.
w
~, . ....
~íiiiiiiii íiííiiii----~~"""'"""'~~·--
· -.·-·.--.._,..,.
(
( 114 115
(
A Soma de Quadrados de Tratament os deveria ser:
( causa da variaçao G.L. S.Q. Q .M.
SQT ( 1/2) ( (66 ,3) 2 + (79 ,6) 2 + •.. +(124, 9) 21 ~ C F
(
- 7.890, 72 • Nitrogênio 2 42,51 21,26 0,341
(
mas e
preciso daÍ descontar a parte correspond ente FÕsf oro
p 0 tassi9
2 5.251,41 2.625,70 42 ,06*"'
( dois graus de liberdade confundido s com blocos. A 2 160,38 80,19 1,28
Interaç~o N x P 4 1.069,29 26 7,32 4,28*
a descontar é dada por:
( Interaç~o N x K 4 622,11 155,53 2,49
(1/18) ( (839,7)2 + (935,2) 2 + (915,1) 2} -c 281,66 , Interaç~o P x K 4 165,05 41,26 0,661
(
Interaçao N x P x K
logo
( (parte não confundida ) 6 298,31 49,72 0,796
SQT 7.890,72 - 281,66 7.609,06 ,
c =
(
(
(
(
(
(
-
~~""'"'!!1'-..... ,
(
( 116 117
(
( -
Causa de variaçao G.L. S.Q. Q.M. F No Nl N2
(
NÍveis de p dentro Ko 161,4 136,5 165,8 463' 7
(
de No 2 2.854,47 1.427,24 K1 19 5 '2 168 ,o 148' l 511,3
( NÍveis de p dentro Kz 146,9 155,9 160,7 463,5
de N1 2 2.262,03 1,131,02 18,88**
( Níveis de p dentro 503,5 460,4 474,6 1438,5
( de·N 2 2 1.204,20 602,10 10 ,05**
( ResÍduo 30 1.796,65 59,89
(
Po pl p2
( - as dadas a seguir, todas
As medias obtidas sao com
( erro padrão de 3,2 t/ha. Ko 126,2 153 ,5 184,0 463,7
K1 135 ,o 177,4 198,9 511,3
( NoPo 36,4 t/ha N1Po 33,7 t/ha N2Po 39,5 t/ha Kz 107 ,3 175 ,1 181,1 463,5
( NoP1 44,2 t/ha NlPl 57,9 t./ha N2P 1 56,5 t/ha
368,5 506,0 564,0 1438,5
( NoP2 66,1 t/ha NlP2 57,0 t/ha N2P2 57,1 t/ha
( Mais um passo ã frente poderâ ser dado considerando
-se os componentes linear e quadrático em cada caso, da Temos, pois:
( maneira indicada no capítulo 12.
SQN (1/9) [ (503,5) 7 + (460,4) 2 + (467,6) 2 1 c
(
107,20 ,
( 7.7, UM ENsAIo FATORIAL 3 3 3 coM LIMA Só REPETI c;Ão
x x SQP ( 1/9) l (368,5) 2 + (506,0) 2
+ (564,0) 2 1 c
( 2.240,39 ,
Consideremos agora os dados da primeira repetição
( do experimento discutido em 7.6. Temos lâ: SQK (l /9)r c463, n 2 + (511,3) 2 + (463,5) 2 1 - c
168,54 ,
( SQ Total= 4.535,55,
Além disso, temos:
( SQ Blocos= (1/9) [ (419,5) 2 + (543,3) 2 + (475,7) 2 ]- C
SQN e P (1/3) ( (125,5) 2 + ••• (173,8) 2 1-C= 2.630,76
( = 853,88 . +
( Organizamos, agora,os quadros seguintes, a semelhan SQN x P = 2.630,76- 107,20- 2.240,39 = 283,17 .
Ça do que fizemos no caso anterior. Analogamente obtemos:
(
No Nl N2 SQN X K = 464,65 '
( SQP X K = 141,71 .
( Po 125,5 108,9 134,1 368,5
pl 166,8 172,5 166,7 506,0 Finalmente, a soma de quadrados para os 6 graus de
( p 211 2 179 o 173 8 564 o liberdade da interação N x P x K não confundidos é obti-
da por subtração:
( 503,5 460,4 474,6 ·1438,5
(
(
-
~~~---~,-.,._-.-.........,._..,..._..__,,......'iii'~~~~f-l'*'~!:.~~-'~""":;~~:,~'~""':~-.:~·o.""'l'·' ''- '- :;=_f~~-'<"•"1;:'T·~~ ·p-.~•··. ~ ·· ,·
(
( 118
119
(
SQN / p X K 4.535,55- 853,88 + 107,20 + Po·- 2 P1 + P2
( + 168,54 + 283,17
[
+ 141,71 368,5 - 2 X 506,0 + 564,0
(
= 276,01 . - 79,5
(
Chegamos, assim, ã seguinte analise da variância, na SQP" =
(-79,5)2
( 6 X 9 117,04 .
qual a interação tripla tomada como resÍduo. e =
2 53,60 N1 X P1
Nitrogênio (N) 107,20 1,17
(
FÓsforo (P) 2 2240,39- 1120 '20 24,35** logo,
( Potássio (K) 2 168,54 84,27 1,83
Interação N X p 4 283,17 70,79 1,54 SQN I X p f = (-46,0)2
( 6 X 2 176,33 .
Interação N X K 4 464,65 116 '16 2,53
( Interação p X K 4 141, 7l 35,43 o, 770 Analogamente obteremos:
Blocos 2 853,88
( Interação N X p X K SQN I X K f = 7 '36 , SQPf X Kf = 21,33 .
( - o confundida)
(parte na 6 276,01 46,00 Chegamos, assim, à seguinte analise da variância, na
( q~al os_graus de liberdade e a Soma de Quadrados do Re-
Total 26 4535,55 Slduo sao obtidos por subtração.
(
(
No entanto, e mais conveniente, em geral, procurar Causa de variação c. L. S.Q. Q.M. F
( aumentar o número de graus de liberdade do resíduo pela
Nitrogênio (N) 2 107,20
( inclusão nele de parte dos graus de liberdade das inte-
FÕsf oro (P)
53,60 o, 837
raçÕes duplas. Para isto e aconselhável distinguir no 2 2.240,39 1.120,20 l7,49>'d
( efeito de cada elemento, com dois graus de liberdade, um Potássio (K) 2 168 '54 84,67 1,32
para o componente linear, e outro para o componente qua- Interação N' X p1 1 176,33 176,33
( 2,75
Interação Nl X K I 1
(
drático, ã maneira que serã explicada melhor no capítulo
Interação pf X K'
7,36 7,36 o, 115
12. Por exemplo, no caso do fÓsforo, o componente linear 1 21,33 21,33 0,333
Blocos 2 853,88
( (P') seria dado pelo contraste:
Resíduo 15 960,52 64,03
( - Po + P2
195,5 , Total 26 4.535,55
( 368,5 + 564,0
(195,5) 2
I
i
( SQP' = 2.123,35 ,
2 X 9 As medias para os 3 níveis de fÓsforo são:
(
e o componente quadrático (P") pelo contraste Po 40,9 t/ha
(
PJ 56,2 t/ha
( Pz 62;7 t/ha
( todas com erro padrão de 2,7 t/ha.
(
r= ..... . . . ~.
(
( 120
121
(
7.8. lJM ENsAio FATORIAL DE 6 x 3x 3 <ll
-o
<JJ
( -o
<l)
<T 0\NLr\ -'1" 0\ C')
A determinação da acidez de mangas .....
(}) <1l
-o
~ ~ ft ft
co
ft ~ ~
0\
......
Lf"\ M U') U') r--- -.:r o
teração tripla como resÍduo. ("'1
(
Com a tabela seguinte obtemos dados para o
,_. co -.:r
( as Somas de Quadrados de Variedades, de Meses M ..... U') ft
N
ft
-.::tN
ft ~
co ft
U')
ft
U')
ft
(
Bourbon 69,3 19·,1 14,0 10 ? ,4 0\ 0 \ 0 0\0\ co -.:r 0\
( 12,6 12,6 133,9 "'......
~ ft ~ ft ft
co
ft ~
180,5 ,_.o
Maçã 145,1 21,0 14, 4
( ,Ll
s
C() N '-0 '-0 0\ N o Lf")
Non Plus <l)
Lr\ ~
o
~
r-
~
0\
...... ...... o
( Ultra lll '8 27 , 9 18,7 15 8 ,4 N
<l)
<T
-.oco o o
ft A ft
o
ft
o
~
lf)
~
Daí ti ramos: ...... ...... C") " ' " ' <T N
( "' N
SQ Variedades = (l/9) [ (102,4) 2 + ... + (135,9) 2] - C ,_.o r- o o r-
( = 417,18 , ,Ll
C()
lf) ~ ft ~
C")
ft
.-1 C()
s
A ~ ~
0\
......
<T NO\ r---
-.:r
Lr\ o C()
( SQ Meses= (1/18) [ (661,9) 2 + (1 21,5) 2 + (89,9) 2 ] - C
<l)
:>
N C") C") C') C") o
N
o
( 11.485,46 z r- ,..._
LI")
N
ft
M
ft
'-0 N
~ ft
-.:r o
ft ft ft
( 122 123
(
De maneira anâloga calculamos as outras somas de ' Verifica-se, pois, que s5 nomes de novembro hâ di-
( quadrados necessárias, e obtemos a anâlis e da variância , ferenças significativas de acidez; nesse mês a variedade
( seguinte. Maçã, mais tardia, supera significativamente todas as de
mais, com exceção da Extrema.
c
( C. de variaçao G.L. S.Q. Q.M. F
(
7,9, ExERcfCIOS
Variedades (V) 5 417,18 83,44 9,84
( Meses (M) 2 11.485,46 5.742,73 6 77,21 ** (7 .9.1) Num experimento fatorial de adubação de
Anos (A) 2 15,26 7,63 0,900 cafeeiro com N, P, K, de 2 x 2 x 2, feito por Y~LAVOLTA
( Interaç~o V x M 10 722,51 72,25 8,52 ** e outros (1958), foram contados os galhos secos de 4 pis
( Interraçao V x A 10 88,26 8,83 1,04 de café por parcela. Dos números obtidos extraiu-se a
Interação M x A 4 24,58 6,14 o' 724 raiz quadrada, com os resultados dados na tabela 7.9.1.
( Resíduo (Intera Analisá-los estatisticamente e comprovar que o nitrogê-
( ção V x M x A) 20 169,58 8,48 nio e o potássio trouxeram diminuição significativa no
número de galhos secos.
( Total 53 12.922,83 (7.9.2) Planeje detalhadamente um experimento com
( 3 variedades de café, 3 espaçamentos e 3 formas de apli-
cação dos adubos, com 2 repE:tiçÕes e com confundimentode
( dois graus de liberdade da 'Lnteração tripla.
A interação significativa Variedades x Meses indica
( que as variedades se comportam de modo distinto nos me-
ses estudados. Com efeito, isto se verifica pelas ~idias
(
da tabela seguinte. 7.10. BIBLIOGRAFIA
(
ANDERSON, R.L. e T.A. Bancroft, 1952. Statístical Theory
( in Research. McCraw-Hi ll, Nova York.
Variedades Novembro Dezembro Janeiro
( CALZADA BENZA, José, 1966. Métodos Estatísticos para la
Bourbon 23,1 6,4 4,8 Investigación, Lima.
( CCCHF.AN, W.C. e Gertrude .H. Cox, 1957. Experimental De-
Brasil 36,2 4,2 4,2
( Extrema 42,3 6,5 5,3 signs, 2~ edição. John Wiley, Nova York.
48,4 7 ,o 4,8 JOHN, P.W.}1., 1971. Statistical Design and Analysis of
( Maçã
Non Plus Ultra 37,3 9,3 6,2 Experiments. Macmillan, Nova York.
KE}~THOP~E, O., 1950. The Design and Analysis of Experi-
( Oliveira 33,4 7,1 4,8
ments. John íviley, Nova York.
( ~~LAVOLTA, E.; F. Pimentel Gomes e·T. Coury, 1958. Estu-
( A diferença mínima significativa para médias de va- dos sobre a Alimentaçao Mineral· do Cafeeiro (Co 66ea
~ab~ea L., Variedade Bourbon Vermelho). Piracicaba.
riedades em um mesmo mes, pelo teste de Tukey, é:
( SI~~O, S., 1960. Estudos da Planta e do Fruto da Manguei
( ra (Mang~6eha ~ndiea L.) (tese). Piracicaba. -
4,45 7,48 . SNEDECOR, G.W. e W.G. Cochran, 1967. Statistical Methods,
( 6~ edição. Iowa State College Press, Ames, Iowa.
(
(
(
--~-~~~~~~~~~-~~~~-~~-~~-~-~~~---
"'·'~~-~'--:'",. '- ""'-' ~ .• ,... 1 'O,O ' • "' •o · . •,; ~ ·.• ·l ..,.,.·.:m•"'_,. ___ , '""'--"'-.., '
.• ~- , ... , ,..,,,. ,...._.. o , .,,. _•.-.>."o."'"" " •"•' '''• ·' •
1-'
.,..N
Tabela 7.9.1. Raízes quadradas dos números de galhos secos de um experimento fatorial
3
de 2 , de adubação do cafeeiro.
19 29 39 49 59 69 Totais de
Tratamentos
bloco bloco bloco bloco bloco bloco tratamentos
(1) 10,20 7,55 7,62 10,54 8,00 4,58 48,49
N 5,39 7,62 4,69 3,32 5,48 4,24 30,74
p 8,54 12,45 7,28 8,37 8,00 6,08 50,72
~ 8,83 6 '71 3,74 3,00 9,43 3,87 35,58
NP 8,43 3,61 5,00 4 ,58 8,00 4,80 34,42
NK 2,24 3 '16 1,00 1,00 3,87 2,24 13 '51
PK 6,63 6,24 3,87 3,32 9,17 3,16 32,39
NPK 4,36 2,00 l '73 2,65 2,65 0,00 l3 '39
Totais de
54,62 49,34 34,93 36,78 54;60 28,97 259,24
blocos
o-<
-o
~
1:::1 (/) t:= ;J
~c::
rox~ "i~~>cn
::l "' Ql < (/)
""' ~ "'1 Cll ..... ~
ro >1
::l .... ~• '"'' r. 1-' ,... . :-:1
~ El
~ 1-'
ro..,.
i"• Q) •
Hl:l\011
::l l"'t w 111 Cl. '""'
OQCil-...J ro...o
1-'
~
• ""'
f't) ""Q'-"
-
rt H 1-i ro
ro S
.., 'ó l:J" n ::l
I'D ....
:TJ
"'
'i ro 1'1>>~ x
Pl'it:::::l::l;3"0
• ..... ~ncrro
Pl Cll i"• c: ..,
1-' .... ~ r. .....
()Q o 3
t:=::lo.. 't
c o ;J
~~(/)~~
PJQ.OilJOl
c: 1-' i"•
o 1:1 ~
>o
Cll""'
ro
,.., 111 ""'
........ lll:>
cn '< •O 0..
o Cll .... c
>-'·1-'•rt ro cr
..... çn o >1 Q)
CllOOI'I>Jl)l
S n""
n
.....
1"11 .. .-.o
>1
(1) WI)J ::l
;J (...: Pl
r. O'
(1) ~ I N
~ 111 "" o
(').,.. ~ ::l
rt Lo.: r.> Q)
o . c:
::X: loj ::l
lll .... • ..... (") .....
11 lU IUI!Il N
I 1-' O I 1.11
(
126
( LO
( rimentos referentes a latossolo roxo, outro correspon-
(
8. ANALISE DE GRUPOS DE EXPERIMENTOS dente a aluvião, etc. Se necessário, podemos 1r . .
ma1.s
longe e considerar se a terra e
nova ou velha, se aduba-
( da ou não, e assim por diante.
(
8.1. GENERALIDADES Consideramos a seguir os quadrados médios residuais
dos diversos experimentos. Para que os experimentos pos
( Em muitos ramos da experimentação há uma influência sam ser reunidos sem mais dificuldade,-é preciso que es=
decisiva do local ou da ocasião sobre os efeitos dos tra ses quadrados médios residuais não difiram muito entre'
( tamentos. Tal ocorre, por exemplo, nos experimentos com si, isto é, que sejam relativamente homogêneos. Para jul:_
( plantas, nas quais o solo e as condiçÕes climáticas têm gar essa homogeneidade é tradicional o uso do teste de
influência muito grande. Jâ em experimentos com animais Barttlett. No entanto, de acordo com pesqtiisas de BOX
( a influência do local e do clima e muito menor, especi- (1953),esse teste para comparação de estimativas de va-
( almente quando se trata de gado que recebe raçÕes contra riâncias é tão sensÍvel ã falta de normalidade que deve
ladas e que dispÕe de abrigos convenientes. - ser abandonado.
( As limitaçÕes de espaço e de tempo em um experimen- Por outro lado, estudos de BOX (1954) indicam que
( to podem ser, às vezes, parcialmente afastadas pelo jul- se em todos os experimentos os tratamentos tiverem o mes
gamento do experimentador. Entretanto, sõ uma experimen mo número de repetiçÕes e a relação entre as var1ancias
( tação apropriada poderá dar uma solução definitiva aopr~ não for superior a 3, a análise da variância e os testes
( blema de generalização dos r-esultados de um experimento. correlatos poderão ser aplicados sem prejuÍzos sérios.
Se quisermos, por exemplo, estudar a adubação do c~ r: importante, pois, aplicar aos quadrados .méaios resi-
( feeiro no Estado de São Paulo, tendo em vista obter re- duais um teste que nos permita concluir se se pode acei-
( sultados gerais, deveremos começar por localizar experi- tar que a relação entre a maior variância e a menor não
mentos em toda a ãrea cafeicultora do Estado. Deve es- seja superior a 3. Para isto, combinando ensinamentos de-
( sa ãrea ser repartida segundo os tipos ~e solo, segundo·· DAGNELIE (1975) (pâg. 52) com o teste de F mâximo (PEAR-
( o mêtodo de cultivo (com ou sem irrigaçao), a topogra- SON e HARTLEY, 1956) concluÍmos que se deve calcular
fia, etc. A seguir são os experimentos distribuÍdo~qua~
( do possível, ao acaso. Num caso como este os experime~ QHl
( tos devem ser preferivelmente de delineamento simples,~ 3QM2
merosos e baratos, para que o custonão sejaexcessivo. Se onde QM1 ê o maior, e QM2 o menor dos k quadrados mêdios
( o q~e nos interessa são resultados gerais, estes sõ po- considerados. Se tivermos aí F>'< .s_ 1, naoa hâ que temer,
( derao ser alcançados satisfatoriamente pe~a multiplic~ evidentemente. Se, ao contrario obtivermos F* > 1, se-
ção dos locais e dos anos de e~perimentaçao. E,_para_f~ rã necessário consultar a tabela 31 de PEARSON e HART-
( cilitar a analise e a combinaçao dos dados num SO COnJU~ LEY (19~6), de dupla entrada, relativa ao numero k de ex
( to, devem ter, preferivelmente, todos os experimentos,os perimentos, e ao número v de graus de liberdade de cada
mesmos tratamentos e o mesmo tipo de delineamento. quadrado médio residual. A consulta a essa tabela nos
( Uma vez obtidos os dados, agrupamos os experimentos mostra que, mesmo com 30 graus de liberdade para o resí-
( segundo os critérios jâ adotados na repartição da ãrea duo e k = 12 experimentos (valor máximo de k na tabela),
a estudar. Poremos de um lado os que se referem a cult~ se tiverm<:>s
( ras irrigadas e de outro as não irrigadas, pois de ante-.,
c mao julgamos que esses dois grupos apresentam
ças tão grandes que não podem ser considerados em
diferen~ QMl
<m2
< 7
( to. A seguir, podemos utilizar como critério de
ment·o o tipo de solo. Teremo-s, pois, um grupo de a prova nao serâ signiticativa ao nível de 5%.
( O teste F bilateral (tabelas 3 e 4 deste livro), apli_
( cado ao quociente
_(
f~~ ..••.
, -~,........,..
,M>--··~---.--·-;:::----=-·~·-·-~·-·· M'"''"~--~--C<•'">-U'<ó' ,,.,,,.,,..,,_,...,,,,, ,,, ,,,, •
(
128
c 129
( F
( s .Q.
e tendo em vista que. com k experimentos, causa de var1açao C. L. Q.M. F
( fl/2)k (k-1) pares possíveis de quadrados médios
(
duais, leva a resultado semelhante. Tratamentos 4 1,45 0,3625 o. 730
Conclui-se, pois, que, no caso de grupos de Resíduo 15 7,45 0,4967
( mentos similares, em que todos os tratamentos tenham
mesmo número de repetiçÕes, quase sempre se podera f Total 19 8,90
( a analise conjunta sem dificuldade, se o quociente
( o maior e o menor quadrado médio residual for menor
que 7. Quando, porém, esse quociente for além de 7,
( virã considerar separadamente subgrupos de Experimento II
( com quadrados médios residuais não muito discrepantes.
Alternativamente, podemos fazer ajustes nos nÚmeros
(
graus de liberdade, de acordo com o método proposto N1PK1 11,0 10,5 9,0 9,0 39,5
( COCHRAN (1954), que sera exemplificado na seção 8.7. Mas N1PK 2 lO ,O 9,5 9,0 8,0 36,5
na verdade esse método não se tem revelado promissor quan
( 12 ,o
do as discrepâncias são grandes entre os quadrados -- N2PK 1 9,0 9,5 9,5 40,0
( dios residuais. N2PK 2 10,5 11,5 10,5 10,0 42,0
(
8.2. CoMo FAZER A ANALISE Testemunha 8,5 8,0 lO ,O 7,0 33,5
( Tomamos agora o que chamaremos de um grupo de 2Xpe-
( rimentos, isto é, uns tantos experimentos que considera-
192,0
mos comparáveis, de acordo com os critérios indicados aci
( ma. Se cada um deles tiver mais de uma repetição, fare= Causa de varíaçao G. L. S.Q. Q.M. F
( mos a analise respectiva, separadamente. E a seguir rea-
lizaremos uma analise em conjunto, reunindo, porém, sôex Tratamentos 4
( 12,05 3,0125 2.70
perimentos de variâncias residuais não muito diferentes~ Resíduo 15 16,72 L, 116 7
( Consideremos, corno exemplo, o caso de cinco experimen
tos de adubação de algodão, inteiramente casualizados-; Total 19 28,80
(
com tratamentos: N1PK 1 , N1PK 2 , N2PK 1 , N1PK2 e testemunha,
( onde N1 e N2 representam, respectivamente, uma e duas do
ses de nitrogênio, P é uma dose de fÓsforo, K1 e K~ ser! Experimento III
(
ferem, respectivamente, a uma e duas doses de potassio.
( Os dados e as analises individuais são expostos a seguir.
N1PK 1 7,0 7~5 6,5 5,5 26,5
( Experimento I N1PK;, 8,5 7 .o 8,0 5,5 29,0
( 4,2 2,4 2,8 N2PK 1 9,0 6,0 6,0 5,5 26,5
N1PK1 3,2 12,6
( N1PK2 3,6 2,2 1,8 3,2 10,.8 N2PK2 9,0 9,5 8,0 7,0 33,5
( N2PK1 3,2 2,6 3,0 2,0 lO. 8 Testemunha 7,0 7,0 4,5 6,0 24,5
NzPK 2 3,6 2,8 3,0 2,4 11,8
(
Testemunha 9 4 140,0
(
r~ ~~~"'·~-
(
(
130 131
(
Os quadrados m~dios residuais relativos a esses en-
( Causa de variaçao G.L. S.Q. Q.M. F saios, todos com 15 graus de liberdade, são GSseguintes,
( em ordem decrescente:
Tratamentos 4 12,00 3,0000 1,96
( ResÍduo 15 23,00 1,5333 2,2280 ; 1,5333 ; 1,1167 ; 0,4967 ; 0,0115 .
( O quociente do maior quadrado médio com o menor ctâ
Total 19 35,00
193,74, valor que vai muito além do limite de 7 que jus-
(
tificamos na seção 8.1. Aliâs, o teste de F máximo nos
( daria
Experimento IV
( F* = ---:::-2-'-'-:::2_2-:::8-::-0-::--:::--
N1PK1 8,0 6,9 6,0 6,5 27,4 3 X 0,0115 = 64,58*i< '
(
N1PK 2 8,0 5,5 7,5 8,0 29,0
valor que é significativo ao nível de 1% de probabilidade
( 26,2
N2 PK 1 7,0 4,7 5,5 9,0 pela tabela 31 de PEARSON e HARTLEY (1956). Por qual-
( N2PK 2 9,0 6,5 5,5 7,0 28,0 quer dos dois critérios, verifica-se, pois, q,ue não pode-
( Testemunha 3,5 3,0 3,9 7,0 17,4 mos estudar conjuntamente os cinco ensaios. Mas, se ex-
cluirmos o experimento v, cujo quadrado médjo do resÍduo
( 128,0 e 0,0115, teremos
(
2 '2280
( Causa de variaçao G.L. S.Q. Q.M. F 0,4967
= 4,49 < 7.
( Tratamentos 4 22,04 5,5100 2,47 E se conclui que a reunião dos quatro primeiros experi
ResÍduo 15 33,42 2,2280 mentos é correta. Obtemos então a seguinte anâlise con=
( junta.
( Total 19 55,46
(
Experimento v Causa de variaçao G.L. S.Q. Q.M. F
(
N1PK 1 1, 72 1,81 1,73 1,62 6,88 Locais 3 475,40 158,47 121 , 1.':> *"'
(
N1PK 2 2,38 2,56 2,48 2,43 9,85 . Tratamentos 4 31 '85 7,':)6 b ,09 *'''
(
N2PK 1 2,52 2,88 2,76 2,54 10 '70 Interação Locais X
( n 2PK 2 2,78 3,01 2,83 2,79 11,41 X Tratamentos
12 15 '69 1,30() 0,::173
( Testemunha 1,48 1,62 1,58 ~,56 6,24 Resíduo 60 80,62 1,344
( 45,08
Total 79 603,56
(
( Causa de variaçao G.L. S.Q. Q.M. F
Quando o que interessa sao resultados gerais, o tes
( Tratamentos 4 5,3829 1,3457 117,02** te de tratamentos deve ser feito ~referivelmente em rela-
( ResÍduo 15 o. 1722 o,0115 ção ao Quadrado Médio da Interáçao Locais x Tratamentos:
( Total 19 5,5551 7 96
F= •
1,308 = 6 , 09** .
··~
(
(
( 132
133
(
Por outro lado, o teste para in te raçoes nos dar i. a: onde m5 ê a média .da testemunha. As estimativas desse
(
1,308 contraste nos guatro locais, calculadas com totais de
( F = 1,344 o ,973 tratamentos, sao:
( Num caso como este, em que nao hã nenhum indÍcio 8,4
( significação das interaçÕes, pode-se também testar o 24,5
drado Medio para Tratamentos em relação ao Quadrado 17,5
( dio Residual: 41,0
( 91,4
F 7,96 = 5,92>'<* .
( 1,344
Teremos agora:
( Neste caso, em geral se obtêm maior precisao, pois
hã maior número de graus de liberdade para o resÍduo. No SQinter. Y1xLocais
= (8,4)2 + ...
x
+(41,0) 2 - (91,4)
x
2=7 '),
,1~.
( entanto, sempre que houver indicação da presença de 20 4 20 16
( teraçao, mesmo não significativa, este procedimento O fator 20 no denominador provêm da soma dos quadra
deve ser seguido. dos dos coeficientes do contraste considerado. O fator
( Podemos, como em casos anteriores, considerar indi- 4 se explica per ter sido o cálculo feito com totais de
( vidualmente graus de liberdade relativos a contrastes de 4 parcelas. Explicação semE,lhante vale para o fator 16.
tratamentos, como fazemos a seguir. Obtemos a seguinte análise de variância.
(
(
Causa de varlaçao G. L. s .Q. Q.M. F Causa de varlaçao G.L. S.Q. Q.H. F
(
( Test. versus Test. versus Trat.
l 26 'll 26' ll 19 ,96''<1< 26,11 26' 1l 11,02 ,.,
Trat .Adubados Adub. (Y 1)
(
Nl versus N2 l 1,00 1,00 0,765
( Int. Yt X Locais 3 7,12 2,37
Kl versus K2 l 2, lO 2,10 1,61
(
Interação N X K l 2,64 2,64 2,02
( Ao mesmo resultado chegarÍamos pelo teste t, como
Interação Locais X
+[
X Tratamentos
2
( 2 (91,4) I=
s = (8,4) 2 + ..• + (41,0) 2 - 189,86 '
4
( Alguns poderão criticar nesta análise que a Intera-
( çao Locais x Tratamentos pode não ser a mesma para todos
os contrastes entre tratamentos. Para evitar· esta crí-
s(?l) =~ = 6,89. ?1 =
9
z· 4 ~ 22,85 •
( tica, podemos estimar cada contraste em cada local e pr~ t =
22,85 - o
= 3,32* .
va-lo separadamente. Por exemplo, o primeiro contras- 6,89
(
te da análise acima e:
(
Analogamente se testam os qutros contrastes.
(
(
(
(e. . c~
'"'l"'t-.. t .. ~ t,
(
(
134
( 135
M
( riância individ ual do 19 experim ento foram vistos na se-
ção 5.2 deste livro. Para os demais ensaios co
us dados
( eram semelha ntes. Damos na tabela 8.3.1 os totais deva-
riedade s e os quadrad os médios residua is para todos os
"'
.-4
(].)
( ..0
<ll
experim entos. E-<
(
(
(-·-*~'··
136 137
(
A relaçio entre o maior quadrado m~dio residual As médias de variedades, em ordem decrescente, sao
( (8,55) e o menor (1,99) vai pouco além de 4. Fssim sen- dadas a seguir.
( do, podemos fazer uma análise conjunta sem dificuldade.
1. Huinkul 21,8 t/ha
Temos: 2. B 116-51
( 20,3 t/ha
SQ Experimentos = (1/32) [ (488,8) 2 + ... +(613,0) 2 ] -C 3. s. Rafael a 19,8 t/ha
( 4. B 1-52
3.691,59 ' 19,4 t/ha
( S. B 72-53 A 19' 1 t/ha
SQ Variedades= (1/28) [ (313,8) 2 + ... +(346,6) 2 ] - C
6. B 25-50 E 13,8 t/ha
( 3. 276' 19 ' 7. Buena \Tis ta 12,4 t/ha
( SQ Var. e Exp. (1/4) [ (47 ,0) 2 + ... +(53,2) 2 1- C 8. Kennebec 11,2 t/ha
8.772,33.
( A diferença mÍnima significativa, ao nível de 5% de
logo probabilidade, pelo teste de Tukey, e:
(
(
SQ Var. x Exp. =
=
8.772,33- 3.691,33- 3.276,19
1.804,55 .
,
u
=
4 , 50 l/I 42,9 7
28
5,58 t/ha .
(
o quadrado médio residual é a media ponderada dos Por aí se concluí que as 4 primeiras variedades su-
( quadrados médios residuais dos ensaios, neste caso equi- per am s ígni fi c a ti vamen te as 3 Últimas.
é
valente à media aritmética respectiva, pois os pesos a Os testes t, de Duncan e de Scheffé se aplicariam
(
serem usados (números de graus de liberdade respecti- da maneira já conhecida, pa,~a comparar médias de varle-
( vos) são todos iguais. dades, sempre usando como resíduo a Interação Varíedades
Obtemos, assim, a seguinte análise da variâncla. x Experimentos.
(
(
Causa de varíaçao G.L. s .Q. Q.M. F 84
I I OUTRO ExEWLO
(
( Experimentos (E) 6 3.691,59 615,27 14,43 ** Um modo prático e usual de análise-conjunta de ex-
Variedades (V) 7 3.276,19 468,03 10,89 '~<* perimentos consiste em considerar as medias referentes
( Interação V x E 42 1.804,55 42,97 a cada caso e analisâ-las corno se cada experimento fosse
11,13 '"'* uma repetição.
( ResÍduo médio 147 3,86
D~rnos na tabela 8.4.1, corno exemplo, as médias de
( produçao, em kg/ha, de urna variedade (V38) e de oito li-
( Os quadrados médios para Experimentos e para Varie- nhagens de rnamoneira em cinco localidades no ano agrÍco
dades são testados em relação à Interação V x E; esta, la 1946/47, de acordo com dados de SOUSA' e CANECCHIO
c por sua vez, se prova em relação ao resíduo médio. F9 (1952) .
( Pela anâlise de varíâncía se concluí que, embora ha O maior quadrado médio residual observado (88210) ê
ja interação significativa Var.iedades x Experimentos, ís menos de três vezes maior do que o menor deles (29930),
( to ê, embora 0 comportamento relativo das variedades vi= lo?o os ex~erirnentos p~d~m ser ana~!sados em conjunto sem
( rie significativamente de uma localidade para outra, ha ma1ores cu1dados. A anal1se da var1ancia, feita como pa-
efeitos gerais de variedades que se sobrepÕem a essas va ra o çaso de blocos ao acaso, é dada a seguir.
( riaçÕes, de sorte que se podem indicar algumas varieda~
( des como de maior produção para toda a região, e nao
nas de interesse local.
(
(
138
139
.,......
<11
Locais 4 4.800.004 1. 200.00 J 41,00 MN..SOillC:OillC:OO ,..._ o
0::: ill0\0\Nll"\r--.Ntrl..S N N
Tratamentos 8 398.815 49.852 1,70 0\.--INO\C:0.--10-'1"0 0\ t.r\
Interação Trat. X
.-INN.-1.-INNNN co -'1"
UJ ...... --o
x Locais 32 936.520 29.266
(
Total 44 6.135.339 (<lJ
( +J ..SNC:Or--.NNMO\,..._ -'1" o
.....<lJ ..SNll"lillMMC:OO\ill o N
,..._
( E-<
--o..S..Strlll"\ll"\illill-'1"
,.-.l .-I .-I .......... r-1 ........ ' .-4 ....--. r-1
o
-'1" tf)
...... M
( Verifica-se,- pois, que os tratamentos nao
entre si. Entretanto, como a variedade V 38 foi
( mo testemunha, ê razoável isolar na analise o contraste <11
<J
que compara esta variedade com as linhagens, co me faze- o NUi....--l("')f"'-.. r- C"'J~N ...... o......
( <J
o
MO\Lf"\..-<<.;:TO\M0\0\
C:Oll"\CO--or--.N N MO\
l1"\
mos a seguir. l1"\
,..._ N
c ::E! ...-1.-1.---tr-IMNNNr-1
.--'
co
co
( <11
..c
(
Causa de var1açao G. L. S.Q. Q.H. F
· -' -
-- 00
.!G H
<1!
s<11
o
o .O L{')
--o 0\NO\OMO\NN
.....;:t r- '-O r--1 N .-1 -'1"
LI',
o,..._
( Di f. entre V 38 e Ei -o -'1" l1"\COM..j'..j'Nilll1"\ l1"\ ......
linhagens <lJ
.,...~ ..... .-lr-ir-1.-lr-1.-lr-1..-1 M 0\
(
1 11. 16 7 11.167 o, '3812 ~ p..
....... --o
Entre linhagens 7 387.648 55.378 1,89 .,s. .
( o
(
Tratamentos 8 398. 815
-o
(:: ...o illO\If\..SN c-< illM CO
<lJ
6
<lJ
H c0.-10'.()f'.lf\ ..j' N'.()
..j' o
M
,..._ M
cO p.. .-< N O N N ..--lN N ,-< 0\
( <lJ
r-1.-lr-1.-l.-1~..-1.-lr-1
o....... 0\
N
-o 0:::
Também neste caso o resíduo usado foi o Quadrado
Hedio da Interação Tratamentos x Locais. .,...cO
( -o
\<!)
s
c 8,5. AINDA ÜUTRO ExEMPLO o
l eU
U)
(::
( <-i'
;:I
<lJ
bO
-o <11
c Veremos agora como reunir experimentos realizados o ..c
em vários anos e em diversos locais. Tomamos como exem- l-1
p.. .,c. . .,. .
(/)
cO
( ...... o
plo dados sobre amendoim publicados por SOUSA e ABPJU1I-
......
COillCO.-INM o .,...
U)
-o
;:I
.,...
<lJ co.-.illr--.r--cococo o cO
( DES (1952). Trata-se de médias ajustadas de produção de M -'1" ..-< .--1.-<COC:OCO ....... ..... (I)
(
(
(
( 140 141
( '
Ano 41/42
( Totais de
Variedades Locais Totais de
( Variedades Campinas Rib. Preto Pindorama tratamentos locais
( 40 - Roxo 1780 690 4400 6870 40- Roxo 20220 Campinas 24190
( 54 - Roxo 1450 470 4330 6250 54- Roxo 19400 Rib: Preto 16380
59 - Cateto 1430 520 3440 5390 49- Cateto 17430 Pindorama 30470
( 53 - Tatu 790 280 3710 4790 53- Tatu 13990
(
5450 1960 15880 23290 Total Geral 71040 Total Geral 71040
(
(
Ano 42/43
( O esquema de análise pode ser o seguinte, dado por·
Variedades Campinas Rib. Preto Pindorama COCHRAN e COX (1957) (pp. 565-567).
(
( 40 - Roxo 2610 1570 1850 6030 Causa de_variação G.L.
54 - Roxo 2590 1330 2010 5930
49 - Cateto 2710 1500 2240 6450 Tratamentos (T) 3
( 53 - Tatu 1590 1170 1790 4550 Locais (L) 2
Anos (A) 2
( Interação T X L 6
9500 5570 7890 22960
'· ( Interação T X A 6
Interação L X A 4
( Interação T X L X A 12
Ano 49/50
(
( Variedades Campinas Rib. Preto Pindorama Primeiro calculamos:
( S.Q. Q.M.
·a
<J (j)
C1l
"Cl
(j)
0000
\O -<r -<r o
o
-<r
Causa de variaçao G.L .. F
,_,
O "Cl 'M C') 0\ -<r
Lr'l N
H 0\ 0\ ,..._ Lr'l N
( C1l
:>
M
Tratamentos (T) 3 2.562.555 845.185 10 ,58**
( Experimentos (E) 8 29.273.300
( Interação T X E 24 1.917.345 79.889
( Total 35 33.753.200 Ul
C1l
t:: M
( •M -<r
p..-.._
0000
............ 0\ 0\
o
o
o
o
13 N ,..._ \O Lr'l Lr'l Lr'l 0\
( C1l -<r
Exige-se aqui, como nos casos anteriores, que os u
NNN...-i 0\ \O
o
quadrados médios residuais não sejammuito diferentes,is ......
(
to e, que o malor deles não supere sete vez es o me~
( nor.
Ul
C1l
Os testes de Tukey, de Duncan e de Scheffe seriam c 0\
( 'M
p.. ...._
-<r 0000
OMCJ\r--.
o o
,..._
aplicados da maneira usual, tomado para quadrado medi o re 13 <X) ...-<0000(')
0\
...... 0\
C1l -<r ,..._
( si dual o que corresponde a QMI' x E. Teríamos, pois, ao u
N r-I f""""'i r--i M
( nível de 5%,
( 282,6 - 36 7,4 o
/::,. = 3,90 . ~ o
( /9 (j)
J..< ...._
Lr'l 0000
Lr'l• -<r 0\ ,..._
o
Lr'l
o
o
0\ '-Or-.OOLrl <X) r--
( Logo a variedade 53 - Tatu teria produção inferior ""'
1::<:
-<r N N ,.--; ,.--; <X) -<r
<X)
a todas as demais, e estas não difeririam entre sl.
( C1l
13
( (lj o
(
8.7 I ofiÉ:TODO DE CocHRAN o ...._
J..< Lr'l
"Cl 0\
0000
o...or-.r-.
.--l.--lLr'I<X)
o
o
r--
o
o
0\
t:: -<r N N .--l N
(
Quando os quadrad·os médios residuais sao muito di- •M "' Lr'l
(1952). ,_,
•.-I I 1. I I C1l u ~.3
(
(
>
l1l 0-<1'0\M
-<r Lr'l -<r Lr'l
~
O
E-<
a·
...-i ~
O' I
(
...
~- ~,~-~- ,,_.il'"~-~loO>o -~,·~--.,--.. -- ~"!'"-''-~ '~"""""''l:'lf~l~~~, ~~..,_-.•~: .": ~":":!-~ ~~.,.._ ........ ~i·_~"'!'~~ -~- ~.;f• \ ' '. , .. ~;-· · ·y: ... :~--~· .. ·'r"•;,,~
(
(
148 149
(
Adrai tiremos que os experimentos sejam em blocos ao (nr) · Sendo s { o Quadrado I-tédio Residual em cada
c a c aso, tendo, pois, 9 graus de liberdade para o resÍduo, , rimento, .com ni graus de liberdade, temos:
expe-
( cada um deles.
Representemos por X os dados médios da tabela ante-
(
rJ.or e teremos:
(
69.464.800, EX= 32.240
( n·]_
( (32.240)2 16
c = ~--~~-----
64
259.854.400 (52.900 + ... + 106.900)2
(
(52.900) 2 (106.900)2
( Temos de multiplicar por 16 = 42 no cálculo de C 9 + ••• + 9
porque, "Como havia 4 repetiçÕes em cada experimento, o
( verdadeiro total geral seria 32240 x 4. Ajustamento anã- 25,9 26 '
( logo se fez nos cálculos restantes.
2
Esi 248.470
c SQ Trat. e Exp.
69.464.800
4
X 16
c 18.004.800 , vl - - - 62118 ~ 62,12 X 103
c e 4
( SQT = _!i [ (9560) 2 + ... + (5400) 2 ] - c 10.978.400
16 21.415.870.900
( 5354 X 106 .
16
( SQE = [ (6700) 2 + ••• + (9500) 2 ] -C= 5.304.200 , e 4
16 .
( (n - l)(e- 1) 2 vl2
SQT X E = 18.004.800-10.978.400-5 . 304.200 = 1.772.200 . nte=
(
Quanto ao Quadrado Médio Residual, o modo mais fá- (e 2) v2 + vl2
( cil de obtê-lo consiste em tomar a média ponderada dos
3 32 (62,12)2 106
X
( quadrados médios residuais dos experimentos, embora pos-
sa também ser calculado da maneira usual, como em 8.2. 2 X 5354 X 10 6 + (62,12) 2 10 6
( A análise obtida é dada a seguir.
( 7,14 ::: 7
( Desvio Nas fÕrmulas acima e é o numero de experimentos e n
Causa de variação G.L. S.Q. Q.M. F
adrão é o número de tratamentos.
(
Tratamentos (T) . Te-:íamos, pois, apenas 7 graus de liberdade para a
3 10.978.400 3.659.41) 7 19,12*
( Experimentos (E) 1nteraçao T x E (em lugar de 9) e 26 para o resíduo (em
3 5.304.200
( Interação T x E 191.356 3.08* 437,4 vez de 36). ~com esses números ajustados de graus de li
9 1. 722.200
ResÍduo 62.118 249,2 herdade, que julgamos a significação dos valores de
36 2.236.248 F
( obtidos. O teste de Tukey pode ser usado com n = 4 tra-
·. tamentos, n 1 = 7 graus de liberdade para a interação. Ao
( nível de 5% obtemos:
.( Agora temos de · ajustar os numeras de graus de \i-
herdade para a Interação T x E (nte) e para o Resíjluo
·c
(
(
( 151
!50
(
(
-
~.!~~-1~\>IOl __
( 153
152
(
Consideram-se a analisam-se como experimentos em
( Se tivermos 5 repetiçoes e as parcelas dispostas em parcelas subdivididas os que se realiz~ nas me~mas par-
quadrado latino. o esquema de análise será: celas e com os mesmos tratamentos em do~s ou ma~s
( anos
sucessivos, desde que não haja mais de 3 ou 4 anos.
( Um ponto relativamente complicado nos experimentos
Causa de van.açaa G.L. Q.M. em parcelas subdivididas é o que se refere ã comparação
(
entre médias de tratamentos pelos testes t, de Tukey, de
Linhas 4
( !)uncan ou de Scheffé.
Colunas 4
( Para explicar de uma maneira bem geral esta ques
Variedades 4 QMV tão, imaginaremos um experimento em parcelas subdividi=
ResÍduo (a) 12 QMR (a}
( das com a tratamentos A aplicados ãs parcelas, dispostas
em r blocos casualizados, e b tratamentos B aplicados às
( (Parcelas) (24) subparcelas. A análise da variância seguiria, então, o
( seguinte esquema.
Espaçamentos (E) 2 QME
( Interação V x E 8 QMV X E
Resíduo (b)
c 40 QMR (b) Causa de variaçao G.L. Desvio padrão
( Subparce las 74 Blocos r - 1
( Tratamentos A a - 1
ResÍduo (a) n a = ( a-1) ( r-1)
( Em qualquer caso, o Quadrado Médio de Variedades
(Q~N) seria provado em relação ao Quadrado Médio do Re- (Parcelas)
( 1.ar - 1)
sÍduo (a), indicado por QMR (a), e os Quadrados Mêdíos
( de Espaçamentos ·· (QME) e da Interação V x E, em relação Tratamentos (B) b - l
( a Q~ffi (b). Em geral, acontece que temos QMR (a) >QMR(b), Interaç ão A X B · ( a-1) (b-l)
de sorte que os efeitos dos tratamentos ensaiados nas ResÍduo (b)
( subparcelas (os espaçamentos, no exemplo acima) são de- nb = a ( b-1) ( r-1)
terminados com maior precisão do que os efeitos dos tra- Subparce las
( a b r - l
tamentos testados nas parcelas (variedades). Esta ·dife-
( rença de precisão ãs vezes constituí um def~íto deste ti
po de delineamento. mas também pode ser vantajosa. Uma
(
desvantagem é, porém, sem dúvida, que a análise estatís- Consideraremos quatro c asos, que sao os ma~s impor-
( tica ê. mais difícil do que nos blocos casualizados ou tantes.
( nos quadrados latinos e que algumas comparaçÕes entre
combinaçÕes de tratamentos se tornam relativamente com- 19 Caso - A comparaçao entre tratamentos A é feita
( plicadas. com o au~Ílio do desvio padrão sa· Por exemplo, para um
Em casos mais complexos, as subparcelas podem, por contraste Y == Ai - Au , onde Ai e 1lu são
( medias de
sua vez, ser repartidas em subsubparcelas. Temos, então, tratamentos A, temos:
(
(
três resíduos distintos: Resíduo (a), referente a parce-
las, Resíduo (b), a subparcelas, e ResÍduo(c), correspon
dente .a subsubparcelas. E o processo de subdivisão pode
~
s (Y) =
yq
. --
br
t
( ser ievado mais alem, se for conveniente.
(
(
(
( L54
155
(
com na graus de Liberdade.
JÇ Caso Suponhamos agora que queremos comparar
( Para os testes de Tukey e de Duncan temos, respec- dois ou mais tratamentos B num mesmo nível de A, o que
tivamente,
( equivale, no exemplo dado acima, a comparar dois espaça-
mentos para uma mesma variedade. Também aqui ê o desvio
(' padrão sb que deve ser usado.
q D z ---
( Para um contraste Y = (AjBi) - (AjBu) temos:
(
onde q e z correspondem a a tratamentos e na graus de li t -
-
y
-S"(y)·
( herdade e, finalmente, para um contraste
com nb graus de liberdade,
( Y = clAl + czA2 +
(
(
( 156
157
(
Um valor aproximado para n', usado com bons resultados,
( eo proposto por SATTERTHWAITE (1946): o
ç::
........
NN-.J:>NC'l-.J:>..::t-.J:) o
1) Vb] 2
<1l ~
(
~ ~ ~ ~ ft ~ ft
[ Va + (b o o
n' =
....
<1l
u O•
NCV'lC'/M'-ONCV'l
ooco.--.0'1--r..::r-.o
,..... 0'1
(V)
......
,....o N -.o .
Q)
(
v2
a
(b - 1)2Vt
(.)
,_.
<1l
..0
o
( + o. O• ç:: -.J::>NOON0'-00 co N
na nb ,_. -<!" <1l ~ ~ ft
.--.N-..:;r.-<QC'/.-4.-4
ft ~ ft ft ft ft
( -.o
o O• 00 lf'l 00 '-O. CV'l C'/ N CO ..::r
o. ...... ..::r
( Temos entao Q)
o
c ",_. -.::r-.oo..::rco..::r-..oo
y
ª
Q)
N
~ ~ ~ ~ ft ~ ft ~ ~
t :> o '-OOONCV"'!OC'IMN o
u o• COCO...-<OOlf"'\<'1'-00'\ ......
( s(Y)
I
<1l
•.-1 ,....o N ,..... -.o
,_. ..0
( com n' graus de liberdade e, no caso dos testes de Tukey 1<1) o
e de Duncan,
j.J
<1l
O• c '-O -.::r OO..::tONO -.o
<"') <1l n
(
ft ... #'> ..........
s O•
OONNQ'\..:;tNG'I co
OOlf"'\0'>-.::tNCV"'!...-< o
n
lf"'\
...... -.o
( s' SI
<1) ...... -.::r
(
q D z --- " 00 o
..!:<:
o
c<1l ON'-OOOON..::tO
~
....
..::r
....
N
.... .... .. .. .. N
n
Ul
<1)
..0
O•
N
O•
o
c<1l
......
00 '-OOON-.::t 00'-0 ..;r
ft n n
'-O..OOlf'IN-.::t..-4'-0
f'.li"'\O'>lf'IMMNO
n n n n ft
......
-.o
f'.
ft
-<:!"
..::r
(
graus de liberdade.
O teste de Scheffe nos daria
",_.
<lJ o
:> c<1l NOO N O N ' - 0 0 N
n n
N
( (/) o o MO r-1
ft ~ ft
f""'"-. C"")
ft ~
r--. o
~
M
ft
o u ......
( S s1 j.
~
r
ci ( + ••• + c~ ) F
..0
:l
o
,....
O•
N
0'1 00 N 0\
......
l.f') M r-..
......
-.o
-.o
( liberdade.
Convem salientar que nos ensaios em parcelas subdi-
"o O•
......
'-0-<:t"NOO..::tMlf"'\ co
00-.::tO'-OMMN (V)
...... ......
M
M
lf)
1<11
( ()'> '
vididas ha dois coeficientes de variação, um referente :l
o
( ao desvio padrão sa, outro correspondente a sb. ",_.o u
,_.
~
(
( 9.2. UM ExEMPLO
p.,
(/)
o
~
~
<1l
al
,_.
o
O.">l
al
o. -o ........,
<1l o
§
~
<:.)
;:l
.g
~
~-
j
<::n
( Tomaremos como exemplo um experimento com 8 trata- s:: S::!<1l •'O o
Q) ;:l· . . ~ ~....: <1l"l-( .c
( mentos (7 adubos verdes e milho) em blocos ao acaso, com ~ CJ·..-4~
8""0
Q · ..-,~..-1
64
(
686.381,68
SQ Parcelas = - C= 42.722,42 .
( o
2 N CO--<t-;1"-;1"NN--<t-;1" N
u ft ft ft ft ft ft ~ ft ft
( 0\ O• o CV'lU"\CON'-0"'--<l'N 0\
Adivisão por 2 no cálculo da soma de quadrados pa- --<r ...... "'CV'lO\U"\1'-r--COr-- li"\
..0 r-4 ~ r-1 t-I ...... o
( ra parcelas é devida a termos duas subparcelas (isto e, ......
dois anos) em cada parcela.
(
Tendo em vista gue há 19 subparcelas em cada bloco
( e 8 para cada tratamento, fica: icrl
O·
o
u
o
000-;1"N-;1"CIJO
ft ft ft
if'I-'-;1"NV')U"\ NO
ft ft ~ . ft
co
li"\
ft
( 1 (V') ......
[ (1196,4) 2 + ... + (1059,2) 2]
r--.;:tO(V')r--'-0 CIJO r-
SQB -c= 851,43 ~ ..0 .-1 ,...; N ...... N o,.....
( 16
c SQT = S1 [ (686,6) 2 + ... + (807,8) 2] -C= 40.189,61 ,
(
O•
o
u
o
COC0--;1"0-..j'OQ..;r
ft ft
ococn-;r"'co
ft ft ft ft . . co.
..;t,.o (V')
SQRes (a) = 42.722,42- 851,43- 49.189,61 = 1.681,38. N,...; 1'-NO\CV'lCO"' CIJCO li"\
( .D r-1 t-1 ~ r--1 ...... o
.-1
(
onde 1919,6 e 2465,6 sao os totais respectivos do primei_
o tl
( ro e do segundo ano. U.
(
(
Para obter a Soma de Quadrados correspondentes ã In
teração Anos x Tratamentos, começamos por organizar
quadro com as produçÕes dos tratamentos em cada um
anos do experimento (tabela 9.2.3).
um
dos
N
N o
w
(/)
w
crJ
,_.
Q)
p.""
<1l
o'"'
Q)
o
<::3
P.<::J
cJ
""'
:3
·~
;:I
~
~
~
j
<::n
( 0\ c
Q)
r:ltC1l
;:1·.-,~ """r::..s:! crJ~,.C::
o
~
<1l () ·.ri ~ crJ Q.. .,...., ~ ......
( ...... ~Cll (Sc:.!O ·~
Q) w .r:r..u 1-CI)U
(
..0
<1l
E-< E-<
113
,... . . .. . . .
.-<NCV'l--;1"11'\'-01'-00
(
(
(
( 161
i60
(
J\.JJâJi~l ' da var~anc~a
Tabela 9.2.3. Totais anua~s relativos a tabela 9.2.1.
(
causa ~e Desvio
(
iI Totais de
variaçao
G.L. S.Q. Q.M.
padrão F
( I Tratamentos 19 ano 29 ano
tratamentos Blocos 3 851,43
( I
I l. Mucuna preta 333,8 352,8 686,6
Tratamentos (T) 7 40.189,61 5.741,37 75' 77 71,70**
( I Resi:duo (a) 21 1.681,38 80,07 8,95
2. Feijão de porco 205,2 327,8 533,0
( 3. CJtot. junc.e.a 370,0 450,4 820,4 (Parcelas) (31)(42.722, 42)
\ 4. Guandu 233,8 344,4 578,2
( Teph. c.ancU..da
I
I
5. 120,8 208,2 329,0 Anos (A) 1 4.658,07 4.658,07 68,25 121,88**
( 6. Soja 133,4 142,8 276,2 T.
Interaçao A X 7 5.048,64 721 '23 26 '86 18,87**
\
7. CJtot. gJtan;U_a.na 87,6 266,4 354,0 ResÍduo (b) 24
( 8. 919 '73 38,22 6,18
Milho 435,0 372,8 807,8
( Total 63 53.348,86
1919,6 2465,6 4385,2
(
(
(
Temos agora: Como a Interação A X T e
significativ a, este esque-
ma de análise deve ser modificado, pois isso indica que
(333,8) 2 + ... +(435,0) 2+]
l
( os tratamentos se comportam de maneira diferente em rela-
ção aos anos. g preferível, pois, estudar o efeito dos
( SQA X T 41 +(352,8)'2 + ... +(372,8) 2 - C - SQA - ~QT
anos em cada tratamento sP.paradamen te. Temos então:
(
49.896,32 -4.658,07 ~ 40.189,61 SQ Anos dentro do Trat. 1 =
(
(
5.)48,64
Agora podemos completar a análise de variância que
±[(333,8)2 + (352,8)2] l
8
(686 ,6) 2
( e dada a seguir.
I 45' 13 '
( I
I
I
e analogamente para os outros casos. Podemos então orga-
J· nizar a tabela 9. 2. 4 para a análise da variância.
(
Em todos os casos em que foi significativ o o efeito
( dos anos, houve aumento de produção no segundo ano, com
( exceção apenas do caso do milho (tratamento 8), em que a
(
safra diminuiu. Essa discordância de comportament o que e
tornou significativ a a Interação Anos x Tratamentos na
( outra analise. Contrastes entre as diversas combinaçÕes
de tratamentos e· anos podem ser testados pelos testes t,
( de Tukey, de Duncan, de aonfer roni e de Scheffe, de acor
( do com as normas gerais jã vistas. Por exemplo, para o
contraste entre duas medias de tratamentos nos dois anos,
( o método de Tukey nos dâ, para o nível de 5% de probabi-
( lidade:
(
i~----------------~--~
..
rr"'···"!]i'"ii"•--)-~J····--···---P--~---···-·~---..,........,_ _.~t<"'•~:(•-.,.._""',.,.''''''~'~'!:'<'JMI'"""'i'!"',.-,,..,.·"~~,_.\~':Cn · '.·-·",~"'P<:<::"::~":.:• •':""•·,.,!·•··-''''''.,~~r:>:"V'"1'
(
( 162 163
(
Tabela 9.2.4. Anãli~e da var1anc1a du~; dados da Vemos, po1s, que a CJW.tal~a juncea e o milho não
( 9. 2.1. diferem entre si, e que ambos superam todos os outros
tratamentos, ao nível de 5% de probabilidade, pelo teste
( de Tukey.
( Causa de A comparação entre essas médias pelo teste de Dun-
~
G.L. S.Q. Q.M. F
variaçao can seria feita com as amplitudes mínimas significati -
( seguintes:
( Blocos 3 851,43
Tratamentos (T) 7 40.189,61 5.741,37 71 '70** 3 35 8,95
( De 10,60 '
(
ResÍduo (a) 21 1.681,38 80,07 ' rs
(Parcelas) (31) (42. 722,42) 8 95
( D7 = 3,33 • = 10,53 ,
( Anos d. Trat. 1 1 45,13 4-:5' 13 1,18
/8
Anos d. Trat. 2 1 1. 878,85 1.878,85 49 ,03** e ainda, calculados analogamente,
( Anos d. Trat. 3 1 808,02 808,02 21 ,09** D6 10,41, 9 '77
( Anos d. Trat. 4 1 1.529,05 1.529,05 39 ,90** = 10,25 ,
D5 9,30
Anos d. Trat. 5 1 954,85 954,85 24 ,92** D4 = 10,03 , li!
( Anos d. Trat. 6 1 11 ,os 11,05 'li
0,288 tI
( Anos d. Trat. 7 1 3.996,18 3.996,18 104,28** Verifica-se, pois, que ainda neste caso aC~o~ai~a iI
Anos d. Trat. 8 1 483,61 483,61 12 '62** junee_a e o milho não diferem entre si, e que ambos supe- li
( ResÍduo (b) 24 919,73 38,32 ram todos os outros tratamentos, ao nível de 5% de pro- i I
( babilidade. ! i
l
" r"\ - - ......., r"'\ """ r"\ , , ,......., ·"' ,....., ·"""· ,....., .........., .....__ "
1l
.. , ;;- • .- -c.-.·-~ ~ ...~,..
,.....
n ro P. t1
.\.N
LD ~ 'O N OQ ,Cl
t-i •O C:: C:
~
1-'·
p.. p.. Ct>
-o (/)
,.q ()
o
o' tu "'
tu ::l P.::l
o' O
::l (t>
c: o
M\
1-'·
()
'"dlllCJ
'O
t1
o c..,
P..Ct>
(t> to
~
Ct>
+:-
l
>1 "' o lll rt o 11 11 rt rol
P.'d "' ll>
C:II>::IO Q
tnc:r'l-iP >O
c: "'
~
::I
~ +
w
"-./ "-./
'O ::; ro
Ct> o
..... n
,......,
.....>
::;
rt(t)CJ'
1-i to
.....
~
+:-
11
"'..
P.!t>
Ct> Cll to
~
~ (D lll >1
1-i
5 ~ ~ ~ ~ !-'•
.s: -1~!
o' o.('l 1-'• ln C1' o n o 1:10 tu rtN ln ro
'dii>IP. él
lll o "'
"'rt
(/) +:- \0
at'D\ oE! E!
'O
N
'-'
(/)
~
ro ln. w
w p.
()Q
;:l
1-'•
"' !'
~
~~~
nSroC :!ll rt tu 1-i + ro ~ ~ 1-'• +:- ~ •l
ro 1-'·S lll ::l t'D\ o lll (/) ro N >-1 () +:- N
..... ::; p. lll\
ll> ro P.l-i ,.....
I -P-1'-' o. a11 ,-.. rt a N c:
;.;-
lll Vl '!
~
(/) o ro1 > ro o rt
'i c:: lll 1-'· 1-'• N ,......, P..lll + (/) N+ ro 1-'•
lll lll p. (/) (]Q ..... p.. 1-'· 1:10 11 '< <
a(DI '!
.s::-1~:
rn >--'000 ro ::l ro lll N ,Cl 00 o
..... ...._, ..... o
llll
ontn> -'P.
o c:: lll (D
M\
.....
+
.....
CllP.P..
c:
ro
..+:-
"-./ . o
~
ro ll> ..\0
N
~
o.SO" rt ()
n lll 1-'·
;:r' lll
I
o "-./ ... ,
11 .o
\0 1
!ll'd'di- '·C: + n N N :1
P.t-'lll ::lS
lll (D t1 o
"'1-'•
~ 11
.,... +:-
..._,
(D
t-t~;:rP..
M\Qill
,-..
>
n
o
11 ~
o <
::l
~--'' ** i
tJl ~ n ro ~ ro1 k -...] ::l '-' tJl (D
::;
lll ll>
.
tu
>-'(D"Ó
ro
(D p. ::< o ~
,.....
,..... ~
N
~
tu p n
~s
1:10
...._,
N
~
1-i
tu
~
C1'
\0
'O
lll
,.....
p.
~
>mlnli
..... o N o ~ .:;:l
c: (/) 11 ro
CJl ~ '-' ~ lll
lll
O" 'O
x
c:
aro ~
* ::; :4 lll
1-'1
ro
~
o
,.....
~
rot1SV 1::l ~1:.!::>'0 ::;
..... o lll ..
lll p.
c::
~
o
ro ;:r 1-i
>--' e
ro
llll
o
::l
....
<
, p..
(D
'k ~
tJl tJl
\Do.() ro ro () p.. (/) ro
,..... 'O
• OIS ::I o
Wt'D
ro <'-· (D li
P..E! :4 11 o
(/) lll o Vl::S 1-'• p.. o'
...... p. ·Vl N:4ro
~
lll (D
c: ,....
c:r'n < .....
(/)
P.OP>I ll
ro I I
P.::l
(!) o o
p..
/OQ
V1
N ,;:;:
Tabela 9. 3 . l . Produç ão de cana, em kg por
parce~a.
~
~f
144,0 168,0 312,0
3. 153,6 ~
120,0 273,6 M
CB 38-22
~
105,6 98,4 204,0
175,2 199.2 374,~ Total do adubad o ...... . 5.275, 2 r~.
165,6 iJ
177,6 283j2 Total do não adubad o ... 4.356, 0
744,0 703,2 1447,2 Total Geral ...... ...... 9.631, 2
l
~
...... ~~
- ---~
C1' ~
I
ln
(
(
166 167
(
( A distribuição dos tratamentos (variedades) e das Tendo em vista que a Interação Variedades x Aduba-
produçÕes de parcelas nas linhas e colunas do quadrado1a é significativa, podemos estudar o efeito da aduba-
( tino consta da tabela 9.3.2. em cada variedade separadamente, como se faz a se-
(
Tabela 9.3.2. Distribuição dos tratamentos no quadrado
( latino.
( variação G. L. S.Q. Q.M. F
c 477,6 465,6 295,2 283,2 496,8 2018,4 Ad. dentro de vl l 12.616,70 12.616,70 l3 ,85 **
( 5 4 2 3 1 Ad. dentro de v2 l 14,40 14,40 O,vlo
Ad. dentro de V3 1 166,46 166,46 o' 183
( 367,2 484,8 451,2 374,4 374,4 2052,0 Ad. dentro de V4 1 5.419,58 5.419,58 5,95 *
2 1 4 5 3 Ad. dentro de V5 l 9.144,58 9.144,58 10,04 **
(
ResÍduo (b) 20 18.214,27 910,71
( 523,2 204,0 264,0 537,6 247,2 1776,0
c 4 3 5 l 2
(
(
( 168
169
(
( = 4,13 ~ = 57,57 . Tabela 9.4.1. Brix de mangas de diversas variedade s.
rs
( O valor de 6 foÍ calculado para o nível de 5%
( probabilid ade. Variedades Norte Sul Leste Oeste Total
Verifica- se, pois, que a Co 3X excede
( mente todas as demais variedade s, quando adubada, com ei 18,0 17 '1 17,6 17,6 70,3
( ceção da Co 419. Esta por sua vez supera significativa~ Cariota 17,5 18,8 18,1 17,2 71,6
mente a CB 38-22 e a F 42-68. 17,8 16,9 17,6 16,5 68,8 210,7
c O mesmo valor de 6 nos permite comparar entre si as
( variedade s na parte não adubada. Verifica-s e então que a 16,3 15,9 16,5 18,3 67,0
Co 3X e Co 419 não diferem uma da outra, e que ambas su- Extrema 16,6 14,3 16,3 17,5 64 '7
( peraram todas as demais. 15,0 14,0 15,9 15,2 60,1 191,~
20,60
20,12
51,60
6,87
1,68
1,72
3,99*
o,977
Imperial .......... ..... .
Carlota •.... , .......... .
Oliveira .......... ... ~ ..
Bourbon .......... .......
Extrema .......... ...... .
17,61
17,56
16,33
16,19
Resíduo (b) 15,98
( A diferença mínima significa tiva, ao nível de 5%,
Subparcela s 59 137,58
pelo teste de Tukey, ê:
(
(
(
/
r--"-~--·
(
( 170
171
(
( 4 66 11,57
(
, m l, 6 8 ,
.(
:j -----~-~----'----------~-----
(
( 172 173
( rem, em que razoes de ordem pritica nos levam a adoti
( los. Tal acontece, por exemplo em alguns experimentes de causa dl! variaçao G. L. S.Q. Q.M. F
época de colheita, quando esta ê feita por meios mecâni-
( cos. Convém, então, que estejam numa só faixa todos Blocos 3 1.011,06
( · tratamentos a serem colhidos na mesma época, afim de fa- Tratamentos (T) 7 40.159,68 5.737,10 79, 73*>'<
cilitar o trabalho das máquinas. Resíduo (a) 21 l.Sl.l,07 7l ,96
(
( (Pare e las) (31) (42.681,81)
(
9,6, lJM ExEWLO COM SUBPARCELA PERDIDA
Anos (A) 1 4.452,22 4.452,22 118 '54>'<*
( Suponhamos agora que no experimento de 9.2 foi per- Interaçao A X T 7 4.899,16 699,88 18,63>'o'c
dida a produção de feijão de porco no 19 bloco (44,0), ResÍduo (b) 23 863,92 37,56
( isto é, admitamos que hâ uma subparcela perdida. A ani-
( líse pode ser feita então mediante o cálculo de uma pro- suoparcelas 62 52.897,11
dução fícticía a ser atribuida i subparcela perdida. A
( fÓrmula a utilizar-se ê:
( N~te-se que se perde um erau de liberdade para o Re
r P + b (Ai Bj) - Ai
y síduo (b).
( (r-1) (b-1)
A modificação do esque•na de análise para atender ao
( onde r e o numero de repetíç~es, h é o n~mero de trata- fato de ser significativ a a interação A x T, é feita co-
mentos B testados nas subparcelas (anos, neste caso), p mo em 9.2.
( é o total das subparcelas presentes na parcela onde se Na análise acima o Quadrado Médio para o Resíduo (b)
( perdeu um dado, Aí é o total de todos os dados relativos fica corretamente estimado, mas todos os outros estão li
ao tratamento atríbuido a essa parcela, e (Aí Bj) é o geiramente exagerados. O erro cJmetido é geralmente des
( total das ~ubparcelas com o~ trata~~;:tos Ai e Bj corres- prezível, mas, se se desejar, poder-se-á usar o método
( pondentes a subparcela perd~da (feqao de porco e 19 ano, do resíduo condic i on<cll e xp l iv a du em 5. 5 para obter os v a
no caso vertente). Temos no nosso exemplo: lore~ exatos, ligeiramente inferiores.
( Quando o que mais nos interessa é a primeira parte
( r = 4, b = 2; P = 83 , 8 , da análise, isto é, as comparaç~es entre tratamento:> A, po
demos, com maior rigor, considerar perdida toda a parce=
( (Ai Bj) 56,6 + 52,4 + 52,2 = 161,2
la em que se perdeu uma subparcela e calcular o valor a
( A·~ 83,8 + 56,6 + + 52,2 + 83,2 489,0 , ser utilizado na análise pela fÓrmula já dada para o ca-
so de blocos casualizados :
( logo
4 X 83,8 + 2 X 161,2 - 489,0 rB+nT-G .
( y = 3 56,2 . y =
X 1 (r-l)(n-1)
c Este valor obtido ê substituído como se fosse a pr~ onde agora n é o numero a de trat·amentos A.
( dução da subparcela perdida e todo o cálculo é feito co-
mo em 9.2, com o resultado dado a seguir. g claro que se as parcelas fossem dispostas em qua-
( drado latino utilizaríamo s a fÓrmula corresponden te.
( No caso presente obtemos Y = 155,2 e a análise e
a seguinte.
(
.(
J
~----------------~------~
(
( 174
(
( Causa de variaçao c. L. S.Q. F 10. BLOCOS INCOMPLETOS EQUILIBRADOS
( 3 1.229,47
Blocos
( Tratamentos 7 40.162,48 5.737,50 79,93** 10.1. GENERALIDADES
ResÍduo (a) 20 1.435,54 71,78
( Quando o número de tratamentos é muito grande ou o
( Parcelas 30 42.832,98 material em estudo muito heterogêneo ou, ainda, quando
certas limitaçÕes restringem excessivamente o tamanho dos
(
bloco~, hã, por vezes, interesse em fazer blocos incom-
( Agora hã perda de um grau de liberdade para o Resí- · pletos, isto é, que não incluam todos os tratamentos. Por
duo (a). exemplo, para comparar raçÕes na alimentação dos porcos
( é conveniente tomar para blocos os leitÕes de mesmo sexo
Na tabela acima o valor de S Q T foi corrii~ido pe-
( lo método descrito em 5.4. de cada leitegada, os quais dificilmente vão al~m de ~
ou 9. Logo, se as raçÕes [orem em número de 12, por ex.e~
( plo, não poderemos fazer blocos completos. Por outro
( 9.7. BIBLIOGRAFIA lado, em experimentos com milho não raro temos algumas
centenas de tipos (hÍbridos. por exemplo) para comparar.
( P..NDERSON, R. L., 1946. Missing-Plot Techniques. Biome- Neste caso, nada nos impede de usar blocos completos, mas
( trics, 2: 41-47. eles ficariam tão grandes que só em casos muito favorá-
ANDERSON, R.L. e T.A. Bancroft, 1952. Statistí~al Theo- veis poderiam ser considerados uniformes.
( ry in Research. HcGraw-Híll, Nova York. Em qualquer dos casos acima referidos uma solução
( CALZADA BENZA, José, 1966. Métodos EstadÍsticos para la consist: em usar delineamentos em blocos incompletos,dos
Investigaciôn, 2~ edição, Lima. quais sao particularmente importantes os bl6cos incomple
( COCHRAN, \L C. e Gertrude M. Cox, 195 7. Experimental De- tos equilibrados ("balanceei incomplete blocks"), que es=
( signs, 2? edição. John Hi ley, Nova York. tudaremos agora, os reticulados quadrados ("square lat-
FEDEPER. Walter, T., 1955. Experimental Design. Mac- tices" ou "two-dimensional lattices"), que veremos no ca
( millan, Nova York. pítulo seguinte,e os blocos casualizados com alguns tra=
( KEtWTHORNE, O., 1950. The Design and Analysis of Expe- tamentos comuns, que constam do capÍtulo 17.
riments. J ohn Wi ley, Nova York. Os delineamentos em blocos incompletos equilibrados
( SATTERTHHAITE; F.E., 1946. An Approximate Distribution se caracterizam pelo fato de que neles cada tratamento
( of Est-imates of Variance Components, Biometrics, 2: aparece no mesmo bloco com cada um dos outros tratamen
ll0-114. tos e sempre o mesmo número de vezes :\.
( SH1ÃO, Salim, 1960. Estudo da Planta é do Fruto da Man- Consideremos, por exemplo, um experimento com v = 6
( gueira (tese). ESALQ, Piracicaba. tratamentos, numerados de l a 6, em b = lO blocos de K = J
parcelas, com a disposição seguinte.
(
1 L 5 2 .3 4
(
l L 6 2 .l 5
(
l 4 2 4 6
(
1 3 6 3 5 6
(
1 4 5 4 5 6
(
(
(
( 176 177
( Hã casos, ainda, em que os blocos pouem set reuni
( AÍ um tratamento qualquer aparece 2 vezes no doS em grupos de repetiçÕes, como no exemplo seguinte,
bloco com cada um dos outros. Por exemplo, o par em que v= 5 tratamentos, A 1, b = 10 blocos de k =L
( parcelas, e cada tratamento e repetido r = 4 vezes.
aparece nos blocos
(
19 i?rupo 29 grupo
c 2 3 4 2 4 6
(repetiçoes I e II) (repetiçÕes III e IV)
( Neste caso temos, pois, À = 2. Al~m disso cada trat
to aparece em 5 blocos, logo o número de repetiçÕes l 2 l 4
(
r = 5.
( A analise da variância seguiria o esquema seguinte. 3 4 2 3
( 2 5 3 5
Causa de variaçao c. L.
(
Blocos 9 l 3 l 5
(
Tratamentos 5
( 4 5 2 4
Resíduo 15
(
Total 29
( O esquema da análise da variância seria entao o se-
guinte:
( Hã casos em que os blocos podem ser reunidos de mo-
do a formar repetiçÕes e então o esquema da anãlis2 de
( Causa de var1açao G.L.
varlancia pode ser ligeiramente modificado. ~ o que con
( tece, por exemplo, no delineamento seguinte, em que te-
Grupos l
mos v = 6 tratamentos em b = 15 blocos de k = 2 parce-
( Blocos dentro dos grupos 8
las, com À= l e r = 5 repetiçÕes.
Tratamentos 4
( Resíduo b
l~ rep. 2 ~ rep. 3~ rep. 4~ rep. 5~ rep.
(
( 1 2 l 3 l 4 l 5 1 6 Total 19
3 4 2 5 2 6 2 4 2 3
( Acompanhando COCliRAN e COX ( 1~57), consideraremos os
( 5 6 4 6 3 5 3 6 4 5 experimentos em blocos incompletos equi lioraaos como en-
quadrados em três tipos distintos, jã exemplificaaos acl
( ma:
A analise da variância seguiria entao o seguinte mo
( delo. Tipo I - Experimentos em que os blocos possam ser agrup~
( G.L. dos em repetiçÕes;
Causa de variaçao
( Repet içoes 4 Tipo li- Experimentos em que os blocos possam ser dispo~
Blocos dentro das repetiçÕes 10 tos em grupos de repetiçÕes;
( Tratamentos 5
( Resíduo 10 Tipoiii-Experimentos cujos blocos não possam ser agrupa
Total 29 dos em repetiçÕes ou grupos de repetiçÕes.
(
(
-
~ . , , ....., •..,-!'""",.~~~~~.. ....,..~'"'!'~ 7'."" ~ .
... ~>-':~"'!'"~ ~.uzd\"""'l' ·"~-~~>"'":'': ::.~:•·~_..~.~·~·~ " ..-,-., _.~~-''!~'iff: M~- -.,.., ..,_,.., ~ , .. ;•-• ·•,., · -. . ,, .. .. ,_., ., _ ~,--~ :-.·
(
( 17 8
(
COCllRAN e COX ( l 'J S 7) cons i<..! I.! ram maü Jo i s Li pus , 0 no c;JSO UI.! blucus LllCOIUpÜ' LUS equiJiiJraJo::;. \1;:-se, po.Ls,
( tipo IV, com v = b, e o tipo V, que são os pequenos expe que, quanto menor o va Lu r J~: L, menor a precisao das es-
rimentos, com poucas parcelas. No estilo Je e~posiç~ timativas. Por isso, e~ i g ualdaJe de outras condiçÕes,
(
adotado neste livro e desnecessária a consideraçao dos devem-se escolher de preier~ncia delineamentos em blocos
( tipos IV e V anteriormente referidos. incompletos equilibrados com o valor de ~ tão próximo ae
A analise dos experimentos em blocos incompletos e 1 quanto poss Íve 1.
c bem mais difícil do que a dos experimentos que vimos COCHRAN e COX (1':157) (capÍtulo 11) <1ao uma relação
( atrás. Entretanto esta maior dificuldade de anilise, co dos principais delineamentos disponiveis em blocos incom
~o tam~em a maior perda de graus de liberdade no · resl- pletos equilibrados, com os detalhes necessirios para ~
(
duo, sao frequentemente compensados por uma r_:dução gra~ seu uso.
( de no Quadrado Médio Residual, de sorte que nao raro ob-
temos experimentos mais precisos.
( Há dois tipos bem distintos de analise dos experi- 10.2. fiNAusE lNTRABLocos DElMtxPERirvENTO ro TIPO III
( mentos em blocos incompletos:
( a) Análise intrab locas, em que so comparaçoes entre Consideremos como exemplo o experimento cujos e1ados
parcelas do mesmo bloco são usadas nas estimativas figuram abaixo, no qual temos v = 5 tratamentos, À = J,
de
(
efeito de tratamentos;
k = 3 parcelas por bloco, r= b repeti~;es, b = lu rilo-
cos. Neste caso temos
( 'r
.J
b) Analise com recuperação da informação interblo-
ÀV 3 X 5
( cos, onde as comparaçÕes entre blocos são também aprovei E = ü,cU tU %
tadas na estimação dos êfeitos de tratamentos. kr 3 X 6
(
A análise intrab locos pode ser usada para qualquer
( experimento em blocos incompletos e se baseia_ em métodos
Totais Totais
de de
( estatísticos exatos. A análise com recuperaçao da infoE_
blocos blocos
mação interblocos, por outro lado, permite aproveitar m~
( lhor os dados, mas usa métodos estatísticos apenas apr o-
( ximados e sõ deve ser usada para e x perimentos com número
35 (l) 1 0(2) 27( J ) ':lO :2)(1) 16 (4) u (:)) 6u
30 ( 1) 20(2) 22 ( 4) 72 26 (L) JU(J) 20(4) 84
de graus de liberdade relativamente grande para blocos
( 28(1) 16(2) 18(5) 62 27(2) 29(3) L7 (:;,) bJ
e para o resÍduo.
36 ( l) 29 (3) 30 ( 4 ) 9) :2':l(L) 2'::l( 4 ) 2 7 (5) ti.)
( Nos experimentos em blocos incompletos equilibrados
e muito importante a eficiência (E) dada pela fÓrmula:
29 (l) l':l (3) 22( 5 ) 70 27(3) 2b(4) 2':1()) 81
(
ÀV
( E =
kr Os numeres entre parenteses indicam os tratamentos.
( Temos sempre O < E · 1. Sendo s 2 a estimativa da
A Soma de Quadrados Total e a Soma de Quadrados pa-
ra Blocos (n~o ajustados) se calculam da maneira usual:
( variincia residual, a estimativa da variincia da diferen
~~ en:tre as estimativas . das m0dias de dois rratamentos
( l:x 2 21.167 i:x = 7!:U
e
( (7o3) 2
m ) v ( íii. - 2 s2 c. 30
20.436,30
( u ~ r
blocos completos SQTotal = L:x 2 C= 21.167- 20.43b,JU = 7JU,/U
+
no caso de t' -
{ 1 2 s2
.(
v (m. ~
- íii
u
)
E r s QB (nao aj.) 1 (90) 2 + (72) 2 + ..• +(o2) 2 1-C=412,7u.
·c
(
.:
(
( 180
181
(
O que dã maLs trabalho e se faz de mane1ra dife c t c. Curnu a <• s l i rrr;~ L i v a ti ;r rrrt:: J i a g <..~r a 1 G
( te do que vimos ate aqui e o cálculo da Soma de Q.tadr ..·
(
dos para Tratamento s ajustados para os efeitos de bl -
rn
7~3
26, 10
cos. Primeiro devemos calcular os valores de T., totais Jü 7
l
( de tratamento s: temos por fim:
(
35 + 30 + 28 + 36 + 29 + 25 183 26,10 + 6,67 32 7 77
( 28 + 20 + 16 + 26 + 27 + 29 146 26,10 - 2,53 2J,S7
(
e assim por diante. e ass1m por diante.
( A seguir calculamo s as correçoes para o efeito
blocos (Ai), cada uma delasdada rela soma dos totais Os cálculos e xplicados actma estao resumidos natabe
( blocos em que aparece o tratamento i correspond ente. Por la abaixo.
( exemplo, o tratamento 1 figura nos sei sprimeiros blocos. Te
mos, pois:
(
Al 90 + 72 + 62 + 95 + 70 + 60 449 Tratamento s T 1· A.
l
Qi=kTi-Ai t.
1
-
mi
( Az = 90 + 72 + 62 + 84 + 83 + 85 476 etc.
1 183 449 lO O b,b7 32' 77
(
Passamos a seguir ao calculo de 2 146 476 -38 -2,.)3 23, 5 7
( :~
Q. = kT. - A ..
3 161 504 -21 -1, 4ú L.4, / l)
\.,
l l l 4 151 47!5 - 25 -l, b 7 2 4,4J
( ·i' Estes valores Q. são de importânc ia fundament al na anali
:. 5 142 44 :: -16 -1, 07 2 S ,lJ J
l,
( se de experimen fos em blocos incompleto s. A partir de=
les calculamo s agora as estimativa s dos efeitos ajusta- 7~3 o u,lJO
( dos de tratamento s (t.) pela fÕrmula
l
(
1
t. = - - - Q. A Son1a de Q.Jadrados para Tratament o s (ajustados ) é:
( l À v 1
I
( 100 "' 6,67 '
3 X 5
( 1
t2 = -----,- (-38) • -2,53
l
( 3 X 5
(
~
(
( 182
183
(
? '"24,70- 23,57 = l,U, V(Y)=V(~i -ntu) U,b6 ,
( Desvio
Causa .de variaçao G.L. S.Q. Q.M. padrão F s(Y) = /o,B6 = 0,93,
(
( Blocos (não ajustados) 9 412,70 45,86 1,13
t 1,22 .
Trat. (ajustados) 4 283,69 70,92 8,42 0,93
( ResÍduo 16 34,31 2,14 1,46
( Para contrastes mals complicados o cálculo e se me-
Total 29 730,70
( lhante. Com efeito, para um contraste
( y = cl ml + c2 m2 + ... + c m
O teste de Tukey pode ser usado na comparaçao de me v v
( dias, tomando-se:
temos
(
6. q /(1/2) v<~.l ~
u
) (10.2.1) v(?) = k
+ •.. +
( ,\ v
e o de Duncan com
e as outras fÕrmulas não mudam.
( D = z /(1/2) v em.l mu ) Por exemplo, para o Cü'.1traste
(
onde
(
:. 2k 1 2
l
( I
l -~
I,.
~i
,\v -r r fica
( i No caso vertente temos: 3
(
: I
3 X 5
2 X 3
vcffi.l - ffiu ) 3 5
2,14 o, 86 ,
logo
( X
(
II'
1
S /(v - l) 'íl(Y) F •
( por exemplo, temos:
(
l
l
(
( 1H4 185
(
Para o con trastL• antL!rior tt•ríamos, puts, .:lU
( de 51. :
(
S = -I 4 X 2, 57 X 3, Ü 1 = 5, 56 Q)
'CJ
Q)
'CJ
( rJl rJl
o
rJl o Ul
Como a estimativa Y 17,27 excede esse Limite, ·ri () ·~ -;r C'l J\ VI ·ri tJ J\ ::l 01 N r")
( C1l o
._, ..-< -;r -j C') N -;r
..... ._,co .....o M ·.:t M M ~
....
mos que o referido contraste ~ significativo, isto e, o .o o .o
( a media do tratamento 1 difere signifi ca tiv a mente da f-< H
( fig u ram na página seguinte, ·no qual temos v = 3 trat amen- ·ri () N ~ 0\ CX) C') ·.4
co o
() N f) M M M
._,<11 .....o -;r ..;r N N -;r
..... .w .....
-;r -;r M C') •n
.-<
( tos, À = 1, k = 2 parce las por bl oco , r 7 repetiçÕes, o ..o o .o
b = 28, E = 55 %. Sendo um experim:nto do tip o I, cs blo H E-<
+[
"O "O "C)
(f) Ul
( U) o co ..... 0\ -;r N Ul o -;r 0\ N -;r 0\ U) o
rJl
CX)-;t r--. 0\ co
S QB (38) 2 + (31) 2 + ... +(29) 21 -C= 525,34 ·.4 tJ M M N C') C')
..... ·.4 u M MN N .-<
.... ·.4 u MMN N N
.....
.....o
co o cU ._, r-lo
c S QBlocos dentro das Re petiçoes 525,34 102,47
.w .....
H
o .o
.w
o
E-<
..0
H
<1l
o ..0
(
422,87 ,..-....,....-. ....-......-.. ....-.. ....-.. ....-.. ....-.. ....-.. ....-......-.. ....--...
( o N-<T'.O co
........,..._,..._., .._.. o lJ") Mf'-- co o CO V) f'-.'.()
.._......_, ...._, ...._,
1'11 1'11 '-"'-"'~.._.. leU
()'> co '.0 lf'ICO ()'> M '.0 N ..... ()'>
( Passamos agora ao cálculo da Soma de Quadrados para · .4 ..... ..... ..... ..... ._,
•.4 ..... ........... ..... · .4
lf'IM<'l'.O
........... ..... .....
Tratamentos (ajustados), que e
feito como no exemplo an .w
<11
p.
Q)
p.
.u
Q)
p.
( t er i or, por meio das fÓrmulas: <11 ...-.. ....-.. ....-.. ....-..
,..._ Q) ...-... ....-.......-.. ...-... <11 ....-.....-.. ....-......-..
0::: .-< M VI ·c.:: rl('ol-;t'.Q
.._.. ...__,...._, .._.. e<::
.._,._ '--' ..... ...._,
-...._, <'l '-"
<'1 ."'" ...._,
( ....
~ ~
'11•
..... o VI
..... ........
-<r '.O cU• MO C') <ó• C") r i VI C")
<'l -;r N N.--l ..... r--. N <'l ..... .....
(
(
(
(
\
186 lb7
(
Q. kT. - A.
1 1 l Os testes t, de Duncan e de Scheff5 podem ser fei-
( l
t.1 tos como no caso anterior. Temos:
Q.1 '
(
( m..1 m + t.1 ' 'i/(rn. - rn >
2k 2x2
1 u
=
ÀV
s 2 -l'Xi33,10 l ,Y) ,
(
S Q T ( aj . ) = À~V e,ao nivel de 5%i
c
(
Os resultados obtidos constam da tabela abaixo. 6 = q /r~-'0-(_m_i__-~-) = 4, 7 4 M = 4, 18
(
Tratamento T·1 A'1 Q. t·l
~
( 2,9(2)
2,3(5) 3,3(1) 5,6
( .,1
4 l, 4 10.5. JlNAusE coM REcuPERAçÃo DA INFORMAçÃo lNTERBLocos
(
1 Na análise intrablocos, que jâ vimos, os efeitos de
( S QB -2- [(6,3)2 +(6,9) 2 + ... + (5,6) 2 ] -c= 5,405 blocos são considerados fixos e os contrastes entre eles
( não são aproveitados na estimação dos efeitos de trata-
S QB dentro dos Grupos = 5,405 - 0,024 = 5,381 mentos. Surgiu, por~m, a id~ia de que contrastes entre
( blocos tamb~m dão inf armação sobre os efeitos de trata-
( ~
mentos. E se verificou que se os efeitos de blocos fo-
Tratamentos T.
~
A·~ Qi t·~ m·~ rem tomados como aleat~rios, o que ~ geralmente possÍ-
(
vel, essa informação pode ser combinada com a que ~ for-
( 1 19,6 36,8 2,4 0,343 3,295 necida pelos contrastes de parcelas dentro dos blocos
2 17,4 35,6 -0,8 -0' 114 2,838 (utilizada na análise intrablocos) para obtenção de esti
( 3 22,0 39,8 4,2 0,600 3,552 mativas mais precisas dos efeitos de tratamentos. -
( 4 15,3 32,9 -2,3 -0,329 2,623 O modelo matemático admitido, no caso de experimen-
5 15,6 34,4 -3,2 -0,457 2,495 to do tipo III, e:
( 6 16,0 33,9 -1,9 -0,271 2,681
( 7 18,1 34,6 1,6 0,229 3,181 y .. =rn+b. + t . +e .. ,
~J J 1 lJ
( 124,0 248,0 0,0 onde me a m~dia geral, bj ~o efeito ao bloco,ti, o do
(
(
------------- -------- - - - -- - -- -
( 190
191
( tra t amen t o e eij é uma variável aleatÕria, que se
com distribuição normal de variância a 2 , vemos que se deve ter s empre O ' a <_ i. Para u,
fica a = 1, logo
( Define-se então o valor k
M. Q·~ + a Ai - a G
( a2 ~ v
a k
( k T. A. + A. G
~ ~ ~ v
( k
e com ele calculamos as novas estimativas t[ para k T. G
os ~ v '
( efeitos ajustados de tratamentos, e mj_ para suas medias
ajustadas, pelas formulas: e ainda,
(
M·~ Mi M·~
( M·~ = Qi + a A·~ - k t! =
a G , ~ Àv+(r-À)a Àv+r-À À(v-l)+r
v
( ,• ..- Pode-se, porém, demonstrar que, nos blocos incompl~
onde G e o total geral, e
( tos equilibrados , À(v -1) = r (k-l). Logo fica:
~, Mi
t. =
~, ~,
( Àv + (r- À) a
m. fi+ t. Mi
~ ' ~ ~
t~
1 k ..2i__ -m-
Também se pode usar a fÓrmula ~ r(k-l ) +r --rk lk T. -
~ v
G]
r
-, T·~
( k m.
~
m + t!
a-- G ' ~ ~ r
( v
( as vezes mais conveniente.
O teste de significân cia para tratamentos ser~a fei Neste caso, pois, a análise corresponde i que se f~
( to por um teste de x2 : ria se nao houvesse blocos incompletos, isto é, recaímos
na análise de um experimento em blocos ao acaso, quando
( se trata de delineamento s do tipo I e na análise de um
l
( experimento inteiramente casualizado, quando o delinea
ka2[ (Àv + (r-À)a]
mento é do tipo III.
(
-
Acontece, porem, que, na prat~ca, nao- conh ecemos a 2
_. Se, ao contrário,
a a2, a será praticamente nulo. E para a
ai
for muito grande em relação
( nem a 2 mas apenas estimativas dessas variâncias. O, temos
1' ~
Es- Mi = Qi, de sorte que voltamos a análise intrablocos.
sas estimativas podem ser usadas no lugar dos parame-
( Em geral, porém, a estã e~tre zero e um, e nenhum
tros mas tornam apenas aproximado o método de análise.
daqueles dois casos ocorre.
(
'As estimativas de a 2 e a 2 são obtidas a partir do
( quadrado médio para o resÍduo {vr = s 2 ) e do qua~rado m! É claro que > oi
O, logo devemos ter < l. Na pr~ a
tica, porém, ao estimar a com o auxÍlio de Vb e Vr> pode
dio para blocos (ajustados) (Vb), que veremos ad~ante co
( acontecer que tenhamos Vb < V r e en-tão obtemos a > l. Por
mo calcular. Pesquisas feitas têm demonstrado que es-
exemplo, para experimentos do tipo III as estimativas de
ses quadrados médios devem ter pelo menós 20 graus de li
(
herdade para que a aproximação obtida seja razoável. o2 e f
à são, respectivam ente'
( Como 2 -2 b-1
s , 01
bk-v
a
( logo
(
_; __ ~------~----
-
I ~,-
. ·iiíi'"''íiíi·._,.-
,,..,.,----~-··,.~;;;;:::;~~~~---~~-~ ·~' ,~-,~~-~
( 1
1~3
(
•
I -a (bk - v) Vr
l r') =Vcffi~
2k
( l b-1
bk-v (Vb -v-r)
k(b-l)Vb - u 1 'Av + (r-'A) ã
( ! of
-~-
Para Vb < Vr obtemos então < O, o que é absurdo ·
I
i
e â > 1, o que também e inadmissível.
geral, devemos tomar at
= O e â = 1.
Neste caso,
y cl ml + c2 m2 + ••• + c
v
m
v
q tl + c2 t2 + •.. + c t
c Quando se. faz a recupe.ração da informa~ão interblo-
1:
2382,37 .
l
1
(
( 194 195
( Tal::ela l0.6.l. Dados do experimento de FRACA JR. e
(1950). . - Desvio
c Valores de z,ern graus Causa de varlaçao G.L. S.Q. Q. 11.
adrão F
(
Blocos (não aj .) 12 1490,56
( 19 bloco 52' 7 (l) 79,5(2) 63,4(4) 65,9(10) Tratamentos (aj.) 12 1512 '36 126,03 11,23 2, .':>:2. *
29 bloco 71,6(2) 56,8(8) 71 '6 (12) 65,9(13) ResÍduo 27 1267,56 46,95 6, 85
( 39 bloco 58,9(1) 75,0(7) 7 5 ,o (11) 71, 6(12
( 49 bloco 75,0(3) 65,9(4) 79,5(6) 79,5(12) Total 51 4270,48
59 bloco 71,6(4) 75,0(8) 71,6(9) 79,5(11)
( 56,8 (l)
69 bloco 65,9(3) 71,6(9) 65,9 (13)
( 79 bloco 75,0(2) 65,9(3) 65,9(5) 90,0(11) A seguir, usamos a fÔrmula:
89 bloco 48, 8(1) 68,6(5) 63 ,4( 6) 61, 1(8)
( 99 bloco 63,4(6) 90 ,O (lO) 90,0(11) 71,6(13) SQB(aj.) = SQB(não aj.) + SQT(aj.)- SQT(não aj.)
( 109 bloco 71,6(3) 63,4(7) 61,1(8) 58,9(10)
119 bloco 75,0(5) 68,6(9) 7 5 ,O (lO) 75,0(12) e obtemos:
( 129 bloco 63,4(4) 61,1(5) 50,8(7) 79 ,5(13)
( 139 bloco 71,6(2) 63,4(6) 61,1(7) 75,0(9) S QB(aj.) = 1490,56 + 1512,36- 2382,37 = b20,5.':> .
( 3593,9 Organizamos agora a tabe 1a abaixo.
(
( Podemos fazer logo a anâlise intrablocos, da ~anei -
Causa de variaçao G.L. S.Q. ~.1'1.
( ra explicada antes, com os resultados dados a seguir.
Blocos ( aj . ) 12 620,5)
( Tratamentos (não aj.) 12 2382,37
- ( Tratamento T·~ A. Qi t·l -l
m· ResÍduo 27 126 7,56
~
(
(
( 196
( 189, 5 J
As estimativas dos efeitos ajustados dl! traLanwntos F 4' 04 >'o'< •
(
46,95
tf. são dados pela fÓrmula
( ao
Por outro lado, poderíamos ter calculado:
(
15,667
(
Finalmente, as medias ajustadas de tratamentos l
(
sao obtidos assim:
k 02 [ ÀV + (r-À) a l
( ~,
rn! m+ t. 69,11 + t! l
( ~ 1. 1. 142)13,01
4 X 46,95 [ 13 + 3 X 0,889]
(
Trata- ~ ~, ~,
'!'-• 11 148,0 1190,0 1057,91 222' 84 14,22 83,33 Toda diferença entre duas m~dias ajustadas supe- m!
'•'·; 12 50,9 1139,9 1013,97 81,20 5,18 74,29 rior a este valor~. pois, significativa ao uível~ae 5%.
( r~
35,7 1059,9 974,26 70,83 Um exame dos dados nos mostra, por exemplo, que trata-
13 26 '89 l' 72
( mento l ~ significativamente inferior aos tratamentos 1.,
o -0,01 0,00 10, 11 e 12.
( Jâ para um contraste
(
( Ternos agora:
(
J 3IELICTE2 ~-~ c::: ~r-r ::_:_:, ·~ .:; -~ . i
-=:=:......~- ""-·"· ""-"-- ........:..-• .-;..::.: ::. .....__..._~
-- - - - ---.. ~
( 198
(
s(Y) = ,r71,92 = 8,48, logo
(
(
Y = 2 X 74,61 69,56 - 65,95 13' 71 ' s QB( aj . ) S QB(não aj .) + S QT(aj .) S QT(não aj .)
422,87 + 376,38 - 702,84
( 13,71
t = 1,62 .
8,48 96,41 '
(
( Para o mesmo contraste o teste de Scheffe nos onde S Q B indica a soma de quadrados para blocos aentro
ria, para o nível de 5% de probabilidade, de repetiçÕes.
(
( S = /12 X 71,92 X 2,13 = 42,88 . Organizamos agora a tabl:' la abaixo.
( Como Y = 13, 71, o contraste em questão nao é signi-
( ficativo. Seu intervalo de confiança, para o nível de
-
Causa de variaçao C. L. S.Q. Q.M.
5%, seria de -29,17 a 56,59.
( RepetiçÕes 6 102,47
( Note-se que sem a recuperaçao da informação inter- Blocos dentro das
21 96,41 4,59 (Vb)
blocos teríamos V(úii mu) = · 28,89 (em vez de 23,97) e Repetiçoes (aj . )
( para o contr-aste Tratamentos (não aj .) 7 702,84
( ResÍduo 21 65,12 3,10 \Vr)
( Total 55 966,~4
(
(
.. ---.. . . .
(~'ê-·~ ~---.1;'0•~.: -WOI;~--~~~,---··- ::"'''·•-~"~~-~-'....-··•-""""l1·~""'"~~·~~:,...~::-'"õ'"~'~'~""""""""'!'l' ~' .. ''1~':.-"'i'!~~r-···-:··-·---:"!•· ··--·:;!<'· ~ ·-·'-- • cc··J!.-·
(
I
( I 206
L07
( I 16
l 6 ll
( 2 5 12 15
( 3 8 9 14
li. RETICULADOS QUADRADOS 4 7 10 13
(
(
11.1. GENERALIDADES Vemos aí que os tratamentos do primeiro bloco na
( primeira repetição (1, 2, 3, 4) estão repartidos um para
Os delineamentos reticulados quadrados ("square lat
( cada bloco da segunda repetição e também da terceira. E
t~ces"), introduzido~ por YATES (1936), têm em mira espe
o mesmo acontece_com os tratamentos de qualquer bloco de
( c~almente a competiçao de cultivares numerosos de plan~
qualquer repetiçao. RepetiçÕes com esta propriedade cha
tas anuais, como o milho, o trigo, o feijão, etc. Não se
( mam-se ortogonais. Sendo usadas m repetiçÕes ortogo=
prestam para experimentos de adubação, nem para ensaios
nais, temos:
c !).
fatoriais. Os reticulados quadrados nos permitem dispor
um numero v = k 2 de_ cultivares em blocos de k parcelas.
( !'''
N = bk = mk2,
Daí decorre que o numero de tratamentos deve ser um qua-
( drad~ perfeito, tal como 25, que o quadrado de 5, 36, e onde N é o número total de parcelas. No caso de m = l
que e o quadrado de 6, 49, 64, 100, 121, etc. Nos reti-
( temos o reticulado quadrado simples ("simple lattice"),
culados quadrados os tratamentos de um bloco em uma re-
também chamado duplo ("doub le lattice"), que e o de uso
( petição se distribuem por todos os blocos de qualquer das
mais comum; quando m = 3, temos o reticulado quaclraJo
outras repetiçÕes. Por exemplo, num reticulado de 4 x4
triplo ("triple lattice").
( a primeira repetição poderia ter os tratamentos Jispo~ Quando k é um número primo ou uma potência de um nú
( tos como a seguir, onde as linhas horizontais represen~
mero primo,_pode-se ir até m = k+l repetiçÕes ortogo-
tam os blocos. nais, e entao temos um reticulado quadrado equilibrado,
(
que é um delineamento em blocos incompletos equi líora
( dos. Isto ê possÍvel com k = 2, 3, 4, 5, 7, 9, ll, mas
i,.'·, 1 2 3 4
( ~ ê impossível para k = 6, por exemplo. Neste Último caso
i'·· 5 6 7 8 podem-se fazer apenas o reticulado duplo e o triplo.
( 9 10 11 12
No caso geral, um reticulado com m repetiçÕes orto-
13 14 15 16
( gonais pode ser repetido n vezes e obtemos:
( v = k2 , b = m n k, N = bk = m n k2.
A segunda repetição seria entao
(
Como no caso dos delineamentos em blocos incomple-
·~c 1 5 9 13 tos equilibrados, também para os reticulados podemos fa-
2 6 10 14
zer an~lise intrablocos ou analise com reuuperação da in
( 3 7 11 15 formaçao interb locas. · -
c 4 8 12 16 Além dos reticulados quadrados, que vamos estudar,
( existem os cúbicos ("cubic lattices") e os retangulares
(~rectangular lattic:s"), ~odos de menor importância e que
( e a terceira nao esturaremos. Ha tambem os quadrados reticulados
( ("lattice squares"), em que as parcelas se dispÕem em
linhas e colunas, à semelhança do que acontece com os
( quadrados latinos.
(
( ~ -···
-------·.,_..,.,.......,.....,.,.--~..
""'~~~ - "~-~""''~,.~-......
...... . ..·-
.....,.~.--.--_,..,=->· . ~~.,~
.- •• ,-,.,~~~-"~'1-'r."oo,;:... ,-._,._.;•*-•·J i'':':.... ~.....
.-~_ . "f!'!: .o-.~~'ê'-~~···:·'· ·--·- - -
( 208
209
(
11. 2. DEu NEJV'vENTOS RoBusTos mos por calcular os tota~s de tratamentos Ti, e as corre
( çÕes Ai,. somas dos tota~s ~os blocos onde aparece o tra
Seguindo a tendência recente da Estatística Exp
( tamento 1. Calculamos depo~s:
mental, podemos denominar robustos os delineamentos
( sejam pouco afetados por perda de parcelas, de trataul'l:!n-···
tos ou de blocos. Assim, os ensaios em blocos (comp
( tos) casualizados são robustos, pois a perda de um trata
Convencionemos representar por Sl(Qi) a soma dos v~
( mento ou de um bloco em nada altera as propriedades do !ores Qi referentes a todos os k t~atamentos que ocorr~m
delineamento e a perda de algumç.s parcelas tambem não
( 0 mesmo bloco da primeira repetiçao em que aparece o ~
traz dificuldades grandesde anàlise. Já os delineamen-
tos em blocos incompletos equilibrados não são robustos,
~esirno tratamento. Analogamente definimos S2(Qi), S3(Qi),
(
pois a perda de um tratamento ou de um bloco rompe toda .. · ' Sm(Qi) ·
( Ê conveniente também indicar por sjj'(Q)' para J
a simetria e todo o equilíbrio do delineamento e acarre-
( ta sérias dificuldades de análise. O mesmo acontece com
1, 2 , ... , m, j 1 "' 1 , 2 , ... , k, a sorna dos valores Qi de ts-
dos os tratamentos que ocorrem no bloco j 1 da repetiçao
os reticulados quadrados, que não são delineamentos ro-
( j, de sorte que se o tratamento i aparece nesse bloco,
bustos. Neles, a perda de um tratamento ou de um bloco
rompe toda a complexa estrutura matemática, e exige temos
(
a análise da variância seja feita por métodos gerais com
( plexos, em computador, e com dificuldades bem maiores_nã
( comparação de medias. O mesmo ocorre, com maior razao,
No exemplo dado acima temos, pois:
com os reticulados cúbicos e retangulares e com os qua-
( drados reticulados, todos eles maus delineamentos, de
( uso cada vez mais restrito.
Os reticulados em geral são hoje geralmente substi
( tuÍdos pelos ensaios em blocos completos casualizados
( com alguns tratamentos comuns, que são flexíveis, robus-
e assim por diante, e ainda
tos e de análise fácil (ver capÍtulo 17).
(
S2(Qs) S2(Qg) = S2(Q13) = Ql+Qs+l,!g+Ql3=Sn(t.l),
(
(
11.3. AAÁLISE INTRABLOCOS S2(Q5) S2CQ1o) = S2(Q14) = Q1+Q5+Q1o+Q14
(
Causa de variaçao G.L. S.Q. Q.M. .v-/2vr (l~)
m k
( RepetiçÕes m-1 SQRep. se forem primeiros associados, ou
( Blocos d. m(k-1) SQB.d.Rep.
repetiçoes (não aj.)
( t
Tratamentos k 2 -l Vt= SQT(aj .) m
( (aj.)
SQT(aj.)
kL-1 ll +
(m-l)k
SQR (por
( ResÍduo (k-1) (mk-k-1) SQR
subtra v =- ----
r (k-1) (mk-k-1)
se forem segundos associados, ou ainda, usando a estima-
( çao tiva m~dia da variincia, podemos adotar, em qualquer ca-
so
( Total mk 2 -l SQ Total
(
t =
( Para provar os contrastes entre tratamentos, pode- ~-- -
m
(
mos usar o teste F: \ !m- ll +
(m-1) (k+ l)
( Ti' = Em todos os casos o numero de graus de liberdade e
( (k-1) (mk-k-1).
A comparaçao entre duas medias pelo teste de Tukey
( A comparaçao entre pares de tratamentos, se plane- ou de Duncan pode ser feita pelas formulas:
jada de antemão, pode ser feita pelo teste t, tendo em
(
vista que temos
( 2 Vr (l + _1_)
( m k Tomando-se uma estimativa media para a variância do
contraste entre dois tratamentos, obtemos:
( quando eles ocorrem no mesmo bloco (primeiros associa-
·{
dos), ou
1:::. = q / Vr
m
[ 1 + --,--::-:--,m-=--~-
(m-1) (k+l) I.
(
(
(
(
( 212 213
( Tabela 11.3.1. ProduçÕes de milho, em kg/parc:la,
O teste de ScllefJ:épode ser aplicado de um
( ensalo fatorial 4 x 4, com J repetiçoes ortog~
trasteY, com
nais.
(
(
No caso especial de H Repetição Totais de
( blocos
( Y = mi - ffiu = ti - tu (1) 2,0 (2) 2,9 (3} 2,2 (4) 3,9 11 ,o
( (5) 2,3 (6) 2,5 (7) 1,4 ( 8) 1,7
jâ sabemos como calcular V(Y) = V(mi - mu). Como fazer, 7,9
( (9) 1,6 (10) 3,0 (11) 1,5 (12) 2,1 8,2
porem, para contrastes mais complicados? Se o contras-
(13) 2,3 (14) 3,4 (15) 2,0 (16) 2,b 10,5
( te for
( y J7,b
qml + czm2 + ... + Cvffiv
(
teremos
(
c~ 1
( -+
1 l
) 2'! Repetição Totais de
( l:
m (m-l)k blocos
( \7(?) vr
.1
(1) 2,2 (5) 2,3 (9) 2,7 ( 13) 1,4 8,6
( 2 (2) 3 '1 (6) 2,8 (10) 2,6 (14) 2,i:l 11,3
+ l: f c· c-· f
m(m-l)k l l ( 3) 3,1 (7) 2,9 ( 11) 2,5 (15) 2,4 líJ > y
( J (4) 4,0 ( 8) 2,8 (12) 2,7 (1_6) 1,5 11 ,o
(
com i # i~ onde I' se refere apenas aos valores de i e
( de i' tais que os tratamentos corresponden tes sejam pri- 41 ,8
( meiros associados.
3~ Repetição Totais ae
( blocos
( 11.4. LM ExEMPLO IE fJNAusE lNTRABLOCOS (1) 3,0 (6) 2,9 (11) 2,6 (16) 3,1 11,6
( (2) 1,8 (5) 1,9 (12) 2,9 (15) 2,5 Y,l
Usaremos como exemplo um reticulado quadrado triplo ( 3) ( 8) 2,0
1,7 (9) 1,4 (14) 2,3 7,4
( de 4 x 4. Temos, pois, m = 3, k = 4. Os 16 tratamen- ( 4) 4,4 (7) 3,7 (10) 3,3 (13) 2,2 13 'b
tos são híbridos de milho, cujas produçÕes em kg por pa.::_
( cela são dados na tabela 11.3.1.
41,7
(
Temos agora:
(
LX í:x 2 = 328,81
S QTotal = 328,81 - 305,53 "" 23,28 ,
( 121,1 '
SQRep. "'(1/16) [ (37,6) 2+(41,8) 2 +(41,7} 21-C"' 0,71,
( (121,1) 2
c 305,53
( 48 S QB1ocos dentro das RepetiçÕes (não ajustados) =
(
(
(~----------~--~-------
(
( 214
( = (l/4) [ (ll,0) 2 + (7,9) 2 + ..• + (13,6) 2 1- por diante. A1Gm disto
( - (l/16) [ (37,6) 2 + (41,8)2 + (41,7)21 121,1
rn =
48
= 2,52 •
( 314,86 - 306,24 8,62 .
(
A Soma de Quaç!rados para Tratamentos (ajustados) dâ
( ma~s trabalho. Começamos por calcular: 2,52 o,31 2,21
(
Tl 2,0 + 2,2 + 3,0 = 7,2 , 2,52 + 0,18 2,70
(
Al 11,0 + 8,6 + 11,6 = 31,2
( e analogamente para os outros casos.
Ql 4 X 7,2- 31,2 = -2,4 Quanto ã Soma de Quadrados dos desvios para Trata-
( mentos (ajustados), ternos:
T2 2,9 + 3,1 + 1,8 = 7. 8
(
A2 11,0 + 11,3 + 9,1 = 31,4 SQT(aj .)=(J/k)í:tiQi
(
(
Q2 4 X 7,8- 31,4 = -0,2
= fl (-0,31) (-2.,4)+(0, LS) (-0,2)+ ... +(-ü,Jb) (-3,.':>)]
(
•.•
-;r~- !!'. .!!li!".,_.-,.~---··
.. .~.,-.-
. . . .., . Wi:<.......iF,"'-"'~-----......_,_,_~--~.;':'~-...... i--·"""·.........""... ;·~··:h·,-~.."':·'!"~·:·~~'f''!:'f''~:-~· =~"lo':~~;~·-;_·~1;·-'
(
( 216 217
( 2,85-1,59
t =
( Causa de variaçao G.L. S.Q. Q.M. 0,442
( Pode-se também usar uma estimativa media para todos
RepetiçÕes 2 o, 71 casos, a qual ser~a:
( Blocos d.Rep.
9 8,62 2 X 0,2128
( (não aj.) V(Y) 3
O, Hl44 ,
c Tratamentos (aj.) 15 9,48 o,6320 2,97* s CY) lo, 1844
( ResÍduo 21 4,47 o,2128
A diferença mínima significativa pelo teste de Tu-
( 47
Total 23,28 key ao nível de 5% nos daria
(
(
n = s '4 7 / o' 2~2 8 (1 + {o ) l,b6 .
(
( 218
219
( l
SQT(não aj.) =
m L:T~~ - c ' A seguir calculamos:
(
(
e entao a Soma dos Quadrados para os Blocos QMT (aj .) *= SQT(aj.) 7'
e: k2 - 1
( e enfim temos, aproximadamente,
SQB(aj.)=SQB(não aj.)+SQT(aj.)-SQT(não aj.).
( QMT(aj.)*
F = ~--:~-'--'--
( Podemos, pois, calcular o quadrado médio para blo~ Vr
cos (ajustados): 2
com (k -l) e (k-l)(mk-k-1) graus de liberdade.
(
SQB(aj.)
( m(k-l) Todo o problema de recuperação da informação intra-
blocos gira em torno da estimativa â que varia entre ze-
( e podemos estimar: r~ ~ um. C~m â = O, nenhuma informação interblocos exis
( t1r1a; com a = l, a nova análise se torna idêntica ã d~
-a (m-l)Vr
b~ocos casualizados. Em geral, porêm, o valor de â es-
( mVb -Vr
ta entre esses dois. extremos e a nova análise difere tan
( Agora estimamos para cada tratamento: to da análise intrab locas como da análise do reticulado
como se fosse em blocos casualizados.
(
Para dois tratamentos primeiros associados temos:
( _ 2Vr
Podemos estimar também os novos efeitos ajustados ~<m! ~) = -- ll +
( l m
para tratamentos
( e para dois segundos associados:
-,
t.
l 1-â
( ~
+~ m-l+â 'i'T ' 2Vr
v (m.f. - ffiú) = - - l l + m
m (m-l)k J.
(
onde S1 (Mi) é a soma dos valores de Mi referentes a to- Pode-se também usar em qualquer caso uma estimati-
( dos os tratamentos que aparecem com o tratamento 1 no va mêdia:
( mesmo bloco da primeira repetição, e S2 (Mi) , ..• , Sm(Mi) 2Vr
têm significado análogo referente às outras repetiçÕes v(ffi! - m') = [ l + ---;-~..;m:--~-
( l u m (m-1) (k+ l) j .
ortogonais.
( Finalmente poderemos calcular as novas médias ajus- Com esses valores podemos aplicar tanto o teste t
tadas de tratamentos como_os testes de Duncan e de Tukey, por fÓrmulas análo-
( _, gas as de 11.3.
( m·~ Para um contraste
+
1 1
6,08
( = 0,674
9 = [(-0,25)(-2,lb)+(ú,l5)(0,07)+ ... +]
( 2 X 0,2128
a = 0,24 + (-0,27)(-2,83)
3 X 0,674 - 0,2128
(
121,1 9,62
(
4
( logo
Temos, pois,
( QHT(aj.)>'< =
9,62
= 0,6413
15
( -2,4 + 0,24 X 31,2- 7,27 -2,18 0,6413
F = 3,01* .
( 0,2128
-0,2 + 0,24 X 31,4- 7,27 0,07 '
(
e assim por diante. Os valores todos de Mi constam da
( Para um contraste Y = m~ - m' entre ctuas medias de
tabela 11.6.1. Sua soma deve dar zero, salvo erros de primeiros associados, como o~ tra~amentos lO e 13,
c aproximação na Última decimal. Como exemplo, temos:
por
( "" 0,1660
c
'"" .-----'.". Á· .~ "\ 0 ·~ ~ ' \ ·~ /'""'\ ~ ~ " \ .--..., " ' """\ ' \ ~ ~ ~ ' ~ ,. , ' '\ ~ ·~ ~ 0 " ' ....., ., 11t
N
Tabela ll . 6. l. N
N
~ ~G
i Q·~ â.A·~ aAc~ M. S 1 (Mi) S (l:\ ) S /Mi)
~,
t.
~,
m.
~ 2 ~ l
9
8 -0,3
-1,4
6,31
5,81
-0,96
-1,46
-1,26
-2,86
. -0,24
-1,87
12 ,80
-14,29
-1,12
-1,12
-0,03
-0,36
2,4Y l
.i
2, 1b ~
':
lO 2,5 7,94 0,67 3,17 -1, 87 9,90 9,63 0,39 2 '~:11
11 -4,3 7,37 O, lO -4,20 -1,87 -8,4i:i -7,09 -0,47 2,U)
12 2,5 6, 79 -0,48 2,02 -l, 87 12,80 -1,49 0,24 2,76
l3 -9,1 7 ,85 0, 58 -8,52 -9,66 -14,2 9 ·. 9 '63 -0,81 l, 71
14 4,8 7,01 -0, 26 4 ,54 - 9 ,66 9,90 -1,12 0,37 'L, b':!
15 -2,9 7,32 0,05 - 2 , 85 -9, 66 -8,4 8 -l '49 -U,3b 2, l~
16 -3,5 7,9~ 0,67 -2,83 -9,66 12' 80 -7,09 -0,2 7 2, :b
o a .o
o c o"'
(]Q
o ..
00 (D
8
c
,_. 8 ,_.
w
r< ou
"i
"' "'
r't
lb ,_.
('t) r<>
"'
llJ
C> ()
"'
o C> (f)
tll
C> '1::1 C> "'.. o
1-'·
<
I
I
'1
D>
ro 11 '1
llJ
11
llJ
(I)
o
c. 11
(f)
o 11
(ll
'i li
<>
,......_ P>
"'
o <>
,.....__ "'o
'"1
'U
llJ
Ul
,.....__
::I (D r't >-<> s c.
.....a
N .._..
c:
a llll
o
w
\0
o ~
ln
(I)
I
. ln ..0
c ..r::-
Vl
Pl
..0
ro
(/;
!tl\!D
o. I
>-<>
.._.. (D
"i
tll
M >-<>
'-"
...... ./> (D .p. (D
"' r't 11 1-'•(1) X 11 11
~
c.
..P> .ro
() 'i ro 11 (D
() ro1 'J ~
~
~
o o ~ 1-'· s o
s I ::I
"'"'
~~g
o.
w
::I
"11 .....
(I)
. r't
"'o 'i ro
N N
"'o
1-'Cil
1-'·
w
N
1-' '1 I-'•
<> "' .
n
(]Q 'i Nil-' tll X o \0
+ lll .--.... X o,_.
.s
lll !tl\ N >-3 '-"Cil
::I
..... ~
s '1
.
(f)
c wo (D
N
a
(I)
.f"t ...,.,
. ..
1-' r't
ro . o
(f)
ro 1-'·- ;>;-'
(D r'-.J .
!tl\
s
wo
. OCJQ
c:rc
.r::-
o
I
.
(D (]Q
.+ (')
11
c 1-' c ,_. "' I '<! ,..... ,_.
N r't ::I ~ 1-'
so oc.
(D
I~. . . .
(D
8 lll 1-' ::I
(f) ~ ::1 O' N c N
Sl
lll
1-'•
(I)
l"t
I"·
<
w
N
o
l"t
'"1
lll
"i o
co c.
o c
O' c: '-"- "'o.o co
lll
(I) ex,
(I)
(I)
~
1-'
.o
. (D (I) '1
o c 11 PJ
ro lll .r::-
; ()
o
11 8 11 A> CL
~
,_. (D ~
Ul c
o ,_. (f)
. PJ s
(I) 11
8 "'......
(D
(I)
rc
.......
(I)
(I)
.,.....
o
(f)
(D
+
...... o
()
. N
~
"'........ . o M
'1
o-
c
(I)
o
r.
...... ln o
'1
o
rT
+ ..... .
r.
lll
r't
ro
PJ
M
rt
......
B
O'
w PJ
.
CC c:r
rr
"',_.
PJ
6/w c.
o cc/w
lll
c.
o
\0
ln
**
PJ CL (D Cf)
Ul
.o
0.. PJ o I-'•
Cf)
rt 8(D
.rt. . .
s ()
o o
o
.c
(f,
(D
::I tll (I)
rt < t-n
(I)
c O'
o(I)
(') 0.. o PJ ...... o & (') o.
o
3
o
(D
>-::
(f)
.....
8
!DI
r.
..tll "'o
1-'·
"d
o - CC PJ
(I)
o
.._
M
'"1
c
;:>;"
c o.
1-'·
..
(I)
>-i 11 (I)
11
tll
rt
(D
'<
ro
,_.
"' sro .,_.c c
3 .,_.
c PJ
8(D
w "' PJ
>-i
1-' ·
o ~
c
lll
(I)
~
::I
rt
tll P. 00 OI c
CC o
(f)
tll
..c ...,., ~
ro
M
c (I)
......
rt tll N
I
OI rr
I f-" '"1 1-'· r-.;
I I N
rt
w
(
( 224
225
(
temos ser obtidos mediantL' substituiçao, ILls tabt·las anterio-
( 1 2 res, de m por mn.
0.2128 r c-j- + 8 0,68) 6 + :r,r 0,68 (1-2-2)] Devemos salientar que, no caso do método presente,
(
0 valor de SQB(aj.) ê obtido do modo jâ indicado, quando
c o,498o se repete todo o delineamento reticulado, e não por meio
( de calculo dos componentes (a) e (b) como fazem COCHRAN
logo e COX (195 7) .
(
S = 115 X 0,4980 X 2,18 = 4,04
(
( Como a estimativa do contraste ê
ll.8. O REnculJ\DO QuADRAm coM UM TRATN-ENTo
CoMUM EM TOOOS OS BLOCOS
( Y = -2,27 - 2,40 + 2 X 4,QQ = 3,33 ,
( Por iniciativa do EngQ-Agr'? Glauco Pinto Víegas, o
valor que nio alcança S 4,04, o contraste nao e signi- Instituto Agronômico de Campinas introduziu a pratica ae
( ficativo pelo teste de Scheffê. utilizar,nos experimentos de competição de variedades e
( hÍbridos de milho, reticulados quadrados com k 2 tratamen
( tos em blocos de (k+l) parcelas, recebendo a parcela adi
11.7, AREPETiçÃO DE UM DELINEAMENTO RETICULADO cional de cada Sloco uma variedade (ou hÍbrido) padrão,
-
( a mesma para todos os blocos, nao ~
inclu1.da entre os k2
Como já vimos em 11.1, torna-se necessário, ãs ve- tratamentos or1~1.nais. Fica cla:o, pois, que esse~ exp~
(
zes,repetir todo um delineamento reticulado. Se este ti rimentos em ret1.culado quadrado 1.ncluem ao todo k + 1
( ver m repetiçÕes ortogonais e for usado n vezes no mesm"õ cultivares, em blocos de (k+l) parcelas. Por exemplo,
experimento, teremos ao todo mn repetiçÕes. num reticulado de 3 2 , com duas repeciçÕes ortogonais, ha
( A análise se faz quase exatamente pelos métodos jâ ver1a lO cultivares: 1,2, ... ,9, A, sendo A o cultivar p~
( indicados. drão, tomado como testemunha. Os blocos desse ensaio se
Temos: riam:
(
( 1 1 Bloco l: l 2 3 A
t.l. mnk
Q. +
m(m-l)nk2 [ Sl(Q.)+ ... +S (Q.)]
m
l. l. l. Bloc-o 2: 4 5 6 A
(
G + ~ 1 Bloco 3: 7 8 9 A
( m·l. mnkz ti SQT (aj.) Bloco 4: 1 4 7 A
mn
( 1 Bloco 5: 2 5 8 A
vcffii - ffiu)
mn (1 + k) Bloco 6: 3 6 9 A
( para os primeiros associados,
( ~ 2Vr m Esse delineamento, alem de dar maior precisão na co~
~Cffii - ~) = -n;- [ 1 + (m-l)kl paração entre os k 2 cultivares originais, tem_ a vantagem
( de incluir uma testemunha, de comportamento ja bem conh~
( para segundos associados, e analogamente nos outros ca- ciclo e com mais repetiçÕes (mk, em lugar de m).
sos, inclusive no de recuperação da informação interblo A analise desse tipo de ensaio foi publicado por P.!_
c cos. MENTEL GOMES e VI~GAS (1978). Ele foi generalizado por
A análise da variâncía é inteiramente análoga, mas OLIVEIRA e BARBIN (1988) e por OLIVEIRA (1990).
"{
os números de graus de liberdade são diferentes. Podem
(
.c
. (
r
(
( 226 227
('
11.9. BIBLIOGRAFIA
(
BOSE, R.C., 19
J2, O USO DA REGRESSÃO NA ANALISE DA VARIÂNCIA
Least Squares Aspects of Analysis
(
Variance (mimeografado).
( COCHRAN, William G. e Ger~rude M. Cox, 1957. Experimen ]2.1. li:GRESSÃO LINEAR
tal Desighs, 2<:t ediçao. John Wi1ey, Nova York.
(
KEMPTHORNE, Oscar, 1950. The Design and Analysis of Ex- A análise da variância tal como é feita usualmente
c periments. John Wiley, Nova York.
KRAMER, Clyde Young, 1957. Extertsion of Multiple Range
pressupÕe a independência dos diversos tratamentos utili
( zados. Quando esta hipótese não se verifica, a análise
Tests to Group Correlate Adjusted Means. Biometrics da variância deve refletir a dependência entre os trata-
( 13: 13-18. mentos, sob pena de não ser válida. Assim acontece no ca
( OLIVEIRA, A.C. e D.. Barbin, 1988. Experimentos em Reti- so em que os tratamentos são quantitativos (doses cres-
culado Quadrado com Alguns Tratamentos Comuns Adicio- centes . de um fertilizante ou de um inseticida, ou datas
( nados em Cada Bloco: Análise Intrablocos. Pesq.Agro- de semeadura, por exemplo) com mais de dois níveis, e s~
pec. Bras. 23: 717-723. justifica a existência de uma correspondência funcional
(
OLIVEIRA, A.C., 1990. Experimentos em Reticulado Quadra (chamada equação de regressão) que ligue os valores dos
( do com Alguns Tratamentos Comuns Adicionados em Cadã tratamentos (X) aos dados analisados (Y).
( Bloco: Análise com Recuperação da Informação Inter- Consideremos, por exemplo, os seguintes dados (fie
blocos. Pesq. Agropec. Bras. 25: 289-298. tícios) onde se supÕel!l 5 tratamentos e 4 repetiçÕes, num
( PIMENTEL GOMES, F., 1954. Me todo Geral de Análise para experimento inteiramente casualizado. Os. valores de X
Delineamento em Reticulados Quadrados. Seminários são as doses de adubo usadas e os de T, os totais de pr~
( de Estatística (lO): 33-54. dução de cada tratamento nas 4 repetiçÕes.
( PIMENTEL GOMES, F. e G.P. Viegas, 1978. Experiments in
Square Lattices with a Common Treatments 1n A1l
(
Blocks. Rev. Agricultura, 53: 34-43. X o 1 2 3 4
(
( T 2,0 2,0 3,0 4,0 5,0
(
Uma análise da variância segundo o esquema corren-
( te, sem considerar a regressão, nos daria, para L;Y2
( = 16,60, o seguinte.
(
( Causa de variaçao G. L. S.Q. Q.M. F
(
Tratamentos 4 1,70 0,425 3,04
(
\ Resíduo 15 2,10 o, 140
(
Total 19 3,80
(
(
O valor d~ F obtido não ê significativo. O fato de
não levarmos em conta a regressão nos levaria a esse re-
(
(
(
( 228 229
(
sultado em desacordo com a realidade e equipararia os Finalmente, a soma de quadrados para os desvios da
( dos em apreço, onde ê evidente a influência da adubação regressão pode ser obtida por subtração:
( aos seguintes, por exemplo, onde tal influência não apa::
rece. SQD = 1,70- 1,60 = 0,10
(
( X o 1 2 3 4 Temos, pois, a seguinte analise da variância.
(
b -a y - 13 X Total 19 3,80
(l:X)2
( zx2 -
N
( Agora, pois, verifica-se que ê significativa a re-
onde f e X sao as medias de X e de Y, respec ti v a1.1ente. · gressão linear, ao mesmo tempo que os desvios da regre~
(
No caso vertente ~emos: são não são significativos.
( Com a equação de. regressão podemos calcular os va-
(
L:XY = 4 O, O, l: X = (4 ) (1 O) 40, n 16,0, zx2 120, lores esperados para os tratamentos, que indicaremos por
Yi. Por exemplo para X O temos:
( logo
(40) (16, O) Y0 0,4 (0,20)0
( 40,0 - = + = 0,4 .
20
( b 8,0
"40 0,20 ' Com estes valores esperados e as medias observadas
(40} 2 de tratamentos (Yi) podemos calcular os desvios, quecons
( 120 -
20 tam da tabela 12.1.1. A soma algébrica destes desvios de
(
(
-
X
40
20 = 2,0
-
y- 20
16
0,8 -a o,s - co, 20) 2 =o.,4
ve ser nula.
SQC = 9,23
r K 3 4 X 10
A seguir calculamos a media (Y) dos valores de y e
í:C4 T = 1 X 18,59 - 4 X 37,02 + 6 X 37,20 - 4 X 37,40 + a media X dos valores de X:
+ 1 38,56 • -17,33 •
X
-
y =
168,7
= 8,44 •
-
x = -
250
-. - =- so .
SQ4Q "" o: c~ T)2 (~17,33) 2
= 1,07
20 5
r K4 4 X 7Q A equaçao de regressao e entao:
r········.
~·'"' · "~O'?i'''"'-!«'\~O'<Il'"""""'"'~~·c·• ·:":":!'f·.;:,.~ ~ --~--~-!'f~F\~~·~•·+;=<~•~~·'*"'_--•.~~---•em• ·r•·• • •;~~;:'t;_~··.~•;:.'· ~ \-~ , T'"·:
c
(
I 234
y
-
-:- y reteritla em favor da l~i de Hitscherlich, biologicamen-
235
(
(
( 240 241
( A principal vantagem de transformação de z(r) ê Os d;HJos Jes ta Ú I. ti ma anal i se de varlancia nos per-
( permite comparar dois coeficientes de correlação mitem calcular o coeficiente de correlação por outro mé-
quer. Suponhamos, por exemplo, que queremos comparar todo. Com efeito, temos, no caso de dados sem repeti-
( coeficiente de correlação achado anteriormente(r =-0, çao.
( N 15) com outro coeficiente r = -0,902, calculado
N 20 pares de dados. Temos: SQL 275,17
( 0,2437
z(ri) = -0,5413 SQTotal 1128,96
( z(r 2 ) = -1,4829
(
logo r = 10,2437 = 0,494. O sinal correto é, porê~, ne-
A variincia da diferença entre esses valorei e: gativo, pois deve coincidir com o sinal da expressao
(
l l l l ZXY - (íX) (L:Y)
( + +-- 0,1422 ' = -8,0519.
12 17 N
(
logo teremos: O 0uadrado do coeficiente de correlação (r 2 ) recebe
(
o nome de coeficiente de determinação.
( -0,5413 + 1,4829 = 2,50 ,., No caso de se usar regressão de grau superior ao pri
t
10,1422 meiro, temos o coeficiente de correlação mÚltiplo, geral
( mente indicado por R, ao qual corresponde também um coe=-
( com infinitos graus de liberdade. O valor de t ficiente de determinação R 2 , que se calcula assim:
cede~ limite de 5% de probabilidade (1,96).
( No caso vertente outro método que se pode s <oQ;uir é SQRegressão
( o seguinte. Primeiramente calculamos a soma de quadra-' SQTotal
dos total para os valores de Y:
( quando nao hâ repetiçoes. Assim, se considerarmos, no
2
( SQ Total = L:Y 1128,96 exemplo da seção 12.3, os componentes linear e quadráti-
co da regressão, teremos:
( A seguir calculamos a soma de quadrados para a regressao
( linear (SQL) como foi visto em 12.1: SQRegressão 7,560 + 0,076 7,636 '
( (-8,0519) 2
SQL = 0,235608 = 275,17 7,636
O, 3248, R
25,510 /0,3248 = 0,570
(
E assim chegamos a seguinte análise de varlancla.
( No caso de haver repetição, é preferível tomar:
( Causa de variaçao G.L. S.Q. Q.M. F SQL SQRegressão
( SQTratamentos SQTratamentos
Regressao linear l 275,17 275,17 4,19
c Desvio da regressao l3 853,79 65,68 Assim, no exemplo exposto em 12.2, teríamos, se con
siderada a regressão até o terceiro grau:
(
Total 14 1128' 96 SQ Regressão 40,64 + 21,28 + 9,23 = 71,15 '
(
O valor de F obtido não atinge o lími te 7 l '15
( 0,9852 .
dente ao nível de 5% de probabilidade (4 ,67). 72,22
(
(
f
r- .
~~~-·_.._...,,..~~~,....,...,....,_..,......,.,
___r,,,l:Ot~
t--····. ---- - . . . ~oN«>,~-~,,_,._...~-,, , ...... .,.., ..·.....• ·.--·.'~.•••.•
__ ·~·.,'!"·~.--•··'"'~'-'. - ...!-..
-E~ -_'!~::
----·•·.· ·
c
( 242
243
( 2 7
~ bastante comum expr1m1r r ou R 2 em
( No Último caso, por exemplo, teríamos R = ib. CoEFICIENTEs PARA lNTERPOLA(;:ÃO CE PoLINôMIOs
É interessante salientar tambêm que, num
( ÜRTOC-DNAI S
mais geral, alguns definem tambêm o coeficiente
( minação do modelo usado na análise da variância
do: ~ o
l
l
l
I
i
I
~
i
N
.&:-
.&:-
n = 8 níveis n = 9 niveis
19 29 39 49 59 19 29 39 49 59
~
grau grau grau grau grau grau grau grau grau grau
~i
\
1
-7 +7 -7 +7 ...;7 -4 +28 -14 +14 -4 i
-5
-3
+1
-3
+5
+7
-13
-3
+23
-17
-3
-2
+7
-8
+7
+13
-21
-11
+ll
-4
I
l
I
-1 -5 +3 +9 -15 -1 -17 +9 +9 -9 1
+1 -5 -3 +9 + 15 o -20 o +18 o 'f'
+3 -3 -7 -3 +17 +1 -17 -9 +9 +9
+5 +1 -5 -13 -23 +2 -8 -13 -11 +4
+7 +7 +7 +7 +7 +3 +7 -7 -21 -11
+4 +28 + 14 +14 +4
K 168 168 264 616 2184 60 2772 990 2002 468
\{
2 l 2/3 7/12 7/lO l 3 5/6 7/12 3/20
n = 10 níveis n = 11 níveis
19 29 39 49 59 19 29 39 49 . 59
grau grau grau grau grau grau grau grau grau grau
N r~
""
I
VI
~~~~ ~~~~ ~~~~ ~~~ ~ ~~~~~ ~~~~ ~~~~ ~~~~ 11
I
j
l
I
I
--~
IJ
N 1
.+:--
(3\ j
l•
J
n = 12 níveis n = 13 níveis
19
grau
-11
29
grau
+55
39
grau
-33
49
grau
+33
59
grau
-33
19
grau
-6
29
grau
+22
39
grau
-11
49
grau
+99
59
grau
-22
I
.I
i
, .••,:::;_·•• ;'"·_.,._, ..... ··' ..:-': $'• -;-·· ··' ., ____ _,., '--~ -' • •
~~ ~ ~~ ~~~~~~~~~~~ ~ ~~~~~~~-~~~~~~~ ~ ~
li
·I
:i
~
i
i
l
j.}
N
.ç:;..
CXl
1
n = 16 níveis I n = 17 nÍveis f
1
j
19 29 39 49 59 19 29 39 49 59 i
grau grau grau grau grau I grau grau grau grau grau
J
+ 1 -21 -63 +189 +45 o -24 o +36 o J
+ 3
+ 5
-19
-15
-179
-265
+ 129
+23
+115
+U1
+ 1
+ 2
-23
-20
- 7
-13
+31
+ 17
+55
+88
l•
+ 7 - 9 -301 -101 +77 +' 3 -15 -17 - 3 +83 ~
+ 9 - 1 -267 -201 -33 + 4 - 8 -18 -24 +36 1
+11 + 9 -143 -221 -143 + 5 + l -15 -39 -3 9 ~
1
M 2 1 10 /J 7/12 1110 I 1 1 l/6 1112 1120
I
n = 18 níveis I n = 19 niveís
19 29 39 49 59 19 29 39 49 59
grau grau grau grau grau grau grau grau grau grau
.t
':!
+11 + 5 -33 -51 -429 + 5 - 5 -120 -354 + 3 t-~
;;·,
I
N
.ç:;..
\0
(
\
c 250 251
( o ~ .
o _a-.
N
o Observaçao De n = 14 n1ve1s em diante reproduzi
( ::l <t <t <t C') co 00 00 co -..!) o <t
O• ~ O<t .-< lf) -DCO.-l'.OC""\1-... parte dos coe f i c i entes a utilizar. Os coefÍ
lf) H <t <t COC"lOr----.o-:ra-.o::>
r---
co "..... mos somente
00 .-< <'I <'1<'1---'INC""'---'M
( + + + + + I I I + ""..... N cient;s iniciais foram suprimidos . Podem ser obtidos dos
N
que vem depois, por simetria. com troca de s1na1s no ca-
( .-<
componentes de grau
_,
1mpar ( 19, 39 e 59) e manuten
::l <toof1 o 0'.01.()0 0 0 0 ' \ o so dos
~ N
..... çao_ de sinais nos casos de grau par (29 e 49). A compa-
O• O'><tCO of) MO.-<OO .-<
( of) of) (") .-< .-l<f\0\0 of)
-..!) (")
<t H
+ + + + I I I I I
(J'\ (")
o --...
00 + raçao com as tabelas completas mostra facilmente o que
( N "'
CJ)
r---
of) se deve fazer para completar os coeficientes em falta.
( ·..--l
Q) " ::l <t M N \0 00'\CO N -<t LI'\ o
Os polinômios ortogonais do primeiro ao quinto grau
:> O• ~ o lf) o <t \0 r--- <t 0'1 --'.-<o::> (")
\0 sao dados a segui r.
I .-< .-< .-< ,.... .-< I
( ~..-;
d
(") H
00 I I I I I
1.-<N
I +
\0
N
--...
lf) ')
(") n L- -1
( .-< <t pl X p2 x2-
N
<t
12
<"")
11 ::J o r--- cO M N N ,-.,. NC""\0 a-.
( O• ~ .-< 00'\
lf)
d N H .-< ,....
I 'f'f7 I
(") co (") (J'\
+ +.-<.---<
co
.-< 3n 2 - 7
( 00 I I + + o p3 x3 - X
N 20
(
::J .-< N. (") <t lf) \0
"' 00 0\ o o .-< 3n 2 - 13 3(n 2 -l(n 2 -9 )
( ,....
O• ~ o
+ + + + + + + + + +
.-< r--- p4 x4 - x2 +
H
00
r--- 14 560
(
5 (n 2 -7) x3 l5n 4 - 230n 2 + 407
( o
Ps xs - 18
+
1008 X
o
::J \0\0.-l .-<r-lr-...NN NCO co
( O• ~ 0'1 r--- <t lf)r-...CONO "'M .--;
::J
,.__. N
lf) C"') o <t (""'r---.-<NCO .--; a-. o -..._ X X
00 +---'.-< .--; + I ,.... .-< .-< .--<
( + + + I I I +
N
.-<
r--- X
q
(")
( o <t
::J co cO (") r--- r--- r--- N N N CO N
( ·o· ~ co <t o r--- COcOON OM C")
N
--...
<t H ..... 0'1 lf) I \0 .--< <t .-< .-<m
..... ,.... ..... ..... ..... lf)
00 + + I I .-< co (")
+ I I I +
'
\
...-;
CJ)
co
N
N
( Q) ::J 0"1 r--- lf) C").-liJ'>r---U") r--- 0\ o (")
:> O• ~ 0\ cO <t l1"'1a-.Mr---oo L() \0 <t ----..
( h~ (")
,.__.
I N <t lf) lf) lf) ,...., I Mm
I
..... o
d 00 I I I I I + + r<) .--;
o
o
_( N
0"1
<t
( ::J (") ..... r--- ..... M MO'> (') a-. r--- \0 .....
O• <1l (") MN N .-< N M Lf"l lf)
,.__.
d N I I I I I I + + + + L()
00 r---
( .....
(
::J ..... M lf) r--- 0"1 .--< ,...., L() r--. 0"1
,.... o
( ,....
O• <1l
,.__.
..... .-< .......... \0
N
00
+ + + + + + + + + + \0
N
(
( :><: l::!
(
_('
-r
( 252 253
(
c é o coeficiente de eficácia. Centenas de ensaios de
( campo com várias lavouras permitem indicar como muito ra
( zoãveis as estimativas c = 0,0088 ha/kg para .o fÓsforo
~ 2 o 5 ) e a potassa (K20), e c = 0,0049 ha/kg para o
c 13. O USO DA LEI DE MITSCHERLICH NA ANÁLISE trogênio (N). Para o caso do esterco, ê aceitável o va-
ni-
(
- :z
 Yl - YOY2
w u (l/ê) log -=---- (l/ê) log - - - - -
( x:l< = (l/2)x + 114 log - - - - - . - 2
u t Xu  - Yo (y l - y o)
( para os casos do fÕsforo (P 2 0 5 ) e do potissio (K 2 ü), e
( Por exemplo, no caso dos dados do ensaio discutido
w u em 7. 7' as medias correspondentes aos três níveis de fÕs
x1<=(l/2) X + 204 log
( u t X foro eram:
u
( para o nitrogênio.
No~e-se que a dose econ~mica nao depende dos P0 40 ,9 t /h a ,
( P 56,2 t/ha ,
ços, mas da relação de preços w/t. Assim, s e, dL•umao.opa 1
P2 62,7 t/ha
( ra outro, dobrar o ~reço do milho (wJ : ao mes~o tempÕ
dobrar o preço do f o;;,; foro (t), a relaçao w/ t nao mudará
( e a dose econômica obtida com os dados de um ensaio todas com erro padr~o de 2, 7 t/ha. Aí P 0 refere-se as
( será alterada. parcelas sem adubaçao fosfatada; P 1 corresponde a adu-
Para maior facilidade do uso da lei de Mitscher lich bação com uma dose q = 60 kg/ha de fÓsforo (P20s) sob a
(
devemos, tal como no cas~ dos polinômios ortogonais, ado forma de superfosfato simples, e Pz indica as parcelas
com dose .Zq = 120 kg/ha de fÕsforo, aplicado de maneira
c tar níveis de fertílizaçao igualmente espaçados.
A teoria e a prática demonstram que a lei de Mits-
-
análoga.
( Temos pois:
cherlich tem aplicação satisfatória e Útil sempre que te
( mos ensaios de grande precisão ou grupos de experimentos (56,2) 2 - (40, 9) (62, 7)
 =67,5t/ha
numerosos. A aplicação se torna ímposs íve 1 ou desacon- 2(56,2) - (40,9 + 32,7) '
(
selhável no caso de experimentos de precisão e s cass a ou
quando o solo reage muito mal ao nutriente em estudo. ~ 56,2 - 40,9 0,0062 ha/kg
( c (1/60) log
Mas mesmo nestas condiçÕes a fÕrmula de PIMENTEL GOMES e 62,7 - 56,2
c ABREU (1959) e
de uso indicado, desde que se u t il izem 67,5 65 k g/ha
va lor es de c que mereçam confiança, como os que foram da b (l / 0 '0062 ) log
( 67,5 - 40,9
dos acima.
(
- - -
A equaçao de regress ao e, portanto,
(
( 13.2. O CAso DE TRES NíVEIS y = 67,5 [ l - 10-0,0062 (x+65)] t/ha
( Este e
o caso mais simples e mais comum. Quando os
A produção max1ma teor1ca, que se poderia obter au-
níveis são igualmente espaçados, a cada nutrien te co rres seria de
( pondem os nÍveis zero, 1 e 2, aos quais dele se aplica= mentando indefinidamente a dose de fÓsforo,
67,5 t/ha. O coeficiente de eficicia seria c 0,0062
( ramas doses de zero, q e 2q. Sendo YO• y1 , Y2 as pro-
duçÕes medias correspondentes , temos então: ha/kg, valor um pouco baixo, pois se espera que estives-
( se em torno de 0,0088 ha/kg.
(
-z -
yl YO Y2
A dose econÔmica seria obtida pela fÓrmula dada em
13.1. Considerando-se a dose maior de fÓsforo, teriamos
Ã
( xu = 120 kg/ha, u = 62,7-40,9"' 21,8 t/ha. Tomemos aÍ!:
2yl - (yo + yz) da t = 14,00 cruzados por kg de P2 Os (o que corresponle a
( Cz$ 2.800ti00 por tonelada de superfosfato simples), e
~
Yl - Yo
( 1: = (1/ q) log w"" ·2 40,00 cruzados por tonelada de cana, no campo e
Y2 - Yl
(
(
~(
( 256 257
(
e sem cortar. Obtemos entao: Ko (sem potassa) To 9J<l,d t
( Kl (30 kg/ha de KzO) Tl 1.221,2 t
21,8 X 24() Kz (60 kg/ha de KzO) Tz 1. 330' o t
( x* (1/2) 120 + (1/0,0062) log
120 X 14 K3 (90 kg/ha de K2 0) T3 1. 506.7 t
( = 140 kg/ha de P O .
2 5 Para calcular a equação de regressão, começa-se por
(
A dose econÔmica seria, pois, de 140 kg/ha de obter uma estimativa de c, o que se consegue da maneira
( o que corresponde aproximadamente a 700 kg/ha de s:guinte. Primeiro calculamos os acréscimos de produ-
( fosfato simples. çao:
Quando se trata
~ . de experimentos de pouca precisão ,
( como esse, a est1mat1va de c merece pouca confiança e 282,4 t/ha
alias, o ajustamento da equação às vezes nem e possível: 391,2 t/ha
(
No caso de três nÍveis igualmente espaçados a equação de 56 7, 9 t /h a
( Mitscherlich so pode ser usada se tivermos simultaneamen
te Agora devemos resolver por tentativa a equação em
(
z:
( Yo < Yl < Y2 2yl - <Y:o + yz) > O .
(
A Última ~ondisão_nos assegura que temos tambem necessa-
( riamente yi -
Yo yz > O • onde J4z(z), J43(z) e J44(z) são
ca raíz que interessa deve estar
polinÔmios em z. A uni
ent re zero e um. o· ra,-
(
esses polinômios estão tabulados na tabela 14 para va-
( lores de z no intervalo f O, 1] o que facilita muito a
13.3. O CAso a: QuATRO NíVEIS resolução da equação.
(
Tomaremos como exemplo um experimento de adubação Começamos por tentar z O. Temos então:
( de cana-de-açúcar (primeiro corte) feito por COURY e ou-
tros (1957). Trata-se de um ensaio com P e K, fatorial J42 (O) = -2.000 , J43 (O) = 1,000 , J4 4 (O) = 1,000
(
de 4 x 4 em 4 blocos casualízados. A an~líse d2 variin
( cia foi a seguinte: Logo, obtemos:
( R(O) (282,4) (-2 ,000)+ (391,2) (1,000)+ (567 ,9) (1,000)
Causa de variação G.L. S.Q. Q.M.
( = 394,3 .
(
( 258 259
(
l\(0,50) ( 28 2' 4) ( -4, 9) + ( 3 9 l' 2) (-1 '4 ) + (56 7 ' 9) ( 4 ) u) Finalmente:
( 340,16 . 1
( --- log
c
A ra1z estâ, pois, entre 0,50 e 1,00. Experimentemos
( a seguir, z = 0,70 e obteremos R(0,70) = 67,88. Nova t
tatíva pode ser feita, depois, com z = 0,75, eagora
(
do todas as decimais da tabela, pois já nos aproximamos
- e, pois,
A equaçao -
( da raíz. Obtemos R(0,75) = -97,77. A raíz, está, pois
entre 0,70 e 0,75. Novas tentativas nos dão a seguir: ' y 112 , 6 [ 1 _ 10 -0,00490 (x+66)]
(
( R(0,71)=7,02 R(0,72) = -16,44 . Com esta equação calculamos os valores YO, Yl• Y2• Y3
referentes ã produção de cada nível de potassa de acordo
(
Conclui-se, pois, que a raiz estâ localizada com a lei de ~ítscherlích. Organizamos então a tabela
( 0,71 e 0,72. Podemos aproximá-la um pouco mais por seguinte e calculamos os desvios Yi - Yi• com i O, i,
terpolação linear: 2, 3 .
(
( 0,01 23, 46 ,
y 7,02 , Y· -Yi Desvio (Desvio ) 2
( l_
(
261
( 260
( ção de regressao se adapta otimamente aos dados. o que se
Os cilculos se fazem como no caso do potissio, manifesta pelo_resulta do significativ o da re gressão e pe
( conduzem à equação: lo resultado nao-signific ativo dos desvios da regressão~
y = 85 , 0 [ _ anilise da variância.
( 1 10 -0,00870 (x+83)]
(
Calculamos a seguir, como anteriorment e, a soma de .
( quadrados para os desvios da regressão no caso do fÓsfo-
13.4. O CAso oc CINCO NíVEis
( ro. Este caso se resolve de maneira análoga ã do ante-
SQ Desvios da Regressão(P) 16 65,30 rior, mas com u 1 = T 1 - T0 , u 2 = T 2 - To, u3 = T3 - T 0 ,
( X 1044,80 ,
u4 = T4 - To'
( e ainda
( SQ Reg. Mít. (P) = 3.102,60-1.0 44,80 2.057,80.
( esta com 2 graus de liberdade. Resolvida esta equação com o auxílio da tabela 14 ,
obtemos uma raíz z entre ze ro e um. A segui r calculamos:
(
Obtemos, pois, a seguinte análise da variância. l og z
( c =-
(
(
(
-
Causa de variaçao
2
S.Q.
2.057,80
Q.M. To
 = -- +
r
l
r P 5 (z)
q
u 1 (l-z-z 3 ) + uz (l-z 3 ) +
[ + u3(l+z 2 -z 3 ) + u l l+ z2)
4
l
Mitscherlich para o P 1.028,90
( - com
Desvios da regressao 1 1.044,80 1.044,80
( p (z) = 2(l-z)(2+ z+2z 2 ) ,
5
( (FÓsforo) (3) (3 .102,60) e ainda
( Regressão pela lei de l
2 10.466,46 5. 233 '23**
13 = log
( Mítscherlich para o K ê
(
satisfatória para o fÕsforo, o que se deve, sem dÚvida,ã
reação pequena da lavoura em questão ~ aduba5ão fosfat_!
13.5. UM EXEM'LO COM UM GRUPO 0:: ExPERit-ENTOS
( da. Jâ para o potãssio, que teve efe1to notavel, a equ_! PIMENTEL GOMES (1957) selecionou e analisou em con-
(
(
(
262
( 263
( junto Jl:l ensaios fatoriais de 3 -" 3 " 3 l'Ofll i~, I' l' K
Tabela IJ.S.l. MZ~dias de prudu<;;lU de Jl:l ensaios de adu-
cana-de-açúcar, com dados de cana-planta c_ soca, obtidos bação de cana-de-açúcar.
(
por STRAUSS (1951). _No que se refere ao fosforo, as me-
( dias dos ensaios estao reproduzidas na tabela 13.5.1. 0
nutriente foi aplicado nas .doses de zero, 60 e 120 kg/ha
c de P2 ü 5 , sô na cana-planta.
( Seguindo a marcha jâ descrita em 8.6 e 8.7, obtemos Co.na-ptnnta (t/hn) Soca (t/hn)
NÍveis de fÓsforo (P) 2 1495,75** 45,3 52,7 4 7,4 123.2 33,2 35,3 33 ,I :>t.8,2
( Interação E X p 30,0 49,7 1,8. 8 2 30,6 12,2 20,0 22.7 lH\2
74 (55) 37 ,07*>'< 30,0 38,8 39,5 98,6 IG,S 13,0 20,6 11t,l
( Resíduo 570 (37 8) 10,23
(
(
As produçÕes medias sao dadas a seguir, l~Om o
( pectívo erro padrão.
(
(
(
( 264 265
( Cana-planta (t/ha) Soca (t/hct) vaLor qtw nos twrmilv L'sLÍmar <lm intervalo dL' <:onfiança
( para x"', de extremos xi< - t s (x"'), x* + t s (xi'). Como
Po 39,90 + 1,48 31,78.!. 0,99 s(x*) = 18,36 = 2,89, e t = 2,00, ao nível de 5% de pro-
( pl 58,34 + 1,48 39,91 + 0,99 babilidade, os extremos do intervalo de confiança para x>'<
( p2 63,84 + 1,48 44,23 I o, 99 sao 115,2 e 126,8 kg/ha.
Urna dose econômica poderia ser estimada também atra
(
vés de regressão polinomial de segundo grau. Temos, pelo
( Calculamos, como em 13.2, as estimativas dos metodo exposto na seção 12.2:
( tros e obtemos:
38 X 39,90 1. 516' 20
( Para a cana-planta: y 66 , 2 [ 1 _ 10 -0,00876(x+46)J 38 X 58,34 2.216,92
38 X 63,84 2. 425' 92
(
Para a soca: y 4 9 , 1 [ l-lO -0,00464 (x+98) l
( (-l) (1516,20)+(0) (2216,92)+(1) (2425, 92)
Note-se que tivemos para a cana-planta ê = 0,00876, 909,72
(
ao passo que para a soca estimamos ê' = 0,00464. A com- 909' 72
( paração entre essas duas estimativas do coeficiente de 38 X 2 11,97 '
eficácia relativas a duas colheitas de um mesmo ensaio,
( e, analogamente,
nas mesmas parcelas, nos permite estimar o efeito resi-
( dual do adubo. No caso presente, em que o fertilizante z::C 2 r -491,72
foi aplicado sã na primeira safra, o efeito residnal e -2,157 .
( 38 X 6
dado por
( Corno a media geral y= 54,03, o polinÔmio obtido é:
( h= ê'/ê = 0,00464/0,00876 = 0,53 =53%
y Y + B l Ml P l + B2 M2 P 2
(
(
Se o adubo tivesse sido aplicado tarnbêrn na soca, em
dose igual à da cana-planta, teriamos: 5 L_i , Ü 3 + 11 , 9 7 < l X X - 2 , 15 7 '< 3 ( X2 - +) ,
( fi: = ê' 1 com x = (X-60)/60. A substituição deste valor na equa-
ê ção obtida nos dá, em t/ha:
(
A dose econômica de fÕsforo, com t = 14,00 cruza-
( dos por kg de p 2 o5 e w = 240,00 cruzados por tonelada y = 39,90 + o,4l52x- o,00180X 2 .
de cana, no campo e sem cortar, será:
( AÍ X indica as doses de fÓsforo (P20s), emkg/ha. Com
(23,94) (240) w = C7.$ 240,00 por tonelada de cana e t = Cz$ 14,00 por
( x* 60+(1/0,00876) log (120) (14) kg de fÓsforo, a dose econômica é:
(
121,0 kg/ha de P20s x+ = a1 - t /w
(
Note-se que esta fÔrmula jã leva em conta, ate - 2â2
(
to ponto, o efeito residual do fertilizante. onde â1 e o coeficiente de X, e â2 o coeficiente de x2 .
( Temos ainda: Temos, pois, no presente exe111plo:
(
( 266 267
( Eslc valor e IIICI\0[ do C[Ul' () uuliJu pL• I;J !vi Ul' Mi
( c llerlich, o que geralmente ocorre. Pude-se achar t
(
para estanova dose econômica (x+) um intervalo d e conf ENSAIOS COM ANIMAIS
ança (PIMENTEL GOMES e COMES, 1982).
(
(
14.1. GENERALIDAIES
13.6. BIBLIOGRAFIA
Embora os princípios de experimentação sejam os mes
(
BARD, Y., 1974. Nonlinear Parameter Estimation. Acade mos para todos os campos de aplicação, há detalhes espe::-
( mie Press. Nova York. cíficos que distinguem, atê certo ponto, experimentos in
( COURY, T. e outros, 1957. A Diagnose Foliar na Cana-de~ dustriais, ensaios com bovinos leiteiros ou de corte, tra
AçÚcar. I. São Paulo. balhos experimentais com aves, etc. No campo da Z oote~
( HODNETT, G.E., 1956. The Responses of Sucar-Cane nia, os ensaios com vacas leiteiras s ão dos mais comple
( Fertilizers. Empire J. Exp. Agr. 24: 1-19. xos, por se tratar de animai s de grande valor, relativa-=-
MITSCHERLICH, E.A., 1930. Die Bestirnmung des DUngerbe~ mente pouco numerosos e muit o heterogêneos. Difi cilmen-
( dnrfnisses des Bodens. Paul Parey, Berlim. te pode um experimentador conseguir 20 ou 30 vacas lei-
( MITSCHERLICH, E.A., 1954. Bodenkunde, 7a. edição. Paul teiras de mesma raça ou mesma c ruza, de produçÕes e ida-
Parey, Berlim. des semelhantes e de pariçÕes em datas prÓximas. A hete-
( PIMENTEL GOMES, F. e E. Malavolta, 1949. Aspectos Mate~ rogeneidad e do material e x p~rimental nos obriga a usar
( maticos e EstatÍsticos da Lei de }Ütscherlich.Anais restri çÕes numerosas, que complicam os ensaios, para per
K.S.A. "Luiz de Queiroz", 6: 193-229. mitir que t enham maior pr ec isão. No extremo oposto en::-
( PU1ENTEL GOMES, F. e Izaias R. Nogueira, 1951. 'lqbelas contramos os pin tos , '2 aves em gera l, animais pequenos,
( de Polinômios para Interpolação da Equação de ~lits de baixo pr eço , que se pod e m obter com facilidade em gru
cherlich. Anais E.S.A. "Luiz de Queiroz", 7: 57-fJ7. pos h omogên eos de dezenas e at~ de ce ntenas de ca be ças .-
( PIMENTEL GOMES, F., 1953. The Use of 1-Ütscherli cll's Re- Tais carac t erísticas permitem o uso de delineament os ex-
( gression Law in the Analysis of Experiment s with perimentai s mais simples e nos levam, em geral, a p~r vá
Fertilizers. Biometrics, 9: 498-516. rios animai s em cada parcela. Ta mb~m os suínos, que oc~
( PIMENTEL GOMES, F., 1957. Análise Conjunta de 38 Experi pam uma posição intermediária entre esses dois extremo s~
( mentos de Adubação de Cana-de-Açúcar. Rev. Agr-: geralmente permitem o uso de delin eamentos relativament e
32: 113-126. simples.
( PIMENTEL GOMES, F. e C.P. Abreu, 1959. Sobre uma Formu- No caso de animais pequenos, c omo aves e porcos, nao
la para o Calculo da Dose mais Econômica de Adubo·. raro as maiore s causas de e rro residem no ambiente em
(
~ais E.S.A. "Luiz de Queiroz" 16: 191-198. que vive m, se do lado oeste ou l es te dos edifÍ c ios, se
( Pl}fENTEL GOMES, F., 1961. On a Formula for the Estima- nos andares superiores ou inferiores das baterias de pin
( tíon of the Optimum Dressing o f a Fertilize r. Bio- tos, se sujeitos ou não a ventos frios ou ao calor da
metrics, 17: 492-494. tarde. Estas causas de variação sao consideradas, pois,
( PIMENTEL GOMES, F. e Marli B. Gomes, 1982. A na organização dos blocos.
( Problem Related to Confidence Intervals l ) [ Hâ experimentos em que um nwsmo animal pode ser usa
of Maximum or Mí.nimum of Setond Degree RL·) ~I"l.'S s do mais de uma vez, constituindo um bloco, com duas ou
( l Equations. Anais 10~ Conferência Internacional mais parcelas. Por exemplo, num ensaio sobre a conserva
j
ção da carne, um mesmo músculo dos quartos traze i ros po::-
c 1
l.
l
Biometria. EMBRAPA, Brasília.
STRAUSS, E., 1951.- Experimentos de Adubação na Zona de Sl'r a parcela, um do quarto esquerdo, outro do direi-
( l víeira de Pernambuco. Anais da Terceira Reunião to.
d.
' sileira de Ciência do Solo, 19 Tomo: 336-443.
l
(
(
l
(
,
r~~-·"·~·~··~n·--,~·:~·~·-.,....._,.,._,,.,.,..,,,,. ' '""'~"""'"''"''''.''"''"-"''"'""'''~'·"~''"e'.'""'~'""'"'""','"
(
268
( 269
( No qllL' sv n·IL'Cc a exr)L'rillll'lll.os Jv ai illll'llL:~<;.Iu, LU- No caso de nao ter havido inicialmente a separac,;ao
CAS (1958) classifica os ensaios em: L ContÍnuo::;, 2. Al dos sexos, podemos ter no fim proporçÕes muito diferen-
(
ternativos. Nos ensaios contínuos, cada animal recebe tes de aves dos dois sexos nas parcelas. Uma análise
( o mesmo tratamento, ate o fim do experimento.
nativos, o tratamento muda, de tal sorte que a cada ani:-
Nos alter com os dados assim obtidos e
perfeitamente correta, pois
( se trata de diferenças produzidas pelo acaso. Mas um
mal correspondem virias parcelas (perÍodos) com diferen- certo ganho de precisão poderá ser conseguido, no caso
( tes tratamentos, que mudam de um perÍodo para outro. Os de aves em que as diferen-ças sexuais de crescimento já
ensaios alternativos são especificas para o estudo expe- se manifestem, por uma anilise de covariância.
( rimental de vacas leiteiras, mas podem tambem ser aplica Tomaremos como exemplo um ensaio de TORllliS e PH:LHTEL
( dos a galinhas poedeiras e, eventual e raramente, a ou- G0}1ES (l959) em que se usaram 4 raçÕes (sem. sorgo, e com
tros casos. 10%, 20% e 30% de sorgo) com duas.repetiçÕes para pintos
(
machos e outras duas para pintos fêmeas, com um delinea-
( mento inteiramente casualizado. Cada parcela tinha ini-
( 14.2. ENsAIOS C0'1 AVEs cialmente 13 aves, mas algumas morreram, de sorte que,
na pesagem final, com 4 semanas de idade, algumas parce~
( Discutiremos aqui especialmente os experimentos de las contavam com 12 animais apenas, como indicam os nu-
alimentação de pintos, que podem servir de orientação meros entre parênteses do quadro seguinte, onde apare-
( para outros casos. cem os pesos totais das parcelas, em decagramas.
( Como se trata de animais baratos e bem homogêneos,
em geral cada parcela se compÕe de uns 10 a 15 pintos,às
( vezes 50 ou 60, todos de mesma idade e, se possivel, de MACHOS Ff:MEAS
( mesmo sexo. Cada parcela e considerada como um to·:io, de
sorte que não interessa o peso individual de cada ave, Repetição Repetição
( mas apenas o peso total da parcela. As pesagens em ge- l-§1 2? l~ 2?
( ral se fazem semanalmente, mas sô interessa realmente o
peso final do período em estudo. Sem sorgo 548 (13) 512(13) 399 (12) 388 (12)
( No fim do ensaio geralmente se verifica que algumas Com lO% de sorgo 689(13) 646 (13) 503(13) 508 (12)
( aves morreram ou foram acentuadamente prejudicadas por Com 20% de sorgo 543(13) 611 (13) 475(13) 437(12)
doenças ou acidentes. Se a mortalidade ou perda de pin- Com 30% de sorgo 514(13) 537(13) 398(13) 448 (13)
( tos for mais ou menos normal, de não mais de 10%, diga-
( mos, os pesos totais das parcelas, para as aves sobre-
viventes, são considerados,no ensaio, sem nenhum ajus- O ensaio e evidentemente fatorial, com os fator~~s~
( te: as diferenças d~ numeras de aves entram como varia- xos e RaçÕes.
( çÕes do acaso e podem ser, em parte, compensados pelo A análise, dada a seguir, mostra que, embora haja
maior desenvolvimento dos animais restantes. Se, porem, efeito de Sexos, não há Interação RaçÕes x Sexos, de sor
( houver mortalidade excessiva, a primeira coisa a fazer te que as posiçÕes relativas das RaçÕes sâo independeu=
( se ri verificar se não se deve aos proprios tratamentos tes dos Sexos.
(ração tóxica ou insuficiente, por exemplo) caso em que
( nenhum ajuste se recomenda. Esta verificação se faz ana Causa de variação G. L. S.Q. Q.M. F
c lisando os números de aves perdidas ou de aves sobrevi=
ventes, em geral depois de transformados pela extração RaçÕes (R) 3 38.001 12.667 18,36**
( Sexos (§) 1 68.121 68. 111 88,01**
da raiz quadrada. Se não houver efeito dos Lcatnn~ntos S 634
Interaçao R X 3 1. 903 0,819
( nesta anâlise, os dados de peso poderão ser ajustados, Resíduo 8 6.194 774
por meio de uma análise de covariância.
(
(
r··· .
.,~.,.-~~~- :'1..·1~--""-,!"'~~~.-;-· >~:·"""-~'C'<~\'.':"~"F""""~:"""'~~j_~.>;-;·•.c:-'? ~:--:-f..-."·'!'·':.'~' "~~~f'·~··"·~,-,_,<_r·:t1•:!:~--'''J"""'-'·.·:.'•.'_:'Ifte• ' .
(
( 270 271
(
Os nGmeros de animais sobreviventes por parcela mesma raçao. No primeiro bloco ficaram as 4 vacas de
( foram considerados na análise. maior produção, no segundo as 4 seguintes e no terceiro
Verifica-se que o Quadrado Media da Interação Ra- bloco as 4 de menor produção.
( çÕes X Sexos e
uma boa estimativa da variância residual. As produçÕes de leite das vacas, em kg, no perÍodo
( Podemos, pois, juntar os 3 graus de liberdade da intera- experimental, de 8 semanas, que se estendeu de 20 de ou-
ção aos 8 do resÍduo anterior e obter, assim, 11 graus tubro a 15 de dezembro de 1959, constam da tabela segui~
( de liberdade para o novo resÍduo, como se vê a seguir. te.
(
( Causa de variaçao G.L. S.Q. Q.M. F
19 29 39 Totais de
( Tratamentos
bloco bloco bloco tratamentos
RaçÕes 3 38.001 12.667 17 ,21**
( Sexos 1 68. 121 68. 121 96,56**
( ResÍduo 11 8.097 736 Testemunha 431,4 485,2 (309,8) 1226,4
( Com lüg diárias de 687,5 5o0,4 443,0 1690,9
case1na iodada
(
Se utilizássemos os pesos individuais das aves, ob- Com l~g diárias de 679,2
( 563 '3 430' 5 1673,0
terÍamos um ResÍduo (b), pois cada pinto representa uma case1na íodada
( subparcela. No caso presente o quadrado mêdio desse Re-
sÍduo (b) foi igual a 628, valor bastante prôximo do qu~ Com 29g aiãrías de 502,5 462,4
569' 7 1534,6
( case1na iodada
drado médio residual acima obtido, o que mostra que, em
( experimentos análogos, este ResÍduo (b) pode ser usado
Totais de blocos 2367,8 2111,4 1645' 7 6124,9
para estimar o erro experimental.
( As doses crescentes de sorgo sugerem o estudo de
( uma curva de regressão, o que fica a cargo do leitor.
o dado ent:re parênteses refere-se a uma parcela peE_
( di da, estimada pelo mêtodo indicado na seçao - 5.4.
.
A análise de v ar1 anela -e dada a seguir.
.~
( kg ,
Testemunha 408,8 19 período A B c
c ~
Com 15 g de case1na
563,6
557,7
kg ,
kg ,
29 perÍodo
39 período
c
B
A
c
B
A
( _.,
Com 20g de case1na 511, 5 kg
'
(
Pela análise da variância, há aumento significativo A análise da variância teria a seguinte decomposi-
( de produção pelo uso da caseína iodada, mas as doses de ção de graus de liberdade:
( caseina utilizadas dão produçÕes que não diferem sígnifi
cativamente entre si. Causa de variação G. L.
(
Seria recomendável o ajustamento de uma equaçao de
( regressão, como f oi visto no capitulo 12. Tratamentos 2
Linhas (perÍodos) 2
(
CoLuna s (vacas) 2
( 14.4. ENsAIOS RoTATivos coM VACAS lEITEIRAS ResÍduo 2
(
Nos ensaios alternativos. se toma cada animal como Total
( um bloco, sobre o qual se consideram diversas parcelas,
que são perÍodos sucessivos de produção de l e ite, cada Note-se que nesse caso cad a tratamento ocorre nos
( ma1s
um deles com algumas semanas de duração. No caso trê s perÍodo s, o que traz uma certa compensação para seus
( comum, os tratamentos atribuidos a c ada animal são todos efeit os . Para que essa compensação seja tio perfeita
diferentes: são os ensaios rotativos ("change-over" ou quant o possível, é rreces s ário, porém, que os três atu-
( "switch-over",em Inglês). Mas, eventualmente, o ani- a m p!:odu çÕes Llwntes,
mais do quadrado latino tenh seme
( mal, no fim do ensaio, volta a receber o tra~ament o ini- poi se natural que numa vaca de grande produção de leite
c i a l, como ocorre nos experimentos de reversao ( " ;;lvitch- a qut'da se ja maior do que numa vaca medÍoc re. Supo nha-
(
-back", em Inglês), que veremos posteriormente. mos, por exempl o , que, em iguaLdade de c ondiçÕ es , as va-
( Um defeito fundamental dos ensaios alternativos re- cas pe rcam lO% de sua pr odu çã o inicial, de um pe r Íodo pa
side na possibilidade de efeito residual de um tratamen- ra o seguinte. Admitida uma produção inicial de 500 kg
( to sobre o tratamento subsequente. Isto se pode ev itar, de l e i t e para a primei r a v a ca e de 200 kg para cada uma elas
( em grande parte, pelo menos, desprezando-se a produç~iodo outras duas, teríamos, na ausência de efeitos de trata-
animal na primeira semana que se segue à mudança de tra- mentos, os se g uintes dados .
( tamento. Mas se pode também tentar analisar por cálculo
( matemático o efeito residual porventura existente. Vaca l Vaca 2 Vaca 3
Outro fator a levar em conta quando se considera ca
( da vaca como um bloco e
que, depois dos 2 primeiros me- 19 perÍodo 500 (A) 200 (B) 200 (C)
( ses de lactação, há uma queda persistente de produção de 29 período 450 (C) 180 (A) 180 (B)
lei te, queda essa que se pode considerar ap_::ox~ma?amente 39 período 400 Ol) 160 (C) 160 (A)
( linear. Para eliminar esta causa de erro sao ute1s os
( quadrados latinos, que incluem então os prÓprios ani-
mais como colunas e os perÍodos como linhas. Assim, por O quadrado latino escolhido. superposto a esses da-
( exemplo, um ensaio com 3 tratamentos (A, B, C) poderia dos. como indicam as letras entre par~nteses, nos daria
( ser feito com o quadrado latino seguinte. os seguintes totais para os tratamentos:
c
c
(
( 274
275
( Trati.lmcnlu A et~o kg ,
c Tratamento B
Tratamento C .................
780 kg '
810 kg M CO ,_ co \!)~C() co
( M \D co co N \D \.0 lll
-.:r
<""\ tr) <'"! 00.-< N
NN N ,..._
( A deaigualda~e de produç~o das vacas impediu, NN N \.0
r-1
M
co
0:::
C)
<1J
u
<O
'-./
lll Oltr)
MOI 0'1
'-" ' - '
m
N
( rios quadrados latinos, 4 por e x emplo. As vac as de um O• > co o ,..._ \D O• > \D r- lll o
N ...... N -::r N
rnesrrio quadrado latino deverão ter produçÕes s e melhan-
( tes, mas de um quadrado latino para outro pode variar 0 -::r
o ,....._ _......_
nivel de produção dos animais. As sequências (ACB, BAC
-:;:;;;u
.__,
'-' ' - '
r-1 ,-..
«:ç:q u
-
CBA) de tratamentos, correspondentes as colunas, s ao atri' -
<O
<.)
<O
COtr\-.;:t
o,..,~
co
,..._
\.()
<1J
C)
<1l
' - ' '-' ' - '
\.0 M N
co 0l m
......
o
( buidas ao acaso às vacas de cada grupo. > '-Í) ,..._ r-1 > tr\I'CO N
N N
a- m r-
<1l .._., '-"'-·'--"
Vacas dentro dos grupos 8 li) u ,..._ \Q. \0. m
<O
co OI "' -::r <1l m--o o \.()
( > O'>C0\.0 lll > co r- ,..._ <'"!
Periodos (linhas) dentro dos grupos 8 N N
( Tratamentos 2 o op...
(
Interação Tratamentos x Quadrados Latinos 6 s
0:::
N
<O
...-......----..
çq<>:;u
.._,
,--.....
'-....-' '-....-'
~
0:::
co
<1l
,-..
çQ ~
""' ,-..
' - ' '-" ' - '
u
Res1duo 8 C) u \..0 l() ,-i N C) (.) ~~ M .....
<O O'IM O M <1l <'"!~ tr\ (V)
( O• > '-0 \0 m N O• > ,..._ --o m M
N <""\
Total 35 N
(
Temos O· O o o o o
( 'l:l'"C)'"C)
o o o '"C) '"C) '"C)
o o o
~.-I h-<
~: x 2 - C
~.-I h-< ~.-I h·l
SQTotal ,._. ,._. ,._. ,._.
( ~
CIJ <li <li <li
~
<li <li
21.530.497 - 20.834.660 o. o.. 0.. o.. o.. 0..
( 695.837 O• O• O• O• O• O•
r-1 N <""\ r-1 N M
(
c
-
r='~--~-- . . . ._. ......
~--.,. -~,---""'""- :·· ..:t---~'~"""'~"-"'-"""'~·~·-·- ""'~-,... ,.,,>,,_ _~""·~·,·-,,~~--"' "·::··--.";•~;-.:_.,_--_~--,
(
\
( 276 277
(
SQ PerÍodos d. Grupos (1/3) I (22l2) 2 + ... +CLI68);;1
causa de variaçao C. L. S.Q. Q. M. F
- C - SQ Grupos
( 35.654 , 3 73. 47 9
Grupos de vacas (C)
( SQ Vacas d. Grupos (1/3) [ (2195) 2 + .•. +(2028)2]- vacas dentro dos
8 96.263
( - C - SQ Ccupos grupos
96.263
( períodos dentro
8 35.654
Para completar a análise da var~anc~a, o rgan1 zarros a .- . dos grupos
(
tabela 14.4.2. com os totais de tratamentos em cada qua- Tratamentos (T) 2 470.400 235.200 164, 25 * 1'
( drado latino ou grupo de vacas, como a seguir.
Interaçao T X G 6 6.786 l. 131
(
Tabela 14.4.2. Dados para cálculo da Interaçao Tratarnen ResÍduo 8 l3. 255 1. 65 7
( tos X Grupos.
( Total 35 695.837
( 19 29 39 49 Totais de
grupo grupo grupo grupo t r at amen tos
( Sendo todos os grupos de animais de mesma raça ou de
mestiços análogos, ê de esperar que o quadrado mêdio da
( Tratamento A 1819 2085 1822 1723 7449 Interação Tratamentos x Grupos estime a variância resi
Tratamento B 2380 2432 2278 2039 912 9
( dual. Podemos, pois, reuni r os 6 graus de liberdade des
Tratamento c 2773 2871 2669 2496 10809 sa interação aos 8 do residuo, obtendo, po~s,
(
Totais de 6.786 + 13.255
( 697 2 7388 6769 6258 27387 1432 ,
grupos 14
(
com 14 graus de liberdade. O valor de F do quadro foi
( calculado com este novo Q11adrado Hêdio Residual.
Ternos agora:
As medias de tratamentos são:
(
,(
SQ Trat. e Grupos (1/3) [ (1819) 2 + ... + (2496) 2 1- c Tratamento A . . . . . . . . . . . . . . . . . . 620,8
550.665 , Tratamento B ••••.•.•.••••••••• 760,8
( Tratamento C •••••••••••••••••• 900,8
(
SQ Trat. (1/12) I (7449) 2 + (9129) 2 + (18809) 2 1 -c
470.400
A diferença mínima significativa para essas medias,
c SQ Trat. x Grupos
pelo teste de Tukey, ao nivel de 5% de probabilidade, e:
SQ Trat. e Grupos - SQ Trat. -
- SQ Grupos
c 550.655 - 470.400 73.479 q
s
3,70
37,8
40,4 .
6.786 . m
r
"
(
278
27 9
( Ver ifica -se, pois , que os trvs trata
ml'lt lus tos, ou um mÚl Líplu Jcss v llttm eru:
sign ifica tiva men te entr e si. ess'- 's sao us de
( . O coef icie nte de vari ação , de apen . eame ntos com pleto s.
as 5,07 ., ê lln Assi m, para o caso de 2 t ratam
baix o, o que dem onst ra a efic iênc en5o s (A, B) de~em~s
(
( ou pouc o mais , entr e os perí odos
ia do expe rime nto.
A falt a de um inte rval o de sepa raçã
o, de uma s
2 anim ais ou um múl tiplo dest e num
~:a~ada par r~ceberão, por sort eio, as
ero._ an1.m a1s o:
suce ssiv os, perm itiu sequ enc1 as de tra
caso vert ente , que os efe1..tos res1.- tame ntos segu 1nte s:
( dua1..s dos trata rnen't
sobr e os subs eque ntes fosse m bast
ante sens ívei s. p
( ava liá- los, pode -se reco rrer ao 19 anim al 29 anim al
méto do prop osto por COCH
RAN e outr os {194 1), mas nos pare ce 19 perÍ odo A B
( que seri a pref erív el
29 perÍ odo B A
simp lesm ente desp reza r a prod ução
de leit e da prim eiras e .B
( mana ou das duas prim eira s sema nas 39 perí odo A
de cada perÍ odo expe -
rime ntal .
( Para 0 caso de 3 trata men tos (A,
B, C) o nume ro de
Há um inte ress ante trab alho sobr e o assu
nto, publ i- anim ais (ou sequ ênci as) é 3 x 2
( cado por ASSI S e outr os (195 9). 6, como a segu ir:
( A B c B c A
( 14.5. ENsAIOS DE REVERsÃo B c A A B c
A B c B c A
(
Tal é a trad ução para os ensa ios
em "swi tch - back " Se disp user mos de 6 anim ais na ocas
( dos nort e-am eric anos . Os delin eam ento s resp ecti vos ião, podere~osin~
ciar ensa io simu ltane ame nte para todo
dest inam espe cific ame nte a vaca s se 0 s_ e~es, e ::ao h a
( leit iras , embo r0 se nece ssid ade de bloc os. Send o nece
poss am tamb em apli car a caso s anál vera ssar 1o, . pore m, po-
ogos (do pont o de vis- · ·
( ta da expe rime ntaç ão), corno o das derem os come çar com 3 an1.m a1s, em u m bloc o • f1ca
_
ndo o ou
. . :::-
gali nhas poed eira s. tro bloc o para ~po c a post erio r.
Cada anim al e util izad o em 3 perí Os bloc os sao orga n1.za
( odos exp~~ rimen- dos como se mos tra a segu ir.
tais suce ssiv os, cada um de cerc
a de 3 sema nas. Para evi
( tar os efei tos resi dua is de um perÍ
odo sobr e o subseque~ 19 bloc o 29 bloc o
te, e para perm itir que os anim ais
( se habi tuem aos ali-= A B c B c A
men tos, a prod ução da sema na inic
ial de cada perÍ odo de- B c A A B c
( ve ser desp reza da.
Nos ensa ios de reve rsão os perí odos A B c B c A
( têm semp re o mesm o trata men to, que
inic ial e fina l
( tame nto usad o no segu ndo perí odo.
e comp arad o com o tra Para cada anim al, em qual quer caso
, cal cu la-se o nu
O fund amen to do méto - mero
do está na qued a pers iste nte da
( prod ução de leit e das va
cas, depo is de uma brev e fase inic
ial de prod ução cres = D = Y1 - 2 Y2 + Y3
( cent e. Por isto , os delin eam ento
s em disc ussã o só deve m
ser aplÍ cado s a anim ais que no iníc
( io do ensa io ja te- que serv e de base a toda a anál ise esta tíst ica. AÍ Y1
nham ultra pass ado o pico da lact
ação , isto é, mais ou me indi ca a prod ução do anim al no prím . . ..,
( nos 2 mese s depo is da pari ção, e e1ro p~r1odo, Y 2 , no
(
não tenha m ultra pass ado a meta de
que, no fim do ensa io,
do perío do de gest ação mos a corr eçao :
~
segu n d o, e _ 3 , no terc eiro . Ante s de ma1.s nada calc ula
subs eque nte,
Send o p o núm ero de trata men tos,
cada ensa io exig e
p(p- 1) anim ais, cada um rece bend c
( o uma sequ ênci a de tra .
3np (p- l)
c
(
...,._.... .,. ....
f''' ""'·~ ··..,.~ I"~-~--"-,.,.~~"-····-···"·"" ''··~·-C'-··~·,~-----·- . --". . .,.,,. _. ""_._,._, ., ,,,... _. ..,
_~-,,.
(
280
( 281
( I
!
onde n = Zr, sendo r u 11Únll' r o <.!e v: tc;~s usada s para
uma das sequências de tratamentos. A Soma de
( Total ê: causa de variaçao G. L. S.Q.
(
SQ Total = (l/6) ~D2 - C . Tratamentos p -
l (116 n p)L q2
( Blocos b - 1 (l/6)1: (1/mu)~ - c
( A seguir calcularros o valor Qi correspondente a ca- Resíduo Por subtração Por subtraçao
da um dos tratamentos.
( Total (lI 2) n p ( p-1) - l (l/6 )I n2 - c
r:•
c Q.
l.
D - L:" D
(
( 282 283
( e para os demais:
Vaca 6 25,4(C) 26,0(B) 23,9(C) -2,7
c-o , 6 -4 , 3-3 , 4-3 , 1) c-1 , 5-2 , 7 -L , 4-1, 7) = -4 , 1,,
c Totais do
186,4 183,2 162,6
(-5,8-2,7-1,4-3,2)- (-0,6-2,9-1,9-3,1)= -4,6.
c 19 bloco
-17,8
( Resulta:
(
( 284 285
( 8,7
illl=29,18+ = 29,54 . 5 tratamentos (Je I ineauu.:nto reduzido)
( 19 bloco 29 bloco
( Para os demais tratamentos obtt:mos analogamente A B c D E A B c D E
B c D E A c D E A B
( m2 = 2 9, o1 ; m3 = 28,99 A B c D E A B c D E
(
A estimativa Ja variância da Jiferença entrv
( medias quaisquer é:
( 6 tratamentos (delineamento completo)
3 s2
19 bloco 29 bloco 39 bloco
n p
( A B c D E F A B c ]) E F A B c D E F
logo a diferença mÍnima significativa, pelo teste de Tu-
( key, sera:
B C D E F A c D E F A B D E F A B c
A B c D E F A B c D E F A B c D E F
(
~ = q /(l/2) v (mi - mu>
(
( r;-:;- 49 bloco 59 bloco
=q l/-ir!p . A B c D E F A B c D E. F
(
E F A B c D F A B c D E
( A B c D E F A B c D E F
No caso presente e ao nÍvel de 5% de probabilidade,
( temos, pois:
( 7 t rat amen tos (delineamento reduzido)
4,1613 (0,28) 19 bloco 29 bloco 39 bloco
( 0,78 .
2 (4) (3) A B c D E F (; A B c D E F c; A B c D E F G
( B C D E F GA cD E F G AB D E F c; A B c
A B C D E F G A B c DE F G AB c DE F G
c Como seria de esperar pelo teste F, nao sao signifi
cativas as diferenças entre medias de tratamentos. -
(
O coe f iéiente de variação é bem baixo:
(
100 lü,28
(
c. v. 29,18
= 1,8% .
14,6, BIBLIOGRAFIA
( Para alguns casos de 4 ou mais tratamentos os deli- ASSIS, F. Paula~
G.L. Rocha, R.N. Guaragna, M. Becker e
neamentos que se podem usar são os dados a seguir, re-
( B. Cintra, 1959. Valor das Silagens Simples e Mis
produzidos do trabalho de LUCAS (1956). tas da Dieta de Vacas Leiteiras. Boletim de Indus=
(
tria Animal, 17: 207-215.
4 tratamentos (delineamento completo)
( COCHRAN, W.G., K.M. Autrey e C.Y. Cannon, 1941. A Dou-
19 bloco 29 bloco 39 bloco
ble Chanr;;e-Over Design fo1:" nai.ry Cattle. Feeding Ex-
(
perimenta. J. Dairy Scíenee, 24: 937-951.
A B. C D A B C D A B C D
( KALIL, l\lias Bechara, 1974. Principias de 'técnica Exp~
B C D A C D A B D A B c rimental com Animais (mimeografado). ESALQ, Piraci
( A B C D A B C D A B C D
c aba.
(
.. · (
( ..
,.~
( 286
287
( LUCAS, H. L., 1956. Switcli-Back Trial.s fur l'lon.· Than
( Treatments. J. Dairy Scíence, 39: 146-154.
LUCAS, H.L., 1958. Experimental Designs and Analysesf
(
(
Feeding Effíciency Trials with Dairy Cows. In: F d
Utilization by Dairy Cows.
Press, Ames, Iowa.
Iowa SL1 te Co u:e
· g
e ~. O TESTE DE QUI-QUADRADO E SUAS APLICAÇÕES
( PIMENTEL GOMES, F., Saladino G. Nunes, Marli B. Gomes
( João B.E. Curvo, 1988. Modificação na Análise ~ .1. INTRODUçÃO
Variância de Ensaios de Pastejo com Bovinos, Con-
( siderando os Blocos de Animais. Pesq. Agr. Em muitos dos trabalhos cientÍficos experimentais a
Bras.
23(9): 951-956. análise da variância não pode ser usada ou apresenta res
(
TORRES, A.P. e F. Pimentel Gomes, 1959. Substituição de triçoes mui to sérias, dadas as suas limitaçÕes, indica-=
( Subprodutos de Trigo pelo Sorgo MoÍdo na Alimenta- das no capÍtulo 2. Por outro lado, em muitos desses ca-
ção de Pintos. Anais E.S.A. "Luiz de Queiroz", 16: sos a aplicação direta do Cálculo de Probabilidades oudo
(
251-276. teste de qui-quadrado (x 2 ) dá soluçÕes elegantes e conve
( nientes. O Cálculo de Probabilidades, embora atraentepe
la sua simplicidade teórica, leva-nos, na prática, na
(
maioria dos casos, a cálculos excessivamente trabalho-
( sos. O teste de x2 , ao contrário, embora apenas aproxi-
mado e com numerosas limitaçÕes é de aplicação relativa-
(
mente fácil. Neste capítulo buscaremos indicar o uso des
( te teste, com suas restriçÕes, e tambêm algo sobre o tes
te de Fisher, que pode substitui-lo em alguns casos.
(
(
( 15.2. TABELAS IE CoNTINGÊNCIA DE 2 x n
(
290 291
(
( o teste de x/ :;e pode igualmente aplicar da rnancit·a As demais frequ~ncias esperadas se podem calcular
(
posta e com aH cestriçÕes indicadas. por subtração d~s totais marginais. Obtemos assim os ~
Urna partícularidade importante do teste de x2 meros entre parenteses que constam da tabela seguinte.
( de que, sendo feito com quadrados de desvios, não
tingue o sinal desses desvios; corresponde a um teste
(
bilat~r~l para desvi~s.: Se tivermos, porem, conhecirnen Natureza das Acasalamentos Totais de
( to prev1o, por urna h1potese ou por trabalhos anteriores~ vacas fecundos infecundos acasalamentos
do sentido dos desvios (se para mais ou para menos) as
( 2
tabelas de x comuns, tais corno a nossa tabela 15, se Charolesa 515(680,7) 1287 (1121,3) 1802
( podem usa::, mas tornando a metade da probabilidade indica Zebu ou
769 (603 '3) 828( 993,7) 15 97
da, isto e, os limites de 10% correspondern ao nível de azebuada
(
significância de 5%, e assim por diante. No caso verteu
2
( te, o x unílateral, com 3 graus de liberdade, ao nÍveT 1284 2115 33 99 (N)
de 5%, teria corno limite de significância o valor
(
x22 = 6,25; o valor correspondente ao nível de 1% seria
( x = 9,84, que na tabela aparece corno referente ao ní-
vel de 2%. Temos, pois, com 1 grau de liberdade:
(
(
15.3. TABELAS DE lroTINGÊl'.JCIA !E 2 2
X
(~-603,3) 2
( 603' 3
( Os dados da tabela da seção 15.2 podem ser "i gru- (828 - 993, 7) 2
pados corno abaixo, em urna tabela de 2 x 2, análoga a ta- +
993,7
( belas outras muito comuns na pesquisa biolÕgica.
( Nota-se, porem, que todos os numeradores sao iguais,
bastando, pois, calcular um sô deles. Fica, portanto:
( Natureza das
[68~,7 • ni!,3 99~,71
Acasalamentos Totais de
( vacas fecund0s infecundos acasalamentos X
2 8
(515-6 0,7l' + 60i,3 +
( Charole sa 515 1287 1802 137, 96'"* .
( Zebu ou
769 828 1597
(
azebuada o valor da tabela correspondente ao n1vel de 5% e
3,84, e o que cabe ao nÍvel de 1% e
6,64. Temos, pois,
( 1284 2115 33 99(N) um resultado significativo ao nível de 1% de probabil~
dade, do que resulta que a hipótese de nulidade deve
(
ser rejeitada, isto e, a hipótese de que haja fecundid~
( de igual para as duas classes de vacas (Charolesas, de
Podemos aplicar o teste de x2 corno no caso
( rior.
ante-
Para os acasalamentos fecundos de vacas charole-
. -- .
um :lado , Zebus ou azebuadas de outro lado). E . se. con-
clui que o garlo Zebu ou azebuado est~dado e s1gn1f1cat1-
. .
( sas, admitindo-se igualdade de fecundidade para os dois vamente mais fecundo do que o Charoles.
tipos de vacas, a frequêncía esperada e: Para tabelas de 2 x 2 o x2 se calcula mais facil-
(
1802 X 1284 mente pela fÓrmula:
( f .. 680,7
e 3399
(
(
(
(~~--- -
.................. ,,........,,.,........ :···· ·
( 292
( 293
( (a d - b c) 2 N
as o a correçao ,r)ouco altera o resultado, d co-
. o mesmo não acontece quan o- ~
(a + b) (c + d) (a + c) (b + d) s
Neste c
( mo seria. de e~pera~ ~a;a: a diferença entre a f requen~~
( frequenclas sao ba~_ . erada em valor absoluto, e
onde a, b, c, d são as frequências observadas, como Obs ervada e a frequenc~a esp
tabela seguinte. ,l os dados da tabela
(
pequ~nt.
a Cons~ 'd
tirados erem
do
os por exemp o,
h ~ . NA
vro de VIAN ' SANTIAGO e PIMTEN
,
seguln e'
( TEL GOMES (1978).
( Natureza das
vacas Acasalamento s
( fecundos infecundos Natureza · das Partos Abortos e Total de
( Charolesa 515(a) vacas normais natimortos partos
1287 (b) a + b
( Zebu ou
azebuada 76 9(c) 1/2 Charolês
828 (d) 310 (307, 9) 23(25,1) .. 333
( c + d -Zebu
1597
( a+c 1284 3/4 Charolês
b+d 2115 - Zebu 34(36,1) 5 ( 2' 9) 39
N 3399
(
( 344 28 37 2
Temos, portanto:
(
( (515 X 828 - 769 X 1287) 2 (3399)
(1284) (2115) (1802) (1597) = 138,00** . Neste caso o X 2 ,_. om correçao
- de Yates sera:
(
( A pequena diferença em relação ao valor obtido ante l 1 _1_ +
(2' 1 - 0,5) 7
riormente se deve ãs aproximaçÕes de deci.mais.
2 307,9 +25,1
- - + 36 ' l
( Ü teste de x aplicado a tabelas de 2 X 2 não deve
1,06
( ser usado, segundo COCHRAN (1954), nos seguintes casos:
1) Se a frequência total N for menor. do que 20; 2) Se a
( - corrigido serla
O va lor nao . x2 -- l ' 8 3 'hque deles
difere
frequência total N estiver entre 20 e 40 e a frequência
. No ca so vertente, nen um- e
( esperada mÍnima for menor do que 5. Em todos os c asos a bastante do anterlor.d . correr que a corr. eçao2
· ·f·lCa t'lV o ' mas. po 0
~ de
lcaç ão estat~st~ca o
frequência esperada mÍnima deve ser pelo menos i gu al a l slgnl erla
. . f. · d X calcu
(um). Yates alterasse a slgn~
(
1 d
( Sempre que a frequência esperada mÍnima for pequena a o. 2 - d Yates para ta b e 1 as 2 x 2
(inferior a 20, digamos ê tradicional o uso da correção O X com correçao _e se
pode calcu 1 ar por uma formula ana -1
oga
à dada em 15.3,que
( de continuidade ou de Yates, que consiste em subtrar 0,5
da diferença, em valor absoluto, entre a frequência ob-
e a seguinte:
(
servada e a frequêncía esperada em todos os casos da ta-
( bela de 2 x 2. No caso vertente a diferença em valor ab <lad-bc I - O 5 N)
2
N
+b)(c + d)(a'+c)(b+ d)
(
( 2 94
295
( A diferen ça do valo r agora obtido em re la (; ão ao
culado antet"io t"mente (1,06) se deve a aproxim açÕes de
ci teste de x2 , que neste caso ja e pouco ;lc onse-
( lhâvel, nos daria X2 = 7,26 7<1<, com l grau de liberda de,
cimais. alor signifi cativo ao nÍvel de 17.. Com a correçã o
( No entanto , pesquis as de GRIZZLE (1967) mostcam V de
-
yates, atualme nte desacon selhada , obtem-s
e preferi vel nio aplicar a correçi o de Yates, e calcula r e X2 = 5,17*,
( valor signifi cativo ao nível de 57. e corresp ondente , apr~
o x2 sem ela.
(
ximadam ente, a uma probabi lidade de 2,3%.
(
\ O melhor, porem, ê fazer o tes~e de Fisher, de apl~
cação fácil quando as frequên cias sao baixas. Sejam a ,
15.4. 0 TESTE DE FISHER b, c, d as frequên cias observa das na tabela 2 x 2, como
( \
Nas tabelas de conting ência de 2 x 2, quando, a seguir.
( I! de
acordo com as regras de COCHRAN (1954) apresen tadas na
( seçio 15.3, nio deva ser usado o teste de qui -quadra do,
cabe recurso ao teste de FISHER (1934), basead o exclusi - Classif icação pelos Naturez a do cafe
( degusta dores Apenas Mole Duro
vamente no C~Lculo Je Probab ilidade s.
( Conside remos, por exemplo , o quadro seguint e, de da
dos sobre a prova de xícara do cafe, adaptad os de BARBO~ Apenas Mole lO (a) 2(b) 12
( Duro 3 (c) 8 (d) 11
SA e outros (1962). Trata-s e de resulta dos obtidos para
( a prova de xícara de duas amostra s de cafê, uma de cafe
Mole, outra de cafe Duro, que foram classif icadas por de 13 lO 23
(
gustado res especia lizados .
(
( A probab ilidade ::le_uma tabela como essa, com ess as
Classif icação pelos Naturez a do c afê frequên cias margin ais, e:
( degusta dores Apenas Mole Duro
(a+b) ~
c Apenas Mole 10(6,8) 2 (5 '2) 12
p =
(c+d) '
N ~
(a+c) 1
(b+d) ~
a ! b
1
c ~ d ' ,
c Duro 3 (6' 2) 8(4,8) ll onde o ponto de exclama ção indica a função fatoria l.
(
13 10 23 Em geral o teste se faz conside rando a frequên ciaml
( nima da tabela. No caso vertent e essa frequên cia mÍnim'i
( e b = 2. Calculá -se, pois, a probabi lidade de obter um
caso como esse ou mais extremo , isto ê, de ter b = O, 1
( Por aí se vê que os degusta dores classif icaram cor-
ou 2.
retamen te o café Apenas Mole em 10 casos, mas em 3 de-
( Obtemos :
les o conside raram como sendo Duro. Jã o cafe Duro foi
( classif icado correta mente em 8 casos, mas foi tomado co- 12! 11! 13! 1 o! 1 1
p + +
mo Apenas Mole em duas oportun idades. Queremo s saber se 23. 12!0!1! 10!
(
há diferen ça estatíst icamen te signifi c.ativa para a clas-
( l
sificaç io desses cafés. +
As frequên cías esperad as são todas -bastan te baixas
(
e a menor delas jâ e ligeiram ente inferio r a 5. Por ou- = 0,0101
( e
tro lado, a frequên cia total N=23, e estã, pois, ~ntre = 1,01% .
( 20 e 40.
c
. _,. ,~~
(
( 296
297
(
O teste assim empregado ê unilateral, ao contrário Um terceiro contraste, ortogonal aos dois primei-
( do x2, que ê bilateral. Este cálculo nos dá uma proba- ros, nos daria a comparaçao entre as raças zebuÍnas (In-
bilidade ligeiramente superior a 1%; temos pois um· resul dubrasi1 e Ne1ore), como se faria pela tabela seguinte.
( tado significativo ao limite de 5% e tambem, praticamen
( te, significativo ao limite de 1%.
Será necessário multiplicar por 2 essa probabilida Natureza das Acasalamentos Totais de
(
de para compará-la com a obtida pelo teste de x2 sem ou vacas fecundos infecundos acasalamentos
( com correção de Yates. O teste de Fisher nos dá, pois
1
p = 2 x 1,01 = 2,02%, valor que combina bem com a pro: Indubrasil 506 (508. 4) 665 (662,6) 1171
(
habilidade de 2,3% que corresponderia ao x 2 corrigido. Nelore 58 ( 55,6) 70( 72,4) 128
(
564 735 1299
(
15.5, GRAUS l i LIBERDAI::E INDIVIDUAIS EM TABELAS
c DE ÚJNTINGÊNCIA Agora obtemos X2 = 0,20 .
(
( N~ma tabela de contingência como a da seçao 15.2, Assim, concluiriamos que não há diferença significa
onde ha 3 graus de liberdade, ·podem-se considerar conju~ tiva entre a fecundidade das raças zebu'inas, mas que es=-
( tos de contrastes ortogonais, de maneira a testar isola- tas diferem significativame'.l te dos mestiços 1/2 Charo-
( damente os 3 contrastes ortogonais correspondentes a es- lês-Zebu e que, por sua vez, todo o gado zebu ou azebua-
(
ses graus de liberdade. Um contraste poderia ser entre d~ e significativamente mais fecundo do ~ue o gado Charo
o gado Charolês e o gado Zebu ou mestiço de Zebu (Indu- les. No entanto a soma dos valores de x- para os tres
( brasil, Nelore, 1/2 Charolês-Zebu). Este contraste Ja contrastes nos dá:
foi estudado separadamente na seção 15.3 e nos deu
( x2 = 137,96**· x2 = 137,96 + 62,50 + o,zo = 200,66 ,
( Outro contraste, ortogonal ao anterior, seria en-
t~e as raças Zebus e os mestiços Charolês-Zebu, como se com 3 graus de liberdade, valor que não coincide exata-
( ve na tabela seguinte. mente com o x2 calculado em 15.2, que era X 2 = 204,45,
( também com 3 graus de liberdade. Esta diferença em rela
(
ção às somas de quadrados na análise de variância ã e,
Natureza das Acasalamentos Totais de primeira vista, pouco satisfatória.
( vacas fecundos infecundos acasalamentos Numerosos trabalhos foram feitos para obter uma par
tiçio exata do x2 em tabelas de conting~ncia (ver, por
( Indubrasil exemplo os artigos de ·coCHRAN (1954), de KIMBALL (1954)
564(625,5) 735 (673,5) 12 99
( e Nelore e de IRWIN (1949)). No entanto, o rníetodo acima indicado
é satisfatório na ma~or~a dos casos e de aplicação bem
( 1/2 Charolês
205(143,5) 93(154,5) 298 simples.
- Zebu
(
c 769 828 15 97
15. 6. OurRAS APu CAr;ÕEs oo TESTE IE QUI -QuADRAOO
( Muitas aplicaçÕes importantes, alem das mencionadas
T~mos agora x2 anteriormente, tem o teste de x2 . Uma delas o estudo e
( 62,50** • do ajustamento de distribuiçÕes teóricas (como a curva
(
c
(
.
r-:-·,.,.......~ 11'! ..... -t~'!'> ... ,~~Ji - .
(
( 2 98
299
( normal) a dados observa dos. Outra -c
o aj us Llmvnto COCIIR/\N, W.c . >, l9S4. Some ~·1eLiwds i" o r Strengtlt l~ níng the
frequên cias observa das a proporç Ões previst as por teo- common x Tes ts. Bi ometric s lO: 417-451 .
( rias ou por hipÓtes es conven ientes. Um exemplo c lã~;sico
FISIIER, R.A., l934. Statist ical Methods for Researc h
( dest e Último caso ê o da segrega ção mendeli ana em ervi-
Workers . Oliver and Boyd, Londres .
lhas, como veremos a seguir. . . h 2
( GRIZZLE, J.E., 1967. Continu ity Correctw~ ~n. te X-
Na descend ência obtida de cruzame ntos entre plantas Test for 2 x 2 Tabl es . America n Stat1St1 .c1an Outu-
( com semente s amarela s lisas e outras de semente s verdes
rugosas obtemos na primeir a geração (Fl) ervilha s amare- bro, 28-32.
IRWIN, J.O ., 1949. A Note on The Subdivi sion of 2
( las lisas. Estas, cruzada s entre si, dão uma geração p X
2 into Compon ents. Biomet rika 36: 130-134 .
( com ervilha s dos 4 tipos mencion ados a seguir. KIMBALL, A. W., 1954. Short-C ut Formula s for the Exact
( Partiti on of x2 in Conting ency Tables. Biomet rics
10: 452-45f l.
( Tipos das ervilha s Frequên cias Frequên cias VIANNA, i\ . 'l'e i.x. vira , H. Santiag o l! F. Pimente l Gomes,
observa das
c esperad as 1978. Formaçã o do Gado Canchim . 2 ~ ed i ç ão.
ria Nobel. São Paulo.
Li v rá-
( Amarela s lisas 315 312' 7 5
Verdes lisas 108 104,25
( Amarela s rugosas 101 104, 25
( Verdes rugosas 32 34,75
( Total 556 556,00
(
(
( Pela teoria mendeli ana as proporç Ões esperad as para
esses tipos de ervilha s são: 9/16. 3/ 16, 3/16 e l/16, res
( pectiva ment e . Com base nessa teoria c alculam os as fre=-
(
~ .
q~enc1as esperad as, dadas no quadro acima. Obtemos
en-
tao, com 3 graus de liberda de:
(
( (315 - 312,75) 2 (32- 34,75) 2
+ • • •+ = 0,47.
312,75 34,75
(
( O limite de 5% e X2 = 7,82. Logo o valor obtido não
é signifi cativo, o que mostra que os dados concord am bem
( com a hipótes e.
(
(
15.7. BIBLIOGRAFIA
(
BARBOSA, L. Fairban ks e outros, 1962. Estudos Prelim ina-
( res ~obre a Prova de xícara do Café. 38pp~São Paulo.
( G8CHRAN, W.G., 1952. The x2 Test of Goodnes s of Fit.
Ann. Math. Stat. 23: 315-345 .
(
(
(
(
300
( 301
(
I
ç
(
16. ANÁLISE DE COVARIÂNCIA Q)
( a
;:l
ç
(
16.1. GENERALIDADES ,......
Q)
-o
rn
<'i
N N
"'
"'
( X
.._, rn o 0 ' \0 <'i if) O\ O --so "' co oco ON Nr--. N
<'i
·.-l u ("') co -;r -;r <'i o ._;r O\ <'i~ ~co
"" .....
co --sN
A analise de covariância e urna técnica de bastan-
c te interesse, embora seu uso não seja muito comum. Tem cú
.....
u
<ú
o .a
o
.....
(") N <'i <'i N N N
:X: :>-<
w w
-( ela por fim utilizar urna ou mais vanaveis au x iliares
Q)
(.)
~
H
....o<ú
li)
0\ -;r <'i 0\ "'".....
..... "'
"' <'i -;r <'i o
..... "'
"'
......
if)
~
sua produção na lacta ção anterior, podemos, complementar .....p.
( variável
tarmente, adotar essa mesma produção como urna Q)
~
aJ
( auxiliar X a s er usada para corrigir os dados exper irnen 'd
,u CO co 0\N r--.,.... r-- ,.... N N
r-.
,.... co 0\ <XJ M
Isto será útil particularmen~
'.0 .-< O\
(
( ~·~, ·.
(
302
(
303
( i\nalug<lllll'lll ~ Sl' ca lt:u la d ~:XHu;t J,. p 1-<>dtJllls
R(xy) 302,37
(SP Total): 11,02 '
( 27,44
( SP Total DCY - Ú/N) (LX) (L:Y) R(xy) 302,37
18.657 (l/40) (323) (2266) r 0,457 .
( 1(27 ,44) (15. 931,50)
359,05 .
(
De mane1ra semelhante temos ainda, para os Este valor de r pode ser testado pelo teste de t
( trata-
mentos: (ver seção 12.4):
(
SQT(Y) (l/8) [ 422"+418 2 + ... +512 2 [~(1/40) (2266)2 r 0,457
( t = 2,67*
129.145- 128.368 90
( 776,10' ' h - (0,457)2
(
SQT(X) (1/8)[ 67 2+59 2 + ... +66 2 ]-(l/40) (323)2 onde n 27 e
o numero de graus d: liberdade do resÍduo,
( 2616,38 - 2608,22 depois de ajustado para a regressao, como veremos a se-
8,16 ' guir.
(
( SPT (1/8)[ (67) (422)+(59) (418)+ ... +(66) (512)] Podemos agora calcular a soma de Quadrados da Regre~
(
I
;J
304
305
(
I
I
I
c !
i1
!
Causa de
. G.L.
Somas de Quadrados e Produtos 0\
o,..._
( i van.açao o
A
( )
Trata- lf) (X)
o
4 776,10 12,43 8,16 \0
( mentos ~ ~
.......
\ \0
\0 (")
--:r (")
( ResÍduo 28 15. 931' 50 302,37 27,44
( m N<"1
Trata- lf) m,..,
~
( 16.707,60 (314,80) 2 ~ Q)
"O
35,60 (I) r- tr) o
(I) o Lfl (''•i (""') o (X)
( o "O 0'-J ~
"
13.923,92 "O C1l
,... :>.. ~N m ~
X ..;r N O lf) ......
( ctl "O , j .---1 ("") (") (")
• ...i ctl --:r
onde o asteri s co indica que foi feito o ajustamen to re-
( -
l ativo a regressao.
u
p
(Cil
:l
O'
Q)
o
N
~
( ,...
·...i ooo o o
A Soma de Quadrados (ajustada) para Tratamento s se- "O
UI ....... ......
"',.._
lf)
.c 13.923,92 - 12.599,59 Q)
<ll
·...i
....:l
c.?
.-... -::r co
N
{j\
M
N
M
• 11
( 1.324,33 ' ...... ,...._
1<1l _,:xi
o
( ~
~
lC'Il
O Quadrado Medio
(
c om 4 graus de liberdade.
para tratamento s é:
(ajustado)
N
. 0"
t1j
•...i o
O'
).I ::l .w
.N n1 (I) "O (I)
( QMT* = 1324' 33 > o h-l ::l
4 = 331,08 . \0 .u <ll .,..,
...... c ~~
Q)
(
~ g
"O
Os câlcul.os todos estão resul)lidos na tabela U>.2.1. 111
....... (1j
(I)
o C1l"O .......
+
( rn u ·.u ~.-4 .u .w
Note-se que
~
Ql
o <U (I) .w "' C1l C1l
(
·(
F "'
ÇMT*
s2
331' 08
466,65 0,709 . H D
ª .......
c::QE-<'"'~ H
o
'"'
HH '"'
(
r~~'JIH'i,,ll!; > · · ·- - :tt<o",; ··~:;.--""'~~:!"'!'!-~."·'--:o-··· -~-"''· ~··•·'· ·•r· ·--- -·~~_......~r, .• ,~·: '
. . _.......
(
306 307
(
( Verifica-se , poi s , que nao foi significativ o o efei Como ao nl.vel de 5% de probabilidad e temos F ""2 71
to de "tratamentos , mesmo com o uso da covariância, embo:- verifica-se que não e significativ o o valor observ~do:
c ra este tenha dado um valor de F mais elevado do que Mesmo assim, como nao é raro que produtos quimicos inter
( se obteria sem sua aplicação (0,709, em lugar de 0,487). firam bastante no nÚmero de plantas sobrevivente s, de~
As medias ajustadas(Y i) para os tratamentos são da- vem-se tomar com reserva os valores corrigidos, ate que
( das pela fÕrmula: novos dados permitam comprová-lo s.
(
Para comparar duas médias de tratamentos ajustadas
( devemos poder estimar a variância da estimativa do co"(l-
( onde ~ e Yi são as médias de X e de Y, respectivame nte, traste respectivo. Para um contraste
do tratamento em q~estão, e X é a média geral de X (no
( 2 yl + c2 ?.2 + ... + cn yn
caso presente, X 8,075). Com isto, podemos calcular C]
os dados da tabela seguinte. '
( Ec. Y.
1 1
(
L:ci y,1 - b L:ci ex-1 x)
( Medias de Tratamentos
Tratamentos temos
['c~ ex.
( Ori g inais [ L:: . -
Ajustadas
( '1 (2) 52 --+
1 1 XJI ']
r
(
Yi x. y.1 = Ycfi<~-x) R(x 2 )
Testemunha 52,250 7,37 5 59,96
Disyston onde: 52 = QMRes. (46 6,6 5 no p re sent e cas o) .
( 55,125 8,625 4 9, 06 *
Ekatin 59,125
c Keltane 64,000
7,750
8,250
62, 7l
62,07 No c as o de um contraste entre dua s médi as 2 1 =Y. -Y . ,
1 J
( Diazinon 52,750 8,375 4 9, 44 fi c a
(
(
(
Mas o ajustamento das medias de tratamento s de a co r-
,, [+ +
ex.- x.)2
1 J
l
do com os valores de X ("stand") sÕ se justifica, em ge -
( ral, se as . diferenças de "stand" não forem devidas aos O test e t para o contraste s er 1a dado pela expre~
(
e o teste de Tukey seria aplicado c·om o valor
( -
Causa de variaçao G. L. S.Q. Q.M. F
c
( Blocos 7 9,18
(
Tratamentos 4 8,16
1 '31
2,04 2,08 Quando os valores de 1 , 2 , ••• , x x
não são muito x
Residuo 28 27,44 o, 9.8 diferentes (o que se pode concluir quan~o os tratamentos
( não produzem efeitos significativ os na variável X), po-
(
(
{
(
( 308 309
( de"""'se usar urna estimativa média para a variância fJ (2 ),
1
c aplicável a qualquer contraste entre dois tratamentos. Es
sa estimativa media tem por expressão: Olf"'llioOOOOOOlf"'llf"'IO Olf"'IO
c
1.1)
O N N uo 1.1) uo O 0 O N N uo · O N O N
................................... .........
....m
(/) m.-....;rcoococor--.r---muom mr--.a>
~
l
........ .--1 ........
( QMI' (x) +-l
o
( R(x 2 ) H uolf)lf)OOuouoOuoOlf"'I OOuoo o
r-- .N N 0 LI") N N V> N 0 N ·o 0 N lf"\
................................. ........ o
( <"'"\<"'"\lf"\<"'"\.-.N...;t<"'"\<"'"\N<"'"\ ...;tN<"'"\M co"
onde QMI'(x) 2,04 no caso presente. ..--t.---4.---4.--t.--t.--t......-f.---t.---4.---t,..... ..-...---4rl.--t 0\
,__.
(
( c:u
.,...., 00V>Olf"'l0lf)00lf"\lf")0 lf)lf)lf) o
o
16 3 ÜUTRO ExEI"lPLO o (.) :>-o
lf"'ILt>NOr--.lf)r---Lt>Or---NO r---Nr--. lf)
c I I
(/)
......o
N"'NôN. . ..-t.. N ... N .. ...:j... ~N"'("")"'C""')"'ô ,.......j_.. ......."'
N
("")
"
Q) ..0
( Tornaremos corno exemplo agora um inte~essante expe- '1j lf"'IOLt>lf"IOOOOOuoOlf"I LIIOlf"l li)
rimento de ARRUDA (1952), em blocos casualizados, em que O• Nlf)r---r---OOLI")uolf)r--.0N r---Or--.
( ....mo -::r X ............ "'
<"'"\<"'"\MNN...;tNNNNMM N<"1N
..... ,.
.................. . . N
13
(.)
o
:>-o
N
"'
N
... ..
O O lf) uo r-.. C uo O O N O O lf\ r-- r--
.--< M
...
N
~ ~
N
... ...
N
.. ... . ..
.--< -.::t M M N
... ... ...
o"
da infestação de nernatÕides. Em cada parcela se coloca ::l ...... C'J Lr\ N
...;!"
rarn plantas da variedade Abura, bastante susceptivel a c ..0
( OOOu>Ou>Ou>OOu>OOOo o
nernatÕides, cuja infestação X mediria a infestação do so O•
<"'"\ X
0 0 lf) N L'l N LI") N lf) 0 r--. lf) li) 0 lf) o
( lo. Tanto as raízes das variedades do ensaio como as da -::r
lf)
( variaçao G.L. y2 xy x2
(
(
(
. ----
I
FiiT~"""'"·=~--
r
( I 310
J ll
' i
( Note-se que no ca·so ela Soma de Produtos para
onde:
( mentos (SPT) obt~m-se um resultado negativo, pois
Uô
( Mê<.lías Jc tratame ntos
(~
0"\
...... o
0"\ Tratame ntos
l:: co Origina is Ajustad as
.. --'!"
M
Uô
(Varied ades)
O'
( ~
~
o N
y. -x-- y. -
y. - 5 <xi -x)
( 1 1 1 1
l. 455 2,25 3,44 2,21
( . ,..... . M
~
...... co
N Uô
2. Choosen 2' 81 3 '31 2,81
N
. O' Uô
,..... o--r
C') Uô
3. Otootan 1,06 3,81 0,92
( CIJ
0"\
~ ......
11"\ Uô
11"\M 4. M. Yellow 2,12 3,25 2,U
( .-<
Cll
......
) 5.
6.
482
675
2,62
2,12
2,88
3,06
2 '74
c .o
Q) ....:! .-1
--'!"
11"\ --'!"
lf\.-< 7. Arksoy 2,00 3,56
2' 19
l' 93
Cll (.!)
( .u 8. Georgia n 4,25 3,38 4,23
( Cll 9. Morro Agudo 1,75 3,31 L,75
"d
C'l Uô N o r--. 10. Avaré 2.31 3,00 2,39
(
(})
cor----r o .-l
P.Barre to 3,81
o C'J OCO UI Uô ..j"
11. 3' 81 3,31
"d ~ NNCO C') ......
Cll 12. Acadian 2,38 3,50 2, 32
( "d o
~
r--.
Q)
"' C') C')
N C') N 13. Manloxi 2,25 3,00 2,33
(})
( o (}) 14. 581 1,81 3 '3 l l,Sl
"d o CO NO\ Uô r--. Rio Grande 2,25 3,38 2,23
( "d Uô ·~ N N \() 15.
Cll Cll (}) >. --'!" o r-- ...... \()
. ,.;
'-' o ~ Uô Uô ~ ,..... ......
u "d w
( ,:::: Cll :::1 NN~ ~ ..j"
~
(Cil ::l"d I
( .,.; ao
'-' Q) '-' Temos, pois, ao nlvel de 5% de probab ilidade :
Cll "d 114· ..;j",..... o ...... r--
( o:> . rJl N
,...<CO
~,....;
C')
N
C')
o
.-l
..;j"
u
( Q)
Cll
so :>. M
.
N..;j",....;
C')~
~ ~ ..
C')
co
O\
Uô
.. q 1u12) vCD
"d CIJ MN Uô Uô
:( Q)
rJl
5,10 /(l/2) 0,2433
....:l M..;j" N 0\ \()
.,.;
( ...... (.!)
M._;j" Uô Uô
l'll 1,78
( ~ o
l'll
(
. (.)o
.,..,C1l
Toda difere nça entre duas medias ajustad as superio r
N
o '"""' a esse valor seri signifi cativa ao nive1 de 5%. Tal ocor
·c r')
~
.
.......
1-'
C1l
:>
(/)
...,o
::l
"'
~,..,
fJ) .,...,
.u
rJl
::l
re, por exemplo , com o contras te
,::::
( "d
Q) Q) Cll
2 1• ?a- ! 13 = 4,23- 2,33 = 1,90,
...,~~
<11 P::'-'
...... <11
rJl
o .......
+
( Q) (/) u ~,..,
C1l .j.J .u
.o ::1 o <11 (/) .j.J OI <11 entre as varieda des Georgía n e Man1ox i.
<11 C1l H~ o ,...
,. ( ~ u ,....;
IX)~ H H~
H
(
_..,,..,_ ··- .,.··=· ..
( , · •••. > ...,.
,.,~·~,- .,._.,.._~--~· .,,"•;-~""~~-~~-.;· .. -..-·r ·-· ···"'"'""~~:~>~~~~·::·
(
(
(
I 314 315
0,2438
(
O valor exato de ~ -e, pOl.S,
(
( 6 = 5,10 1(1/2) 0,2438 1,78 .
( Neste caso, pois, os dois valores coincidem, dentro
( da aproximação utilizada.
(
(
16.4. BIBLIOGRAFIA
(
( ANDERSON, R.L. e T.A. Bancroft, 1952. Statístical Theo-
ry in Research. McGraw-Hill, Nova York.
( ARRUDA, H.V., 1952. Analise de Urna Experiência Sobre Va
( riedades deSoja. Bragantia, 12: 65-73.
CALZADA BENZA, J., 1964. Métodos Estadisticos para la
( Investigacíón, 2? edição. Lima, Peru.
( COCHRAN, W. G., 1957. Ana1ysis of Covaríance: i ts Nature
and Uses. Biometrics, 13: 261-281.
( CONAGIN, A., 1961. Príndpios de Técnica Experimental
( e Análise Estatistica de Experimentos. Instituto
Agronômico, Campinas.
( FEDERER, Walter T., 1955. Experimental Design. Macmil
( lan, Nova York.
MEMGRIA, J.M. Pompeu, 1960. Curso de Estatistica Aplica
( da à Pesquisa Cientifica. Universidade do Cearã-;
( Fortaleza.
SMITH, H. Fairfield, 1957. Interpretation of .i\djusted
( Trea.tment Means and Regression in Analysis of Cova-
( riance. Biometrics, 13: 282-307.
(
(
(
(
( 316
317
(
li zados, co m J repetiçÕe s, por exemplo. Para cada um de
( les teremos, pois, o seguinte esquema de análise da va-
riancia.
( 17 ANALISE CONJUNTA DE EXPERIMENTOS EM BLOCOS
I
( 17 1
I I GENERAUDAIES Blocos 2
( Tratament os 12
Não é raro ocorrer, ao tentar a análise conjunta de ResÍduo 24
( experimen tos, que somente alguns tratamento s sejam co-
muns a todos eles, ao passo que outros variam de um en- Total 38
(
saio para outro. Isto não impede que a análise conjun-
( ta seja realiz~da, mas traz, evidentem ente,a necessida -
( de de utilizaçao de métodos adequados . O conjunto dos 4 ensaios correspond erá a um expe-
Por outro lado, quando temos um grande número de va rimento em blocos incompleto s com v = 43 tratamento s (os
( riedades, podemos repartí-la s em grupos, aos quais se 40 hÍbridos novos e as 3 variedade s ou hÍbridospa drÕes),
agregam variedade s-padrÕes , mais important es , e cada em bl o cos de k = l3 parcelas, com 3 repetiçÕes para os
(
grupo, assim completad o, é utilizado em um en saio emblo- hÍbridos novos (chamados tratamento s regulares ). Dados
( cos casualizad os. A análise conjunta destes ensaios ê dois tratamento s (i e j) o número de vezes que e les apa-
( relativame nte fácil, e correspond e ao uso de um ck linea- recem no mesmo bloco será:
mento em blocos incomplet os, de grande fle xib ilidade e
( eficiênci a, muito mais simples, robust o e convenien te do À(i, j) = 3 '
que os reticulado s quadrados e cúbicos, mai s antigos,
(
usados para fins similares e que devem ser abandonad os. quando forem do mesmo grupo (por exemplo, i l,j=S);
(
( :\ (i, j) =O,
17. 2. EsQUEfv1A DA ANAu sE DA VAR I ÃNc I A
( quando f o rem de grupos di fe rent e s (por exemplo, i 1,
Suponhamo s que temos 40 hÍbridos novos de milho a j = ll);
(
ensaiar, que desejamos comparar com três variedade s ou
( hÍbridos já bem conhecido s, padrÕes, A, B e C. Podemos À( i' j) = 12 '
( repartir os hÍbridos novos em 4 grupos de 10, digamos,
a cada um dos quais agregaremo s as variedade s A, B e C. quando i e j indicarem tratamento s comuns (po1 exemplo,
( Obt e mos, pois, os grupos seguintes: i =A, J B), ou ainda
(
19 grupo: 1, 2, ... ' 10, A, B, c, À(i, j) = 3 ,
... ,
(
(
29
39
49
grupo:
grupo:
grupo:
11,
21,
21,
12,
22,
32,
.. ·-'
... '
20,
30,
40,
A,
A,
A,
B,
B,
B,
c,
c,
c,
quando i é um tratamento regular qualquer e j é um trata
menta comum (por exemplo, i = 15, j = A).
( A análise conjunta obedeceria ao seguinte esque-
Cada grupo dará origem a um ensaio em blocos casua- ma.
(
(
(
t;a:s~··~·~' ~•'•• ·~-,~e·•·•~~-,__._.,,," ""'~''"""<'' , ...,..,...•.,,_ ,... ' """'~''"'""">''' """'' ·••• ·•"·· •'-
(
( 318
319
(
A an~lise c onjunta, por sua vez, t eria o esq uema se
( Causa de variaçao G. L.
guinte.
( Experimento s (E) 3
( Blocos dentro de Experimento s 8 causa de variaçao G. L.
Tratamentos (ajustados) 42
( Interação Trat. Comuns x Experimentos 6 Experimentos g - 1
( ResÍduo 96 Blocos dentro de Experimentos g(r - 1)
( Tratamentos (ajustados) gz + c - 1
Total 155 Interaçao Trat. Comuns x Exp. (c- l)(g- 1)
( ResÍduo g ( r - l)(z +c- 1)
( Se tivéssemos apenas um tratamento comum, a decom-
Total (z + c) gr - 1
( posiçao dos graus de liberdade obedeceria ao esquema se-
guinte.
(
320
321
~
1>. Para os tratamentos regulares: média ari Lmi~Lica do .
dados respectivos, da qual se subtrai uma correç~o ~
(
II
!
que se calcula assim:
()
til
·~
Cllr-1
til
o
o
o
CX)
N
O
<J)
·~
C\l 0
W.--<
til
o
o
( o
...... ...........
(V) " ' \D " ' (')
00000
( 17, 3, l.M ExErvJ>LO
( CX)
(
o
( Causa de variaçao G.L. S.Q. Q.M. N
F
( co
Blocos 4 2,31 Q) N
( Tratamentos
ResÍduo
9
36
85' 13 9,459 2 8 ' 6-6 i"'' "'o N
( r-I ·~
.......
(") <1l (I)
(
322
(
323
( Antes Jc In<.lÍs nada, verific a-se qtJe t>s <[!ladrados
dias residua is (0,330 e 0,772) Ji.t:t•rt:m pouco,d entro
(
critéri os explica dos no CapÍtul o 8. Podemo s, pois, ela variaça·-o G.L. S.Q. Q.M. F
( borar a análise conjunt a que terá o esquema seguint e. ·
Experim entos 1 21,53 21,53
c Blocos dentro de Exper. 8 6 '87 0,86
c Causa de .
car~açao
- G.L. S.Q.
Tratame ntos (aj.) 18 19 3' 35 10,74 19 ,51''"''
Resíduo 72 39,64 0,5506
(
Experim entos 1 21,53
( Blocos dentro de Experim entos 8 2,31+4, 56 = 6r87
Tratame ntos (ajusta dos)
(
Resíduo
18
72
Por subtraç ão
11,86+2 7,78 = 39,64
As médias de tratame ntos regular es sao - corrigi das
( pela subtraç ão de um ajuste que e:
( Total 99 261,39 25,4 25,4 + 24,2
K1
5 10
(
5,08 - 4,96
(
Neste quadro, a Soma de Quadrad os Total se obtem 0,12
( da maneira usual, corno se ve a seguir:
para o primeir o experim ento e,
(
SQTotal L:x 2 - C 24,2 25,4 + 24,2
( Kz
(5,3) 2
+ (3,0) 2
+ ... + (0,2) 2
-
(202,8+ 156,4) 2 5 10
( 100 4,84 - 4,96
1551,64 - 1290,25
( -0,12 ,
261,39 .
( para o segundo experim ento.
A Soma de Quadrad os dos Experim entos se obtêm a pa~
( tir dos totais respect ivos, assim:
As médias de tratame ntos sao, pois, as da Tabela
(
SQExpe rirnento s (202,8)25~ (156,4) 2 - 1290,25 17.3.1.
( Para um contras te Y 1 entre dois tratame ntos regula-
21,53 . res do me s mo p;rupo (o 6 e o 3, por exemplo ), teremos :
(
c A Soma de Quadrad os de Tratame ntos (ajusta dos)
ra portant o:
se- 'VCY1) = (2/5)(0 ,5506) 0,220 ,
( e a diferen ça mínima signifi cativa, ao nível de 5% depr~
( SQT(aj .) 261,39 - (21,53 + 6,87 + 39,64) habilid ade, pelo teste de Tukey será:
193,35.
c 5 16/ 0 • 220 ,: 1 71
' 2 . '
(
Obtemos , pois a seguint e analise da variân- onde o valor de q = 5,16 corresp onde a 19 tratame ntos e
( ci.a. 72 graus de liberda de. A estima tiva do contras te
I em
questão ê ?. = 5,34 '- 2,12 = 3,22, o .que mostra que se
( I
(
\
(
~.:'!.~!';j)~f'"l,..,.,..,__:~ """"'~ ....... ~.~--~-~~··~•)"''>-.:t;,.'-.:.•~~;1"1"'>!'1fl'·~ ,·-:,·.·-, ;; ."'~~-~-~,._,_....,.r,;a"'!~·,."· ' !' ·' "' ,"'"'r~·,.->• •:u:i\·-!t'"'~"'Ji/!'1'.~'.' 1 ~~t:~~ :·· l ;
I( '
(
( 324
325
( trata de cont~aste significativo ao nrvel de 5% de
babilidade. Finalmente, para um contraste Y3 entre o tratamen
( to comum e um tratamento regular (o l e o 4, por exem-
( plo), teremos:
( Tabela 17.3.1. Médias ajustadas dos tratamentos. 1 1 1 _1_)
f.J(? 3) (1 + + 92
r c g cg
(
1 . 1
( Trata- Médias Médias Médias Médias (1 + - + 1 _1_) 0,5506
n'ao ajus-
Trata-
nao
5 1 2 2
( mentes mentos ajus-
ajustadas ta das ajustadas ta das
0,440
(
1 (comum) 4, 96 4,96
( 2 3,10 logo,
2,98 11 4,70 4,82
( 3 5,32 5,20 12 4,56 4,68
4 3,98 ,
5 16
v~
/ü,440 2,42 .
3,86 13 4,02 4,14
( 5 3,62 3,50 14 4,00 4,12
( 6 5,46 5' 34 15 2,92 3,04
7 A estimativa do contraste e:
2,70 2,58 16 2' 74 2,86
( 8 2,24 2,12 17 1' 72 1' 84 y3 = 4,96 - 3,86 = 1,10 '
( 9 2,84 2, 72 18 1,36 1,48
10 6,22 6,10 19 0,42 0,54
( resultado que não é significativo.
( Uma grande vantagem deste tipo de delineamento ê a
( sua robustez. Com efeito, nele, a pe rda de tr a tamento s
Para um contraste Y2 entre dois tratamentos regula
nao traz dificuldades. Por exemplo, se no 29 experimen-
( res de grupos diferentes (o 6 e o 16, por exemplo), te=
remos: to se tivessem perdido as espécies 18 e 19, a ~nica di-
( ferença seria que esse experimento teria 8 tratamentos,
2 em vez de 10, e a análise seria feita da maneira explic~
( V(Y z) (1 + !)s2
r c da para o caso geral. _Como c?nsequência, os grupos de
( 2 tratamentos r eg ularefõnao prec 1s amt er omesmo tamanho. Po-
-5- (1 + 1:_)
1
0,5506 deríamos, de início, considerar no prime~ro grupo 1~ tra
( tamentos regulares,e 7 no segundo. Mas e conven1ente
0,440
( ' que esse número não seja excessivamente discr epante pa-
logo
ra que os blocos tenham todos_-tamanhos similares.
( Uma [lL'rda ~é ria seria, porem , a do tr<Itamcnt.o C< lHHlm, se
(
t-. = 5,16 ;o,i40 = 2,42 . for único, pois então a analise conjunta jã não seria
possível. Por isto, convém usar pelo ~enos 2 .:ra~amen
( A estimativa do contraste em questao nos dâ:
tos comuns. E assim se consegue reduz~r a var~anc~a re-
( 1ati va ao contr<1ste entre médias de tratamentos regulares
?2 = 5,34 - 2,86 = 2,48 ' de grupos distintos. Por exemplo, se tivéssemos, no ca-
( so presente, duas espécies comuns (c = 2) a variincia
o que mostra que também e ste contraste ê significativo.
( que mencionamos seria:
(
(
(
r .
· ~~~t'!..,......,~ ~ '1'•-"H1-""f~~--.. ~- ·~...-~~ ~-!'1<"> .,..»~.--~t~\J<~-~··-............ f~~~"'·'-''''~'l:;.""'!f.~~' -~ ·' "~-·~~-· ·•·•-' 1<"
~0::""W"'"l1~~:~1, .... ~-- -
(
( 326
327
( 2 l
(l + -)s
'
r - 2<! experimento
c
( 2 1 causa de var1açao c;. L. Q.M. S.Q. F
--5 (l + 2) 0,5506
(
0,330 .Blocos 3 933' 70
( Tratamentos 7 6.664,33 952,05 11, 30,'<>'<
( Resíduo 21 1. 770, Q() 84,28
em vez de 0,440. Teríamos, pois, ma1or precisão nesse
( tipo de comparação.
A perda de blocos traz alguma dificuldade, mas Total 31 9.368,03
( ser resolvida pelo método indicado na seção 17.4.
( A perda de parcelas, que não implique na perda to- Tabela 17.4 .1. Exoerimentos de compet ição de variedades
tal de um tratamento ou bloco,se resolve facilmente: bas de cana-de-açúcar.
( ta aplicar no experimento respectivo o método relativõ
aos blocos casualizados (capítulo 5). - 19 experimento
(
Saliente-se que, ao contrário do delineamento em
( blocos casualizados com alguns tratamentos comuns, os re Tratamentos Blocos Totais de
ticulados quadrados, cúbicos e retangulares são completã I li III tratamentos
(
mente destruídos pela perda de tratamentos ou de blocos~
( CP 34-120 46,6 45,7 49,6 141,9
NA 56-30 61,1 72,1 51,3 184,5
( NA 56-79 74,2 74,3 100,7 249,2
17 4 UM I I ExEMPLO ~lA I s CoMPLEXO Tu c 5619 50,2 37,3
( 66,1 153' b
Veremos agora o caso, bem mais complexo, de um gru- CP 44-101 40,3 38,7 35 '1 114,1
( NA 56-35 37,5 40,1 36,9 114,5
po de ensaios com números diferentes de blocos. Tomare
( mos como exemplo um grupo de dois ensaios com variedades NA 56-68 69,6 61,0 59,3 189,9
( de cana-de-açúcar, realizado, na Argentina, por G. Ken-
ning Voss. Os dados em apreço, reproduzidos na Tabela
379 ,5 369,2 399 ,o - 1.14 7,7
( 17.4.1, se referem a um ensaio com 7 variedades de cana,
( com 3 repetiçÕes, e outro com 8 variedades e 4 repeti- - 29 experimento
çÕes. Havia 4 variedades comuns: CP 34-120, NA 56-30, ....
(
(
Resta-nos obter a Soma de Quadrados da InteraçãoTra
tamentos Comuns x Experimento s, o que se consegue atra~
vés da Tabela 17.4.2.
I - Análise conjunta
(
. -
Causa de v ar1açao
Tabela 17.4.2. Totais referentes aos tratamentos comuns. G.L. S.Q. Q. H. F
( Bl ocos 6 4.374,66
( Tratamentos (aj.) 10 11.077,83 1.107,78 12,64>'<
Tratamentos 19 experimento 29 experimento Totais de Int. Trat. Com. x Exp. 3 215,47 71, 82 0,819
( comuns (3 repetiçÕes) (4 r e petiçÕe s ) tratamentos ResÍduo 33 2 . 89 3 , 04 87, 67
( CP 34-120 141,9 (3) 216,4 (4) 358,3 (7)
NA 56-30 To tal 52 18 .561,00
( 184,5 (3) 290,3 (4) 4 74 ,8 ( 7)
NA 56-79 249 ,2 (3) 353,4 (4) 602 ,6 (7)
( Tu c 561 9 153,6 (3) 283,6 (4) 437 ' 2 (7)
( 729 ,2 (12 ) Ta l c omo no exempl o de 1 7 .3, a Soma de Quadr a dos de
1.143, 7 ( 16) 1.8 72 , 9 (28)
( Bl ocos poderia ser repartida assim:
( SQ Exp . (1 / 12)(729, 2) 2 + (1/16)(1143, 7) 2 - ( 1/28) (1872 , 9) 2 SQ Bl oco s = SQ Experimentos + SQ Blocos d. Expe rimentos,
126.064,15 - 125.276,94
( com l e 5 gr aus de liberdade, respectivame nte. Mas isto
787,21 ,
é desne c e ssário.
( (358,3) 2 + ... + (437,2) 2 As mPdias de trat amentos regulares são
SQTrat . Comuns (1 872,9 ) 2 corrigidas
( 7 28 pela s ubtração de um ajuste que e:
( = 4.449,42 , 729,2 1.872,9
2 12 28
( SQ Trat.Comuns e Exp. (141,9) + •.. +
~~~~--~~--~--~~-
(153,6) 2 +
3
=
- 6 ,12
c (216,4) 2
+ .•. + (283,6) 2 _ (1872,9) 2
( + 5.452,10 para o primeiro experimento, e
4 28
( 1.143' 7
Kz =
1.872,9
e finalmente~ 16 28
(
4,59 •
( para o segundo experimento.
,: ..
(
(
( 330 331
( 1\.s médias de traL11ncntos sao, po1s, ;!s da ondl' o valor Je q = ·~,f3B corrc:sponde a n = ll tratamen-
( 17.4. 3. tos e n' = 33 graus de liberdade.
· A diferença estimada, ? = 44,15 - 69,42 = -25,27,
( quase atinge o nível de significância.
( Tabela 17.4.3. Médias ajustadas dos tratamentos. Para o caso de dois tratamentos regulares do segun-
do grupo e, portanto, do 29 experimento, teríamos:
(
(
- aju~
Médias nao Médias ajustadas \1(ffi. - ffi.> - --- 87,67
2
43,84
Variedades l. J 4
tadas ( t /h a) ( t/ha)
(
~ = 4,88 /(l/2) 43,84 22,84
( CP 34-120 (comum) 51,18 51,18
NA 56-30 (comum) 67,83 67,83 b) Contraste entre dois tratamentos regulares de grupos
( NA 56-79 (comum) 86,08 86,08 diferentes (variedades CP 44-101 e NA 59-44, por exem
( Tuc 5619 (comum) 62,46 62,46 plo). Temos:
CP 44-101 38,03 44,15
( NA 56-35 38, l7
NA 56-68
44,29 \1(ffi. ffi.) (1 + ~) (
( 63,30 69,42 l. J c
NA 56-62 75,75 71,16
( NA 59-17 78,80 74,21 onde r. e r. são os números de repetiçÕes dos experimen-
( NA 59-44 84,68 80,09 tos onà.e apárecem os tratamentos 1. e J, respectivamente.
NA 59-60 42,60 38,01 No caso presente obtemos:
c
( \1Cffii- ffij> = c1 + t><1 + ~) 87,67 63,93 ,
As comparaçoes entre tratamentos caem num dos casos
( seguintes. 6 = 4,88 /(1/2) 63,93 = 27,57 .
(
a) Contraste entre dois tratamentos regulares do mesmo Para o contraste entre as variedades CP 44-101 e
( grupo (as variedades CP 44-101 e NA 56-68, por exem- NA 59-44, a estimativa obtida e:
( plo). Temos:
? = 44,15 - 80,09 = -35,94 ,
( 2 2
\1cffi. - ffi.> =
l. J r·l. s '
( o que nos mostra ser ele significativo ao nível de 5%
onde ri ê o nGmero de repetiç~es do experimento em que de probabilidade.
( aparecem os referidos tratamentos. No caso em pauta,
( e~es ocorrem no 19 experimento, onde temos 3 repeti- c) Contraste entre dois tratamentos comuns (NA 56-79 e
çoes, logo: NA 56-30, por exemplo).
(
2
( \1cffii- ffij> = ---- 87,67 = 58,45 Temos:
3
( e a diferença mínima mínima significativa pelo método de \1cffi. - ffi.> = b2 s2
l. J
( Tukey, ao nível de 5% de probabilidade, e:
onde b indica o numero total de blocos de todos
( 6 = 4,88 vTf72) 58,45 ":' 26,35 ,
(
(
(
( 332
333
( os experimentos analisados
presente obtemos:
conjuntamen te. No c aso V. 5. UMA. DI FI CULDAIE QUE PoDE OcoRRER
(
2 No exemplo da seção 17.4 não houve o menor indício
( '~ <ili i - ili j > = ---:::-3-+-;4- 87.67 = 25,05 ' de existência da Interação Tratamentos Comuns x Experi-
( mentos. Isto indica que os tratamentos comuns se compor
f
t-.. 4,88 /(l/2) 25,05 = 17,27 taro mais ou menos do mesmo modo em todos os ensaios, Õ
\
que sugere que ocorra o mesmo com os tratamentos regula-
( ? 86,08 - 67,83 = 18~25 . res. Tal fato deverá dar-se quando os experimentos to-
( dos se realizarem lado a lado, numa mesma ãrea, ou em
o contraste em pauta e, pois, significativ o ao ní- condiçÕes mais ou menos semelhantes, embora em localida
( vel de 5% de probabilidad e. des distintas. Porém se, ao contrário, os experimen-
tos forem feitos em condiçÕes ecológicas diferentes, po-
( d) Contraste entre um tratamento regular e um comum (va- derá surgir uma Interação Tratamentos Comuns x Experirnen
( riedade NA 56-62 e CP 34-120, por exemplo). Temos: tos significativ a, o que demonstrará comportament om dis=
tinto das variedades comuns nos diversos locais. Em tal
(
caso, a situaçao se torna um tanto complexa. Mas um pro
( vem. - m.)
~J
1
= [----
ri
c1 + ~>
c
+
1
b
cedimento indicado serã, sem dúvida, o de tomar para re=
(
síduo o quadrado médio da Interaçao Tratamentos Comuns
x Experimentos para a comparação de tratamentos regula-
( onde r. ê o número de repetiçÕes do tratamento regular, res de grupos diferentes.
e b o~número total de blocos de todos os experimentos
c ou, em outras palavras, é o numero de repetiçÕes d0s tra
( tamentos comuns. No caso presente temos:
17' 6 I ExERcf CIO
(
(17.6.1 ) Analisar os dados da Tabela 17.3.1,
( vem. ~
m.)
J [ _31 (1-+--41) +
l
3+4 (1 1)
-4 J 87 ' 07/ 45,92 ' a perda das espéc i es 18 e 19.
admitindo
(
( 6 = 4,88 1 (1/2) 45,92 23,38 17.7. BIBLIOGRAFIA
( ? = 71,16 - 51,18 = 19,98 PAVATE, M.V., 1961. Combined Analysis of Balanced In-
( complete Block Designs with Some Common Treatments.
logo o contraste em questao não é significativ o. Biometrics 17: lll-119.
(
PIMENTEL GOMES, F. e R.F. Guimarães, 1958. Joint Analy-
( Se o tratamento regular fosse do segundo grupo (e sis of Experiments in Complete Randomised Blocks
nao do primeiro, como no exemplo anterior), teríamos: with Some Common Trea tments. Biometrics. 14: 521-526.
(
PIMENTEL GOMES, F., 1970. An Ext~nsion of the Method
(
(
vem. - m.J > =
~
[i (li-) +
l
3+4 (1 -i> 1 87,67 36,79 •
of Joint Analysis of Experiments in Complete Rando-
mised Blocks. Biometrics 26: 331-336.
YATES, F., 1936, A New Method of Arranging Variety
( Trials Involving a Large Number of Varieties. J.
6 = 4,88 1(1/2) 36.79 "' 20,93 . ' ;:'
Agr. Sei. 26: 424-455.
(
(
(
-
~~~-"'''r~•- ,·~..-:',.. ..1*,... ..,.~-----·- ..- -..... .. ....., .. . .-.•.no.,.·_, ,,..'"'""''"'"''" '''"'~ ~,...~... ~ '""'""...,.~""''~f
.
" .,...~..........,., ,_!,... ·" ··') ~ ' ""~''"''·· ·
(
( 334 335
( Tabela 1 ~5.2 .1. Dados de pcudu<;.ao de milho, em kg/ha, de
c 18. EXPERIMENTOS FATORIAIS COM TRATAMENTOS
um ensaio fatorial 3xJo<3 com N,P ,K (grupo W) e 5
tratamentos adicionais .
(
(
ADICIONAIS
19 bloco 2<J bloco 39 bloco
(
( 18.1. GENERALIDADES 000 981 001 1213 002 808
012 1216 010 1510 Oll 942
( Os experimentos fatoriais, especialmente os · de 021 1183 022
r-<
901 020 998
( 3 x 3 x 3 com confundimento de 2 graus de liberdade da cO 101 1213 102 1404 100 1327
•M
interação tripla, têm tido uso generalizado na experi- H 110 1028 111 1602 112 1019
( mentação agrícola. Has podem tornar-se muito mais Úteis o
.w
cO
122 15 74 120 1214 121 1401
( e muito mais flexíveis atravês do uso de parcelas adi- ~ 202 1111 200 1221 201 1120
cionais, em que se ensaiem outras combinaçÕes de trata- 211 1333 212 1604 210 1444
( mentos, sem complicar excessivamente a análise. Esta 220 1775 221 1593 222 1343
prática, de introdução relativamente recente na experi- C/J
o (/)
mentação, vem-se difundindo rapidamente, com excelentes .W
c ctl 000
"M 1290 ooc 1039 000 947
( resultados. Q) c 111 131 4 n: ó80 111 1178
( @ -~
.w C)
lll+C 1296 lll+C 1324 ll1+C 94 7
cO ·.-< lll+M 1237 lll+M 1333 lll+M 1041
H '"O
( 18 2. lJMI ExEMPLO f-< ctl 11l+M+C 1324 111 -tt<l+C lO 79 l11+H+C 949
(
Tomaremos como exemplo um ensaio de adubação de mi-
( lho, fatorial de 3 x 3 x 3 com N, P e K, com confundimen
c t o de dois graus de liberdade da interação tripla (gru=
po W). A cada um dos três blocos de 9 parcelas junta-
( ram-se 5 tratamentos adicionais, a saber: -
Causa de variaçao G.L. s .Q. Q.H.
( 000
111 Nitrogênio (N) 2 487.138
( Potássio (P) 2 165.881
111 + calcário (C)
( 111 + micronutrientes (M) Potássio (K) 2 17.5 74
111 + micronutrientes + calcário Interação N' X P' 1 115.837
( Interação N' X K' 1 6.165
( Assim, cada bloco ficou com 14 parcelas, 9 do fato- Interação p' X K' l 114
rial e 5 dos tratamentos adicionais. Os dados obtidos Blocos 2 211.352
( constam da Tabela 18.2.1. A análise estatística, feita Resíduo 15 679.258 45.284
( separadamente para o fatorial 3 x 3 x 3, deu os resul-
tados seguintes. Total 26 1.683. 319
(
(
Por sua vez, os tratam~ntos adicionais deram a ana-
( lise seguinte, feita para eles ~eparadamente.
(
c
~-------------
'' ' . . .:... '··-~,..;.-1 ·- 1"':... - ~ 1 ~ '1 > ·;·-~· ._ .. ,,. ,,.. .--. ,...,_. -.:-}·-:· • ,...... _.,.'
' .. . . --~ .. ~ ----- . ___
(
\
( 336 337
( Esti c laru qu e podemos desdobrar os graus de lib e r-
( Causa de variação G.L. S.Q. Q.M. dade relativos a tratamentos adicionais, para melhor es
tudar os c ontrastes aí incluÍdos.
( Tratamentos 4 47.326
( Blocos 2 208.246
(
ResÍduo 8 282.664 35.333 18.3. BIBLIOGRAFIA
( Total 14 538.236 HEALY, M.J.R., 1956. The Analysís of a Factoríal Expe-
riment with Additional Treatments. Journal Agric.
( Science 47: 205-206.
Il
( Verifica-se que são similares os quadrados médios
dos resíduos. Podemos, pois, obter um resíduo comum,
( com 15 + 8 = 23 graus de liberdade, para o qual teremos:
( 6 79, 258 + 282.664
QMResÍduo
( 23
( 41.823 .
(
( A analise conjunta da, po is, os resultados s eguiu-
tes.
(
(
(
\ Causa de varia ção G.L. S.Q . Q. M. F
(
Nitrogênio linear (N') l 461.440 461.440 11. 03**
( Nitrogêni o quadrático (N") l 25.698 25.698 0,614
( FÓsforo linear (P' ) l 139.392 139. 392 3,33
FÓsforo quadradito (P") l 26.489 26.489 0,633
( Potássio linear (K') 1 10.177 10.177 0.243
( Potássio quadrático (K") l 7.397 7.397 o, 177
Interação N' x P' .1 115.837 115.837 2. 77
( Interação N' x K' 1 6.165 6.165 0,147
( Interação P' x K' 1 114 114 0,003
Tratamentos adicionais 4 47 . 326 11.831 0,283
( Resíduo 23 961.922 41.823
(
( Pelos resultados dessa análise da variância se ve-
( rifica que ha um efeito linear signiti~ativo para o
nitrogênio.
(
(
(
.. -~
{ --------------
(
338
(
339
( ~con~mi~o, pod~ ser . dep ois asso ciad
a a essa an~lise da
/ ariâ nci a da man eira que vamos exp
\
v or. _ _
19. A ANALISE DA VARIÂNCIA MULTIDIMENSION A aná lise da var iân cia multidim
ensio~al_e metodob~~
(
AL tant e prom isso r que , com bina do_
a v~tras tecn1ca~ da Ana -
lise Mul tidí men sion al (ou Mult~va:
lada),. se esta to:n~n
19.1. do cad a vez mai s comum. Cont~1bu
( GENERALIDADES 1 pa~a.lsto a. fac; l1d a
de cada vez mai or da com puta çao
eletr~n~ca, po1 s _so. com
Nos exp erim ento s mai s com uns, cad com puta dor ê pos síve l apl icar com
(
a par cela forn ece fac1l~dade as tecn 1ca s
o val or de uma só var iáv el, a ser da Aná lise Mul tidi men sion al que
( estu dad a pelo s mét odo s ,_sa lvo no caso de apen as
est atís tico s trad icio nai s. Mas duas ou três var iáv eis, exig em
há caso s em que cada par calc ula s trab alho sos e de
( cela do exp erim ento nos da obse mor .ido s.
rvaç Ões rela tiva s a dua s
ou mai s var iáv eis, a sere m ana
( lisa das . Tal oco rre, por
exem plo, nos ens aios de con sorc
iaçã o. Se o con sÓr cio
( for de milh o e feij ão, por exem
plo, cada par cela
19 .2 . UM ENsA w INT E1RAMENTE CAs UALI ZAOO
uma prod ução de milh o (Xl) e out dará
( ra de feij ão (Xz ). Pod e- Tomaremos como exem plo um ens aio
mos faze r dua s aná lise s sep arad de Eer tiliz açã o, em
as: uma par a as prod uçÕ es vas os, inte iram ente cas uali zad o,
( de milh o (va lore s de X1), out ra
para as de feij ão (va lo- com 3 trata~entos (1.
res de X2) . Se ess as var iáv eis Tes tem unh a; 2. Tur fa ferm enta da;
( foss em inde pen den tes en- 3. Tur fa natur~l) e com
tre si essa s aná lise s sep arad as 5 rep etiç Ões . Det erm inar am- se
nas pla nta s colh~das
·c te o prob lem a. Has o mai s comu
sorc iaçã o de milh o com feij ão,
reso lver iam per feit ame n-
m é que , tal como na con -
teor es de N e de P, que con stam
ana lisa r e s ses dad os, começamos
da tab ela 19. 2.1 .
os
~ara
por
( haj a est reit a corr~lação no cap ítul o 4, as Somas de Qua drad calc ula r, como vlm os
ent re ela s. E e exa tam ente no caso de hav er cor
rela ção ra x (teo r de N) e para x (teo
os Tot al (SQ Tota l) pa-
( (po siti va ou neg ativ a) que se reco 1 2 r de P), exa tam ente como
men da a aná lise mu lti- fize mos no cap Ítul o 4. Temos:
dim ens iona l, que con side ra sim ulta
( nea men te toda s a s va-
riáv eis que nos inte ress em.
( Um out ro exem plo ser ia um ens aio Gl = ;::x
1
= 4,63 + 4 , 38
+ .•• + 4,56 = 76, 95, .~
de com peti ção de =15 ,
cul tiva res de bat atin ha, em que zxf = (4,6 3) 2 + (4,3 8) 7 + ... + 2
( a prod ução de cada parc e (4,5 6) =40 2,45 91 ,
la apa rece rep arti da em vár ias
cate gor ias: bat atas gran =
( des , med ias, peq uen as e refu go, ( l: X_l2)
riáv eis: Xl> X2, X3, X4. Uma solu
às qua is cab eria m 4 va- SQT otal (Xl) = l~xi -
ção é a tran sfon naç ão ~
( em din heir o, por meio de uma funç (76,95) "~
ão line ar 402 ,459 1 - = 7,70 56
( 15
( c2 = ~x
2 = o,95 + o,89 + •.. + 0,91 = 14,9 9 ,
( cujo s coe fici ent es indi cam o preç
gor ia. Os .val ore s de Y par a cad
o rela tivo de cad a cate l:X~ = (0,95)~ + (0,8 9) 2 + ..• + (0.,9 1) 2 = 15,1
( a par cela são , a seg uir- ; 729 ,
ana lisa dos . Mas o mét odo ger al
de aná lise , nes se e nos
c caso s aná logo s, é a aná lise da
nal ou mu ltiv aria da, isto é, a
var iân cia mul tidi men sio- SQT otal (X2)
c cad a sim ulta nea men te a toda s as
aná lise da v~riância apl i
var iáv eis que poss am in=
( tere ssa r. A funç ão Y vis ta acim (14, 99) 2
a, que enc ara o asp ecto 15, 172 9- 0.19 29 .
15
(
(
(
(
( 340 341
(
(
Ta bel.a I <J • 2 • L • T ,~l> 1-v s de• N C\ : )
adubada s em vasos.
L' d v I' (X , ) L:l il pl. ~ tnta
8 ··
!1 "'
[
108
15
7
-2]
21
(
( 1. Testemunha 2. ·rurfa fermentada 3. Tttrfa natural tem duas linhas e três colunas. A primeira linha .é for-
mada pelos números 10, 15, -2, e a segunda, pelos nume-
(
xl Xz xl Xz xl Xz ras 8, 7, 21. Jâ a primeira coluna consta dos numeras
( 10 e 3.
4,63 0,95 6,03 1,08 4. 71 0,96 Precisamos agora obter a Matriz das Somas de Quadra-
( 4,38 0,89 5,96 1,05 4' 81 0,93 dos e Produtos de Tratamentos, geralmen te representada
( 4,94 1,01 6,16 1,08 4,49 o. 87 por H. Começamos por calcular a Soma de Quadrados de Tra
4,96
( 4,48
1,23
0,94
6,33
6,08
1,19
1,08
4,43
4,56
0,82
0,91 1 tamentos (SQT) para os teores de N (X 1) e também para os
de P (X 2 ), do mesmo modo que fizemos no capÍtulo 4. Te-
( rnos:
23,39 5,02 30,56 5,48 23,00 4,49
(
( TI + T~ + T~ ( l:Xl) 2
r N
( Agora, vem urna novidade, pois devemos calcular a So (23,39) 2 + (30,56)L + (23,00) 2 (76,95) 2
( ma de Produtos Total (SPTotal) relativa ao s teores de N 5 15
(
(X l ) e de P (Xz). O método e
perfeitamente análogo ao
que se segue para calcular a SQTotal, mas trabalhando 7 ,24 76
( com produtos. Ternos:
onde T 1 23,39, T2 == 30,56 e r3 == 2 3, 00 sao os tot a is
( (4,63) (0,95) + (4,38) (0,89) +.- .+ (4,56) (0,91) do s t eores de N para os 3 tratamentos. Analogamente, te
( 77 , 8038 ' mos, no que se refere aos teores de P:
(
(L: X1) ( l:Xi')
( 15 SQT(X:z)
TÍ + (-l:Xz)z
(76,95) (14,99) r N
( 77' 8038 - 0,9051 .
15 (5,02) 2 + (5 48) 2 + (4,49) 2 (14,99) 2
( 5 15
Com isto estamos habilitados a escre ver a Matriz de
( Somas de Quadrados e Produtos Total 0,0982 .
i (
SQTotal (XI) SPTotal (X 1 ,X 2~ == Í7, 7056 o' 9051] . Agora calculamos a Sorna de Produtos de Tratamentos
(
(
A=
[ SPTotal (Xl ,Xz) SQTotal(X 2 ) J lo,9051 o' 1929
(SPT), que se obtem com os totais, relativos a tratarnen
tos, de X1 e Xz, assim:
( Urna matriz é apenas isso, um conjunto denúmeroscom (23,39)(5,02)+(3 0,56)(5,48)+(23 ,00)(4,49)
( urnas tantas linhas (no sentido horizontal) e umas tantas s
colunas {no sentido vertical). Por exemplo, a ma- (76,95)(14,99)
( triz: = o> 7326
15
(
(
~ --------------
::.·
(
( 342 343
( A Matriz dL~ Somas de Quadrado s e Produtos de ilotl•-se que a matriz C: se noderia obter diretame n-
( mentos é, pois: te, assim:
( 7,2476 [7,7056
H 0,7326] E = A - H = 0,9051J - [7 ,2476 o, 7326]
( [ o' 7326 0,9051 0,1929 o' 7 326 0,0982
0,0982
( [7, 7056 - 7,2476 0,9051 - o, 732~]
( Resta-no s calcular a matriz correspo ndente ao Resí- 0,9051 0,7326 0,1929 0,0982
duo, que se obtêm por subtraçã o, assim:
( [o ,4580 o' 1725]
( SQR(Xl) SQTotal( Xl) - SQT(X 1 ) o' 1725 0,0947
7,7056- 7,2476 = 0,4580
( Obtida a tabela da análise da variânci a, é nreciso
( SQR(X 2) SQTotal( X 2) - SQT(X 2) apli car-lhe um teste de signific ância, à semelhan Ça do
0,1929 - 0,0982 = 0,0947 tradicio nal teste F. Para isso é necessár io calcular os
( determin antes das matrizes E e A. Has o que e determi-
( SPR(Xl,X 2) SPTotal( X],X 2) - SPT(X 1 ,X 2 ) nante de uma matriz? Dada ~ma matriz de 2 x 2, isto e,
0,9051 - 0,7 326 = 0,1725 . de 2 linhas e 2 colunas, tal como:
(
( Podemos, pois, escrever a Hatriz de Somas de Quadra
dos e Produtos do Resíduo:
( K [: : ]
( 0,4580 0,1725]
E
[ o' 1725
o seu determin ante, indicado por IK I ou por det K e:
( 0,0947
( [K I = det K ad - bc .
Com esses dados jã podemos escrever a tabela da ana
( lise da variânci a multidim ensional , dada a se guir. Por exemplo, para
(
( Causa de variação G.L. K [10 8 ]
Hatrizes
(
7 12
(
(
f'~-~. " --l=-=·-A~~:=o~~9)--(0~905t)
• "V"·' -"'';t ;·
( í
( O, 9051)· o 7204
,66 345
( N
Para avaliar a si gnifi cância do v alor de A obtido, t o s cas Os A B e C as fÓrmulas de transformaça o d s a o
c , • •
( podem-se usar tabelas e s peciais, bastante extens a s . Mas ex atas;· no caso D ela e- quase sempre
. apenas aproxi.ma. a .
o mais comum é transf o rmar o valor de A num valor corres No exemplo que estamos discutindo, podemos ap~1car a
i( pondente de F, e usar as tabelas de F já conheci das. fÓ rmula do caso A (com p=2) ou a do caso C (com k1-Z).No
( A transformaçã o de A em F se faz por meio de fórmu- caso A temos: p=2, k 1 =2 , k 2 =12, A•0,0204, logo: ·
las que vamos indicar, nas quais:
( 12 - 1 1 - 10!0204
p = ~9 de variáveis; F (2 X 2, 2(12-l)l
2
( 10,0204
k1= n9 de graus de liberdade de tratamentos;
( isto e:
kz= n9 de graus de liberdade do resíduo.
(
F(4,22) "' 33,01** •
(
(
_ (__~_
(
346
( 34 7
( A fÓrmula do caso C conduz exatamen te ao mesmo
sultado, como não poderia deixar de ser. nao devem ser iguais entre s_:, uma vez que se rejeitou a
( Devemos, pois, usar as tabelas de F (tabelas l e 2) hipÓtese de nulidade . Mas nao sabemos se ~ diferenç a e~
com 4 graus de liberdad e para o numerado E e 22 para o de tá só nos teores de N (m11. mzl, m31) ouso nos de P
( (m 12 , m22 , m3z) ou em uma função linear~de ambos.
nominado r. Os limites correspo ndentes sao: Para
( averiguá -lo faz-se necessá ria a aplicaça o de um teste,
Para o nÍvel de Si. de probabil idade: que veremos adiante.
( 2,82
Para o nÍvel de li. de probabil idade: 4, 31
( - Exercíci os
( Verifica -se, pois, que o resultad o ê signific ati-
vo ao nível de 1% de probabil idade. Nestas condiçÕe s, ê (19. 2 .1~ Num experime nto inteiram ente casualiz ado de con-
( rejeitad a a hipótese de nulidade e se conclui que sorciaça o de milhO, feijão e mandioca , temos 5 tratamen -
nao tos e 8 repetiçÕ es e se obteve A= 0,464
( devem ser todas iguais as médias de tratamen tos, Obter o valor
cujas de F correspo ndente.
estimati vas sao:
( Temos p=3 variáve is, k1=4 graus de liberdad e para
tratamen tos, kz~ 35 graus de liberdad e para o resíduo.
( Tratamen to 1 Tratamen to 2 Tratamen to 3 Devemos, pois, aplicar as fórmulas do caso D:
( Teor de N(X 1 )
( Teor de P (Xz)
4,68
1,00 6'11
1,10
4,60
0,90
a kz-0,5(p -k 1+1) = 35 - 0,5(3-4+ 1) = 35 ,
( •") '.)
p ""k 1 - 4
( Note-se que a média estimada para o tratarneu to 1 b 2, 646 ,
e o conjunto das duas médias relativa s ao N e ao P, as- p 2 +ky- 5
( sim:
( c = 0,5(pkt- 2) ~ 0,5(3 x4-2) 5 ,
; _ _ -------~-----~-'- _ _
(
( 348
349
(
pode ser obtida diretamente em calculadoras ~l~trÔnicas (J.I3UO) +(b.IJUU) ~(/_:_2~~~5.')00)_:_
( sofisticadas. rias, na sua falta, J?Ode ser calculada por 7
logaritmo, assim:
( (24. 500)~
28 2..38.214 '
( log U 0,3779 log 2,155 = 0,12601
u antilog 0,12601 = 1,3366 .
(
(
1
I (L I • 2 () () ) ( ') . 8 o()+ u 3 . 4 ()o) (h. () () l)) + ]
( 19.3. UM ENSAIO EM BLocos CAsuALIZADOs 7 ~ (2 u . 6 () ()) ( 7 . 2 ()o ) + u !! • ') () lJ ) ( ) • ) {) ())
( Neste caso, o método de obtenção das matrizes éanã- (~_tJ_.__7 _(]_(Jli_?~_: _:) ~~~J)
logo ao que acabamos de ver, mas seguindo as normas da- 28
(
das no capÍtulo 5, para os experimentos em blocos casua-
( lizados. Além das matrizes A (Total) e H (de Tratamen-
Logo a matriz B das Somas de Quadrados e Produtosde
tos), necessitamos calcular a matriz B (de Blocos). No
( Blocos ê:
caso de r blocos e n tratamentos, temos:
(
( SQB
By + B~ + ... +
n
Bi c , B
1.441.070
[ - 426.072
_,_,_ 26. 072 J
:"38. 214
(
para x 1 e x2 , se forem duas as variâveis. Precisamos
( Note-se que uma soma de quadrados jamais pode ser
obter, também a Soma de Produtos de Blocos, obtida com
negativa, mas que o rresrno não ocorre com urna soma de pro
( os totais de blocos de X1 e de X2, multiplicados. Consi-
dutos. Logo, não ê de estranhar o valor negativo
deremos como exemplo um experimento de consorciação de
( (-426.072) obtido para SPB(XJ, X2).
milho e feijão, com 7 tratamentos em 4 blocos casualiza A anâlise da variância completa da os valores se-
( dos. Seja X 1 a produção de milho na parcela, e X2 a de guintes. :Jote-se que as mat;:izes A e H foram calculadas
feijão, ambas em kg/ha. Sejam, ainda, os seguintes os
( da maneira jâ conhecida.
totais de blocos, cada um deles total de 7 parcelas.
(
( Causa de variaçao G.L. Matrizes
19 bloco 29 Bloco 39 bloco 49 bloco Total
(
Milho (Xl) 21.200 23.400 20.600 24.500 89.700 Blocos 3
rl.C.41.070 - 426. 072J
L -426. on 238.214
5.800 6.000 7.200 5.500 24.500
( Tratamentos k 1= 6 H
3.500.000 -8oo. oool
[ -800.000 750. oooj
(
( Temos: E = [t. oo. ooo
2_
-200.000
-200.000]
320.000
( (21.200) 2 +(23.400) 2 +(20.600) 2 +(24.500) 2
( (89.700) 2
7
TOTAL 27
A =[ 6 .141. 070 -l.426. 072]
c
(
(
(
350
( 351
( A matriz do ResÍduo (E) se obtêm por subtração:
(
18 - l
F ( 12,34) "" ----,..---
1 - lo, 0854
E ~ A - (B + H) • 6,86 •
/d,0854
(
Como:
( com 2 k1= 2 x 6 = 12, 2(k2- 1) = 2(18-l) ~ 34 grau:
de liberdade. Verifica-se que o valor de F obtido e
( [1.441.070 + 3.500.000 -426.072 -
B+H 300.000] significativo ao nível de 1% de probabilidade, o que nos
( -426.072 leva a rejeitar a hipótese de nulidade.
800.000 238.214 + 750.000
(
~ 4. 941.070 1.226.072]
19.4. NoçõEs DE ÁLGEBRA DE MATRIZEs
(
( -l. 226.072 988.214 j
., Chama-se matriz um conjunto retangular de números,
( que são os seus elementos. Por ex.emplo o conjuntG
entao
I
(
( E
r 6.141.070 l. 426. 074] - [ 4. 941.070 - l. 226. 072] A
10
[ -1
8
l-1.426.072 5
( 1.308.214 -1.226.072 988.214
(
= [1.200.000 200.000 l e uma matriz, que se diz de 2x3, pois tem 2 linhas e 3
colunas. Assim o elemento 10 estâ na primeira linha e na
(
primeira coluna ; jâ o elemento 2 está na segunda linlw <=
(
-200.000 32o.oooj n<1terceira coluna. Tal matriz se poderia simbolizar as
sim:
( Para aplicar o teste de Wilks devemos calcular detE
e det (H+E). Temos:
(
( det E (1.200.000) (320.000) - (-200.000)2
344.000.000.000
( Cada elemento tem dois Índices, o primeiro de linha e o
4.200.000 segundo de coluna. Assim, a13 (que se lê: a Índ~ce um,
(
H+E
- 1. 000. OOOJ três) ê o elemento da primeira linha e da terce~ra colu-
( [ na.
-1.000.000 l. 070.000
(
o conjunto dos elementos de uma. matriz se costurna i..u
det (H+E) dicar entre colchetes ou entre parênteses, assim:
( (4.700.000)(1.070.000)- (-1.000.000)2
4.029.000.000.000 •
Li
~) (-i
n
(
logo
= [i
( ou A "'
det E A
( A 0,0854 •
det (H+E) \ 1
( - Igualdade, Adição e Subtração de Matrizes
O valor do F correspondente, de acordo com a fórmu-
( la do caso A (seção 19.2), ê:
Duas matrizes são iguais quando têm as mesmas dimen
(
(
..J
(
( 352 353
( - Matriz Transposta
soes (isto e,
o mesmo número de linhas c (l mesmo nl!mero
( de colunas) e, alem disso, seus elementos sao ordenada-
mente iguais. Assim, da igualdade Dada uma matriz A, sua transposta A' ê obtida com
( os mesmos elementos originais, mas escrevendo suas li-
nhas como colunas e vice-versa. · Assim, a transposta de
( [a11 ap
a13J ,
[:
3
-:] [10 3
-:] [1:
(
(
(
azl azz
conclui--se imediatamen te que:
a23 o A
-1 5
e A'
-J -n
Uma matriz A igual a sua transposta se diz simêtri
( a11 = 2, a12= 3, a l 3= -8 ca. Por exemplo, a matriz
( az1= 5, a22= o, a23= 4
(
(
(
A adição e a subtração só sao possÍ v eis com matrizes de
mesmas dimensÕes e então se opera com os termos corres-
pondentes. Assim, se:
B
[: :] e simétrica
8 :J N
[:
11
-2
1:], nhas e colunas. Por exemplo,
12
(
(
entao:
B , [ i
ll
3
-4 -n M
[: :]
( 3+0 4+11 5+15] 15
J sao matrizes quadradas, a primeira de 3 x 3, a segunda
( [ -1+8 8-2 7+4
=
[: 6
?Q
11
de 2 '< 2.
Numa matriz quadrada
(
·(
(
H-N =
[
3-0
-1-8
4-ll
8+2
5-15]
7-4
[_:
-7
lO
-1:] a 12
a 22
a, 3]
a23
( a32 a33
Uma matriz que tenha uma Única linha ou uma Única
( coluna ê um vetor. Assim, considera-se uma matriz qual- os elementos a 11, a ,, 2 , a 33 formam a diàgonal principal
quer como um conjunto de vetores-linh as ou de vetores - (ou diagonal, simplesment e).
( -colunas. Por exemplo, a matriz M acima e formada pelos
( vetores-colu nas: Matriz Diagonal: g uma matriz quadrada cujos termos
fora da diagonal são todos nulos. Por exemplo, sao dia
( gonais as matrizes:
[: J
(~
(
o
( ou pelos vetores-linh as 12 = diag(8, 12, 5) ,
( [3, 4, 5] [-1, 8, 7] .
ÜJ
o
r
(
[
(
354 355
(
l~ ~]
( o o
7 o A
( D2 o o diag(4, 7. o, 3)
( o o
por exemplo, para multiplicá-la pelo escalar n devem-
( Matriz Unitária: E uma matriz diagonal cujos termos -se multiplicar por n todos os seus elementos, assim:
( da diagonal são iguals a unidade. Por exemplo:
l" na13]
~)
n al 2
l~
(
o n A= ali
( n a21 n a 72 n az3
I 1 = diag(l, 1' 1)
( '
o Conclui-se, pOlS, que:
(
(
( I
[: :] diag(l, 1). 8 [ ~
-2
-~] = [ :~
-16
-8]
5~
(
Matriz Nula: _g uma matriz. cujos elementos sao todos
c nulos: geralmente se indica por <!> ou pela letra O. Por _Multiplicaç~o de Matrizes: A multiplicação de matri
(
exemplo: zes e uma operaçao bem mais difícil do que a adição ou a
subtração. O produto AB de uma matriz A, de dimensÕes
(
(
(
1>
[:
o
o
o
o :] J
mxn, por uma matriz E, de dimensÕes p xq, só
se tivermos n = p , isto é, se o número de colunas de A
for igual ao númer o de linhas de B.
possível
"'
(
.t. claro que, sendo A uma matriz qualque r, t e mos:
I mult i p l icado por um vet o r- c oluna E de n xl, por e x e mplo:
( -
A + <!> = A <I> = A
I [s, sJ
(
(
Escalar: Os números, que constituem os
(
[; -2 mensoes l x l, isto é, é um escalar. Teremos:
( que e uma matriz. Por sua vez uma matriz 1>< l se confun- DE = [s x 3 + 4(-1) + s x 7] = [67] = &7
de com o Único escalar que ela encerra, isto é:
(
No caso geral do produto AB C, o termo Cij de C
( [s] =s . é igual ao produto da linha i de A pela coluna j de B.
Por exemplo:
( Multiplicação por um Escalar: Dada uma matriz
(
(
'' (
. r
(
356
( 357
(
(
a
azz
12], b
bn
l.l] , Determinante s: Não daremos a definição geral de de
terminante, por ser bastante complicada, mas veremos co-
mo se calculam os determinante s nos casos mais simples.
( Para começar, só há determinante de matriz quadra-
c da. Dada uma matriz A de 1 >< 1, seu determinante (que se
indica por IA I ou por det A) é igual ao Único elemento
( da matriz. Assim, se
( ou ainda:
(
A = [8] , B [-s]
47 temos
( = [ 25 27]
15 1 23
( det A det B = IBI = -5
( Matriz Inversa: Dada uma matriz quadrada A, sua lu-
No caso de uma matriz C de 2x2
( versa A-l e uma matriz tal que
(
(
c c 12] =
Nem toda matriz quadrada tem inversa. As que têm, c22
(
c hamam-se não-siU:gu1a res; as que não têm, são sing•Jlares.
( Por exemplo, a matriz invers a de
t emo s le i= 7x6-5 x4 = 22 .
2
[l
( Já no caso de '..lffia matriz A dP 3x3, o de t erminante se
( A=[ l] e A-\= -l] pu1s
calcula pela regra de Sarrus, que nos dá:
1 1 - l ~
(
(
(
AA_1 [2 1] [1 -11
1 1 -1 2
[1o O]
1
I'
( Por exempl o :
·c A-1A í 1 -1] [ 2 "' .1]
= [1 O] I . '
G1 1 2
\~
3
( 2 1 1 o 3 2 l>< 3x3 + 2x2x2 + 3x4 x4 - 2x3x 3 - 1x4 x2
( 4 3 2x4 xJ 15
Logo, a matriz A e não-singula r, uma vez que tem '
( inversa. Já a matriz
1 2 3
( 4 5 6 = lx5x9 + 2x6x7 + 3x4x8 - 3x5x7 ~ lx6x8-
7 8 9 - 2x4 x9 o
(
( Para matrizes de maiores dimensÕes as regras, que não ve
( -
nao tem inversa; e, pois, uma matriz singular. ~emos, são mais complicadas.
ç
{
(
358
( 359
( Determinante de uma Matriz Singular: Toda matriz qua
(
drada singular tem determinante nulo; reciprocamente, e (L9.4.4) Dado o vetor
(
(
singular toda matriz quadrada de determinante nulo. As-
sim a matriz
X • [n , calcular X'X e XX' •
( A
(19.4.5) Dadas as matrizes
(
( cujo determinante O, e singular, isto e, nao - tem
inversa.
(
( - Alguns casos simples de inversão de matrizes
calcular AI, IA, AA', A'A, AD, DD.
[ d -b]
(
A
-l l (19.4.6) Mostrar que é singular a matriz
( A
c
( com
D =
a,b,~
diag(a,b, ... ,h)
.. ,h f O.
+ D-
!Aí
1
= diag(
-c
~· t·····
a
~) , B t :J
Observação: ~ suficiente demonstrar que seu deter-
( minante é nulo.
- Exercícios
(
(19.4.7) Determinar a ex de modo que sejam singulares
( (19.4.1) Dadas as matrizes
as matrizes
(
2J' C= r- 5
(
(
A [5
-1
3] ' B 8
2
= [
1 o L8
lOJ
3 M" v :]
3
N [':X
:J
( calcular A+B, A-B, A+B+C, A+C .
Resposta: a = 24; X =o ou 9
( (19.4.2) Sendo A, B, C as matrizes do exercfcio 1, cal-
(19.4.8) Achar as inversas das matrizes
( cular 5A, 2A+3B, A+4B', A+A', A+B•.
(
(
(19.4.3) Dadas as matrizes
A = ~ 0,25
-4.,01)
o. 50
8,00
1· B "[: :]
(
'
B =
[: :] Resposta:
(
(
(
(
calcular AB, BA, A' A, AA'.
as matrizes AB e BA.
-
Verificar que sao diferentes A
-1 1
4
[8,00
4,00
-0,50]
0,25
=[ 2,000
1,000
-!l H-1.[! ~l
4
{
r
·:..~.: : ·- ·-_"'3l !'~lf,tLd. iC'~
( 361
( - Raízes Próprias de uma Uatriz
- ~xercício
( Seja uma m;rl r· i% qrr;.rd r a da
(19.4.9) Achar as raízes característi cas da matriz
(
(
(
B
[: :J. Resposta: zero e 9.
( Consideremos a matriz
o cálculo das raízes característi cas de uma matriz
(
(
( det [A - n] IA- uj =
2- ,\ 3 19.5. SISTEMAS DE EQUAÇÕES LINEARES
o
( 3 10- >. são sistemas de equações de primeiro grau, com qual_
( quer numero de incógnitas. Por exemplo:
( que
( 3 3
(
o, o,
10-11 As matrizes
..
10-1
(
_:] -~
-2
( e, pois, ~ue essgs matrizes são singulares.
(
A
[: o
l
i
(
t
~~~-----
(
362
c 363
( :~L· cila111am matrizes do sistema <>u dos coeficientes d p()t·v:-:c:iuplo, X1 +X;> +:!.X; ~ () , st• dizem homogê-
~s in cOIIID
cógnitas. Se o nÚmero de incógnitas for igual ao n.umero neas. Todo sistema de equaçoes lineares homogêneas
(
de equaçoes, essas matrizes serão quadradas.
( Consideremos o sistema de equaçÕes A X <!>
l
( a matriz
A X B .
l:
( 1 2
com
( A -1 1
(
( A [: _:]. X B
1 5 J
é singular. Por exemplo, sJ.o soluçÕes desse sistema:
(
Quando a matriz A : ~ão-singular, o sistema tem so- A) xl -3, x2 -1' X3 2
(
lução e essa solução e mnca. t1as nos interessam siste-
( mas de equaçÕes 13) XI G' x2 ?
-' X3 -4
'
3 l
( C) xl 2 ' x2 2 X3 = l
A X =
( além da solução nula Xt X· = x-, o
em que a matriz A seja singular e o segundo membro seja
(
uma matriz nula (cP). I:: o caso, por exemplo, do sistema Para obter essas soluçoes não nulas, começamos por
( seguinte: abandonar uma das equaçÕes e dar a uma das incÓgnitas um
valor arbitrário não nulo. Por exêmplo, abandonamos a
( X1 + X 2 + 2X 3 O torcei ra equaçao L~ fazemos X:~ = t. Fica:
r
( x1 - x7 + x3 o
t
(
+ x., + 2 o + X::' -2
3Xl + X2 + SX3 O " isto e
( xl - X>' + l = o XI - x,. = ·-1
isto e:
(
Resolvemos este sistema por qualquer processo e acha
( 1 mos x1 = - 3/2, X2 = - 1/2. A solução achada é, pois,
X1 =- 3/2, X2 = - 1/2, X3 = 1. Para cada valor difl,_
( -1
rente de X1, obtemos nova solução para o sistema.
( 1
(
364
( 365
'
( o l~ssa Llllll,;3ll, <lpl i cada aos VJlores X·l 'x.' xl Je cada pare.':.
la do experimen to nos dá N valores dessa variável un1ca
( o Z, um de cada urna das N parcelas do ensaio. Apliquemo s
c Solução: A matriz a esta nova variáve l Z a análise da variância tradicio-
nal, unidimens ional. Queremos obter uma função Z
( (com
l
( 6, 954 9 -12,6689]
Resposta: A matriz do sistema é singular, logo ele é ln- E- I
(
determinad o. Além da solução nula, temos infi -1:2,6689 33,6'359
( nitas outras, tais como: A) X1 = -7, Xz = 2~
X3 = 1; B) X1 = 14, Xz = -4, x 3 = -2; c) x 1= e o produto e~
: (
·..:.: =Ja, Xz = 2a, X3 = a.
-~ (
(
HE
- l
í41,1257 -67,1781]
( ou ainda:
,\ 2 - 35,1474!\ + 12,8478 - o
[:: ] [ :J
( Neste Último caso temos:
As raízes desta equação são .\1 = 34,778 e Àz = 0,370.
(
(
mesmo resultado chegaríamos se considerássemos a
Ao
equa- 7. ,2476-0,4580x34, 780 0,7326-0,1725x34,7801 [billoj •
(
çao
7 ,2476-0,4580!\ o, 7326-0,1725\
[
0,7326-0,1725x34,780 0,0982-0,0947x34,78~ bJ b
( isto e:
o '
(
o, 7326-0,1725,\ o' 0982-0' 0947,\
[-8,682 -5' 267]
( isto é:
-5 '26 7 -3,195
(
(7,2476-0,4580\)(0,0982-0,0947,\)-(0,7326-0,1725\) 2
(
o' ou seja:
( ou ainda
{ 8,682 bl + 5,267 bz o
( 0,013616\ 2 - 0,4786\ + 0,1750 =o •
(
5,267 bl + 3,195 bz o
e, mediante divisão pelo coeficiente de !\>::
( A matriz do sistema ê singular neste caso, confor-
( ,\ 2 - 35,1498,\ + 12,8525 = o . me resulta da equação \Ej =O. IH -
Logo. o sistema de
equaçÕes é indeterminado. Para resolvê-lo, podemos to-
( Esta equação nos dã: /q = 34,780 e \z = 0,370, valo- mar bz = 1 e abandonar a segunda equação. Fica:
( res que podem diferir ligeiramente dos anteriores por
problemas de aproximação de decimais. 8,682 b1 + 5,267xl =O, logo b1 = -0,6067
( Note-se que este Último método tem ~ vantagem de
c não exigir a inversão da matriz E, operação muito traba-
lhosa para matrizes maiores, relativas a mais de duas
Uma solução seria pois a função
(
(
;-c
(
.. ,_,,_.~
"~' "·"'"""· """'"'""'"' .
( .
368 .
.
( . 369
( Tabela .L'). 6 .l. Valores da variáve l c:;mottJ ,:;t IJL"Ínci~)al
___b_J__ ___ ___ ---~~0_7_ --- . - -0,5l9 •
( Z*=O,Sl 9X 1-0,855X 2 nas parcela s do experim ento de
lb{ + b~ ICõ: 606 7) 2 + ti 19.2.1.
(
( 1
0,855 , Totais
(
( logo Trat. 1 1,591 1,512 1,700 1,523 1,521 7,847
= -0,519 x1 Trat. 2 2,206 2,195 2,274 2,268 2,232 11 '175
( Z* + 0,855 x2 Trat. 3 1,624 1,701 1,586 1,598 1,589 8.098
(
ou, indifere ntemen te, trocand o-se o sinal do segundo mem
( bro: 27,120
(
Z* = 0,519 x1 - 0,855 x2 . Como compara r 2ssas médias? Ou, de uma manei Cl ffi[JÍ S
( geral, como provar um contras te entre essas médias
Aplicad a esta função discrim inante (ou variáve l ca-
(
nônica) aos dados do exemplo da tabela 19.2. l, que esta-
c mos discuti ndo, obt emos os números da tabela 19.6.1. A
análise da variânc ia desses dados n os leva aos resulta -
( com Zc. = O? O process o mais simples consist e em calcu-
dos seguint es.
lar, pêlo método de Scheffe , uma diferen ça mínima signi-
c ficativ a
( Causa de variaça o G.L. S.Q. Q.M. F s = v'lq 'V(Y) F
(
:. c Tratame ntos
Resíduo
kl=2
k2=12
1,3738 0,6869
0,03955 4 QMR=0,003296
208,40* * onde k 1 e o nume r o d e graus de liberda de de tratame ntos,
com
c1m1 + c 2m2 + . . . + c m
v v
( Note-se que o valor de F obtido pode ser calcula - l::c2
do previam ente com facilid ade, pois temos: f/('1) QMR
r
l
!C'
Fmax
- -2-
12
de
= 208,68
sendo r o número de repetíç oes (supost o igual para to-
dos os tratame ntos). Quanto ao valor de F, ele é obtido
assim:
(
370
( 3 71
1
( s = mÍnirno(p,k 1
), m = jp-lq -l n = ço a1, e X2 a de feijão, de preço a 2 . Em tal caso cal-
2
( culamos Z para cada parcela, fazemos a análise da variân
No caso presente ternos: cía dos dados assim obtidos e obtemos s2 "" QMResíduo
(
QMR. Temos, entio, pela aplicação direta do método de
p 2 var1aveis, k1 = 2 G.L. para tratamentos, Scheffé (seção 3.5):
(
( k2 = 12 G.L. para o resíduo
(
372
( 373
( Z~, que, submeti da ã análise da variânc ia
(unidim ensiona l) nos daria
tradicio nal o valor assim obtido se compara com o limite de signifi -
( cância dado pela tabela 16. No caso do exemplo da se-
ção 19.2 onde achamos pe~o teste de Wilks !1. = 0,0204!. o~
( F =~ Àz
12
-2- 0,370 = 2,22 temos. como vimos na seçao 19.6, as ra1zes caracte r1sti
kl
( cas ÀJ = 34,780 e Az = 0,370. A maior delas nos di:
o total das duas raízes caracte rÍstica s e
(
lq + Àz = J4,780 + 0,370 = 35,15 , A 34,780
( 0,972 .
1+34,78 0
( e deste total Àl = 34,780 represe nta 98,9%, ao passo que
Àz. corresp onde a 1,1%. Essas porcent agens medem a im- Este valor se compara com o que é dado pela tabela
( portânc ia relativ a das duas variáve is canÔnic as. Num ca 16.
(8 = 0,533), ao nível de 5% de probab ilidade , como vimos
( so como este, em que a maior raiz corresp onde a quase na seção 19.6. Como temos 8 = 0,972 > 0,533, verific a
99% do total, a variáve l canÔnic a princip al, a ela cor- -se que o resultad o é signifi cativo ao ní vel de 5% depr~
( respond ente, praticam ente esgota toda a informa ção c onti habilid ade e, pois, r e jeita-s e a hip6tes e de nulidad e.
( da na análise multidi mensio nal, com X1 e X • Podería mos procura r também o limite de 1% de probabilid~
2
No caso de p variáve is observa das (X 1 , X , ... , ~) de, que é 8 = 0,658. Conclu i-se, pois, que realmen te o
( 2
obtemos , em geral, p raízes caracte rística s distint as,to resulta do ê também si gnifica tivo ao nível de .L% de prob~
( das positiv as. Postas em ordem decresc ente, cada uma de
bilidad e.
las nos dá uma variáve l canônic a, e a cada variáve l canônT
( ca carresp onde uma porcent agem do t otal. Nos casos favÕ
( râveis, conside ramos, então, apenas um númer o reduzid Õ
p 1 de variáve is canônic as, com p' bem menor do que p. 19.3. BIBLIOGRAFIA
( Verific a-se, pois, que este método pode levar a uma sim- CHATFIELD, C. e A.J. Co1lins , 1980. Introdu ction to Mul
( plifica ção conside rável dos probl emas em que seja grande ti v ar iate Analys is. Chapman and Hali. Lonci.:Es.
o número de variáve is observa das. DAGNELIE, P., 1975. Analyse Statist íque à Plusieu rs Va-
(
riab1es . Presses Agronor niqu e s, Gembloux.
( DEME:TRIO, C1arice G. B., 1985. Análise Multidi mensio nal
( 19.7, Ü TESTE DE Rov para Dados de Cana-de -Açúcar (tese de Doutora do) .
ESALQ, Piracic aba, SP.
( O teste de Wilks que aplicam os na análise da variân HA RRIS, R.J., 1975. APrime r of Multiv ariate Statist ics.
cia multidi mensio nal não é o un1co existen te. Há va-
( Academi c Press, N.York.
rias outros, dos quais o de Roy é o mais importa nte. Pa- HORRISON, D.F., 1976. Multiv ariate Statist ical Method s,
~:c ra aplicá- lo, procede mos como na seção 19.6 e calculam os 2<ii edição. McGraw -Hill, T6quio.
i (
as raízes caracte rística s da matriz HE- 1 , ou o que é equi t1YERS, J. L., 19 79. Fundam entals o f Experim ental Design,
valente , as raízes da equação - 3~ edição. Allyn and Bacon, Boston.
( PI~'I\•:NTI':l. COMES, F., 198'5. A Análise da Variâne ia Multi-
( •tariada Aplicad a a f<:xperim entos Agrope cuários (mi-
mt·n~t- ;Üa do). ESt\l,, Lavras.
( sendo Àl a maior dessas raízes, obtemos a seguir a esta- TATSliO!':i\, M.H., 1971. Multi varia te Analysi s Techniq ues
tística for Educati onal and Psycho1 ogical Researc h . .Juhn Wí
(
ll'y, N. York.
'( e -
(
(
... ,.,. ~- · '< •
(
(
(
(
374
1 '
(
20.1. INTROD~O No caso especial de um fatorial de 3 x 3 com P e
( K, com níveis equidistantes, temos:
Ji vimos no capitulo 12 como obter a equaçao de re-
(
gressão relativa a uma sÓ variivel independente: por
( exemplo, níveis de um nutriente num ensai~ com fertili- Xl - ql ~ - X2 - qz 5_1
xl 1, Xz=
zantes. Quando os dados se referem a fenomenos nàtu- ql ql q2 q2
(
rais, eusual dar ã representação geométrica dessa equa-
.., ')
n2- 1 3'- l 2
( ção o nome de curva de resposta. Mas a equação de re-
p 2 (x l) xí- - '')
x2-
l 12
x-l
')
-
3
gressão pode referir-se a duas ou mais variáveis inde- L~
(
pendentes. Por exemplo, num ensaio fatorial de 3x3 com
( P e K a equação de regressão pode ser um polin~mio de se 2 2
p2 (x:2) xz -
(
gundo grau em xl ex2. assim: 3
~.
(
( 377
( -1 ü l
c B11 =
-1 (-1) (-1)230,5 (-1) (0)301.,5 (-1) (1)341,2
( onde os coeficientc'S C! e C2 são tirados da tabPJ.a 12.6. o (O) (-1.)239,6 (O) (O) 331,6 (O) (1)363,3
c Temos, para os coeficientes relativos ao fÓsforo:
1 (1) (-1) 187,0 (1) (0)318,4 (1) (1)376, 9
( (-l)657,l+(O)Y'51,5+(1)108L,4 42!1,"3 _
Bl = 18 X 2 = -~ = 11 ' 786
(
isto e:
( (1)657,1+(-2)951,5+(1)1081,4 -164,5
B 11 =
18 X 6 108 =-I, 523 -l o 1
(
;'l·
( -1 (l) 230,5 (0)301,5 (-1)341,2
( Tabela 20.2.1. Totais de 6 repetiç~es de um ensaio fato- 1 o (O) 239,6 (0)331,6 (0)363,3
rial de adubação de cana-de-açúcar, com os dados l
( originais em t/ha. l l (-1)187,0 (0)318,6 (1)376 , 9
(
I
(
(
Po
230,5 (6)
p 60 pl20 lI Temos agora:
Ko 301,5 (6) 341,2 (6) 873,2 (18) I
(
K 50 239,6 (6) 331,6 (6) 363,3 (6) 934,5 (18) B12
(
K100 187,0 (6) 318,4 (6) 376,9 (6) 882,3(18)
(
657,1(18) 951,5(18) 1081,4 (18) onde c 12 indica os coeficientes obtidos, r e o numero
( 2690,0 (54)
de parcelas em cada total considerado (r 6, no caso
( presente) e K12 é a soma dos quadrados dos coeficientes
( C12:
Analogamente obtemos:
( K1 2 = (l) 2 + ( -l) 2 + ( -1) 2 + ( 1) 2 = 4
(-1)873,2+(0)934,5 (1)882,3
:. r
.. i:(
I
18 X 2
(1)873,2+(-2)934,5+(1)882,3
0,253
onde ji excluímos os coeficientes nulos. Temos,
to:
portan-
( I -1' 051
I 18 X 6 (1)230,5+(-1) 341,2+(-1) 187 ,0+ (I) J76, 9 7 9, 2 '
(
' :( Falta agora estimar o coeficiente B12· Para fazê-
lo, uma regra pritica' consiste em escrever na margPm su-
79,2
= 3,30 .
6x 4
( perior e na margem esquerda da tabela20.2. L (dos to-
tais dos tratamentos) os coeficientes c 1, relativos aos A equaçao de regressao é, pois:
(
componentes lineares da regressão e associá-tos . ;ws ter- ? 49,81 + 1 x 11,786 x 1 + 1 x 0,253x2 +
( mos da tabela de totais de tratamentos,; assim:
2 2
( + 3 (-1,523) (xi- '1->+3(-1,051) (~- }')+3,30x ~
.<
__f
1
' . -~ ~· . · ~· . ; . '.: ' ' '"''~'"'""" "'•' .,. .. :·.. :·l!ll~
.l
(
"378
( 37 9
( onde usamos os valon's ele M(l e J) tirados da t<ii>L'Ia 12.6
e também o valor Y = 49,81, mêdia geral. do experimento.
49,81 + 11,786x 1 + 0,2 53x 2 - 4,569 Cxf- }>
')
(
As somas de quadrado~ para a an~lise da variincia 2 2
- 3,153 ( x 2 - }) + 3,lOx 1 x 2
( se obt~m como no ca~ltulo 12:
( Com esta equaçao se poderão fazer os estudos econo-
(l:ClT) 2
( SQB1 SQP'
rK1
(424,3) 2
18 X 2
5.000,85 . micos sobre o ensaio de adubação. Sendo t1 o preço do
fÓsforo (P 2 0 ~;), t 2 o do pot~ssío (K 20) e w o preço da ca-
( na, as doses econÔmicas relativas a x 1 e x 2 são dadas p~
( ( l: C2T)2 (-164,5) 2 las equaçoes:
SQB11= SQP" 250,56
~l
r K2 18 X 6
( 2 b ll x l + b l 2x 2 = _. b l
(I:C12T) 2 (79,2) 2
( SQB1 2= SQN' x P' = 261,36 t 2
rK12 6x 4 { b 12x1 + 2 bvx2=
w
h:::
(
e assim por di a nte. Sendo:
( Mas é pre ciso não esque c er que, sendo XJ e x 2 va-
SQT 5.698,93
riáveis transformadas, tl e
o preço da quantidade ql de
( P205, e t2, da quantidade q2 de K20.
(
SQB 600, 5 0 Obtidas as soluçÕes x1
e x~ desse sistema de equa
çÕes, essas serão as doses econômicas a serem r e comenda-=
SQRes. = 2.496,00 ,
( das, se a equação de regressão tiver máximo, e se este
m~x i mo estiver dentro do intervalo e xperimenta l (zero a
( ~ ficil compl 2 tar a seguinte an~1ise da var1an c 1 a .
120 kg/ha para o f~sforo, zero a 100, para o p o t~ssio).
( Mas a verifi c ação de que i s so se dâ e x ige métod o s matem~
( Caus a de v ar 1aç ·-;JO
ticos mais sofi s ticados. Em particular, o pro ble ma s~
G. L. S. Q. Q.H. F complica c onsideravelmente c om a possibilidade d e o cor
( p linear ;
rênc í a de pontos de sela, bastante comuns, pont os criti-=
(P')(B J) ·' 5. 000, 85 5. 000.85 80, 14>'<>'< cos qu e têm simultaneamente caracterÍsticas de máximo e
( p quadritico (P")(BJl) 1 250,56 25 o. 56 L,, 02 de mÍnimo, mas n ã o são n l' m uma coisa nem outra.
(
K linear (K') (B 2) l 2,30 2,30 0,037
(
K quadritico (K") CB22) l 1.19,28 119,28 1,91 20.3, ÜUTROS DELINEAMENTOS APROPRIADOS PARA SuPERFÍCIES
-(
Interação P'xK' (B12) 1 261,36 261,36 4, 19>~ DE REsposTA
f\l'(
I Outras interaçoes 3 64,58 21,53 0,345
( Alem dos delineamentos fatoriais, a estimação de su
(Tratamentos) (8) (5.698,93) perficies de resposta pode utilizar outros delineamen=-
( tos, dos quais os mais comuns são os fatoriais fracioná
Blocos 5 600,50 120,10
( rios e os centrais compostos;
Res1duo 40 2.496,00 62,40
Um exemplo de delineamento central composto, no ca-
(
so de dois nutrientes, i dado pelos trata~entos seguiu
c A simplificação da equaç~o de regressao obtida nos
tes, nas variáveis transformadas x1 e xz: (O,O), (-l,-1).
( -1' l) • (1, -1 ) • ( l • 1) ' (- v2. o) ( /2, o) • (o. -/2) • (o' /2) •
( dá: Nesse delineamento, os extremos do intervalo explorado
(
' (
(
• iif:'' ···~·~~~.-·-~· '
(
380
(
( 381
sao -/[e 12, nos Jois eixos, com um comprimento total
de 2/2 =2,828. Se quisermos, na pratic a , que l'SSl~ inter L<>S centrais c a de t[lll' .pvrmiLL'IIl vs timar o erro expt.~ri.
(
valo n o eixo X 1 (com valores originais) vã de zero a 120 mental, sem repetiç..Óes Jos demais pontos. Es se s deli-
( kg/ha de P 2 0 s , então x 1 = -12 corresponder ã a x = O e neamentos são especificas para a indÚstria, e neLa a re-
1
xl = 12 a X1 = 120 kg/ha de fÓsforo. O ponto ,:ent ral petição de t odos os tratamentos fica muito cara.
( Assim
(0,9), c~m1 x 1 = 0.! receberá X1 = 60 kg/ha de P o • Qual sendo, (. comum rl' <'omenJa r a rl' petição ape nas Jo ponto
2 5
( sera o n1vel de fosforo corresponde a x = l? Ora, quan central. Se assim fizermos, o experimL~nto contará com
1
do x 1 varia de zero a I'I, X1 vai de 60 a 120 kg/ha de 13 parc e las, e a análise da variância terá o esquema
( Pz0 5 . Logo, ~emos a regra de tris: seguinte.
(
(
12 - o 12 -+ 120-60 = 60 Causa de variaçao c. L.
1 o 1 + xl - 60
( Regressão 5
logo: Desvios da re g ressao
( 3
60 ('J' r a L anJl'11los) (8)
x1-6o X 1 60
( = 42,4 Res Ídu o 4
12 1,414
(
x1 ~ 60 + 42,4 102,4 kg/ha de r 2 o5 Total
(
Se o intervalo de X2 (com valores or iginais) va riar
(
de zero a 100 kg/ha de K 2 o, a x = -12 corcorrespon derá
2
X~ = zero de potássio, a x
( 2 = IL, X2 = 100 kg/ha de po- Em geral, os 3 grau s de liberdade dos Desvios da Re
t ass ío, a x 7 = O, X? = 50 kg/ha de potássio. a x, = 1, gr e ss~o pcidem ser juntados aos do ResiJuo, que passam en
( Xz = 85,4 k~/ha de p~tássío. Em resumo, na pr~ti~a os t 'ao a ser 7 .
( nove pontos do delineamento seriam os seguintes, na mes- Os delineamento s cen tr ais compost os tem a vantagem
ma ordem usada anteriormen te: (60,50), (17,6; L4,6), de, em muitos casos, exigir menor numer o de tratamentos
( (17,6; 85,4), (102,4; 14,6), (102,4; 85,4), (O, 50) do que os fatoriai s comp l etos corresponden tes. Por exem
( (120, 50), (60, O), (60; 100). plo, o fa tori a l de 3xJ x'J , com 27 tratamt'ntos, pode ·ser
No caso ge ral esse delineamento in clu í os se guintes S <tbstit11Ído por um ceutr :.d compost o de L5 pontos, se ti
( pontos (COCHRAN e COX,. 1957), expressos nas vvr um só ponto cl!n tral, ou Je 20, se tiver 6, como al-=
vanaveís
( transformada s: guns r ecomendam. Mas a sua eficiência é menor e o deli-
n e; Jmento é menos robusto. Uma opção melhor parecem ser
( Ponto central:' (0, O), "•• n V•@'lzes , os fatoriais fracionários , por exemplo, (l/4) 4x4 x4, com
( Fatorial de 2 x2 : (-l,-l),(-l, l),(l,-l),(i ,"l) , 16 tratamentos, ou (l/5)5x5 xS, com 25 (CONAGlN e JORGE,
Pontos axiais: Ca,O), (a, O), (0, ~a), (0, ct) 1982). Mas esses del ineaml'ntos devem ser usados, na pc~
(
quisa agricola, l'Om pL'1o menos duas rep et içÕes.
( Para dar propriedades mais convenientes ao de I inea- O estudo das superfícies de resposta ê bastant e di-
mento, o estat!stíco dispÕe de dois parâmetros que podem fiei 1, e nele o uso de matrizes é quase sempre essen
( ser mudados: A. O valor de a; B. O numero de pontos cen cial. Pela sua complexid:1dv d,·VL' ficar, quase sem-
( trais (n). Por exemplo, COCHRAN e COX ( 1957) recomen= pre. nas mâo ,; de espL'cÍalisla s.
dam esse delineamento com a= 12 e n = 5 pontos
c trais.
cen-
20.4. BIBLIOGRAFIA
( Uma outra explicação para a multiplicida de de pon-
/\LVI\Iü:i. V., V.ll.,
I()HS. 1\valiação da Fertilidade doSo-
( lo (GtqwrfÍ('iPs de Resposta-Mod elos Aproximativo s Pa-
(
c~
· ---------------------
(
382
( 383
( aplicar a este problema o teste de quí-quadrad;. Por tal de animais do ensaio. Has a probabilidade verdadei-
exemplo, no caso do primeiro experimento, com N = 40, ra (p) poderia ser mais alta ou mais baixa do que essa
( teríamos a tabela seguinte, com os valores esperados en- estimativa. Intervalos de confiança para essa uropor-
( tre parênteses. ção ou probabilidade, em função de N e de B, são dados
pela tabela 18. Nela, para N = 16 e B = 1 achamos o
( Sinal + Sinal - Total intt>rvalo de confiança (0,2%; 30,2%) para a probabili-
( dade. Quer isto. dizer que, repetido o ensaio mui tas ve-
zes, em 95% dos casos intervalos de confiança como es-
( 2S (20,0) lS (20, O) 40
se incluiriam o verdadeiro valor da probabilidade p. Es-
(
(
. ,; __ .~_-,,,._,, . ,---~- - •.
~' :~ -.-_.:5 "'-~:..::"'
(
( 388
389
( :;a e a lingua gem rigoro sa da EstatÍ :;Lica , mas,
( rigor e mais intuit ivame nte, podem os dizer que
com ml!nos
o verda-
21.4. CoMPARAçÃo DE PoRCENTAGENS OBsERVADAS
deiro valor de p, desc"nllL~cido, tem 95% de probab
i.l idade Em muitos exper iment os, o result ado, traduz ido
( de estar entre 0,2% e 30,:2.%. Este interv alo, L'XCL!SSÍva- por
frequ ência s, pode ser expre sso em porce ntagen
mente amplo , só pode ser encur tado media nte s, que se
( u uso de devem compa rar. Por exemp lo, num experi mento com 3 me-
(
maior numero de repeti çÕes, isto
anima is.
e,
de maior numero de todo~ de enxer tia (A, B, C) havia 200 enxer
tos para cada
Supon hamos , pois, que novos anima is tenham si-
método e pegara m 180, 150 e 145, desses enxer
do ensaia dos e que, com 60 deles , somen te l adoece tos, respe~
( u. Qual tivam ente. Podem os, pois, organ izar uma tabela
o novo interv alo de confia nça? A tabela l@' não de con-
nos dâ tingên cia expos ta a segui r.
( soluçã o, pois só vai ate N = 20. Mas a respo sta, em
porcen tagem , se pode conse guir com as fÕrmu las
( seguin - Métod o de Enxer tos Enxer tos Total de
tes:
( enxe r tia pegado s morto s enxer tos
( A 180 20 200
Pl 100 .a
( B + (N-B+ l) /F'"[ 2B, 2 (N-B+ l)] B LSO 50 200
c 144 56 200
( 100 (N-B)
PS 100 -
( (N-B) + (B+l)/ F*f2(N -B),2( B+l)] 474 126 600
(
onde PI e PS são o extrem o inferi or e o super
ior do tn- Um caminh o a segui r e a aplica ção do teste de
( terval o de confia nça. F*[2B ,2(N-B +l)] é o valor qul-
do F - ·d ~d j~ visto no capitu lo 15, que nos daria, no
bilate ral, com 2B e 2(N-B +l) graus de liberd ade, 1
qu.lprese 0
r,- nte, ca-
(
las tabela s 3 e 4.
dado pe so '
--,x-2 = 2 ?_,'4'2 , com_? \..·.L. , s1gn1
· ·1ca ti ~ o
·1·· ao
F'''[ 2(N-B ),2(B+ l)l tem signif iL·ado sÍ nível de O l% de nroba bi.li d adc..
( mi lar . No prese nte caso, temos N = 60, B = Podem os, a segtn r, con-
1. Se ado sidera r dois cont~astes ortog onais ; l) O método
tado o interv alo de confia nça de 95% de A ve rsus
( probab i lide1de~ os outros dois; 2) O método B versus o método C.
usamo s a tabela 3. E obtem os:
Mas há outra soluçã o intere ssant e, basead a na
."!.o
( dis-
tribui ção binom ial. Com efeito , demon stra-se que se x
( 100 X l 100 for, por exemp lt), a purcentagL~m de pt.•gam ento
PI dos et_l~er
( 1 + 60/F1< (2,
o' 04 % ' tos no · métod o A, c a leu lada para N enxer tos, a
v a l-Lave 1
120) l + 60/0,0 253
transf ormad a
(
pOlS F*(2, 120) = 0,025 3. Por outro lado: _
y = arco seno
' .(
( 100 X 59 expre ssa em graus , tem variin c ia
PS 100 - 100- 91,08 8, 92 i..
( 59 + 2/F*( llS, 4) 820,7
V(y) =
( N
O interv alo de confia nça é, pois, (0,04% ; 8,927. ). Assim , se cbnsid erarm os duas porcen tagens xi
( o aumen to do numer o de repeti çÕes trouxe , pois, conSl-
e xu'
culada s para N. é N indiví duos, respec tivam ente,
ca!-
.derãv el encurt ament o desse interv alo. entao
( a difere nça entre a~ variáv eis transf ormad as yi
- Yu tem
variân cia
(
(
(
"
(
390
( 391
(
(
v (y.
1.
- y )
u
820,7
N.
1.
+
810,7
N
u
= 820,7 ( ~i + *). Nao ocorre, por L'Xt•rnplo, no caso Je doL'nças
sas, em que a di~tribuição não e
binomial.
contagio-
(
Para provar a diferença Z = yi - yu , pelo
(
de Tukey, u~amos o valor
teste 21.5. 0 TESTE DE KRUSKAL~WALLIS
(
Nesta e nas seç;es seguintes, discutiremos o teste
( /820,7 de Kruskal- ·Wallis e o de Friedman, escolhidos como tÍ-
q 2 picos dos métodos de análise não-paramétrícos que usam
(
estatisticas de ordem. O teste de Kruskal-Wallis se
( aplica a ensaios inteiramente casualízados, quando hã
onde q se tira das tabelas lO e ll, para n tratamentos e 3 ou mais tratamentos. No caso de serem 2 os tratamen-
( infinitos graus de liberdade para o resÍduo. No exem tos, hã um teste semelhante, o de Wilcoxon (CAMPOS 7
plo que estamos discutindo ha n = 3 tratamento~, com 1983).
(
Nl = N2 = N3 = 200 enxertos cada um. Temos, po1.~, para Consideremos os dados da tabela 21.5. L, relati-
( qualquer das tr~s comparaç~es possiveis:
vos a porcentagem de plantas doentes num experimento de
( tomateiros.
( 6 '71 .
( Tabela 21.5.1. Porcentagem de plantas doentes num ensa1o
de tomateiros, inteiramente casualizado.
( Os valores de x e de y para os tres tratamentos sao os
seguintes.
( Tratamento l Tratamento 2 T rat amt:·n to J
(
No caso de k "' 3 tratamentos, a significância de H Temos duas parcelas empatadas com 207. de plantas
( se julga com o auxílio da tabela 19. Nela, com n 1 "' nz"' doentes e três empatadas com 29%. As duas de 207. te-
( "'n3 "'4 (número de repetiçÕes para os 3 tratamentos), a riam, na ordem crescente de valores, os números 2 e 3:
chames h= 7,731, com probabilidade a= 0,007. Quer isto damos a cada uma o valor médio: 2,5. As três de 297., da
( dizer que um valor H~ 7,73l,sÕ ocorreria, por acaso,com riam os números 6, 7 :.e 8: recebe cada ·uma o valor me=
( a probabilidade a "' 0,007 "' 0,77.. Nestas condiçÕes o re dío: 7.
(
(
(
( 394 395
( Note-~e que agora temo~ num~ros distintos de repeti Ju s t' r.ta, pu1s, significativo a e~SL' nÍvel J~ probabili-
( çÕes: n 1 = 4, n 2 = 4, n 3 = S. dade.
A estatística a calcular agora e: Tambêm no c aso de empates se usa a tabela de qu~
( -qtiaur.Jdo parél avaliar a significância de H , quando nao
H
( se possa aplicar a tabela 19, isto ê, para número de
c tratamentos acima de 3 ou numero de repetiçÕes em um ou
( com H definido como anteriormente e mais tratamentos acima de 6.
2
( L:ti (ti - l)
c = l
N (NL 1)
(
21. 6, CoWARAçÃO LE ~'ÉDIAS NOS ENSAIOS lNTElR#'fNTE
( onde ti é o numero de observaçÕes empatadas em cada gru-
po de empates. CAsUALI ZAOOS
( No caso presente temos:
( Na seção anterior estudamos o teste de Kruskal-Wal-
l + 2,5 + 2,5 + 7 13 ' lis, que, no campo não-paramêtrico, substitui a prova de
4 + 5 + 7 + 7 23
F. Mas ê sempre interessante procurar comparar as me-
( dias de tratamentos duas a duas, para melhor apreciar as
R3 9 + 10 + 11 + 12 + 13 = 55 . di f erenças entre elas. Para isso, apresentaremos um me-
( todo simplificado, de precisão muito satisfatória.
( Note-se que em todos os casos devemos ter Há dois casos a considerar:
N (N+l) A) O expe r imento tem k = 3 tratamentos e não ma~s
( l.:R. = de 6 repetiçÕes para cada um (ni.; 6);
~ 2
( B) O experimento tem mais de 3 tratamentos (k > 3)
Esta propriedade permite uma verificação fáci l d o ~ c âlcu ou ma~ s de 6 repeti ç Ões para al g uns deles o u t o-
( los. No caso presente temos N(N+l)/2 = (13) (14) / 2 = 9C dos.
( e r ealmente R 1 + R2 + R 3 = 9 1
Por outro lado, temos: A) Cas o de k = 3, ni ~ 6, com i = 1, 2, 3.
( Começa-se por calcular as medias das ordens:
( H = _g__
lJ 14X
[ (13)2 +
4
(23)2 +
4
(5~)2]- 3 x l4 = 10
9> 4 Ü • R.
( ~
100 R3 20,00
( lO
-
n4 ~ 80 ~ 8,00
( Usamos aí o valor h = 5,692, correspondente a a
4,9% de probabilidade, nivel bem pr~ximo do usual, de As diferen ças m~n1ma s si gni fi cativas calculadas com
(
5%. Nestas condiçÕes, ao nível de 4,9% de probabilida- t = 2,64
(n = (l/2) 4 x 3 = 6 contrastes, n = ""• a o n1-
( de, a Única d iferença significativa d o ensa~o a que e vel a de 5% de p r o babil ida d e) s~o:
2
(
6' 19 . Veri fic;1 -sc, nois, (F'<', <H' nÍvt·l rlt~ 51.: de !'rob abili
(
dade, sr) L; significati 'J<1 <l difcr~c• nçi:l e ntre os tCJtamen-
( tos 3 l' 4 .
As médi as de tratamentos sao : Note - se qu~ u valur de H neste caso seria H = 9,60,
(
corr-espondent e a um qui-quadrado com 3 gr aus de li berda
( R2 = 5,75 11,00 . de. Pela tab ela 1.5, es se val or de H ê significativo ao
niv cl de 5% de pr-oba bi lidade .
i( Tambêm n este caso se co.hclui que so se comprovou di No t e - se t ambém que o t este feito p ara comp araç ao de
( ferença entre o s tratamentos 1 e 3. medias neste cas o B corresponde exatamente ao de Bonfer-
ron~.
(
B) Caso de k > 3 ou ni > 6 par a algum t ra tamento.
( Nestas condiçÕes, a diferença mínima sígni_ticativa
A . . en tre as médias de dois tratamentos quaisqu er , ao n~ 21.7. 0 TESTE DE ~-R I ED"''AN
(
v~ i a de p robabilidade, é dada pela fÓrmula
( Destinado a substituir o teste F, na analise nao-pa
rametríca, o t e st e de Fri edman se aplica aos ensaios em
( A = / N (N+l)
L"ij t 12 blocos casualizados. Quando cada bloco encert"a apenas
c 2 tratamentos a prova indi('ada a do sinal. e
Para o ca-
so de 3 ou mais tratamentos, usa-se o teste de Friedman.
( onde t é tirado da tabela 21, com inf i nitos g raus de li-
berdade e comn igual ao número de contrastes em estudo, Tomaremos como .exemplo os dados da tabela 21.7.1.
( que é, no máximo, n = (1/2) k(k-1). rel.ativas a· um ensaio com 3 tratamentos, em 5 blocos ca-
sualizados.
(
_(
··:':~,,~
(
398
( 399
( Tabela 21.7.1. PorcL~ntagens de plantas doentes em ensaio bela 2U, a estatÍstica L< tem distribui;;ao aproximada do
de tomateiros, em blocos casualizados. qui-quadrado, com (k-1) graus de liberdade. Assim, por
(
exemplo, se tivermos, num experimento com k = 6 ~ratame~
( Tratamento l Tratamento 2 Tratamento J tos, em 5 blocos casualizados, K = 13,80, buscarlamos os
limites de signifí.cância na tabela 15. Obtemos, com 5
( 19 bloco 207. (l) 27i. (2) 407. (3) graus de liberdade:
(
29 bloco 287. (2) 157. (l) 607. (3)
39 bloco 57. (1) 207. (3) 15% (2) Ao nível de 57.·: 11,07 '
( 49 bloco 40% (2) 35% (1) 60% (3) Ao nível de 1%: 15,09
(
59 bloco 18% (1) 20% (2) 25 i. (3)
(
O resultado seria significativo, portanto, ao nÍvel
de 5% de probabilidade.
( Vejamos, agora, como agir quando hâ empates. Toma-
Para aplicar o método, começamos por pÔr em ordem remos como exemplo os dados da tane la 21.7. 2.
( os dados, dentro de cada bloco, dando-lhes número de 1 a
( k, onde k ê o tamanho do bloco. Tais flumeros de ordem
aparecem entre par~nteses na tabela 21.7.1. A seguir Tabela 21.7.2. Porcentagens de plantas doentes em ensaio
( obtemos as somas desses nÚmeros (Rj_) para cada tratamen de tomateiros, em blocos casualizados.
to:
(
( Rl
R2
1 + 2 + 1 + 2 + 1
2 + 1 + 3 + 1 + 2
7
9
., Tratamento l Tratamento 2 Tratamento 3
(
R3 3 + 3 + 2 + 3 + 3 14. 19 bloco 20!~ (1 '5) 20% (1, 5) 40% (3)
(
29 bloco 28% (2) 157. (1) 607. (J)
( Em continuação, calculamos a estatÍstica K, chama- 39 bloco 5% (l) 40% (2, 5) 40% (2,5)
da qui-quadrado de Friedman:
49 bloco 40% (2) 35% (l) 60% (3)
(
12 59 bloco 18% (1) 207, (2) 25% (3)
(
K L: R~ - 3 b(k+l)
bk (k+ 1) l
da bloco.
( Pela tabela 20, esse valor de K ou maior ocorreria No exemplo em discussão temos:
com probabilidade de 0,093 ou 9,3% se fosse válida a hi-
( pÓtese de nulidade. Assim sendo, se adotado o limite 1,5 + 2 + l + 2 + l 7,5
( usual de 5% de probabilidade, o resultado não seria sig-
nificativo. l, 5 + + 2,5 + 1 + 2 8,0
( No caso de haver mais de 5 tratamentos (k > 5) ou J + 3 + 2,5 + 3 + 3 14,5 .
( para numeros de blocos acima dos máximos previstos na ta
(
(
(
· ·
.. ·"·'
··:_,_,_."
•.?_
..• , ..."
·..
...
· ••••
·
(
( 400 401
( A eslatistica a calcular agora c: t·:ste valor excL•de o l imí te b ,40, correspondente à
( K pt:obabilidadl' 0,0'3() ou l,'J%_ Assim Sl'lldu, se aduLado
Kl = -- <'limite UbUal de 5% de probabilidade, o resultado;, si12_
( C
ni ficati vo.
c com K definido como anteriormente e Tmubém no caso da estatÍstica Kl, recorre-se à dis-
tribuição de qui-quadrado com (k-l) graus de liberdade,
( c = 1 quando o numero de tratamentos (k) ou de blocos (b) ex-
( cede os máximos presentes na tabela 20.
onde o indice J se refere aos blocos. Por sua vez: As comparaçÕes de medias nos ensaios em blocos ca-
( sualizados, por m~todos não-paramêtricos comparáveis aos
3
(
T. = I t .. - k ' de Tukey ou de Bonferroni, exigem tabelas especiais.Eles
J 1J
1 são expostos detalhadamente por CAMPOS (1983).
( em que tij ~ o n~mero de observaç;es empatadas no
grupo
de empates i do bloco j.
(
(
No exemplo de 21.7.2, hâ duas observaçoes
das no 19 bloco.
empata- 21.8. BIBLiOGRAFIA
Temos, po1s:
( CAMPOS, H. , 1983. Estatística Experimental Não - Paramé
tll = 2 l Tl = 23 + 13 3 = 6 trica. 4~ eJiç;o. Piracicaba.
( CONOVER, W. J., 1971. Practical Nonparametric Statistic:s.
( Também houve empate de duas observaç;es no 3<.) bloco, que John Wiley, N.York.
nos dâ: DIXON, \{.J. e F.J. Nassey Jr., 1969. Introduction to
( Statistical Analysis. ;~1 edição. McGra,v--Hill, N .
( York.
PIMENTEL GOMES, F. e outros, 196 7 • A Influência deGraos
( Nos demais blocos nao houve empate. No segundo, por Pretos em Ligas com Cafês de Bebida Mole. Anais
exemplo, temos: E.S.A. "Luiz de Queiroz" 24: 7l-8l.
(
PIMENTEL GOMES, I·'., 19i3!f. A Estatística r-ioderna na Pes-
( quisa Agropecuária. Associação Brasileira para Pes
( quisa da Potassa e do Fosfato (POTAFOS), Piracica-=
O valor de T· é sempre nulo nos blocos em que nao hâ em- ba.
J
( pate. RODRIGlJES. M. s. , 19 70. Dicioná.riq Brasileiro de Estatís
( tica. 2~ edição. IBGE, Rio de Janeiro.
Temos, pois: SIEGEL, S . , 1956. Nonparametric Statistics for the
( Behavioral Sciences. McGraw-Hill, N.York.
SNEDECOR, G.tv. e \.J.G. Cochran, l967. Statistical Me-
(
c 1 - 6 + o + 6 + + o o thods, 6~ edição. Iowa Statc College Press, Ames,
5 X 3 (JL 1) 0,900 '
( Iowa.
( K
5 x3 x 4
12
1(7 ,s) 2 +(8,0) 2 +(14,5) 2 ]-3~s~4 6,10,
(
logo
(
6,10
( 6. 78 •
0,900
(
(
~:~·· ·.
·~ --'-'
·· ··.
... ... .. ..•.•·.•.·.. ...·· ..
(
:j
(
403
(
(
(
c
c
(
(
(
(
c
(
(
(
22. TABELAS
(
(
(
(
(
(
(
(
(
(
(
' (
(
(
(
. (
c
(
(
( 404 405
(
( Tabela 1 Limite~ unllatrra!s de F ao n!vcl de 5 ';t,, de
(
~
( 12 13 14 15 16 20 24 30 40 60 120 00
1 2 3 4 5 6 7 3 9 10 11
( -
24:~.9 244,4 245,0 245,9 246,0 248,0 249,1 250,1 251,1 252,2 253,3 254,3
( 1 161,4 19fl,5 215 ,7 224,6 230,2 234,0 2:36,3 233,9 240,5 241.9 lf),41 19,42 1B ,42 19,4:! 19,43 19 ,45 19,45 19,46 19,47 19,48 1D ,49 1B,50
2 18,51 19,00 19,16 ,19 ,25 19,30 19,33 19,35 19,37 19 ,38 19 ,40 243,0 8,74 8,72 8,71 8,70 8 ,69
19,40. 8 ,66 8,64 8,62 8,59 8,57 8 ,55 8,53
( 3 10,13 9,55 9.28 !),12 9,01 8,94 8,89 3,85 3,81 8,79 8,76 5.91 5,89 5.87 5,86 5 ,84 5,80 5!77 5,75 5,72 5,69 5,66 5,63
4 7,71 6.04 6 ,5!) 6,39 6,26 6,16 6,09 6,04 G,OO 5,96 4,68 4,66 4,64 4,62 4 ,60
5.93 . 4,56 4 ,53 4,50 4,46 4,43 4,40 4,36
( 5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4 ,77 4.74 4,70
4,00 3,98 3,96 3,94 3,92 3.87 3,84 3,81 3.77 3,74 3,70 3,67
( 6 5,99 5,14 4,76 4,53 4.39 4,28 4,21 4,15 4 ,10 4,06 3,57 3.55 3,52 3 ,51 3,49 3.44 3 ,41 3,38 3.34
~:iil
7 5,59 4 ,74 4.03 3,30 3,23
4,35 4,12 3,97 3,87 3,79 3,73 3,68 3.64 3,23 3,25 3,23 3 ,2 2 3,20 3,15 3,12 3,08
3,60 . 3.04 3,01 2.93
( 8 5,32 4.46 4.07 3.84 3,69 3,58 3.50 3,44 3.3 ~1 3. :l5 3,31 3.07 3,04 3 ,02 3,01 2,98 2.94 2,90 2,36 2,83 2.79 2,75 2,71
9 5,12 4,26 3.81i 3.G3 3,4H 3,37 3,29 3,2:1 :ua 3.14 2,91 2,88 2,8G 2.U5
3,10 2,82 2 ,77 2,74 2,70 . 2,56 2,62 2.58 2,54
( 10 4,96 4,10 3.71 3 ,48 3.:l3 3,22 3,H 3,07 3,02 2,98 2.94
2.79 2,76 2,74 2.72 2,70 2,65 2,61 2.57 2,53 2,49 2,451 2.40
( 11 4.84 3,9 3 3.59 :3,36 3,20 3,09 3,01 2,95 2 .90 2 .G9 2.66 2.6-1 2 ,62
12 4,75 3,89 3,49 3,26 3,11 3,00
2.85 2.82 2.60 2 ,54 2,5 1 2,47 2,43 2,33 2.34! 2.:w
2,91 2,35 2.80 2,75 2,72 2 ,60 2,57 2,55 2.5:3 2,51 2,46 2,42 2.:~8 2.34 2,:lO 2,25 2.21
( 13 4,67 3,81 3.41 3.18 3,03 2,92 2,83 2.77 2,71 2 ,53 2,50 2,48
2.67 2,63 2:!6 2.H 2.39 2,35 2.31 2,27 2.22 2.131 2.1 3
14 4,60 3,74 3,34 3 ,11 2,96 2,85 :!.76 2,70 2,65 2,48 2.'15 2.4 3 2,40
2.60 2,56 2.3 9 2.33 2,29 2.25. 2,20 2,16 2.11! 2 ,07
( 15 4,5:1 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2. 59 2.54 2.51
2,42
1
2,39 2.37 2 ,:35 2.3 3 2.28 2,24 2,19 2, 15 2.11 2.061 2 01!
' ( 16 4,49 3,63 3 ,24 3 ,011 2,85 2,74 2,G6 2,59 2.54 2,49 2,45 2.38 2,35 2.33 2.:n 2.291 2.23 2.19 2,15 2,10 2,06 2,0lj l 961
17 4,45 3,59 3.20 2,96! 2,81 2,70 2,61 2,55 2;49 2,45 2,34 2,31 2,29
2.41 2.27 2.25 2 .19 2,15 2,11 2,Q6 2.02 1.~~ 2
( 18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,31 2,28 2.26 2.23 2 .:n 2,16 2.11 2.07 2,03 1.98
1,971
1,9 3
19 4,38 3 ,52 3,13 2,90 l.flS j
2,74 2 .63 2.54 2,48 2,42 2,38 2 ,28 2,25 2,23 2,20
( 20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39
2,34 2 ,181 2 .1 2 2,08 2,04 1,99 1,95 1.90l : S'i!
2. 35 2,31
2.25 2,2 2 2.20 2.18 2,15 1 2.10 2,051 2;nq 1, 96 Ul2
I
í 21 4 ,32 3,47 3,07 1.871 l,:i 1
2,84 2,5'7 2,49 2,42 2,37 2 .23 2,20 2, 18
'
(
22
23
4,30
4.28
3,44
3,42
3,05
3,03
2,82
2.80
2,681
2,66
2,64
2,55
2.53
2,46
2,44
2,40 2,34
2.32
2.30
2 ?~
2,28
2;26 2.20 2,17 2,14
2 .15
2.13
2.13
2 ,10
2.07
2.05
2,03
2,01
1, 98
1,%
1.94
1,91
1,39
1,86
1.31
1,81
1.'78
1 .76
2,37 2,32 2,24 ' 2,18 2,15 2,13 2.11 2.09 2,03 1,98 l.!J4
24 4,26 3,40 3 ~ 01 2 ,78 2,51 2,42 2,36 2, 30
·- '
2.25 2,22 2,16 2,13 2,11 2,09 2,06
1,39 1,84 1,79 1./:l
2,621 2,01 1,96 1,92 1,87 1,82 1,77 1,71
( 25 4,24 3 ,3 9 2.99 2,76 2,60 2,49 2,40 2,34 2,28 2.24 2.20
1- 2,15 2,12 2.10 2.07 2.05 1 ,9!) 1,95 I,UO 1,85 1,80
( 26 4,23 3 ,37 2,98 2,74 1.75 1.G!l
2,59 2,47 2.39 2,32 2,27 2,22 2,18 ' 2,13 2,10 2,08 2 ;06 2,03 1,97 1,93 1,88 1,84 1,79
27 4 ,~ 1 3,35 2,96 2,73 1,73 1,G7
2,57 2,46 2,37 2,31 2,25 2.20 2,16 2,12 2,09 2,06 2 ,04 2,02 Ul6 1,91 1,87 1,82 1,77
( 28 4, 20 3,34 2,95 2.71 1,71 1,ti5
2,5'6 2,45 2.36 2.29 2,24 2,19 2,15 2,10 2,07 2. 05 2.03 2.00 1,04 1,90 1,85 1,81 1,75
29 4,18 3,33 1,70 l .ii1
2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,1 8 2,14 2,09 2,06 2,04 2,0 1 1,09 l,H:l 1,8fl 1.84 1,79 1,74
( 30 4,17 1,68 l ,ti2
3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,12
c 40
60
4,08
4,00
3,23
3,15
2,84
2,76
2,61
2.53
2,45
2,37
2,34
2,25
2,25
2,17
2,18 2,12 2,08 2,04
2,00
1,92
1,97
1,89
1,95
1,86
1, 92
l ,B1
1,90
1,131
1.8·1
1,75
1,79
1,70
1,74
1,65
1,69
1,59
1,64
1,53
1,58
1,47
1,5 1
1,:l9
2,10 2,04 1,99 1,95 1,83 1,80 1,77 1,75 1,73 1,66 1,61 1,55 1,50 1,43 1,35 1,25
:· { 120 3,92 · 3,07 2,68 2.45 2,29 2,17 2,09 2,02 1,96 1,91 1,86 1,75 1,72 1,69 1,67 1,64 1,Cl7 1,52 1,46 1,39 1,32 1,22
()() 3,84 3,00 2,60 2,37 1,00
2,21 2,10 2,01 1,94 1,88 1,83 1,791
(
(
HartleY (Biometrlka Tablcs for StalisttciatU, Cambrldie Un. Presa, 10~6).
Eata tabela tol adaptada a partir de resul tados de E. S . Pearson e H· O.
(
(
(
• ~-'"' .. ~·~.-; !~,, • ._..-~ ...._-· ·--··--.r-:""'-•
.-~-·-•:\'"' ...-~.! "':!:0 ~ .-~. r.• ,. ,,.,,,_ ,., ..--.- ..... , .-.-~,.,._..
.··-- - - "
-· ..
t --.-~ :- ....:.:: ....... .;:' _:_ _ _ __ __ _~, -- ..__: ~2~
(
406 .
(
40/
(
(
(
( -
( 0: '
'
..
1 2 3 4 5 t1 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 ()()
( 1 4052 5000 5403 5625 5764 5859 5928 5932 6022 6056
2 98,50 6082 6106 6125 6142 6157 6169 0200 6235 G2!i 1 6287 6313 6339 63(i(j
99,00 99,17 99,25 99,30 99,:i3 99,:16 9!!.37 99,39 99,40
( 99,41 9D,42 !)0,42 O!J,4:~ H!l,43 H!J,4·~ 9!J,45 !)f),4(j 99,47 9(),47 99,48 99,4!J f)0,50
3 34,12 30 ,82 29 ,46 28,71 23,24 27 .fl1 27,(i7 27.49 27,:)5 27,23 27,13 27,05 26,98 26,!)2 26,87 26,!l:l 2G.fi!J 21i,!ill 2u.so 26,41 26,32 26,22 21i, 1:1
(
4
5
21,20
16,26
18,00 16,69 15,98 15,52 15.21 14,93 14 ,80 14,66
13,27 12 ,06 11,39 10,97 10,67 10,46 10 ,2() 10,16
14 ,55 14,45 I 11,:n 14,30 14,24 14 ,20 14,15 l-l.!J2 1:1 ,D:l 13.84 13 ,75 13,65 13,5G 13,46
10,05 9,96 I 0,89 9,83 9.77 9,72 9,68 !l .55 !l,47 9 ,38 9,29 9,20 9,11 H,02
( 6 13,75 10.92 9 .78 9,15 8,75 8,47 8 ,2fi 8.10 .7.as 7 ,37 7,79 7,72 7 ,6G 7,60 7,5G 7,52 7,40 7,:11 7,23 7,14 7,06 6,!l7
(
7
3
12,25
11,26
f),55
8 ,65
3,45
7,59
7,35
7.01
3,46 7,1\)
6,6:3' 6,37
G,D9
G,1B
G,84
G.O:l
6.72
5 ,01
6,62
5,ill
6,54
5,74
I 6 ,47
5,1i7
6,41
5,G1
6,35
5, 56
6 ,31
5,52
6 ,2'1
5.48
(i,\(j
5.:36
6,07
5.28
5 ,99
5.20
5 ,9 1
5,12
5,82
5 ,03
5 ,74
4 ,05
6.38
5.G5
4. 8G
9 10,56 8,02 6,\19 6,42 6,06 5.80 5 ,61 5.'17 5,3:\ 5,26 5,18 5,11 5,05 5,00 4,06 4,92 4,81 1,7:1 4,65 4,57 4,48 4,40 4,31
( 10 10,04 7,56 6,5 5 5.99 5.64 5,39 5,20 5,06
11 H,65 7.21 6 ,22 5,67
4 ,!H 4,35 4,78 I 4,71 4,65 4,60 4,56 4,52 ~,41 4,33 4,25 4,17 4,08 4,00 3,91
( 5,32 5,07 4 ,80 4,74 4.63 4,54 4,46 . ' 4,10 4,34 4, 20 4,25 4,21 4,02
12 9 ,3 3 6,f)3 4.10 3,94 3,86 3,73 3,69 3,60
5, 0 5 5,41 5.0 6 ·l ,S2 4 ,6 4 4,30 4,:lG 1 ,30
13 4,22 4.16 4,10 4.05 4,01 3,08 3.8G 3,73 3,'10 3,62 3,54 3,15 3,36
9,07 6,70 5, 74 5,21 4,8G 4.G2 4 ,4 4
( 14 8,36 6.51 5,56
4,30 4.1!) 4,10 4,02 3 ,9 6 3,90 3,85 3.82 3,78 3.G6 3,5!1 3,51 3,43 3 .34 3 ,25 3 ,17
5,04 4,69 4,46 4,28 4,14 4.03 3 .94 3,80 3,75
15 3,68 6,36 3,86 3.70 3,66 3,6 2 3 ,51 3.4:1 3,35 3,27 3,18 3,0!) 3,00
( 5,42 4,39 4,56 4.32 1,14 4,00 3 ,30 3,80 3,67
3,73 3,61 3.56 3,52 3,48 3.:37 3,2() 3,21 3,13 3,05 2,96 2 ,87
16 8,53 6,23 5,29 4,'77 4,H ..;,20 4,03 3,8!) 3.f 8
1
( 3.6 0 3,61 3,55 3,50 3,45 3,41 3,37 3,26 3,18 3,10 3,02 2,93 2 ,8..! 2 .75
17 8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3.631 3,59 3,52 3,46 3,40 3.35 3.31 3.27 3.16 3.08 3,00 2.92 2.83 2,75 2 .65
c 18
19
20
8,29
8,13
8,10
6,01
5,93
5,85
5,09
5,0 1
4,94
4,58
4,50
4,43
4 ,25
4,17
4,10
4,01
3.94
3,37
3.84
3,77
3,70
3.,71
3 ,63
3.56
3,60
3.52
3,51
3,43
3,44
3,36
3.37
:3,30
3,32
3,24
3.27
3,19
3.23
3,1:1
3,19
3,12
3.08
3.00
3,00
2.92
2.92
?.,84
2,84
2,76
2,75
2.67
2,66
2,5R
2, 57
2,49
( 3,46 3,37 3,30 3 ,23 3,13 3.13 3.00 3,05 2.!l4 2 ,8() 2 , 78 2,69 2.61 2,52 2 .42
21 8 ,02 5,78 't_~7 4,37 4. 04 3,31 3,64 3 ,51 3,40
r\ 22 7,95 5,72 4,82 4,31 3,99
3,31 3,24 3.17 3 .12 :un 3,0:-l 2,9D 2.38 2.80 2 .'12 2,64 2.55 2. ~l i 2, :l G
3.76 3.59 3.45 3,35 3,26 3,18 3.12 3.07 :3.02 2.93 2.94 2.B3 2.1·:-) :: .ll7
23 7,88 5,66 4,76 4,26 2.5B 2 .50 2,40 2 ,3 1
3,9<1 3,71 3,54 3,41 3,30 3,21 3,14 3.07 3,02 2 .07 2.93 2,89 2,70
( 24 7 ,82 _5,61 4,72 2.78 2,li2 2,54 2,45 2,:35 2 ,:26
4,22 3,90 3,67 3,50 3,36 3,26 3,17 3.0:3 2,90
3,09 2.:J3 2.G~J 2, 85 2.H 2.Gô 2.58 2,4:) 2,40 2,31 2 .2 1
25 7,77 5,57 4,68 4 .18 3 ,85 3,63 3,46 3,32 3,22 3,13 3,05 2,9() 2,9•! 2.8H 2,85 2,81 2.70 . 2,(\2 2 .54 2,-!5 2,36 2.27
( 26 7 ,72
2,17
5 ,53 4 ,64 4 ,14 3,32 3,50 3,42 3.::9 3,18 3,00 2.0G
3,02 2,91 2.Sli 2.81 2,77 2.GG 2)!1 2. 50 2,42 2.:3:1 2.2:l 2.1:3
27 7,68 5 ,40 4 ,60 4,11 3,78 3,5(i
( 28 7,64 5,45 4,57 4,07
3,39 3,26 3,15 3,06 2,98 2.93 2,8S 2.8:l :~.78 2,74 2 .ti:l 2.5:1 2.47 2.:38 2,29 2,20 2.10
3,75 3,53 3,36 3,23 3,12 3,03 2,95 2 .90 2,85 2.80 2 .:) ~;
29 7,60 5,42 2.75 2 ,71 2.GO 2 .44 2,3 :) 2,26 2.17 2.0G
( 4,54 4,04 3.73 3.50 3,33 3,20 3,09 3,00 2,37 2,82
2,92 2,77 2,73 2,GS 2,57 2,.;lJ :2,41 2 ,:l:l 2,:! :\ 2,14 2 .0:1
30 7 ,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07' 2,98 2,90 2.84 2,7!) ')-.i~
..... j 2,70 2,66 2,55 :2,47 2,30 2,30 2,2 1 2,11 2 ,0 1
( 40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,09 2,89 2,()6
2 ,80 2,73 2,61 2,!iG 2.52 2 ,4 \l 2.:\7 2.2D 2.20 2,11 2,02 1.~2
c 60
120
00
7,08
6 ,85
6,63
4,98
4,79
4,61
4,13
3,95
3,78
3,65
3,48
3,32
3,34
3,17
3,02
3,12
2,96
2,30
2,95
2,79
2,64
2.82
2 ,66
2 ,51
2,72
2,56
2,63
2,47
2,56
2,40
2,50
2.34
2,45
2,2f)
2,40
2.24
2,35
2,19
2,32
2,16
2,20
2,03
2.12
1,!)5
:~ ' 03
1,86
UH
1,76
UH
1,66
1,73
1,53
1,80
1,60
1,38
( 2,41 2,32 2,24 2,18 2,12 2,07 2,04 1,99 1,88 1,7!) 1,5!) 1,47
1 '70 1,32 1,00
(
Esta tabela Co.l adapta da a partir de
c resultados de E. S. Penrso n e H . O . HartleY (Biom ctrika Tubles for Statis ticwns , C 11mbridt,:l' \Jn. l'<r ..,;, l!l!iG).
f
(
c
c
(
( 408
409
(
(
(
(
(
Tabela 3. Limites bilaterais de F ao nlvcl de 5~; de probabilidade,
( para o ca110 de F < 1.
(
(
~
.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 00
1 0,0015 0,0260 0,057 0,082 0,100 0,114 0,124 0.132 0,139 0,144 0,149
- 0,153 0,156 0,159 0.1611 0,163 0,1'70
( 2 0,175 0,180 0,18·1 O,lll!J 0,194 0,199
3
0,0013
0,0012
0,0256
0,0255
0,062 0,094 0,119
0.065 0,100 0,129
0,138
0,152
0,153
0,170
0,1()5 0,175 0,183
0,190
0,196
0,224
0,201
0,230
I
0,206 o.~~lo 0.213 0,224
0,236 o.~·ll . 0,245 0,259
0,232 0,239 0,247 0.2!'4 0.2ii:l 0,271
0,184 0,197 0,207 0,216 0,260 0,279 0,289 0,2!)0 0.310 0,320
( 4 0,0011 0,0255 0,066 0,104 0,135 0,160 0,181 0,1D8 0,212 0.224 0,234 0,243 0,250 0,257 O,::!G;~ 0,268 0,285
5 0,2HG 0,308 0,320 0,332 0,346 0,358
0,0011 0,0254 0,067 0,107 0,140 O, 167 0,139 0,20B o,.c..._,) 0,257 0,265 0,273 0,279 0,286 0,304
( 0')"
0,236 0,248 0,318 0,330 0,345 0,358 0,374 0,389
6 0,0011 0,0254 0,068 0,109 0,143 0,172 0,195 0,268 0,278 0,286 0,:293
0,215 0.232 o 246 0,258 0,299 0,320 0,3341 0,348 0,365 0.380 0,397 0.415
( 7
8
0,0011 0,0254
0.0010 0.0254
0,068
0,069
0,110
0,111
0,146
0,148
0,175 0.200 0,2:!1 ()')''R I()
...... vl 'F3
.... 0 0,266
0,2'17 0,287 0,296 O,~W·I0,311 0,332 0,348 0,364 0,382 O,:lnS O,'tlil 0,437
0,179/ 0,204 0.:22G 0,244 0.260 0,273 0,2851 0,295 0,304 o,:n2 0,320 0,344 0.360 0,377 0,395 0,415 0,435 0.457
( 9 0.0010 0,0254 0,069 0.112 0,150 0.1s1 I o.2os 0.229 0.243 0.265 0.279 0,2Hl I 0,302 0,312 0,320 0,328 0,352 0,370 0,389 0,403 0,429 0,450. 0,474
10 0,0010 0,0254 0,060 0,113 0,151 0.183 o.:no 0,2J7! 0,308 0,318
0,23:l l 0,25:2 0,269 0,283 0,327 0,334 0,361 0,379 0,398 0,418 0,440 0,4G:l 0,488
( 12 0,0010 0,0254 I 0.070 0,114 0,153 O.LH3 0.214 ...:..)\ I
O''''Sio·)-R.~Jl 0,276 0.292 0,3051 0,318 0,328 0,338 0,3461 0,373 0,394 0,415 0,437 0,461 0.488 o.- ... I
,JJ.t) I
15 0.0010 0.0254 0,070 0,116 0,15ii 0.190 0.219 0,339
( 20 0,0010
0,244 0.265 0,284 0,300 0,3141 0,328 0,350 0,3581 0.389 0.410 0.433 0,459 0,-185 O.:'i I 6 0,546!
0,0254 0,071 0;117 0,158 0.19:3 0,224 0.250 0,272 0.292 0,310 0.326 0,339 0,352 0,362 0,373 0,406 0,429 0,454 0,483 0,515 0.5:30 i) .~-w·~) I
(
24
30
0,0010
0,0010
0,0253
0,0253
0.071
0,071
0,118
0,118
0,159
0,161
O.lD:'i 0.22()
0,197 o,.•)•)('
0.2:i:i 0.277 0,2H7 0,316
Ü,..::..v
0,331
0,333
I 0.346
0,352
0,358
0,366
0,370 0,380 0,415 0,440 0,467 0,408 I 0,532 0.568 1)' ,o!
\._
;J i
''" ,, I
.. ~u
•)é;n
0,281 0,302 0,320 0,379 0,389 0,426 0,452 0,48:3 0,516 0,550 0,582 o 637
I
j
(
Esta tabela foi adaptada a partir de resulta :los de E. S. Pearscn e H. O. Hartley (Biometrika Tables for StatÚittcíans, Cam bridge Un. Press, 1956) ,
(
(
(
(
(
(
(
(
(
(
(
(
( 410 411
(
(
(
(
(
(
Tabela 4 . Limites bilaterais de F ao nivd de 1% de probabilid ade, para o caw de F < 1.
(
(
~
:
1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 20 24 30 40 60 120 00
( n 11
( 1 0,000062 0,0050 0,018 0,032 0,0!)5 0,101 0,105 0,109 0 .113 0,118 0.122 0.127
0,044 0,054 0,062 0,068 0,073 0,078 0,082 0,085 0,033 O,ü90 0,093
2 0,000050 0,0050 0,020 0,038 p,055 0,069 0,081 0,091 0,099 0,106 0,113 0,122 0,126 0,130 0,133 0.1:31 0 , ~50 0,157 0.165 0;173 0.181 0.13V
( 3 0,000046 0,0050 0,021 0,041 0,060
0,112
0,159 o 1 12 0, 181 0.191 <1.201 0,211 0 .222 0,2:\.J.
0,077 0,092 0,104 0,115 0,124 0,132 0,133 0,144 0, 150 0,154
( 4 0,000044 0,0050 0,022 0,043 0,064 0,083 0,100 0,114 0,126 0,136 0,145 0,153 0,161 0,167 0,172 0,177 o: 193 I o.zo4 0,216 0,229 0,242 0 ,255 0.2(i\)
5 0,000043 0,0050 0,022 0,045 0,067 0,087 0,105 0,120 0,134 0,146 0,156 0,165 0,173 0,180 0, 186 0,192 0.2 10 0."> 23 0,2'36 0.251 0,266 0 .282 0. 299
( 6 0,000043 0,0050 0,022 0,046 0,069 0,090 0,109 0,126 0,140 0,153 0,164 0,174 0,182 0,190 0,197 0,204 0.224 \! .238 0.2~l3 <l. 2í0 0. 2~l7 o.:lo5 0.32·1
7 0,000042 0,0050 0,023 0,046 0,070 0,093 0,112 0,130 0,145 0,159 0,171 0.181 0,1SO 0,199 0,206 0.213 0,235 0. 251 0.267 0 .285 0.304 [J:l2i 0.3 ·1~
( 8 0,000042 0,0050 0,023 0,047 0,072 0,095 0,115 0,133 0,149 0,163 0,176 0,187 0.197 0,206 0.214 0.221 . 0,244 0.261 0,27\l 0,:299 0,319 0.3-\ 1 o.:>li :-l
9 0,000042 0,0050 0,023 0,047 0,073 0,3 32 10.35G o, .) 1) .......
I
<' ! ( ) • )
( 0,096 0,118 0,136 0,153 0,168 0.181 0,192 0.202 0,:212 10 ,220 I 0,228 0.253 0,271 0.2BO 0.311
10 0,000041 0,0050 0,023 0,048 0.073 0,098 0,119 0,139 0,156 0,171 0,184 0,196 ...0 ,207
0,217 o,226 0,234 0.260 0.2'79 0,29910 .32 1 ,.) I .
o .,~r.
~~
i o 3[' "\
'~~ 0 . 3 ~l7
( 12 0,000041 0,00!>0 0 ,023 0,048 0.075 0,100 0,122 0,143 0,161 0,177 0,191 0,204 0,216 0.226 0,235 0.244 0.272 0 .202 0,314 0. 33!1 0.3(i5 o.: ~ P -t 8 42 4
15 0,000041 0,0050 0,023 0,049 0,076 0.102 0,125 0,2..;6 o,_,):)
')"- : o,...·> sn• \ o.."OS o.:l:1 2 0 .:160 0, 389 0 .-1~~ CH :i 7
( 0,147 0.166 0,183 0,198 0,212 0,2N 10.235 ~
20 0,000040 0.0050 0,023 0,050 0,078 0,104 0,129 0,151 0,172 0,190 0,206 0,221 0,234 0.24 6 0 .258 o.z6sj o.30l o .:l2i 0,:1;'15 0.:\BCl O,·ll!:l o ~ ~, -; o 51.1 0
( 24 0,000040 0,0050 0,024 0,050 0,078 0,106 0,131 0,154 0,175 0,193 0,226 0,2.f0 o,253 I o.z l1 4 0.-'5 0.3L
•),... • 1
,u,,
r '
I),...
0. 3Gô 0 .400 0.-!37 o. 1'7 cl 1 o.s:;,;
30 0,210
0,000040 0,0050 0,024 0,050 0,079 0,107 0,133 0,156 O, 178 0,197 0,231 0,246 0,259 \ 0.271 0. 282 0.321 0.34H lU fi O (1, 417 0.4:'> 7 0.505 O .~:í D
0,215
( 40 0,000040 0,0050 0,024 0,051 0,080 0,108 0.135 0,159 0,181 0,201 0.236
I
0,252 0,266 0.279 0,291 0,331 0. 361 0,3 97 0.435 0,481 0.533 0.59D
60 0,000040 0,0050 0,024 0,05i 0,081 0,220
( 0,110 0,137 0,162 0,185 0,206 0,225 0,243 0,253 0,273 0,287 0.300 0.342 o.:m> 0.413 0.459 0.510 0.571 0.654
120 0,000039 0,0050 0,024 0,051 0,082 0,111 0,139 0,165 O, 189 0,249 o,266 1 o.282 0,297 0.311 0,356 0 .3\!2 0.435 0.4!!5 0,54() 0.621 0.735
0.211 0,230
00 0,000039 0,0050 0,024 0,052 0,082
( 0,113 0,141 0,163 0,193 0,216 0,236 0,256 0,274 \0,291 0,307 0,322 0,372 O.-il2 0,'}50 0.518 0,502 O.G09 1,000
(
( Esta tabela foi adaptada a partir de resultado s de E. S. Pearson c H. O.
Hartley (Biometri ka Tal.Jlcs for Statistícú :ns, Camllridg e Un. Press, 1956).
(
(
c
(
(
(
(
(
_.... _
-- ~ ~ - ---- ---- - - ·-.
(
( 412
413
(
(
Tabela ô Limites unllatcrals de
para o c:L~o de .Y
( J- ao nível de 5 •r,, de probabilidade,
(
I 30
(
(
::\
l
1 2 3 4 5 6 7 8 9 10 ll
. 15,6
12 13
15,6 15,7
14
15 ,7
15 16
15,7
20
15,7
24
15 ,9
Gü 120 00
19
1,62 1,58 1,57 1,55 1,54 Li2 1.51 1.50 1,49 1.49 1,47 l,-!5 1.44 1,42 1. 41 1,39 1.:n iI
2.09 1,88 1,77 1;70 usl
( 20 2,09 1,87 1,76
1,66 1,62 1,59 1,57 1,56 1,54 1,53 1.51 1,50 1,49 1.48 1 1.48 1,415 1.4-l 1,43 1,41 uo 1,:;G I
1,69 1,65 1,61 I
( i
1,58 1,57 1,55 1,53 1,52 1.50 1,4!) l,-18 1.-!8 i 1,47 1,45 1.43 1.42 1,40 1.39 1 , ,)/
''" 1 ., 5 I
21
22
2. 08
2,07
1,86 1,75 1,69 1,64 1,60 1,53 1,515 1,54 1,52 1,51 1.49 1,48 1,-18 1.471 1,46 1.44 J ,42 1,4 1 1,3!1 l.:l7 l,:l G l:~:l i
I 1,85 1,75 1,68 1,63 1,GO 1,57 1,55 1,53 1,52 1.4S 1,47 1AG 1.4G 1.45 J,4:l 1.4:l 1,40 1.38 1.36 1,35 1,33
( 23 1,50
2,07 1,85 1,74 1,67 1,62 1,59 1,56 1.54 1,52 1.48 1,47 1,-!G 1,-1;) l.-15 1.-12 1,41 1.39 1.:l7 1.36 1,34 1.:32
1,51 1,50
24 2.06 1.84 . 1.73 1,67 1,62 1,53 1,56 1,54 1,52 1;!7 1.4li 1,-15 1.·Li 1.44 1,42 l.·lll 1.39 1.37 1 .Já 1,33
( 1,50 1,49 1.:n
25 2,06 1,84 1,73 1,66 1,61 1,58 1,55 1,53 1,51 1,50 1,48 1,47 1,411 1,-l;i -•. 44 U3 1,41 1,·lO us 1,3() 1.34 1,32 uo
( 26 2 .06 1.84 1,73 1.66 1,61 1,57 1,55 1,52 1,51 l,·W 1,48 1,46 1.45 1.44 1,44 1.42 1.40 UD U7 J,:lG 1.34 1,32 1,29
27 2.05 1.83 1,72 1,65 1,60 1,57 1,54 1,52 1,50 1,46 1,45 1,44 1, 43 1.42 1,40 1.:lR 1.:n 1,35 1,33 1,31
1,48 1,47 1,23
( 28 2,05 1,83 1,72 1,65 1,60 1,57 1,54 1,51 1,50 1,48 1,47 1,45 1,44 1.-13 1.42 1,41 1,:l9 l.:lB 1,36 1,35 1.32 1,30 1,23
29 2,04 1,82 1,71 1,64 1,60 1,56 1,53 1,51 1,49 1,45 1,44 1,·!3 1:!2 1,41 1,39 ).:17 1 .:lG 1,34 í .32 1,30
1,48 1,46 1,27
( 30 2,04 1.82 1,71 1,64 1,59 1,56 1,53 1,51 1,49 1,47 1,46 1.41 1.40 1,40 1,33 1,38 1,36 t,:ll 1.:l2 1,30 1,28 1,26 1,2:l
( 40
60
2.02
2,00
1,80 1,69 1,62 1,57 1.53 1,50 1,48 1,46 1,44 1,43 1,39 1.37 1,36 1.3 G 1,35 1,32 uo 1,28 1,26 1.24 1,21 1.18
1,77 1,66 1,59 1,54 1,50 1,47 1,45 1,43 1,41 1,35 1.34 1,33 1.32 1,32 1,29 1.27 1,24 1,22 1.20 1,16 1,12
( 120
00
1,98
1,96
1,75
1,73
1,64
1,61
1,57
1,54
1,51
1,49
1,47
1,45
1,45
1,42
1,42
1,39
1,40 1,38
1,40
1,36 -
l ....'>•) 1,31 1,30 1.29 1,28 1,25 1,23 1,21 1;18 1,15 1,10 1,00
1,37 1,35 1,34
(
( rals e B1\aterab na AnaU!se Eatatistlea, Bragantia 6: 479-54~. 1~8) e de E. B.
&ta tabela foi adaptada a partir de dadoa de lr. Q. Brleier (Limites Unilate. Pl·eu, 1958) .
( Pearaon e H. O. Hartley (BtcmutrUca Table~ for .Stati&ttaunu, Carnbrldie Vn.
(
(
(
(
···-"~- --·- - - - -'-····· ···· · · - ····------~~ '"'- -"
(
( 414 415
(
Tabela 6 Limites unllateral.l de .r a.o nJvel de I',{ de Jll oba blll<hnh para o caso ele .r > L
(
( .I
c ~ 1 2 3 4 5 6 7 I B () lO 12 13 14 15 16 20 24 30 40 60 120 00
11
n I
I i
( f - -· -·- --
1 63,7 70,7 73 ,5 75 ,0 75 ,9 78,1 78,3 78,4 78 ,5 78 ,5 78 ,8 7fl ,O 79,1 7D ,3 79,5 79,6 79 ,8
76,5 77 ,0 77 ,:3 77,6 77.8 78,0
( 2 9,92 9,95 0,96 9,96 9,06 9,Ç)7 9.97 0.97 9,97 9,97 9,97 9,97 0,97 !.! .97 9 ,97 9,97 9,97 .9.97
0 ,97 !1,()7 9,()7 n ,07 9,97
3 5,84 5,55 5,43 5,36 5,20 5, 19 5,19 5,18 5,18 5,17 5,16 5,15 5,14 5,13 5,12 5,11
5,31 5,28 5 ,26 5,24 5,23 5,22 5,21
( 4 4,60 4,24 4,09 3.79 3,78 3,77 3,77 3.76 3 ,74 3.7:! 3,72 3,71 3,69 3,68 3,67
4,00 3,04 3.DO 3 .87 3.85 3,83 3 .81 3,80
5 4 ,03 3,64 3,47 3 ,37 3 ,14 3,14 3,13 3,12 3,11 3 ,09 :l,OS 3,Uü 3 ,05 3,03 3,02 3,00
3,31 3. 27 3 ,23 3,21 3 ,19 3 ,17 3,16
( 2,78 2,77 2,76 2,75 2 ,74 2.72 2,70 2.G9 2.(17 2,66 2,64 2 .62
6 3,71 3,30 3,13 3,02 2,06 2,91 2 ,87 2,H5 2,82 2,81 2.79 2,54 2.53 2.52 2,51 2,50 2,48 2.4G 2 ,4;, 2.43 2,41 2,40 2.38
( 7 3 ,50 3,09 2,01 2,80 2,73 ~.G8 2.64 2.G2 2 ,59 2,57 2,56 2,33 2,37 2 ,36 2,:3[) 2,34 2,32 2.30 2.20 2.26 2,24 2,22 2.20
8 3.36 2,94 2,'75 2.65 2,57 2.52 2..10 2,46 2,43 2,41 2,40 2.26 2 ,25 2,24 2,2 3 2,22 2,19 2,17 2,1G 2.1 ;! 2.12 2 ,10 2, 03
( O 3,25 2,83 2,lrl 2,53 2,46 2,-41 2 .37 2,34 2,31 2.29 2,28 2,14 2 ,14 2 ,13 2,10 2 .0G 2 .0-1 2,0 2
10 3,17 2 ,75 2,56 2,45 2,37 2 ,17 2,16 2 .08 2,00 1.98
2,32 2 ,28 2,25 2. 22 1 2,20 2,1!)
( 11 3,11 2,69 2,40
I
2,10 2,03 2,07 2,06 2,05 2,02 2.00 1.98 196 1.94 1.92 1,90
2 .38 2,31 2.25 2.21 2,18 2,15 2,13 2,11
12 2,63 2,04 2,02 2.01 2,00 1,99 1,96 1,94 1 .D2 1 \)() l.CS 1,86 1,83
( 3,05 2,44 2 ,33 2,25 2,20 2 .15 2,12 2,09 2,07 2,05
13 3,01 2,59 2,40 2 .28 2,20 . 2, 15 1.99 1,97 1,96 1,95 1,01 1, 9 1 1.8\l 1,87 Ui 5I 1.83 1 ,80 1,73
2,11 2,07 2,05 2, 02 2,00
H 2,98 2.55 2,36 2,24 2 ,17 2,11 1,95 1,94 1,92 1,D 1 1 ,90 1,87 1.3:1 1.f!3 Ul l 1,7 [1 1,76 1 ,73
( 2 ,07 2,03 2 .01 1,98 1,96
~5 2,95 2,52 2,33 2,21 1,9:) 1,00 1,89 1,38 1,37 1,84 1,8 1 1,70 l. 77 1,'7 :) 1,72 1,60
2,14 2, 081 2,03 2,00 1,97 1 ,05 1,93
( 16 2,92 2,50 2,30 2 ,18 2,11 2,05 2 ,0 1 1,97 UH 1,92
1,88 1,87 1,86 1,85 1,84 1,81 1,78 1,76 1,74 1,71 1,6() 1 ,G6
1,90 1,86 1,8·1 1,83 1,82 1,81 1,78 1,75 1.73 1,71 1,63 1 ,66 1 1 '"'
17 2.90 2,47 2,28 2 ,16 2 ,08 2,02 1 1,98 1,95 1,92 1,89 1,88
.u ~)
JULil
•· '···~·~-·-:---~.,-~'"'""""""'-''~-- ....,...-..•_::~_,._..,..:.-.,....u • <,·•"'- " ' ' '·• -•
iUIItT"""'
c
(
( 417
(
(
(
(
Tabela 7. Limites bilaterais de
( ._,... ao nível de 5'/; de probabilidade,
para o c:Lo d1: .... < 1.
(
(
(
n~ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 20 24 30 40 60 120 00
1 0,039 0,16 0,24 0,29 0,32 0,34
( 0.35 0,36 0,37 0,38
2 0,035 0,16 0,25 0,31 0,34 0,37 0,39
0,39 0,39
0,39 0,41 0,42 0,43 0,44 0,40 0,40 0,40 0,41 0,42 0.42 0,43 0,43 0.44 0,45
3 0,034 0,16 0,25 0,32 '0.36 0.39 0,44
( 0,41 0,43 0,44 0,46 0.45 0.45 0,46 0.46 0.47 0,48 0,49 0,50 0,50 0,51 0.52
4 0,033 0,16 0,26 0.32 0,37 0,46
0,40 0,43 0,45 0,46 0,47 0,47 0,48 0,49 0.49 0,50 0,51 0,52 0.53 o,54 I 0.55 0.56 0.57
5 0,033 0,16 0,26 0,33 0,37 0,41 0,48
( 0,44 0,46 0,47 0,49 0,49 0,50 0.51 0,51 0.52 0,53 0.54 0,55 0,57 0,58 0,59 0,60
0,50
0,51
~::~ I
8 0,033 0.16 0,26 0,33 0,52 0,53 0,54 0,54 0,56 0,57 0,59 0,60 0,61 0,62
0,38 0,·11 0,44 0,46 0.48 0,50
( 7 0,032 0,16 0,2G 0,33 0,38 0.51
0.42 0,45 0,'!7 0,49 0,50 0,52 0,54 0.54 0.55 0,56 0,58 0.59 0,60 0,62 0,63 0.64
8 0,032 0,16 0,26 0,33 0,39 0,52
0,42 0,45 0.47 0,49 0,51 0,53· 0,54 0,54 0.55 0.56 0.58 0,59 . 0.60 0,62 0.63 O.fi5 0,66
( 9 0,032 0.16 0,26 0,34 0,52
0,39 0,43 0,46 0,18 0.50 0.51 0,53 0,54 0,55 0,56 0,57 0,59 0,60 0.61 0,63 0,64 0,66 0,68
10 0,032 0,16 I 0,26 0,34 0,53
c 12 0,032 OJG 0,26 0,34
0.39
0,39
0,43
0,43
0,·16
0,46
o,1e
0.49
0,50
0.51
0,52
0.53
0,53
0,54
0,54
),54
0,55
0,55
0,56
0,56
0,57
0,57
0,57
0,58
0,59
0,60
0.61
0,62
0.62
0,63
0,64
0,65
0,66
0,66
0.67
0,58
0,60
0,70
( 15
20
24
0,032
0,032
0,032
0,16
0,16
0,26
0,27
0,34
0,34
0,39
0,40
0,44
0,44
0,47
0,47
0,49
0,50
0,52
0,52
0,53
0,54
0,55
0,56
J,&i5
0,56
·J,56
0.57
0.57
0,58
0,58
0,59
0,59
0,60
0,61
0,62
I 0,64
0,63 0,64
0,66
0,66
0,68
0,68
0,70
0,70
0,72
0.72
0,74
( 0,16 0,27 0,34 0,40 0.44 0,48 0,50 0,57 0,58 0,59 0,60 0.61 0,64
30 0,032 0,53 0.54 0,56 0.66 0,67 0,70 0.72 0.74 0.76
0,16 0,27 0,34 0,40 0,44 0,48 0,51 0,58 0,59 0,60 ' 0,61 0.62 o.64 I 0,66 0,71
c 40
60
0,032
0,032
0.16 0,27 0,34 0,40 0,45 0,48 0.51
0,53
0.5:3
0.55'
0,55
0,57
0,57
0,58 0,59 0.61 0,62 0,62 o,Gs I 0,67
0.68
0,70 0,72
0.73
0.74
0.75
0,;7
0,78
0,80
0,16 0,27 0,35 0,40 0,45 0,49 0,59 0,60 0,61 0,62 0,63 0,66
( 120 0,031 0,16 0,27 0,35
0,51 0,54 0,56 0,58 0,68 0.71 0,73 0,76 0.79 0,82
0,41 0,45 0,49 0,52 0,54 0,56 0,59 0,61 0,62 0,63 0,64 0.67 0,69 0,72 0,75 0,77 0,81 0,85
00 0,031 0,16 0,27 0,35 0,58
( 0,41 0,45 0,49 0,52 0,55 0,57 0,60 0,61 0,63 0,64 0,65 0,68 0,70 0,73 0,76 0,80 0,84 0,89
0,59
0,61 0,62 0,63 0,65 0,66 0,69 0,72 0,75 0,78 0,82 0,87 1,00
c
( Esta tabela foi adaptada a partir dP dados de F. G. Brleger (Limites
1946) e de E. S. Pearson e H. O. Hartley (Biometrika Tables for Statisticians, Unilaterais e Bilaterais na Análise Estatística, Bragantia 6: 479- 546,
( Cambrldge Un. Press, 1956) .
(
(
(
(
(
(
(
(
(
· ~m··•r .. ·~· -;.;;,;;.;--
>~:...
... ,l.
fl' lll"ílli
~. -~
::·
..
·~;;:;
.."1~
c '
(
(
(
(
(
(
( para o ca~,(J de ..>- < 1.
(
(
( ~
.
I 2 3 ' 4 5 6 7 8 () 10 11 12 13 14
---- - -
15 16
--
20 24 30 40 60 120 00
(
12
15
0.0064 0,071
0,006·1 0,071
0,153
0,153
0,22
0,22
0,27
0.28
0.32
o.:l2
0.35
0.35
0.3B
0.:38
0.40
0,41
0,42
0,43
O,H
0,41
I 0.45 0,46 0,48 0,48 0,49 0,52 0.54 0,56 0.58 0,60 0,63 0,65
20 0.0063 0,071 0,153 0,22 0.28 0,32 0,46 0,47 O,El 0,50 0,51 0,53 O,:i5 0,58 0,60 O,G2 0,65 O,G8
0.36 0,30 0.41 0,44 0,45
( 0,47 0,48 0,50 0,51 0,52 0,55 O.:i7 O,GO O,G2 O.G:l 0,71
24 O.OOG:l 0,071 0,153 0,22 0,28 0.32 o,:w 0,3!1 0,42 O,H 0;46 0,47 0,49 0.50 0.51 0,52 0,513
0,()5
30 0,0063 0,071 0,153 0,22 0,28 0,33 o.:w 0,40 0,42 O.:iK O,G1 0,6:l 0,6G O,li9 0,72
0,44 0,46 0,48 0,50 0,51
( 40 0,0063 0,071 0,154 0,23
0.52 0,53 0,57 O.:i!l O,G2 0,65 0.68 0,71 0,75
0,23 0,33 O,:l7 0,40 0,43 0,45 0,47
60 0,0063 0,071 0,154 0,4!1 0,50 0,52 0,53 0,54 0,58 0.60 0,63 0,66 0,69 0,73 0,77
( 120 0,0063
0,23 0 ,23 0,33 0,37 0,40 0,43 0,45 0,47 0,49 0,51 0.52 0,54 0,55 0,59 0,61 0,64 0,68 0,71 0,76 0,81
0,071 0,154 0,23 0,29 0,33 0,37 0,41 0,43 0,46 0,48
00 0,0063 0,071 0,155 0,50 0,52 0,53 0,54 0,56 0,60 0,63 0,66 0,70 0,74 0,7!l 0,86
0,23 0,29 0,34 0,33 0,41 0,44 0,46 0,49 0,51 0,52 0,54 0,55 0,57 0,61 0.64 0,68 0,72 0,77 0,84 1,00
.(
·,(~ Esta tabl'la foi n<lapt ucta a partir de dados dt• F. G . Bril'gt:r (Limite~
Pearson e H. O. Hurt!t-y (Bivmetriku Tablrs for Stalrsilcia ns. Cambridt;L' Unilatnais na An:ílisl' Estatística Bmganlia 6:-i79 - 54:-i, UHG) e de E. S.
Un. Prcss, l!l5G) .
(
-(
.(
(
(
(
(
(
(
~J _________________________
•• ''-"':::'!::-. !": _.,..t" ~ "'- ; '",.....,-·_.,,.,.,.~. .,.,,.,.,_.lrl>l.'-"..,.;.c»""!'•;-"' .-'-,.• ; - o ,_.-•~·-< ~ "'-"'~~~,YI:L~·O;~,o-'-~;~''-'; i-.i' . • ·"''""''"H-''''-.'o,7
L'
(
( /.. 20
(
(
(
Tabela 9. Valores de t em nÍveis de lO% a 0,1% de proba-
( bilidade.
(
( Graus de Grau::~ de
lO% 5% 2% l% 0,5% 0,1% JO:~ 57. LI. l 7. 0,57.
( liberdade I í ht: t di!d(~ ()' 1?
···--- ---··--·--------
( 1 6,31 12,71 31,82 63,66 127' 32 636,62 18 1' 73 2,10 2,55 2,88 3,20 3,92
( 2 2, 92 4,30 6,97 9,92 14,09 31,60 19 1, 73 2,0') 2,54 2,86 3,17 3,88
3 2,35 3,18 4,54 5' 84 7,45 12,94 20
( 1 '73 2,09 2, 53 2,84 3,15 3,85
4 2' 13 2,78 3,75 4,60 5,60 8,61 21 1' 72 2,08 2 '52 2,83 3,14 3,82
( 5 2,02 2,57 3,37 4,03 4, 77 6,86 22 1' 72 2,07 2,:Jl 2,82 3,12 3,79
6 1,94 2,45 3,14 3, 71 4,32 5,96 23
( 1, 7l 2,07 2,50 2,81 3,10 3, 77
7 1,90 2,36 3,10 3,50 4,03 5,41 24 1, 7l 2,06 2,49 2,80 3,09 3,75
8 1,86 2,31 2,90 3,36 3,83 5,04
( 25 1' 71 2,06 2,49 2 '79 3,08 3' 73
9 1,83 2,26 2,82 3,25 3,69 4,78 26
( 10 1' 7l 2,06 2,48 2,78 3,07 3, 7l
1,81 2,23 2,76 3,17 3,58 4,59 27 1,70 2,05 2,4 7 2 '77 3,06 3,69
11 1,80 2,20 2, 72 3,11 3,50 4,44
( 28 1 , 70 2,05 2, 4 7 2,76 3,05 3,6 7
12 ' 1,78 2,18 2,68 3,06 3 ,-+3 4,32 29
( 13
1,70 2,04 2,46 2,76 3,04 3,66
1, 77 2,16 2,65 3,01 3,37 4,22 30
14 1, 70 2,04 2,46 2 '75 3,03 3,65
( 1,76 2,14 2,62 2,98 3,33 4,14 40
15 1,68 2,02 2,42 2 '70 2,97 3,55
1,75 2,13 2,60 2,95 3,29 4,07 60
( 16 1,67 2,00 2,39 2,66 ') ,_q.....
,_ ') 3,46
1,75 2,12 2,58 2,92 3,25 4,02
17
1 20 1,65 1,98 2,36 2,62 2,:36 3 ,. 3 7
( 1,74 2,11 2,5 7 2,90 3,22 3,97
1,65 1 '96 2,33 2,58 2,81 3,29
( Continua.
( Esta tabela foi adaptada a partir de dados de R.A.
Fisher e F. Yates (Statistical Tables for Biologica1,
( Agrícultura1 and Medical Research, 2~ edição, Olíver and
Boyd, Londres, 1943).
(
(
(
I c
(
(
(
(
(
,~
'§iiif' .~ -. ·
(
422
(
423
(
(
(
.Tabela 10- Valores da amplitu de total estuden tlznda (ql. ptlrn
( n - número de tratame ntos
u._,
0 teste de Tukey, ao nlvc\ de Cít de probnbl lldade.
no
( n' - número. de grau:t de liberdad e do r~lduo
~
(
2 3 4
' !
(
5 6 7 8 o 10 I 11 12 13- 14 15 16 17 18 19 20
I
1 17,97 26,08 32,8:! 37,08 40,41 43,12 I
45,40 47,36 49,07
( 2 6,09 8,33 9,80 10,fl8' 11,74 12.44 13,03
f 50,59 51,96 53,20 54,33 55,36 56,32 57,22 58,04 !i8,83 59.56
3 .. 4 ,5 0 13,54 13,99 11 ,39 14,75 15,08 15 ,38 15,G 5 15,91 16.14 16, 37 16,57 10,77
5,91 6,83 7 ,50 8,04 . 8,48 8,35 9,13
( 4 3, 93 5,01 5,76 < 6.29 6,71 7 ,05 7,35
9,46 9.72 9,95 10,15 10,35 10,53 10,(HJ 10,b4 10,08 11.11 1 1,2-l
5 3,61 7,60 7,83 8,03 8,21 8,37 8,53 8,66 8,79 8,!H 9,03 0,13 9,23
4, GO 5,22 5,1)7 6,03 6.33 6,58
( 6 3 ,46 6.80 7,00 7, 17 7, 32 7 ,47 7,60 7,72 7 83 7,03 8.03 8 .12 8,21
4,31 4 ,90 · 5,31 i 5 ,63 5,90 6,12 6,32 6,49 ' 1
(
7
8
3,34
3 ,2 6
4,17
4,04
4,68
4 ,53
5,06
4,89 l
5,36
5,17
5,6 1
5,·10
5,32
5,60
6 ,00
5,77
6,10
5,92
5,65 G,7!l 6,92 7,03 7, i4 7,24 7,34 '1 ,43 7.51 7 ,5 9
G,30 0,13 6,55 6,66 6,76 6,85 6,91 7, 02 7 ,10 7,17
6,0!) 6,18 6,29 6,3() 0,4 8 6 ,51 6,65 6,73 6;130 6 ,87
(
9
10
3 ,2 0
3,15
3,9 5
3,88
4,42
4,33
1)6
I
5,02
4,65 I 4,01
5,2-1
5,12
5:13
5,31
S,GO
5,46
5,74
5,60 ,
5,87 5,9fl 6,09 6,19 6 ,28 t3, 3li 6,44 6,51 6,58 6 .64
5,72 5,83 5 ,91 6 ,03 6,11 6 ,19 6,27 6, 34 6,'!1 6,47,
(
( 11
12
fi
3,11
3,03
. 3 ,06
3,02
S,77
3,74
4,26 4 ,57
4,2 0 _ -4,51 I "1,82
'1, 75
5,03 5,20
4, 9fj I 5 .12
5,35
5,27
5,49
5,40
5,61 5,7 1 5,81
5,S 1 5,62 . 5,71
5,90 5,98 6,06 6,13 6 ...
"'0 I' 6 ·"'''7 II o,
., 33
(
14
15
3,03
3,01
3,70
4, l!i_ 4,45
4,11 4,41 I 4.60
4,6·1
4.89
4,33
5,05
4,09
, 5,19
5,13
5,32
5,25
5 ,-13 5,53 5,63
5,36 5,46 5,55
5,80 5,83
5 ,71 I 5,79
5,64 5,71
5, 95
s .8 6
5,79
6 ,02
r 5,o3
5,85
6,09
6 ,00 6,06
6,151 G,21
6,11
3,67 4,08 5,92 .5,97 G,0 3
(
16
17 I
3,0 0
2, 9 8
3,65
3,63
4,05
4,02
4.:37
4.33
4,30
I 4,60
4,56
4,52
4.78
4,74
.
4 ''' .1
4,94
4,90
4 ,86
I
I
5,08
5,03
4.99 II
5,20
5,15
5,il
I
5, 3 1 5.40 G,49
5.2 6 5,35 5,44
5,2 1 5,31 5,39
5,57 5,65
5 ,52 . 5,5()
5 .72
5 ,66
5,79
5,73
5 ,85 5,90
5,79 5, 81
5-,96
5.()0
18 2,97 3,6 1 4,00 1,28 4,50 . 4, G7 5,47 5,5<1 5,61 5,613 5,'73 5,79 5,e4
( 19 _2,0 6 3,50 3,98 ! 4·,25 1,47 4,65
4 ,il2
4,79
4,96
4.92 i
5,07
5,04
! 5,17 5,2 7 1 5.35 5, 43 5,50 5 ,57 5,63 5,G9 5,7·1 5,79
20 2, 95 3,58· 3,96 4,23 5,14 5,23 5,32 5,39 5,4G 5.53 5,59 5,()5 5, 70 5,75
( -
4,45 4,G2 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5 ,43 5,49 5,55 5,GJ 5,66
.. ------ - 5,71
24 2, 92 3,53 3,90 - 4 ,17 '
4 ,37
( 30 2,39
4,54 1,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 5,44
3,49 3.85 4,10 4,30 4.,46 4.60 4,72 5,-19 5,55 5,59
40 2,8 6 4,82 4,92 5,00 5,00 5,15 5,21 5,27
3,44 3,79 4,04 .5,33 5 ,38 5,43 5,48
( 60 2,8 3 3,40
4,23 4,39 14,52 4,64 4,74. 4,82 4,90 4,0 8 5,04 5,11 5 ,16 5,22 5,27 5.31
3,74 3,98 4,16 4,31 4,44 . 4,55 5 ,3 6
120 2,80 4,65 4,73 4,81 4,08 4 ,94 5,00 5 ,06 5,11
( 3,36 3,69 3,92 4,10 4,47 5,15 5,20 5,24
00 2,77 1,24 ,4.36 4,56 4 ,G 1 4,71 4,78 4,84 4 ,9 0 4,95 5,00
3,31 3,63 3 ,86 4,03 4,17 4,2 9 5, 04 5,0!) 5 ,13
4,39 4,47 4,55 4,62 4,69 4,74 4,80
( 4,05 4,80 4,03 4,07 5,01
,_
(
Eata tabela tol adnpt.ad a a parUr de reiJUltadoa de .H. Leon Harler
(Tir- bles of Range and Student lzed Ran~r~. Aml. Math. Stat. 31: 1122-11
( 47).
c
(
(
(
(
( --------~-~---
(
41. t, 425
(
(
(
Te bela 10 ·- ValoT~::J da amplitude t<Jtal f!~tU<kntlnda (q). para \J,'i.() no
( n - número de tratanH:n lo~ te&te de Tukey, ao nlvcl de 57(, de probnbllld;~dc.
n' - número de graus de llbt:r dadc do real duo
(
(
(
( X 1
22
60,91
24
62,12
26
63,22
28
64,23
30
65,15
32
66,01
31
--
6G.Ill
r
I 36
67,56
38 10 50 60 70 80 oo 100
( 2 17,13 17,45 68,26 68,92 71,73 73,97 75,82 77,40 78,77 79,98
17,75 18,02 18,27 18,50 18,72 18,92
3 11,47 11,68 19,11 19,28 20,05 20,6!i 21.16 21,59 21,96 22,29
11,87 12,05 12,21 12,36 12,50 12,63
( 4 9,42 9,58 12.75 12,87 13,:!6 13,76 14,08 14,36 14,61 14,82
9,74 9,88 10,00 10,12 10,23 10,34
5 8,37 8,51 10.44 10,53 10,93 li ,24 11,51 11,73 ll,U2 12,09
8,64 8,76 8,38 8,98 9,08 9,17
( 6 7,73 0.25 9.33 9,67 9,95 10,18 10,38 10,54 10,69
7,86 7,98 8.09 8,19 8,28 8,37 8,45
7 7,30 8,53 3,60 8,91 9,16 9,37 0,55 9,70 9,84
(
9
8 7,00
6,76
7,42
7,11
6,87
7,53
7,21
7,63
7,31
7,73
7,40
7,81
7,48
7.90
7,55
7,97
7,63
3.0·1
7,69
8,11
'1,76
8,40
8,03
i 8,63
8,25
8,82
8,43
8,90
8,59
9,13
8,72
9,26
8,3·1
I
6,97 7,06 7,15 7,22 7,30 7,36
( 10 6,58 6,69 6,78 6,87 6,95 7,02 7,09 '1:13 7,49 7,75 7,96 8,13 8,28 8,41 8,53
7,16 7,22 7,28 7,53 7,73 7,00 8,04 8.17 8.28
( 11 6,44 6,54 6,63 6,71 6,70 6,86 6,93 6,99 7,71 7,85 7,9'7 8,08
12 6,32 6,41 6,50 6,59 6,tifl 7,05 7,11 7,35 7,55
( 6,73 6,80 6,86 7,69 7,80 7.91
13 6,22 6,31 6,40 6,48 6,92 6,97 7,21 7,30 7,55
6.55 6,62 6,68 6,74 7,67 7.77
14 6,13 6,22 6,31 6,30 6,85 7,08 7,27 7,42 7,55
6,39 6,46 6,53 6,59 6,65 i
( 15 6,06 6,15 6,23 6,31 6,70 6,75 6,98 7,16 7,31 7,44 '7,55 'l,G5
6,38 6,45 6,51 6,56 7,21 7,34 7,45 7,55
16 6,00 6,08 6,17 6,24 6,62 6.67 6,89 7,07
( 6,31 6,37 6,43 6,49 7,25 7,36 7,46
6,98 7.13
(
17
18
5,94
5,89
6,03
5,98
6,11
6,06
6,18
6,13
6,25
6,20
6,31
6,26
6,37
6,32
6,43
6,37
6,54
6,48
6;12
6,59
6,53
6,47
6.81
6,74
6,68
I 6,91
6,85
7.05
6,09
7,18
7' 11
7.28
7,21 I 7,38
7,31
19 5,85 5,93 6,01 6,08 ~.15 6,21 6,27 6,32 7 , ....')'"i
6,37 6,42 6.63 6,79 6.03 7,05 7,15
20 5.81 5,89 5,97 6,04 6,10 6,17 I 6,22
( 6.28 6,33 6,37 6,58 6,74 G,88 6,90 7,10 7,19
24 5,68 5,76 5,84 5,91 5,97
( 30 5,56
6,03 6,09 6,13 6,18 6,23 6,42 6,58 6,71 6,82 6,02 7,01 I
5,64 5,71 5,77 5,83 5,89 5.94 5,99
J
40 6,04 6,08 6,27 6,42 {i,54 6.65 6,7'1 G,83
( 5,-14 5,51 5,58 5,64 5,70 5,75 5,80 5,85 5,HG , 5,93 G,Jl 6,26 6,:18 6,18 6.57 6,65
60 5,32 5,39 5,45 5,51 5,57 5,62 5.titi 5,71 5,75 5,79 5,06 6,09 6,21 6,30 G,39 6,·1G
I
( l20 5,20 5,27 5,33 5,38 5,43 5,48 5,53 5,57 5,61 5,64 5,80 5,93 6,0'1 6,13 6,21 6,28
00 5,08 5,14 5,20 5,25 5,30 5,35 fi,3[! 5,43 5,46 5,50 5,65 5,76 5,86 5,95 6,02 6,09
:( -
·(
E3ta tabela foi adaptada a partir de resultados de 'H. Leon Harter (Ta-
( bles of Range and Studentlzed Rang-e, Am!. Math. Stat. 31: 1122-1147).
(
(
(
{
(
(
(
(
(
( 42ó
427
(
(
(
Tabela 11 - Valores da amplitude total r.studentlzada ( q), para uso no
( n - número de tratamentos ksk li~ rukey, ao nlvct de 1 ';? de probabilhlade.
n' - número de &rnus de Uberdac1e do resldu 0
(
(
(
( IX1
2 3 4 51 6
90,03 135,0 164,3 185,6 202,2 215.8 227,2 237,0 245,6
7 8 9 lO
r-~-~--~-~~- ! 1-~-~--:~. ~--:_6_~--~--l~~T~~J
( 2
3
14,04 19,02 22,29 24,72 26.63 28,2 0 29.5J 30,63 31,69
8 ,2 6 10,62 12,17 13,33 11,24 15,00 15.61 16,20 16,69
12 53,2
32.!S9
/:2GO .o
33.10
12G6, 2 . 271.8 b . o 281 .8 2ilG.3j.2DO:I
3·1.13 3·1.8 1 35,43 36,00 3G.s:> :nm :n.s9
0·!.3
1
I
( 4 !} ,5 1 8,12 17.13 17}:1 17,39 18,22 11!,52 Ja, ;H l ~J.G7 I l :U2 I 19 ,:~;)'
9 ,17 9.96 10,58 11,10 11,55 11,93 12,27
( 5
6 •. ,o I
5.24
!) 90
) 33
7 ,30
7,03
8,42
7.56
8.91
7,97
9,32
8,32
9. 70
8.61
9,97 10,24
12,57
10,18
12};•1 13,0!1 13,3 2 1.'3,5 3 J:l.73 l:l.!l l I. 14,0.'! H,:!·t
1C',70 10,89 11,03 11,24 11.'10 11.551
ll.68 ll.fil
8,87 9,10
7 4,95 5,92 6,54 7,00 9,30 !J,4S !J.G5 9.81 (J,D5 10;03 10.21 10 ,:12 lü.4:l
( 7,37 7,68 7,94 8,17 8,37 8,5:i .'!,71 tUlG 9,00 9,12 ~1.24 8.35 I !J,Hi G.55
8 4,75 I 5,64 6,20 6,52 6.96 7,24 7, 47 7,68 7,86
9 4.60 . 5.43 5,96 6,35 3.03 i',l~l 8, :31 8:!4 8,;)5 8,61> 8,71> il.n:; I B.!H
( 6.66 6,92 7.1 3 7,32 7,50 7,65 7. 73
10 4·.48 5.27 5:n 6,14 6: 13. 6,67 6,88 7,06 7,21 'UJl 8,02 8, 13 8 ,23 3,32 8.41 8.SO
( 7.36 7,-13 7,60 7,71 7 ,81 7,!11 7,il9 fl,\lB ll.l~o
(
11
12
-1,39
4 .32
5,15
5,05
5, 62
5,50
5,97
5,84
6,25
6,10
6,481
6,321
6,67
6,51
6,84
6,67
6,99
6,81
7.13
G.D·l
7 .25
7,06
I 7,17
7.36 7,46 7 .56 7,H5 7;7~~ 7 }~~
13 4.26 1 4,96 5,40 5,73 5,98 6,37 G,53 6,67
7.2 6 7.36 7.-14 7,52 I 7.;i !l 7, lii..i
( 14 1.21 I 4,90 5.32 5,63 5,88
6,191
6.08 6,2G 6,41 6,54
6,70
G.GG
(i,90i·
6,77 :
7,0!
6,87
7,10 7,1!1
I
7 ,2 7 7. ··1:2 ri ,·1:1
15 4,17 4,84 5,25 -• 5,56 5.80 l 5,991 6 ,1 6 6,31 6,44 G.56 ô,GG I
6,76
6,96 7,o5 7;1:l 7.20 7 .:~~~
( 16 4.1 3! 4,79 5 ,19 5,49 5,72
5 ,021 6,08 6,22 6,35 6:16 6.341 1> .93 7 ,00 7 .\l7 '7.1 4 7 .:!0
(
17
18
4,10
4.07
4.74
4,70
5,14
5.o9 I
5.43
5.38
5.66
5.60
5,85
5,791
G.01
5.94
6,15
6,08
6,27
6,20
I 6.38
6.. 31
G,5li I
6, 48
6 41 ;
6.66
i
6,57
6,50
6 74
G,GG
G,82
G.í3
fi .~lO
G.81
. ,,,..,
G.\17
0,0 I
. ~q
i
II
7.03
d .~1·1
7,0!J
7 ,0()
19 4. 05 4,67 5,05 5,33 5,55 5,74 6,5 :3 G.LiG íi.72 ()}~5 O,Dl
5,89 6,02 6,14 6,25 6::H ,~ 6,.;3 0,1.
( 20 4,02 4,64 5,02 5,29 5,51 5,C9 5,8 <1 5,97 6,09 6,19 6,28 6,37
6,51
6,45
6.5B
6,52
6.G5
6. 59
G 7?
6,1i5
I G.7G
<3, 71
G,lH
6,77
(
(
24
30
3.96
3.89
4,55
4,46
4,91
•.• oI
5,17
5,05
5,37
5,24
5,5 4
5 ,40
5,68
5,5 •!
5,81
5,65
5,92
5,76
6,02
5,85
6,11
5.93
I 66.19
,01
6,26
6,08
6,33
6,11
6,30
6,45
6.20
6,26
6.51
G,3 1
G.;,G
G.::G
40 3,82 4,37 4,70 4.93 5,11 5,2 6 5,39 5,50 5,60
60 3,76 4,28 4,60 4,82 5.69 5.7ll
5,H4 5,90 5.ll6 G.02
6,07 6,1:.! 6,1G
( 120
00
3.70
3.64
4,20
4,12
4.50
4,40
I 4.71
4,60
4,99
4.87
4,76
5,13
5,00
4,88
5,25
5,12
4,99
5,36
5,21
5,08
5,45
5,30
5,16
5,53
5,38
5.6ó 5,67 5,73
5 .44 5,50 5,56
5,78
5,Gl
5.81
5,3!1
5,66
5,71
5,03
5,75
5.(J'f
5.'.'D : I
( .~s_._z3~__s._z_9~_5_,3_5-L__s_,4_o_L_5_,4_5~-5-·_49_J__s_.s_4~-5-,5--7 L_5 ,G l I
(
l!:ata tabela foi adaptada a partir de reau'ltados de H. Leotl Harter (T&-
( bles ot Range and Studentized Range, Ann. Math. Stat. 31: 1122-1147)
(
\
( '
(
(
I (
( ':."
'.f'
r
,~ . . • . • . i . ·' '".: ' '
(
( 429
(
(
(
c Tabela 11 - Valores da arnplltude total estudentlza da (q), pnra uso no t-rJJt~ ctc Tvl!'ry, n.o nlvrl de 1 ~{ <lc probnbll!drH lc.
n número de tratan1cnto s
c n' - número de graus de liberdade do rcslüuo.
(
--,--- ~·· -
~"-----j-40---t
(
-
(
(
X 1
20 22 24 26 28 30
298.0 304,7 310,8 316,3 321,3 326,0 330,3 334,3
32 34 36
341 ,5
4:l,21
314 .u
13.G 1
50
3!'fi.\1
5,33
GO
:J70,1
4G,70
70
370,1
47,8:l
--
80
3B7,3
411,110
90
3!14,1
49,G4
100
100,1
50 . ~~8
---
2 37,95 38,76 39,49 40,15 40,76 41 ,32 41,84 42,33 338,0 22,3!! 2?.,:,9 -'3.45 21.13 :>!,71 ?.:), 1 ~~ 25,62 2:l.Sl9
( 3 19.77 20,17 20,53 20,86 21,16 21.44 21,70 21,95 42,78 lG,23 1G,37 15.!111 17:1G 17,1l6 18.20 IS.!iO 1!\,'i'i
4 14 ,40 14,68 14.93 15,16 15,37 15 ,57 15,75 15,92 22,17 l:l.10 1 ;;,;,2 H ,IIO 1'\.:; :J H,'/2 H,:l!J 15,:2:1 1 :; .·1 ~)
( 5 11,93 12,16 12,36 12,54 12,71 12 ,87 13,02 13,15 16,08 11 ,BO 1 I, !HI 12,31 l·'.li:) 12.92 13,1G 13,:17 13.!i5
6 10,54 10,73 10,91 11,06 11,21 11,34 11,47 13,28
ll,!i8 11,69 lO,?'í 10.f1:) ]] ,23 1! .:>2 I 1 ,'17 11,(0 12,l'7 l?. ,:i·l
( 7 9,65 9,82 9.97 10,11 10,21 10 .3li 10,47 10,58 10,05 10, l :1 10:17 10;;:; 10,!)'1 11 .17 1l,:l·l ll;l !l
8 9,03 10,67
9,18 9,32 9,45 9,57 9.G!l 9.713 9,87 9,52 H,!>:} 9.91 1O, 1'1 10.38 1 0,:)7 10,73 10}\7
( .9 9,96
8,58 8,72 8,85 8,97 .9,08 9,18 0,27 9,36 9,44
9,12 9,19 !1,49 !J,'I:l 0,93 10,1 o J0,2:i 10,:\'l
10 8,23 8.36 8,48 8,60
c 8,7J 8,79 8,88 8,97 9,04
13,BO 8,/lG 9,15 9,3B 9,:)7 9 ,73 9,!JB JO .O IJ
(
11
12
7,95
7,73
8,08
7,85
8,20
7,96
8.30
3,07
8.40
8,16
I 8,25
8,49 8,58
8,33
8,65
8,·10
8,73
8,47
il,ó4
8,33
ll,60
H.:l9
B,llU
!l,GS
!I,O!J
iJ,iJ(\
9,28
9,01
9:13
U,10
9,:>'1
a.:>:<
!J,(\~)
~) , 14
1
13 7,55 7,66 7,77 7/37 . 7 .9li 8,04 ) 8,15 ll.:w B,'lô B,!Hi fl,fl3 8 ,93 9,11 D. ~~ ~~
( 8,12 8,19 8,26 I
H 7,40 7,51 7,61 7.70 7,79 7,87 7.9~1 B,05 8,30 8,19 8,66 8, !!0 8,92 9,(!+
7,95
(
15
16
7,26
7 ,15
7,37
7,26
7,47
7,36
7,57
7,44
7,65
7,53
7 ,73
7,60
7,il0
7.67
8,02
7,87
8,08
7,93
7,!16
7,74
7 ,!l2
'/,HO
8,1 :)
am
s.:ls
1\,2:>.
[\,;i 1
0,38
E,fi;i
n,:il
8,77
B,G3
I B.Wi
8.'i·1
17 7,74 7,80
7,05 7,16 7,25 7,34 '7,42 7,íi4 7,'/0 7,!):l B, 11 8.:~G s.:l!l
u
( 'l:W 7,56 7,63 7,69 !l, !ll 8,Gl
18 6,97 7,07 7,16 7,25 '7,83
19 7,321 7.40 7,46 7,53 7,59 '/,Zi t: 8,(11 8.16 !I. ::~ !) 8;10 n.:'o
6,89 6,!)9 7,08 7,17 7,24 7,31 7,f)2 '1,7·! 7,!)'2 8,07 8,19 8,30 !l;!O
( 20 6 ,82 6,02 7,01
7,38 7,44 7,50 ·
7,09 7,I7 7,24 7,30 7,36 ' 7,42
( 7,22 7.:n 7,-!B 7,6-1 7,7il 7,!10 8,00 B, 10
24 6,61 6,70
30 6,41 6,49
6,79
6,57
6,86 6,94 7,00 7,06 7,12 7,17 6,98
6,7-l
'7,0:~ 7.:'.2 7,3 7 7,50
.,.,.., 7,1i1 7,71 7,BO
( 6,64 6.71 5,77 0,83 6,88 S,93 ü,'/B G.!JG 7,10 .~~ 'I ,:\:1 7 ,1:~ 7.!i0
40 6,21 6,29 6,36 6,43 6,49 6,55 6,51 !\,~5 6,'11 6,95 G.B4 7,05
6,60 6,65 6.70 7,13 7 ,? 1
60 6,02 6,09 6,16 6,22 6,28 6,2R <l,32 6,47 G,~,n 6,G9 6,7ll 6,H:>
( 120 5,83 5,90
6,33 6,30 6,42 6,47 G;:J:J
00 5,64
5,96 6,02 6,07 6,12 6,16 6,20 6,24 L_6,0G
___.__ G,U:I 6,23 1_6,3~,·!3 6,51 C,5!1 G,G4
( 5,71 5,77 5,82 5,87 5,91 5 ,95 5,{)9 6,03
(
c Esta tabela foi adaptada a partir de resultados de ;H. Leon Hnrler (Ta-
blrs o! Hl\nge t<nd :Jtudentlz<"<lll~tnt:j', A1111. Math. Slal. 31: 1122-1147).
(
(
c
(
c
( --------------~·;'_ _ _
(
430
c
(
( Tabela 12. Valores da amplitude total estudcntlzada (z), p~.,-a u no U!.'lle <'ffi Duncan, ao nlvd de ~·1, de probabiUôudc.
n - n. 0 de médias abrangidas pelo contraste so n' - n.o de graua de liberdade do rr:>iduo.
(
(
c
(
·~ '
2 3 4 5 6 7 8 -
9 10 12 14 16 18 20 50 100
(
( 4J:L
433
(
Val"r es da amplitude total estude n Uzada ( z). paru
n - n. 0 de ml'dlns ahrangldas pe 1o co1Hra'>tc u5Q no teste de Duncnn, ao n1vel de ! % de prol.JabiHdude.
( n' _ n .o de graus de liberdade do rcsiduo .
(
(
( ~ 2 3 4 5 6 7 8 9
- 10 12 14 16 18 20 50 100
(
1 90 ,0 90,0 90,0 90,0 90,0 90 ,0 90,0 90,0 90,0 90,0 90,0 90,0
( 2 14.0 14,0 14,0 14,0 14,0 14,0 14,0 90,0 90,0 90,0 90,0
14;0 14,0 14,0 14,0 14,0
3 8,26 8 ,5 8,6 8,7 8,8 8,9 8,9 14,0 14,0 14,0 14,0
( 9,0 I 9,0 9,0 9,1 9,2
4 6.51 6,8 6,9 7,0 7,1 7,1 7,2 9,3 9,3 9,3 9,3
7,2 7,3 7,3 7,4 7,4
5 5,70 5 ,96 6,11 6,18 6,26 6,33 6,40 7,5 7,5 7,5 7,5
( 6,44 6,5 6,6 6,6 6,7 6,7 6,8 6,8 6,8
( 6 5,24 5,51 5,65 5 ,73 5,81 5,88 5,95 6,00 6,0 6,1 6,2 6,2
7 4 .95 5,22 5,37 5,45 5.53 5,61 5,69 6,3 6,3 6,3 6,3
( 5,73 5,8 5,8 5,9
8 4.74 5,00 5,14 5,23 5,32 5,40 5,47 5,51
5,9 6,0 6,0 6,0 6,0
9 4,6U 4 ,86 4.99 5,08 5,17 5,25 5,5 5,6 .5,7 5,7 5,8 5,8 5,8 5,8
( 5 ,32 5,36
10 4.48 4 ,73 4,88 4,96 5,06 5,13 5 ,4 5,5 5,5 5,6 5,7 5 ,7 5,'7 5,7
5,20 5,24
( 5 ,2B 5,36 5,42 5,48 5,54 5,55 5,55 5,55
11 4 .39 4 .63 4.77 4 .86 4,04 5,01 5,06 5,12
( 12 4 .:l2 4 .5 5 4 ô8 4,84 5,15 5,24 5,281 5,34 5,38 5,39 5,39 5,39
4.76 1,92 4,96
(
13
H
4,26
4,21
4 ,48
4.42
4.62
4.55
4,69
4.63
'
4,74
4 ,70
4,84
4,78
4,88
4 ,83
5,02
4,94 i
5,07
4 98
5, 13
5,04
5, 17 l
5,08 l
5,22
5 ,13
5,24
5,14
5,26
5,15
5,26
5,15
1 5,2(i
5,15
i
4,37
c 15 4.17 4, 37 4,50 4 .58 4,64 4,72 4 ,77 4,81
I 4,91
4 ,84
4.96
4 ,90
5,00
·. 4, 94
5,04
4,97
5,06
4,99
5,07
5 ,00
5, 0'1 ;
5,00
55,00
,071
(
(
16
17
18
4. 13
4 .10
4.07
4,34
4, 30
4, 27
I
4,4 5
·1.41
1, 38
4. 54
4 .5 0
4,46
4 ,GO
4 ,56
4 .53
4.G7
4 ,G 3
4,59
4 ,72
4 ,68
4,64
4,76
4,72
4,68
l 4,79
4,'15
4 ,34
4,80
4, 88
4 ,83
4,91
4,3 6
4 ,93
4,88
4 ,94
4 ,89
4 ,94
4.89
4, 94 .
4,89
( 19 4.05 4,24 4,35 4 ,43 4, 50 4,56 4 ,61 4,71 4,76 4,79 4,82 _ 4,84 4,85 4,83 4,85
4,64
20 4.02 ·1. 22 4.33 4,40 4 ,4 7 4,53 4 ,58 4,67 4,72 4 ,76 4 ,79 4,81 4 ,82 4,82 4 ,82
( 4,61
4 ,65 4,69 4, 73 4,76 4,78 4,79 4,79 4,79
( 22 3 ,99 4 .17 4.28 4,36 4 ,1 2 4,48 4 .53 4,57
24 3.96 4 .14 4.2 4 4.33 4. :3 9 4,44 4,49 4,53 4 ,60 4,65 4 ,68 4.71 4,74 4 ,75 4,75 4.75
( 26 3.93 4.11 4,21 4 .30 1.:w 4,41 4.46 4,50 4 ,57 4,62 4 ,64 4,67 4.70 4 ,72 4,74 4,74
28 3.9 l 4 ,08 4,18 4.28 4 ,:3 4 4,30 4 ,43 4,47 4 ,53 4,58 4,52 4.65 4,67 4 ,69 4,73 4.'73
( 30 3.89 4 ,06 4,16 4 .22 4,51 4.56 4, 60 4 ,62 4,65 4,67 4 ,72 4 .72
4, 32 4.36 4,41 4,45
( 4 ,48 4,54 4,58 4,61 4.63 4,65 4 ,71 4,71
40 3 .R2 3.99 4.10 4.17 4.24 4,30 . 4.34 4 ,37
( 60 3.76 3,92 4,03 4,12 4 ,17 4.23 4 .27 4,31 4,41 4.46 4,51 4,54 4,57 4,59 4.69 4,69
100 3.71 3.86 3,98 4,06 4,11 4,17 4,21 4,25 4,34 4.39 4,44 4,47 4,50 4,53 4,66 4,66
( 00 3,64 3 ,80 3,90 3,98 4,29 4,35 4,38 4,42 4,45 4 ,48 4.64 4,65
4,04 4,09 4,14 4,17
( 4,20 4,26 4,31 4,34 4,38 4,41 4,60 4,68
(
( Esta tübela foi transcrita do artigo de D. B. Duncnn "Mnll.lple
Range and Mui tlplc F Tfs~;," (Biometrics 11: 1 --42, 1955).
·{
(
~~~~~~~~.~~~~~~~~~~ ~~~~~~~-~~~~~~~
~
l
~
w I
~
-·-
0,00 -2.000 1,000 1,000 -3,000 1,000 1,000 1,000
0,01 -2.040 0,980 1,040 -3,071 0,959 1,040 1,041
0,02 -2,081 0.959 1,081 -3,144 0.916 1,080 1,085
0.03 -2,123 0,937 1,123 -3,218 0,872 1,120 1,131
0,04 -2,165 0,915 1,165 -3,295 0,825 1,160 1,180
,_
0,43 -4,-100 -0,801 3,-134 --8,3~5 -4,017 2,023 6.410
0,44 -4,474 -0,876 3 .:il 1 -822·4 -·1,271 1,996 6,6'/G
11
0,<6
O:i7
0,48
~9
-1,6>5
. -4,702
-~.T/9
_,,,,
-1,110
--~1,200
''"'
3~SU
3.832
-4.8~~---=-1.28•:; _ __il:~iJ~--
-··'·""'
l-G~07
-8.·i23
-9.G4~l
-4.211
-5.097
·-5.~~.1·1
-5.'703
1.925
1,881
1.R31
1,774
7,237
7,532
7,839
8,1513
~
w
V>
-~
kl
tl
~1
; ;;
1- \ -~ .....-.....;· -....., .....- , ~ -~ ~ .............. _, ,...-...... ~ ...-...., ......---..__ --~ ,..--....~ ...- . \ ~ -~ ~ -~ ..-....':. ~ -~ -~ r--, ...-..... ..-... . "'\ .---., ~, .....__ ., ~~
i
.
-:!
I
.f
1:--
l~
.....
O'
·{
1
Tl1be1a 14 . Valores de polinómios para adaptação da lei de .1-.Iitscherlich, para os
casos de 4 e de 5 níveis igualmente espaçado.s.
z I . J,l(<l Jo(~)
J~r J I:(Z) J,\)(Z) J;,czl J!l(ZI
~·--·· , '
0.95
0,96
I --9 .488
-~: .:. ~5
• _:::.65(;
·· ·- E,9:'~
9.222
!lJ '/4
--21.436
~-~- 2 ~~-7;;8
-~!1,8 G3
---~3 J9~;
-18 ..~93
--ífJ.631
-12,5·11
·~3.0<()
0,97 ' -s .u';3 - ·B,j81· 9,5 ~3 - ·'!. ·1_0'7"-' ·--44 9't' ·t ---20 .924 45.:l98
0,88 - 9 /C l 1
-0;!51 9.C8-l -~· ~ . :1: ;,J - ---1G.C t.:o --22.223 4G,880
O,!lfl _g.f;!..O -9,n3 9 ,€ l't --t:-~ . GS~7 ~r..:~·;s --23,5Sl 1,8,422
~
(
(
438
( 439
(
c Tabela 15. Limites unilaterais (oui-quadrado).
(
(
PROBABILIDADE
(
(
( Graus de 20% 10% 5% 2% 1% 0,1%
liberdade
( 1 1,64 2,71 3,84 5,41 6,64 10,83
2 3,22 4,60 5,99 7,82 9,21 13,82
( 3 4,64 6,25 7;82 9,84 11,34 16,27 "'"'
( 4 5,99 7,78 9.,49 11,67 13,28 18,46 ..."
5 7,29 9,24 11,07 13,39 15,09 20,52 "'
( 6 8,56 10,64 12,59 15,03 16,81
"
'tl
22,46 ...".
7 9,30 12,02 14,07 16,62 18,48 24,32
( 3 11,03 13,36 15,51 18,17 20,09 26,12 ...
>
o
9 12,24 14,68 16,92 19,68 21,67 27,88
( 10 13,44 15,99 18,31 21,16 23:21 29,59 "'o
"' ;::~ .::s
e .:!
( 11 14,63 17.28 19,68 22.62 24,72 31,26 00
(
15
16
19,31
20,46
22,31
23,54
25,00
26 ,30
28,26
29,63
I 30 ,58
32,00
37,70
39,25 --o
NN
. ~
o o
"'"'
17 21,62 24,77 27,59 31,00 33,41 40,79 00
o e
00
o . ...
.
...
( 22 27,30 30,81 33 ,92 37,66 40,29 48,27
"a ~o
o.
29
30
35,14
36,25
39,09
40,26
42,56
43,77
46,69
47,96
49,59
50,89
58,30
59,70
:> ...
..... "'..
o
I
N<"l
o e
( "'......
.......
(
(
]
...
......
~
"
...
o o
N
.,..,
N
o
~
o
"'
o
o
"'
o
8....
(
(
(
(
~~~~~~ ~~ ~~0 ~ G~~~~~0~~~G~0~0~~~0 ~ ~
.s::-
.s::-
T~ be la 16. Continuação .
• • 3 m
n -0,5 o 8 lO 15
0,922 0,938 0,956 0,965 o,972 o,976 o,979 0,982 o,984 o,9S5 o,9so 0 ,9 67 o.95:
(0,966J (0,97JJ (0,981J (0,985) (0,9BsJ (0,990J (0,991) (0,992) ·(0,993) (0,994l (0,994l W,99SJ ;o,?Sol
3 I 0,756 0,792 0,839 0,868 0,887 0,902 0,913 0,922 0,930 0,936 0,941 C,9<.S ü,%~
(0,844) (0,868) (0,898) (0,917) (0,930) (0,939) (0,946) (0,952) (0,956) (0,960) (0,963) (.J,96ó) (0,975)
s o,625 o,669 o,729 o,77o o,8oo o,822 o,840 o,855 o , 867 o,B77 o,886 0,89~ c,;z~
(0,725) (0,758) (0,804) (0,834) (0,856) (0,873) (0,886) (0,897) (0,906) (0,913) (0,919) (.0,925) ((),9.:.:0)
10 0,429 o,472 o,537 o,S86 o,625 o,656 o,6a3 o, 705 o,725 o,741 o,756 o,;;o o,s19
(0,520) (0,559) (0,616) (0,659) (0,692) (0, 719) (0,742) (0,'760) (.0,777) (O, 7 91) (0,803) (0,814) (0,63•)
15 o,324 o,362 o,422 o,469 o,5o8 o,54~ o,569 o,594 o,6:6 o,635 o ,653 o,669 c,:3G
·~,.
(0,402) (0,438) (0,494) (0,537) (0,573) (0,603) (0,628) (0,651) (0,670) (0,688) (0,703 (0,7li) (O,i7i)
20 I 0,260 0,293 0,346 0,390 0,.427 0,.458 0.486 0,511 0,533 0,554 0,572 0,589 0.6õó
(0,327) (0,359) (0,410) (0,452) (0,487) (0,517) (0:543) (0,566) (0,587) (0,605) (0,622) (0,638) (C,ó93)
25 0,218 0,246 0,294 0,333 0,367 0,391 0,424 0,448 0,470 0,490 0,508 0,523 0,39•
(0,275) (0,303) (0,3;1) (0,389) (0,422) (0,451) (0,477) (0_,500) (0,520) (0,539) (0,557) (0,573) (G,bj;) j
30 I 0,187 0,212 0,255 0,291 0,322 0,350 0,375 0,398 0,419 O,I.H 0,457 0,473 0,;.;
(0,237) (0,263) (0,30 3) (0,342) (0,373) (0,400) (0,425) (0,447) (0,467) (C,486) (0,503) (G,519) .~. 35ó) l4
1!
40 I 0,146 0,166 0,201 0,232 0,259 0,283 o,3o5 0,326 0,345 0,363 . 0,379 .0 ,395 u,-6: ~)
(0,186J (0,207) co, 24 3l (0,274) <0,301J ca,326J (0 ,348) (0,3&8J (0,387) (0,405l (0,421) (G,,.3ol w,s;;~:·
so ! o,ll9 o,136 o,167 o,192 o,216 o,237 o,257 o,275 o,292 o,3o9 o,J24 o,3J9 ~.~;;z
(0,153) (0,171) (0,202) (0,2 29) (0,253) (0,274) (0,294) (0,313) (0,330) (0,346) (0,361) (0,376) (0,·35)
100 1 o,o63 o,o12 o,o89 o,104 o,118 o,131 o,143 o,155 o,166 o,177 o,t87 .J,1s: o,:.:
(0,081) (0,091l (0,109) (0,125) (0,140) (0,153) (0,166) (0,178) (0,189) co,2oo> (0,211) (0,221) (ü,:o: )
500 I 0,013 0,015 0,019 0,022 0,026 O,OH 0,031 0,034 0,037 0,040 0,043 O,O<i5 0,~5~
(0,017) (0,019) (0,023) (0,027) (0,031) (0,0341 (0,037) (0,040) (0,043) (0,04ó) (0,049) (0,052) (J,06~)
1000 1 0, 001 o,oo8 o,ow o,ou o,ol3 o,o15 o,o16 o,018 0,019 0,020 o, on 0 , 02 3 o,o3o
(0,009) (0,010) (0,012) (0,014) (0,015) (0,017) (0,019) (0,020) (0,022) (0,023.) (0,025) (0,_026) (0,33)
8 • 4 lD
n -0,5 o 4 s 3 lO l5
0,950 .0,959 0,969 0,975 0,9 79 0,982 0,985 0,98ó 0,988 0,959 C,>9u O,:iSl ü,"SJ
(0,979) (0,982) (0,987) <0 ,990) (0,991) (0,993) (0,993) (0,994) (0, 995) (C ,995 i (C ,99ó) (0,9%) (O,% ?;
3 I 0,824 0,846 0,877 0,898 0 ,912 0,923 0,931 0,938 0,944 0,9"8 0,9';2 u,9Só 0.,9bi
(0 , 888) (0,903) (0,923) (0,936) (0 ,945) (0,952) (0,957) (0,9ó2) (0, 965) (O,S68) (O,ili) (C, 973 \ LD . 9S J)
0,708 o,739 o,782 0,813 o,836 o,854 0,868 o,880 o,88~ o,s9s o.~o 5 0,911 O,iJj
(0,788) (0,811) (0,844) (0,866) (0,883) (0,896) (0,906) (0,915) (0,922) (0,927) (0,933) (0,937) (0,953)
10 I 0,513 0,547 0,601 0,641 0,6:74 0,700 0,723 0,742 0,759 0,773 0,7 86 0,798 O,S4 C
(0,595) (0,625) (0,671) (0,706) (0,733) (0,756) (0,775) (0,791) (0,805) (0,817) (0,627) (0,837) (O,Siel
15 1 o,399 o,431 · o,482 o,s23 o ,558 o,587 o,612 o,634 0,654 o,611 0,687 o, 10; .;, 7';ó
(0,472) {0,501) (0,549) (0,587) (0,618) (0,644) (0,667) (0,68ó) (0,7 03) (0,719) (0,733) (0,745) (0,793)
20 I 0,326 0,354 0,402 0,441 · 0,47~ 0,503 0,5 29 0,552 0,572 0,591 O,ó07 0,623 0,68~
(0,390) (0,417) (0,4631 (0,500) (0,)31) (0,558) (0 ,582) (0,603) (0,621) (0,638) (0,654) (0,6ó8) (C,)23J
0, 275 ~. o,301 o~344 o,380 o,•1~ o,440 o,464 o,487 o,507 o,526 o,5•3 o,;;9 ü,ó24J
25 ~ (0,663'•
(0,3 3'2)''~1tr;·357) (0,399l '(0,434) (fl, 46>l \0,491) <o,5 15J (0,53&l co,555J (o,5;3) co,589l (0,603)
;:;, s iz $
30 ·0,238 0,261 o, 301 0,334 0,364 0,390 0, 414 0,435 0,455 0,474 0,491 0,507 i
(0,289) (0,312) (0,351) (0,384} (0,412) (0,438) (0,461) (0,482) (0,501) (0,516) (0,534) (0,3~9) (O, 6 ~ ~i
0,188 0,20 7 0,240 0,269 0 ,294 0,318 0,3 39 0,359 0,377 0,395 0,411 0,,26 0,4 90 í
40
(0,229) (0,248) (0,282) (0,311) (0 ,336) (0,360) (0,381) (0,400) (0,418) (0,435) (0,450) (0,465) (0,527) J
0,247 0,266 0,2 87 0,305 0, 322 0,336 0',35 :i o' 367 0,'*28 1
0,155 0,171 0,199 0 ,224
50
(0,236) (0,261) (0, 284) (0,305) (0,324) (0,342) (0, 358) (0,374) (O, 389) (0,403) (0,46)) ""
(O, 190) (0,206)
0,162 0,174 0,18 5 0,196 0,206 0,216 0,261
ti
·:"!
100 0,082 0,091 0,108 0,12 3 0,1 37 0,150
(0,102) (0,112) (0,129) (0, 145) (0,159) (0,172) (v,1 85) (0, 197) (0,208) (0,219) (0,230) (0,240) (0, 265)
0, 017 0,020 0,023 0,02'7 0,030 0,033 0,036 0,039 0,042 0,04S 0,048 0,050 O, Oó3
500
(0 , 022) ~(0,024) (0,028) (0,032) (0,035 ) (0,039) (0,042) (0,045) (0,048) (0,051) (0,054) (0,056) (0,070)
1000 1 o,oo9 o,o1o o,o1 2 o,014 o,o15 o,o11 o,o18 o,ozo 0,021 o,o23 o,o24 o,o26 o,o32
(0, 0 11) (0,012) (0,014) . , 016) (0,018) (0,020) (0,021) (0,023) (0,024) (0,026) (0,027) (0,,029) (0,036)
<:-
I
.!:'-
.....
:j
~~~~ ~~~-~~ ~ ~ ~~~~~~~~~~~~ ~ ~~~~~~~~
,.
I
•• 5 m
u -0,5 o· 4 6 8 10 15
1 0,966 0,971 0,977 0,981 o,984 o,986 o,988 0,989 o,990 o;~91 o,992 o,992 o,99.<
(0,986) (0,988) (0,990) (0,992) (0,993) (0,994) (0,995) (0,995) (0,956) (0,956) (0,997) (0,997) (0,998)
3 0,866 0,881 0,903 0,918 0,929 0,937 0,944 0,949 0,953 0,957 0,%0 0,963 0,972
(0 ,916) (0,926) (0,939) (0,949) (0,956) (0,961) (0,965) (0,%8) (0,971) (0,973) (0,975) (0,977) (0,983)
s
10
0,766 0,788 0, 821 0,845 0,86) 0,877
(0,832) (0,848) (0,872) (0,889) (0,902) (0,913)
0,580 0,607 0,651 0,685 0,713 0,735 0,755
0,888 0,898
(0,92!) (0,928)
0,771 0,786 0,799
0,906 0,913
0,810
0,918
0,820
0,924
(0,933) (0,938) (0,943) (0,946)
0,857
0,942
(0,959) j:
(0,653) (0,676) (0,714) (0,743) (0,766) (0,785) (0,801) (0,815) (0,827) (0,837) (0,847) (0,855) (0,855)
15 O,q2ó 0,648 0,667 0,685 0,701 .O,il5 0,728 0,777
J
0,462 0,483 . 0,533 0,569 0,599
(0,530) (0,554) (0,595) (0,627) (0,655) (O,ó78) (0,698) (0,715) (0,731) ~0,744 ) (0,757) (O,i86) (0,811) 1
20 0,383 o,40 7 0,449 0,4~5 0,515 o,542 0,565 0,586 o,604 o;&21 o,637 o,6S1 o,7os
cfl
~
(0,444) (0,.68) (0,507} (0,540) (0,568)
0,326 0,349 0,388 0,422 0,451 0,477
(0,593) (0,614) (0,633)
0,500 0,521 0,540
(0,651) (0,666) (0,680)
0,557 0,573 0,588 0,64 8
(0,382) (0,404) (0,442) (0,473) (0,501) (0,526) (0,547) (0!567) (0,585 ) (0,601) (0,616) (0,630) (0,685)
(0,ó93) (0,744)
r
30 I 0,284 0,305 0,341' 0,373 0,400
(0,334) (0,355) (0,390) (0,421) (0,448)
0,425
(0,471)
0,448 0,1,68
(0,493) (0,512)
0,487 0,504 0,520 0,.535
(0,530) (0,546) (0,562) (0,576)
0,597
(0,634)
40 0,226 0,243 0,275 0,302 0,327 0,349 0,370 0,389 0,406 0,423 0,438 0,453 0,514
(0,268) (0,285) (0,317) (0,344) (0,368) (0,390) (0,410) (0,429) (U,.\46) (0,462) (0,477) (0,491) (0,550)
so I 0,.187 a,202 0,230 0,254 o,276 0,296 0,315 o,3J2 0,345 0,364 0,378 o,>n 0,451
(0,223) (0,239) (0,266) (0,290) (0,312) (0,332) (0,351) (0,368) (0,384) (0,399) (0,413) (0,427) (0,484)
100 I 0 ,101 0,110 0,126 0,141 0,155 0,168 0,180 0,191 0,203 0,213 0,22.4 0,233 0,278
(0,122) (0,131) (0,148) (0,163) (0,177) (0,190) (0,203) (0,215) (0,226) (0,237) (0.,247) (0,257) (0,302)
500 1 0 ,022 o,o24 o,o27 o,031 . o,034 o,o3s o,o41 o,044 o,o• J o,o49 o,052 o,oss · o,oóa.
(0,026) (0,028) (0,032) (0,036) (0,040) (0,043) (0,046) (0,049) (0,052) (0,055) (0,058) (0,061) (0,075)
1000 1 o,on .0,012 o,o14 o,o16 0,011 o,o19 0,021 0,022 0,024 o,o2s 0,021 o,oza o,035
(0,013) (0,014) (0,016) (0,018) (0,020) (0,022) . {0,024) (0,025) (0,027) (0,028) (0,030) (0,031) (0,039)
.::;.-w:
• • 6 m
-0,5 o 8 lO 15
1- I 0,975 0,978 0,983 0,985 o,988 0,989 0,990 0,991 0,992 0,993 0,993 0,994 0,9>5
(0,989) (0,991) (0,993) (0 ,994) (0,995) (0,995) (0,996) (0,996) (0,99ii (0,997) (0,997) (0,997) (0,9>3)
0,895 0,906 0,922 0,933 0,941 0,948 0,953 0,957 0,%1 0,964 0,966 0,968 ü,97ó
(0,934) (0,941) (0,951) (0,958) (0,963) (0,968) (0,971) (0,973) (0,976) (0,978) (0,<;79) (0,980) (0,965i
0,808 0,825 0,850 0,869 0,883 0,895 0,904 0,912 0,918 0,924 0,929 0,934 0,949
(0,863) (0,875) .<0,893) (0,906) (0,917) (0,925) (0,932) (0,938) (0,942) (0,947) (0,950) (0,953) (0,964)
10 I 0,633 o,655 o,692 0,121 0,744 0,764 o,78 1 0,795 o,so8 0,819 0,829 0,838 o,a7t
(0,698) (0,717) (0 ,748 ) (0,772) (0,792) (0,809) (0,823) (0,'834) (0,845) (0,854) (0,86 2) (0,869) (0,896)
0,576 o,6os o,635 o,65~ 0,6 78 0,6% 0,711 0,726 0,739 0,750 0,795
15 o;514 0,537
(0,578) (0,599) 10,633) (0,662) (0,686) (O,i06) (O, 724) (0,740) (O,i54) (0,766) (0,7i7) (0,787) (O,õ2ó)
O, 728
20 0,432 0,4 54 0,491 0,523 0~551 0,57~ o' 596 0,615 0,632 0,648 0,662 0,676 (0,7ó2)
(0,491 ) (0,511) (0,546) (0,576) (0,601) (0,623) (0,643) (0,660) (0,676) (0,-690) (O,i03) (0,715)
0,458 0,485 0,509 0,531 0,550 0,568 0,584 J ,599 0,613 0,óó9
25 0,37i 0,392 0,428
(0,652) \0,704)
(0,426)'(0,445) (0,4)9) (0,508) (0,533) (0,556) (0,576) (0,594) (0,6il) (0,626) (0,640)
30 0,326 0,345 0,378 0,407 0,433 0,457 0,478 O, 497 0,514 O, 531 . 0,546 0,560
(0,375) (0,394) (0,426) (0,454) (0,479) (0,501) (0,521) (O,) 39) (O, 556) (0,572) (0,58ó} (0,599)
0,6:8
(0,65•) ·1
40 0,261 0,278 0,307 0,333 0,356 0~378 0,397 0,416 o,432 o,448 0,463 - 0,477 o,5>o ;k :i
(O, 303) (0,319) (0,348) (0,374) (0,397) (0,418) (0,437) (0 .•54) (0,471) (0 ,486) (0,500
) (0,513) (0,570)
o, 4 72 I.~,·,
'I
.i
1
0,232 0,258 0,281 0,302 o, 322 o, 340 0,357 O, 372 0,387 0,401 0,414
50 0,218
(0,254) (0,269) (0,294) (0,318) (0,338) (0,358) (0, 375) (O, 3 92) (0,407) (0, 422) (0, 436) (0,448) (o,so:..)
o, 184 0,197 0,208 0,219 0,230 0,240 0,250 0,294 r-:
0,119 0,128 0,144 0,158 0,172
100
(0,140) (0, 149) (0,166) (O, ISO) (O, 1,94) (O, 207) (0,220) (0,2Ji) (0,242) (O, 253) (O, 263)
(0,273) (0,318) ·'·"1
0,026 Jl,028 0,031 0,035 0,039 0,042 0 ,045 0,048 0,051 0,054 0;057 0,059 0,073
500 (0,080)
(0,031) (0,033) (0,037) (0,041) (0,044) (0,047) (0, 051) (0,054) (0,057) (0,060) (0,063) (0,066)
!.
0,013 0,014 0,016 0,018 0,020 0,021 0,023 0,024 0,026 0,028 0,029 0,031 0,037
1000
(0,016) (0,017) (0,919) (0,021) (0,022 ) (0,024) (0,0 26) (0,028) (0,029) (0,03t) (0,032) (01034) (0,041) ~
.::-
w ·~
~
fi
.1
L~~~~~~~~~~~ ~ ~~~~~~~~~~~~ ~ ~ ~~~~ ~~~
f:
_p..
~·.
!&bela 16. Continuação ..
.e-.
~ 1
:i
.
•.
~
s - 7 Q
n -0,5 o 10 15 1
0,981 0,983 _0,986 0,988 0,990 0,991 0,992 0,993 0,993 0,994 0,994 0,995 ·0,996 :1
(0,992) (0,993) (0,994) (0,995) (0,996) (0,996) (0,997) (0,9~7) (0,997) (0,997) (0,998) (0,998) (G,998)
3 I o,915 o,n3 o,935 o,944 · .o,9so o,956 o,96o o,963 o,966 o,969 o,971 o,973 o,979
(0,947) (0,952) (0,960) (0,965) (0,969) (0,972) (0,975) (0,977) (0,979) (0,981) (0,982.) (0,983) (0,957)
11
o,~34 .o,9-38 o,941 c,955 •
.sI
10 I
o,84o o,852 o,s12 o,887 o,899 o,9os o,917 o,923 ·a,929
(0,885) (0,895) (0,909) (0,920) (0,928) (0,935) (0,941) (0,946) (0,950) (0,953) (0,956) (0,959) (0,968)
o,6n o,695 o,726 o,75o o,771 o,788 o,8o2 o,81s o,s26 o,836 o,845 o,853 o,8s2
(0,735) (0,751) (0,777) (0,;'97) (0,814) (0,82'8) (0,840) (0,851) (0,860) (0,868) (0,875) (0,882) (0,906)
r<
15 0,560 0,579 0,613 0,641 0,665 0,686 0,704 0,720 0,734 0~747 0,759 0,769 0,81G
(0,619) (0,636) (0,667) (0,691) co,7l3) (0,731) (0,747) (0,761) (0,773) (0,7841 (0,794) co,soq co,8J9l
20 0,475 0,494 0,528 0,557 0,582 0,604 0,624 0,641 0,657 0,671 0,685 0,697 0,7'+5
(0,531) (0,549} (0,580) (0,607) (0,630) (0,650) (0,667) (0,684) (0,698) (0,711) (0,723) (0,734) (0,777)
2s I o,412 o,431 o,463 o,491 o,51ó. o,s18 o,558 o,576 o,593 o,6o8 o,6n o,635 o,66s
(0,464) (0,482) (0,512) (0,519) (0,5ó3) (0,583) ' (0,602) (0,618) (0,634) (0,648) (0,661) (0,673) (0, i2l)
30 0,364 0,381 0,412 0,439 0,463 0,485 0,505 0,523 0,540 0,555 0,569 0,583 0,636
(0,412) (0,'429) (0,458) (0,484) (0,507} (0,528) (0,547) (0,564) (0,580) (0,594) (0,607) (0,620) (O,ó7i)
40 0,294 0,309 0,337 0,362 0,3~4 . 0,404 0,4lJ 0,440 0,456 0,471 0,485 0,499 0,555
(0,336) (0,351) ' (0,378) (0,402) (0,423) (0,443) (0,461) (0,478) (0,493) (0,508) (0,521) (0,534) (0,5S6)
50 0,247 0,260 0,285 0,307 0,327 0,346 0,363 0,379 0,395 0,409 . 0,422 0,435 0,49l
(0,283) (0,2&6) (0,321) (0,343) (0,363) (0,381) (0,398) (0,414) (0,429) (0,443) (0,456) (0,469) (0,522)
100 0,136 0,145 0,160 0,175 0,188 0,200 0,212 0,224 0,235 0,245 0,255 0,265 o, 3Q9
(0,158) (0,167) (0,182) (0,197) (0,211) (0,223) (0,236) (O, 24 7) (0,258) (0,269) (0,279) , (0,283) (O, 332)
500 0,030 0,032 0,036 0,039 0,042 0,046 0,049 0,052 0,055 0,058 0,061 0,064 o,o;7
{0,035) {0,037) (0,041) (0,045) (0,048) (0,052) (0,055) (0, 058) (0,061) (0,064) (0,067) (0,070) (0,06.:.)
1000 1 o,o1s 0,016 o,o18 . o,o2o 0,022 o,023 o;o2s o,o27 o,o28 o,o3o o,031 o,033 o,o~o
(0,018) (0,019) (0,021) . ,023) (0,025) (0,026) (0,028) (0,030) (0,031) (0,033) (0,034) (0,036) (0,043)
m
• - 8
n :..o,5 o s 10 15
0,985 0,986 0,989 0,990 0 ,992 0,992 0,993 0,>94 0, 9 9'- 0,995 0,995 0,995 0,~97
(0,994) {0,994) (0,995) (0,996) (0,996) (0,997) (0,997) (0,997) (0,99~ (0,998) (0,998) (0,998) (C,999)
0,9~2
~-
3 0,930 0,936 0,945 0,958 0,%2 0,965. 0,968 0,971 0,973 0,9/4 0,976 0,982
(0,957) (0,960) (0,966) (0,9lO) (0,974) (0,976) (0,979) (0,980) (0,982) (0,983) (0,98~) (0,985) i0,9dS)
5 0,864 0,874 0,890 0,902 0,912 0,920 0,927 0,932 0,937 0,941 0,945 0,948 0,959
{0,903) (0,910) (0,922) ·' (0,931) {0,938) (0,943) (0,948) (0,952) (0,956) (0,958) (0,961) (0,963) (0,972)
10 0,713 0,728 0,754 0,775 0,808 0,821 0,832 0,842 0,851 0,859 0,865 0,892
0,793
(O, 766) (O, 779) (0,800) (0,818) (0,833) (0,845) (0,855) (0,865) (0,873) (0,880) (0,886) (0,892) (0, 91 .. )
15 o,S98 n,615. 0,645 o,670 o,692 o, (10 0,727 0,741 0,754 0,766 0,776 0,785 0,824
(0,653) (0,669) (0,695) (O, 717) (O, 736) (O, 752) (0,767) (0,779~ (0,791) (0,801) (0,810) (0,818) (0,851)
20 0,513 o,531_ 0,561 o,5~] o,610 o,630 o,648 o,664 o,679 o;692 0,705 o,716 o,761
(0,567) (0,583) (0,610) (0,634) (0,655) (0,673) (0,690) (0,704) (0,718) (0,729) (0,740) (0,750) (0,791)
25 0,449 0,466 0,495 0,521 0,544 0,565 0,583 0,600 0,616 0,630 0,643 0,655 o, 705
(0,499) (0,515) (0,543) (0,567) (0,588) (0,607) (0,625) (0,640) (0,655) (0,668) (0,680) (0,691) (0,736)
0,398 0,414 0,44i o,547 o,56j o,577 o,590 o,603 o,655
30 0,468 0,491 0,511 0,530
(0,445) (0,460) (0,488) (0,512) (0,533) (0,552) (0,570) (0,586) (0,601) (0,614) (0,627) (0,639) (0,687)
0,325 0,339 .0 ,36,5 0,388 0,446 0,463 0,478 0,493 0,506 0,519 0,573
40 0,409 0,428
(0,365) (0,379) (0,405) (0,427) (0,448) (0,467) (0,484) (0,500) (0,514) (0,528) (0,541) (0,553) (0,605)
0,274 0,286 0,310 0,331 0,351 0,368 0,385 0,401 0,416 0,429 0,442 0,455 0,508
50
(0,310) (0,323) (0,345) (0,366) (0,385) (0,403) (0,419) (0,435) (0,449) (0,462) (0,475) (0,487) (0,539)
R
0,153 0,161 0,176 0,190 0,203 0,216 0,228 0,239 0,250 0,260 0,270 0,279 0,323 i!
100
(0,175) (0,184) (0,199) (0,213) (0,226) (0,239) (0,251) (0,262) (0,273) (0,283) (0,293) (0,312) (0,346) !':.
0,034 0,036 0,040 0,043 0,047 0,050 0,053 0,056 0,059 0,062 0,065 0,068 0,031
500
{0,039) {0,041) (0,045) (0,049} (0,052) (0,056) (0,059) (0,062) (0,065) (0,069) (0,072) (0,074) (O,Obd)
0,017 ~,018 0,020 0,022 0,024 0,025 0,027 0,029 O,OJO 0,032 0,033 0,035 0,042
.1000 (0,020) (0,021) (0,023) (0,025) (0,021) (0,029) · (0,030) (0,03:l) (0,034) (0,035) (0,037) (0,038) (0,046) ..,...
..,...
i
Vl
~~~~~~~~·~~~ ~ ~~~~~~~~~~~~~~~~~~~~·~
l·
'[ '
..,._
..,._
.-
Tabela 16. Continuaç.ão. 0\
~ m
-0,5 o 5 6 8 lO 15
"
0,988 0,989 0,991 0 , 992 0,993 0,994 0,994 0,995 0,995 0,995 0,996 0,996. 0,997
(0,995) (0,995) (0,996) (0,997} (0,997) (0,997) (0,998) (0,998) (0,988) (0,988) (0,998) (0,998) (0,999)
)• 0,942 0,946 0,953 Q,959 0,963 0,967 0,970 0,972 0,974 0,976 0,977 0,979 0,98'
(0,964 (0,967) (0,971) (0,975). (0,977) (0,979) (0,981) (0,983) (0,984) (0,985) (0,986) (0,987) (0,990) t
~:
5 0,883 0,891 0,904 0,914 0,922 0,929 0,935 0,939 0,944 0,947 0,950 0,953 0,963
(0,917) (0,923) (0,932) (0,939) (0,945) (0,950) (0,954) (0,957) (0,960) (0,963) (0,965) (0,.967) (0,974) t
10 0,743 0,756 0,778 o, 797 0,812 0,825 0,837 0,847 0,855 0,863 . 0,870 0,876 0,901
(0,791) (0,802) (0,820) (0,835) (0,848) (0,859) (0,868) (0;876) (0,884) (0,890) (0,896) (0,901) (0,920)
·]l
r
15 0,632 0,647 0,674 0,696 0,715 0,73~ 0,747 0,760 0,771 0,782 0,792 0,801 0,835
(0,683) (0,697) (0,720) (0,740) (0,756) (0,7 71) (0,784) (0,795) (0,805) (0,815) (0,823) (0,831) (0,86\)
20 0,548 0,563 0,591 0,614 0,635 0,654 0,670 0,685 0,698 0,711 0,722 0,733 0,775
{0,598) (0,612) (0,637) (0,659) (0,678) (0,695) (O, 709) (0, 723) (O, 735) (0,-746) (O, 756) (O, 766) (0,80:i)
f
25 0,482 0,497 0,525 0,549 . 0,570 0,589 0,606 0,621 0,636 0,650 0,662 0,673 0,710
(0,530) (0,544) ' (0,570) (0,592) (0,612) (0,630) (0,646) (0,660) (0,673) (0,686) (0,697) (0,707) (0,750) í h
30 0,430 0,445 0,471 0,495 0,516 0,535 0,552 0,569 0,583 0,597. 0,6l0 0,622 G,6ll
(0,4J5) (0,490) (0,515) (0,537) (0,557) (0,575) (0,591) (O,Íi06) (0,620) (0,633) (0,645) (0,656) (G, 702
,~
40 0,353 0.366 0,391 0,413 0,433 0,451 0,!.68 0,484 0,499 0,512 0,525 . 0.538 0,590
(0,393) <o,4o6l <o,430l I0,451l (0 ,471) <o,488l <o ,5o5l <o,s2ol <o,s34l <o,S47) (0,559l <o,571) (0,620)
50 0,199 0,311 0,333 0,354 0 , 373 0,390 0,406 0,421 0,435 0,448 0,461 ' 0,473 0,524
(0,335) {0,347) (0,369) (0,389) (0,407) (0,424) (0,439) (0,454) (0,468) (0,481) (0,493) (0,504) (0,554)
100 0,169 0,177 0,192 0,206 0,219 0,231 0,242 0,253 0,264 0,274 0,284 0,293 0,336
(0,192l co,2ooJ co,215) (0,229) co.z41l (0,254) (0,265) (0,276) (0,287) co, 29 7) co,3o 7) (0,316) co,359
500 o,038 0;040 o,043 0,047 o,051 o,054 o,057 o,o6o o,063 o,066 o;o69 o,012 o,oeó
(0,043) {0,045) (0,049) (0,053) (0,056) (0,060) (0,063) (0,066) (0,070) (0,073) (0,076) (0,079) (0,093)
1000 0,019 0,020 0,022 0,024 0,026 0,028 0,029 0,031 0,032 0,034 0,036 0,037 0,044
(0,022) (0,023) (0,025) (0,027) (0,029) {0,031) (0,032) (0,034) (0,036) (0,031) (0,039) {0,041) (0,048)
• . • 10 m
-0,5 o 5 8 lO 15
0,990 0,991 0,992 0,9 93 0 ,994 0,994 0,995 0,9ys 0,996 0,996 0,996 0,997 0,997
(0,996) (0,996) (0,997) (0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998 (0,998) (0,999) (0,999)
3 0,950 0,954 0,960 0,964 0,968 0,971 0,973 0,975 0,977 0,97b 0,980 0,981 0,985
{0,969) (0,971) (0,975) (0,978) (0,980) (0,982) (0,983) (0,985) (0,986) {0,937) (0,988) (0,998) (0,991)
5 0,998 0,905 0,911 G,924 0,931 0,937 0,941 0,946 0,949 0,952 0,955 0,95~ 0,967
{0,928) (0,33) (0,940) (0,946) (0,951) {0,955) (0,959) (0,962) (0,964) (0,967) {0,969) (0,970) (0,977)
10 0,7'69 0,780 0,799 0,815 0,929 0,840 0,851 0,859 0,867 0,874 0,880 0,886 0,908
(0.812) (0,822) (0,837) (0,851) co,862) co,8n) (o,8Bo) <0,887) (0,893) (0,899) (0,904) co,9o9 <o,926)
15 0,662 0,675 0,699 0,719 0,736 0,75l 0,764 0,776 0,787 0,797 0,806 0,81~ 0,846
(0,710) {0,721) {0,742) (0,759) (0,77-\) (0,788) (0,799') (0,810) {0,819) (0,827) (0,835) (0,842) (0,869)
20 0,578 0,592 0,617 0,639 0,658 0,675 0,690 0,704 0,716 0.728 0,738 0,748 0,787
(0,626) (0,639) (0,661) (0,681) (0,698) (0,713) (0,727) (0,740) (0,751) (0,761) {0,771) (0,779) (0,81:.)
25 0,512 0,526 0,551 0,573 0,593 0,611 0,627 0,642 0,655 0,667 0,679 0,690 0,734
(0,558) {0,571) {0,595) (0,615) (0,634) (0,650) (0,665) (0,678) (0,691) (0,702) (0,712) (0,722) (0,762)
30 0,459 0,473 0,497 0,519 0,539 0,557 0,573 0,589 0,603 0,615 0,627 0,639 0,686
{0,503) {0,516) (0,539) (0,560) (0,579) (0,595) (0,611) (0,625) (0,638) (0,650) (0,661) (0,672) (0,715 .
40 0,380 0,392 0,415 0,436 0,455 0,473 0,489 0,504 0,518 0,531 0,543 0,555 0,605
(0,~19) (0,431) '(0,454) (0,474) (0,492) (0,509) (0,524) (0,539) (0,552) (0,564) (0,576) (0,587) (0,635 )'
so 0,323 0,335 0,356 0,375 0 ,393 0,410 0,425 0,440 0,453 0,466 0,478 0,490 0,540
(0,359) {0,370) (0,391) (0,410) .(0 ,427) (0,443) (0,458) (0,472) (0,485) (0,498) (0,510) (0,521) (0,569)
~:
1oo I o,1s5 o,193 o,zo1 o,22o o,2.J3 o,245 o,256 o,267 o,278 o,287 o,z97 o,Jo6 o,348
(0,208) (0,215) (0,230) (0,243) (0,256) (0,268) {0,279) (0,290) (0,301) (0,311) (0,320) {0,329) (0,371)
500 I 0,042 0,044 o,Ó47 0,051 0,054 0,058 0,061 o,o64 0,067 0,070 0,073 0,076 0,090
(0,047) (0,049) (0,053) (0,057) (0,061) (0,064) (0,067) (0,071) (0,074) {0,077) (0,080) (0,083) (0,097)
1000 I 0,021 0,022 0,024 0,026 ,0,028 o,o3o 0,031 o,033 0,034 o,OJ6 o,o38 0,039 0,047
(0,024) (0,025) (0,027) \0,029) {0,031) (0,033) (0,034) (0,036) (0,038) (0,040) (0,041) (0,043) (0,050)
..,._ !""
.p.. ·~
~
-...J
ti
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
:' !
'J
l
I
n -0,5 ó lO 15
0,992 0,992 0,993 0,994 0,995 0,995 0,996 0,996 0,996 0,997 0,997 0,997 0,998
(0,996) (0,997) (0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998) (0,999) (0,999) (0,999) (0,999)
0,957 0,960 0,965 0,969 0,972 0,974 0,976 0,978 0,979 0,981 0,982 0,983 0,987
(0,974) (0,975) (0,978) (,0981) (0,982) (0,984) (0,985) (0,986) (0,987) (0,988) (0,989) (0,989) (0,992)
s I o,911 o,916 o,925 o,932 o,9Ja o,%3 o,947 o,9sr o,954 o,9s7 o,959 o,96í o,9/o
(0,937) (0,941) (0,947) (0,952) (0,956) (0,960) (0,963) (0,966) (0,968) (0,970) (0,971) (0,973) (0,979)
10 I o,791 o,8oo o,817 o,831 o,843 o , a54 o,a63 o,87o o,a77 o,884 o,889 o,895 o,915
(0,830) (0,838) (0,852) (0,864) (0,874). (0,882) (0,389) (0,896) (0,902) (0,907) (0,911) (0,916) (0,931)
15 I 0,688 0,700 0,721 O,i39 0,754 0,7!J6 0,780• 0,791 0,801 0,810 0,818 0,825 0,855
20 I (0,733) (0,743) (0,761) (0,777) (0,790) (0,802) (0,813) (0,822)' (0,831) (0,839) (0,845) (0,852) (0,87i)
0,606 0,618 0,641 0,661 0,678 0,694 0,708 0,721 0,732 o.7~3 0,753 0,-762 0,798
(0,651) (0,663) (0,683) (0,701) (0 , 717) (0 , 731) (0,71.)) (0,755) (0,765) (0,775) (0,783) (0,791) (0,824)
25 0,540 0,552 0,576 0,596 0,615 0,631 u,646 0,660 0,672 0,684 0,695 0,705 0,646
(0,584) (0,596) (0,617) (0,636) (0,653) (0,668) (0,682) (0,695) (0,706) (O, 717) (O, 727) (O, 736) (O, 77~)
30 1 0,486 o,49Y o,52l. 0,542 o,561 o,5n o,5J3 o,607 o,620 o,&3J o,644 o,65s o,ó99
(0,529) (0,5"1) (0,562) (0,581) (0,599) (0,615) (0,629) (0,642) (0,655) (0,666) (0,677) (0,686) (O, 728)
40 I 0,405 0,417 0,438 0,458 0,476 0,1.92 o,508 0,522 0,536 0,548 o,56o 0,571 o,61>
(0,443) (0,455) (0,476) (0,495) (0,512) (0,528) (0,542) (0,556) (0,569) (0,581) (0,592) (0,603) (0,648)
50 0,346 0,357 0,377 0,396 0,413 0,429 0,444 0,458 0,470 0,483 0,495 0,506 0,554
(0,381) (0,392) (0,411) (0,429) (0 , 446) (0,461) (0,476) (0,489) (0,502) (0,514) (0,525) (0,536) (0,582)
100 0,200 0,208 0,222 0,235 0,247 0,259 0,270 0,281 0,291 0,301 0,310 0,319 0,360
(0,223) (0,230) (0,244) (0,258) (0,270) (0,282) (0,293) (0,303) (0,314) (0,323) (0,333) (0,342) (0,383)
soa I (0,052)
o,046 o,o48 o,o51 o,055 o,o5a o,o62 o,o65 o,o68 0,011 o,o74 o,on o.o.8o o,o94
(0,053) (0,057) (0,061) (0,064) (0,068) (0,071) (0,074) (0,078) (0,081) (0,084) (0,087) (O, 101)
1000 I o,o23 o,024 o,o26 o,028 o,o3o o,o32 o,033 o,035 o,o37 o,038 o,o4o o,ü41 0,049
(0,026) (0,027) (0,029) (0,031) (0,033) (0,035) ·(0,037) (0,038) (0,040) (0,042) (0,043) (0,.045) (0,052)
• - 12 m
n -0,5 o 2 6 8 lO 15
0,993 0,993 0,994 0,995 0,995 0,996 0,9% 0,996 0,997 0,997 0,997· 0,997 0,998
(0,997) (0,997) (0,998) (0,998) (0,998) (0,998) (0,998) (,0998) (0,999) (0,999) (0,999) (0,999) (0,999)
3 I o,963 o,965 o,969 o,972 o,975 o,9n o,979 o,98o o,981 o,983 o,984 o,984 o,988
(0,977) (0,979) (0,981) (0,983) (0,984) (0,986) (0,987) (0,988) (0,989) (,989) (0,990) (0,990) (0,993)
s I o,921 o,926 o , o11 o,939 o,944 o,949 o,952 o,956 o,958 o,96t o,963 o,%5 o,9n
(0,944) (0,948) (0,953) (0,957) (0,961) (0,964) 90,966) (0,969) (0,971) (0,972) (0,974) (0,975) (0,980)
10 I o,a1o 0,818 o,833 o,84S 0,856 0,865 0,873 o,880 0,886 0,892 0,<397 0,902 0,920
(0,846) (0,853) (0,865) (0,875) (0,884) (0,891) (0,898) (0,904) (0,909) (0,914) (0,918) (0,921) (0,936)
15 I 0,711 0,722. 0,740 0,757 0,771 O,Z83 0,79q 0,804 0,813 0,822 0,829 0,836 0,864
(0,753) (0,762} (0,778) (0,792) (0,805) (0,815) (0,825) (0,834)' (0,842) (0,849) (0,855) (0,861) (0,885)
20 I. o,63l o,642 o,663 o,681 o,697 o,711 o,n4 o,736 0,747 o,757 0,766 0;774 0,809
(0,674) (0,684) (0,703) (0,719) (0,733) (0,746) (0,758) (0,769) (0,778) (0,787) (0,795) (0,802) (0,833)
25 I 0,565 0,577 0,598 o,617 0,634 o,649 o,664 o,677 o,688 o,699 o,7o9 o,n9 o,7s8
(0,607) (0,618) (0,638) (0,656) (0,671). (0,685) (0,698) (0,710) (0,721) (0,731) (0,740) (0,749) (0,784)
30 I o,5ll 0,523 o,544 0,563 0,581 o,596 0,611 o,625 0,637 o,648 0,659 o,669 o,712
(0,552) (0,563) (0,583) (0,601) (0,617) (0,632) (0,646) (0,658) (0,670) (0,680) (0,690) (0,700) (0,739)
40 0,428 0,439 0,460 0,478 0,496 0,511 0,526 0,540 0,552 0,564 0,576 0,587 0,632
(0,466) (0,477) (0,4%) (0,514) (0,531) (0,546) (0,560) (0,573) (0,585) (0,596) (0,607) (0,617) (0,660)
50 0,368 0,378 0,397 0,415 0,431 o, 44 7 0,461 0,474 0,487 0,499 0,510 0,521 0,567
(0,402) (0,412) (0,431) (0,448) (0,464) (0,479) (0,493) (0,506) (0,518) (0,529) (0,540) (0,550) (0,595)
100 0,215 0,222 0,236 0,249 O, 26l 0,272 0,283 0,293 0,303 0,313 0,323 0,331 0,372
(0,238) (0,245) (0,259) (0,271) (0,283) (0,295) (0,306) (0,316) (0,326) (0,336) (0,:345) (0,354) (0,394)
500 0,050 0,052 0,055 0,059 0,062 0,065 0,069 0,072 0,075 0,078 0,081 0,084 0,098
(0,055) (O, 057) (0,061) (0,065) (0,068) (0, 072) (0,07 5) (O, 078) (0,082) (0,085) (0,088) (0,091) (0,105)
1000 0,02.5 0,026 0,028 0,030 0,032 0,034 0,035 0,031 0,039 0,040 0,042 0,043 o, 051
(0,028) (0,029) (0,031) (0,033) (0,035) (0,037) ·10,039) (0,041) (0,042) (0,044) (0,045) (0,047) (0,055)
···--·~·----------------- .j>
.j;--
1.0
~,
:~
h~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ~,......,,......,"',......,
-!O-
Tabela 16. Continuação . VI
o
s u 13 m
D -0,5 o 5 10 15
1 I 0,994 0,994 0,995 0,995 0,996 0,996 0,997 0,997 0,997 0,997 0,997. 0,998 0,998
(0,997) (0,998) (0,998) (0,998)• (0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0;999) (0,999) (0,999)
J I o,967 o,969 o,9n o,975 o,9n o,979 o,n1 o,982 o,983 o,984 o,985 o,986 o,989
(0,980) (0,981) (0,983) (0,985) (0,986) (0,987) (0,988) (0,989) (0,990) (0,990) (0,991) (0,991) (0,993)
s I o,930 o,934 o,94o o,945 o,95o o,953 o,957 o,959 o,%2 o,964 o,966 o,968 o,974
(0,950) (0,953) (0,958) (0,961) (0,965) (0,967) (0,969) (0,971) (0,973) (0,975) (0,976) (0,977) {0,982)
10 I o,826 o,833 o,s46 o,857 o,867 o,875 o,882 o,s89 o,s95 o,90o o,9o5 o,909 o,92s
(0,860) (0,865) (0,876) (0,885) (0,893) (0,8!19) {0,906) (0,911) (0,915) (0,919) (0,923) (0,927) (0,940)
ts I o,732 o,741 o,7sa o,773 o,7s6 o,7.97 o,8o7· o,816 o,825 o,833 o,839 o,846 o,8n
(0,771) (O, 779) (O, 794) (0,806) (0,818) (0,827) (0,836) (0,844) {0,851) (0,858) (0,864) (0,869) (0,891)
20 I o,6s3 o,664 o,683 o,699 o, 714 o, 121 o, 74o o,75o o,76o o:11o o, 778 oj786 o,818
(0,694) (0,703) (0,720) (0,735) (0,749) (0,760) (0,771} (0,781) (0,790) (0,798) (0,806) (0,813) (0,841)
25 0,588 0,599 0,619 0,636 0,652 0,667 0,680 0,692 0,703 0,713 0,723 0,732 0,769
(0,629) (0,639) (0,657) (0,613} (0,688) (0,701) (.0,713) (0,724) (0,734) (0,743) (0,752) (0,760) (0,794)
30 0,534 0,545 0,565 0,583 0,599 0,614 0,628 0,941 0,652 0,663 0,674 0,683 0,723
(0,5J4) (0,584) (0,603) (0,619) {0,635) (0,648) (0,661) (0, 673) (0,684) (0,694) (O, 704) (0, 712) (O, 750)
40 0,450 0,461 0 , 480 0,498 0,514 0,529 0,543 0,556 0,)68 0,580 0,591 0,601 0,645
I
(0,487) (0,497) (0,516) (0,532) (0,548) (0,562) (0,576) (0,588) (0,600} (0,611) (0,621) (0,631) (0,672)
50 0,388 0,398 0,417 0.433 0,449 0,464 0,478 0.490 0,)02 0,514 0,525 0.5.5 0 , 580
(0,422) (0,432) (0,450) (0,466) (0,481) (0,495) (0,509) (0,521) (0,533) (0,544) (0,554) (0,564) (0,607)
100 0,229 0,236 0,250 0,262 0,274 0,285 0,296 0,306 .0,316 0,325 0,334 0,343 0,383
~.252) (0,259) (0,272) (0,285) (0,297} (0,308) (0,319) (0,329) (0,339) (0,348) (0,357) (0,366) (0,405)
500 I 0,053 0,055 O,Ó59 0,063 0,066 0,069 0,073 0,076 0,079 0,082 0,085 0,088 0,102
(0,059) (0,061) (0,065) (0,069} (0,072) (0,076) (0,079) (0,082) (0,085) (0,088) (0,092) (O.ó94) (O,·i09)
1000 1 o,oú o,ozs o,o3o o,on o,o34 o,o36 o,o37 o,o39 o,o41 o,o42 o,o44 o,045 o,o53
(0,031) (0,031) (0,033) (0,035) (0,037) (0,039) .(.0,041) (0,042) (0,044) l0,046) (0,047) (0,049) (0,057)
» 14 m
D -0,5 o 4 8 lO 15
·1 I 0,995 0,995 0,995 0,996 0,996 0,997 0,997 0,997 0,997 0,997 0,998 0,998 0,998
(0,998) (0,998) (0,998) (0,998) (0,998) (0,999} (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)
l I o,9n o,9n o,975 o,978 o,9ao o,981 o,982 o,9s4 o,9ss o,986 o,9&; o,987 o,99o
(0,982) (0,983) (0,985) (0,986) (0,987) (0,988) (0,989) (0,990) (0,991} (0,991) (0,992) (0,992) (0,994)
s I ~.96s o,967 .o,969 o,97o
I
o,937 o,94o o,946 o,95o o,954 o,958 o,96o o,963 o,97õ
(0,956) (0,958) (0,962) (0,965) (0,968) (0,970) (0,972) (0,971t) (0,975) (0,971) (0,978) (0,979) (0,983)
10 0,841 0,847 0,858 0,868 0,877 0,884 0,891 0,896 0,902 0,906 0,911 0,915 0,930
(0,871) (0,817) (0,826) (0,894) (0,901) (0,907) (0,912) (0,917) (0,921) (0,925) (0,928) (0,932) (0,944)
15 0,751 0,759 0,774 0,788 0,799 0,810 0,819 0,827 0,835 0,842 0,848 0,854 0,878
(0,787) (0,794) (0,808) (0,819) (0,829) (0,838) (0,846) (0,854} (0,860} (0,866} (0,872) (0,877) (0,897)
20 I 0,674 0,683 0,701 o,7!6 o,73ü 0,742 0,753 0,763 o,773 0,781 0,789 0,797 0,827
(0,713) (0,721) (0,737) (0,750) (0,762) (0,773) (0,783) (0,792) (0,801) (0,809) (0,816) (0,822) (0,849}
25. I o,61o o,620 o,638 o,654 o,669 o,682 o,695 o,7o6 o,717 o,n6 o,735 o,744 o,n9
(0,649) (0,658) (0,675) (0,689) (0, 703) (0, 715) (O, 727) (O, 737) (O, 746) (0, 755) (O, 763) (O, 771) (0,802)
30 I 0,556 0,566 0,584 0,601 o,616 o,631 o,644 o,Ç56 o,667 o,677 0,687 o,69ó 0,734
(0,594) (0,604) (0,621) (0,636) (0,651) (0,664) (0,676) (0,687) (0,697) (0,707) (0,716) (0,724) (0,759)
40 I o,471 0,481 0,499 o, 516 o,53l 0,546 0,559 o,572 o,ss3 0,594 o,6o5 o,615 0,656
<o;son (0,516) (0,534) (0,550l (0,564) (0,578} <o,591l (0,60J) (0,614) (0,624) (0,634) (0,643) co,6s3)
50 I 0,408 o.417 0,435 0,451 0,466 o,48o 0,493 o,506 0,517 o,528 0,539 0,549 0,592
(0,441) (0,450) (0,467) (0,483) (0,497) (0,511) (0,524) (0,535) (0,547} (0,557) (0,567) (0,577) (0,618)
100 I 0,243 o,250 0,263 o,275 o,287 0,298 o,3os 0,318 o,328 o,337 0,346 o,355 o,394
(0,266) (0,273) (0,286) (0,298) (0,309) (0,320) (0,331) (0,341) {0,350} (0,360) (0,368) {0,377) (0,416)
500 I 0,057 0,059 o,o6:i 0,066 0,070 0,073 0,076 0,079 0,083 0,085 0,088 0,09I 0,105
(0,06j) (0,065) (0,:>69) (0,073) (0,076) (0,080) (0,083) (0,086) (0,089) (0,092) (0,095} (0,098) (9,11})
1000 0,029 0,030 0,032 0,034 0,036 0,038 0,039 0,041 0,043 0,044 0,046 0,047 0,055
(0,032) (0,033} (0,035) ,037) (0,039) (0,041) (0,043) (0,044) (0,046) (0,048) (0~050) (0,051) (0,059)
-10-
l.Jl
l-'
·~
;i
.,..., .,..., .-...,
"\ . ., -""\ ., --\ ~ ...-.., ,, _...., " ........_ '> /'"'\ " · _, ...--.._ ...--.._ -~ " · '"""\ '"'I .-..., ~ '"'I ..-.., ._,_ '"'I ...--.._ ...--.._ '"""\ __.,~I
'i! ;j
~
1
·t
.._, .I
L,,
Tabela 16. Continuação . N
• • 15 m
Q -o,s
0,995
(0,998)
o
o,996 o,996 0,996 o,997 o,997 o,997 o,997 o,998 o;998 0,998
6
o,998 o,998
(0,998) (0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)
10 15
'
1
3 0,974 0,976 0,978 0,980 0,981 0,983 0,984 0,985 0,986 0,987 0,987 0,988 0,991
(0,984) (0,985) (0,986) (0,988) (0,989) (0,989( (0,990) (0,991) (0,991 ) (0,992) (0,992) (0,993) (0,994)
s 0,943 0,946 0,951 0,955 0,958 0,961 0,964 0,966 0,968 0,969 0,971 0,972 0,978
. ;
(0,960) (0,962) (0,965) (0,968) (0,970) (0,973) (0,974) (0,976) (0,977) (0,979) (0,980) (0,981) (0,984)
10 0,853 0,859 0,869 0,878 0,885 0,892 '' 0,898 0,903 0,908 0,913 0,917 0,920 0,934
(0,882) {0,886) (0,895) (0,902) (0,908) (0,9U) (0,918) (0,923) (0,926) (0,930) (0,933) (0,936) (0,947)
15 0,767 o;775. o,789 o,80l o,81Z o,,21 o,a3o o,8J7 o,B44 o,851 o,as7 o,a6z 0,884
(0,802) (0,808) (0,820) (0,831) (0,840) (0,848) (0,855) (0,862) (0,868) (0,874) (0,879) (0,883) (0,902)
20 0,693 0,101 o,n7 0,731 0,744 0,755 0,766 o,77s o,784 o;792 0,800 0.,806 (0, 835)
(O, 729) (0,737) (0,751) (0,764) (0,775) (0,785) (0,795) (0,803) (0,811) (0,818) .(0,825) (0,831) (O, 856)
25 I 0,629 o,639 0,656 ó,671 o,685 0,697 0,709 o,7~9 o,729 o,738 0,747 0,755 0,788
(0,667) (0,675) (0,691) (0,705) (0,717) (0,729) (0,739) (0,749) (0,758) (0,766) (0,774) (0,781) (0,811)
30 I 0,576 0,585 0,603 0,618 0,633 0,646 O,é58 0,969 0,680 0,690 0,699 o, 708 o, 744
(0,613) (0,622) (0,638) (0,652) (0,666) (0,678) (Q,689) (0, 700) (O, 710) (0,719) (O, 727) (0,735) (0,769)
40 I 0,490 o,soo 0,517 0,533 0,548 0,562 0,574 0,586 o,597 0,608 0,618 o,627 0,668
(0,526) (0,534) (0,551) (0,566) (0,580) (0,593i (0,605) (0,616) (.0,627) (0,637) (0,646) (0,655) (0,693)
50 I 0,427 0,436 0,452 0,468 0,482 0,496 0,508 0,520 0,531 0,542 0,552 O,S62 0,604
(,459) (0,468) (0,484) (0,499) (0,513) (0,526) (0,538) (0,549) (0,560) (0,570) (0,580) (0,589) (0,629)
100 1 ·a,257 0,263 0,276 0,288 0,299 0,310 o,3zo o,33o o,J39 o,349 o,357 o,366 o,4o4
(0,280) {0,286) (0,299) (0,311) (0,322) (0,333) (0,343) (0,353) (0,362) (0,371) (0,379) (0,388) (0,426)
500 0,061 0,063 0,067 0,070 0,073 0,077 0,0&0 0,083 0,086 0,089 0,092 O,Jl95 0,109
(0,067) (0,069) (0,073) (0,076) (0,080) (0,083) (0,087) (0,090) (0,093) (0,096) (0,099) (0, 102) {0, ll6)
1000 0,031 ·0,032 0,034 0,036 0,038 0,040 0,041 0,043 0,045 O,Ó46 0,048 0,049 o, 057
(0,034) (0,036) (0,038) (0,039) (0,041) (0,043) (0,045) (0,047) (0,048) (0,050) (0,052) (0,053) (O, 061)
n -0,5 o lO 15
o,996 o,996 o,~96 o,997 v,9 97 o,99i o,997 o,998 o,998 o,998 0,998 o,998 o,999
(0,998) (0,998) (0,998) (0,999) (0 ,9 Y9) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999)
0,977 O, 9'18 O, 980 O, 982 O, 983 0,984 0 ,985 0,986 0,987 0,988 0,988 0,989 0,991
3
(O, 986) (0, 990) (0,990) (0,991) (0,992) (0,992) (0,992) (0,993) (0 ,993) (0,995)
(0,986) (0, 988) (O, 989)
o, 949 0,951 0,955 0,958 0,962 o, 964 0,966 0,968 0,970 0,972 0,973 0,974 0,979
5
(O, 964) (0,9ó6) (0,969) (0,971) (0,973) (O, 975) (0,976) (0,978) (0,979) (0,980) (0,981) (0,982) (0,986)
10 0,870 0,879 0,886 0,893 0,899 0,905 0,910 0,914 0,918 0,922 0,925 .o, 9)8
0,865
(0,891) (0,895) (0,902) (0,909) (0,914) (0,919) (0,924) (0,927) \0,931) (0,931<) (0,937) (0,940) (O, 950)
0,789 0,802 0,81) 0,823 0,831 0,839 0,846 0,853 0,859 0,865 0,870 0,890
15 0,782
(0,815) (0,821) (0,831) (0,841) (0,849) (0,857) (0,864) (0,870) (0,875) (0,881) (0,885) (0,890) (O, 907)
20 O, 710 o,718 o,732 o,745 o,757 o,76S ~.778 o,786 0,794 0,802 0,809 0,815 o,s'2
(0,745) (0,752) (0,765) (0,777) (G,J87) (0,796) . (0,805) (0,813) (0,820) (0;827) (0,833) (0,839) (0,862)
25 0,648 0,656 0,672 0,686 0,699 0,711 0,722 0,732 0,741 0,750 0,758 0,765 0,796
(0,683) (0,691) (0,706) (0,719) (0,730) (0,741) (0,751) (0,760) (0,769) (0,776) (0,783) (0,790) (0,819)
30 0,594 0,60) 0,619 0,634 0,648 0,660 0,672 0,683 0,693 0,702. 0,711 0,719 0,754
(0,630) (0,638) (0,653) (0,667) (0,680) (0,691) (0,702) (0,712) (0,721) (0,730) (0,738) (0,745) (0,777)
40 0,509 0,518 0,534 0,549 0,563 0,576 0,589 0,600 0,611 0,621 0,630 0,639 0,678
(0,543) (0,552) (0,567) (0,582) (0,595) (0,607) (0,619) (0,629) (0,640) (0,649) (0,658) (0,667) (0,703)
50 0,444 0,453 0,469 0,483 0,497 0,510 0,522 0,534 0,545 0,555 0,565 0,574 0,615
(0,476) (0,485) (0,500) (0,514) (0,528) (0,540) (0,552) (0,563) (0,573) (0,583) (0,592) (0,601) (0,640)
100 0,270 0,276 0,289 0,300 0,311 0,322 0 ,332 0,342 0,351 0,360 0,368. 0,377 0,414
(0,293) (0,299) (O,Jll) (0,323) (0,334) (O,J4t.j (0,354) (0,364) (0,373) (0,382) (0,390) (0,398) (0,436)
500 0,065 0,061 0,070 0,074 0,077 0,081 0,084 0,087 ·o,o90 o,o93 o;o96 o,o99 o,n3
(0,071) (0,073) (0,077) (0,080) (0,084) (0,087i (0,090) (0, 094) (0,097) (O, 100) (0,103) (0,106) (0,120)
1000 0,033 0,034 0,036 0,038 0,040 0 , 042 0,043 0,045 0,047 0,048 0,050 0,052 0,059
(0,037) (0,038) (0,040) (0,042) (0,043) (0 , 045) (0,047) (0,049) (0,050) (0,052) (0,053) (0, 055) (0,063)
.p..
\.J1
w
-~i
1-j
u
~~~-~~~~~~~~~~-~~~-~-~~~-~-0~~--0~1~
~
.i
,j
!'
-1-'
'-',
.~:-
Tabela 16. Continuação.
s • 17
"'
-o,s o 4 5 8 lO 15
0,996 0,996 0,997 0,997 0,997 0,998 0,998 0,998 0,998 0,998 0,998 0,998 0,999
(0,998) (0,998) (0,999) (0,999) (0,999) (0,999) (0,999) (0.~99) (0,9 99) (0,999) (0,999) (0,999) (0,999)
3 o, 97 9 0,980 0,982 0,983 0 .~ 8 5 0,986 0 ,987 0,987 0 , 988 0,989 0,989 0,990 0,992
(0, 987) (0,988) (0,989) (0,990) (0, 9 90) (0,991) (0,992) (0,992) (0,993) (0,99J) (0,993) (0,994) (0,995)
5 o, 953 O, 955 O, 959 O, 962 O, 965 0,967 0,9 6 9 0,971 0,912 0,974 . 0;975 0,976 0,981
(0,967) (0,969) (0,971) (0,973) (0,9/5) (0, 977) (0,978) (0,979) (0.~80) (0,981) (0,982) , (0,983) (0,986)
10 0,875 0,879 0,887 0,894 0,900 0,906 0,911 o, 91) 0,91Y 0,923 0,926 0,929 0,941
(0,899) (O, 903) (O, 909) (O, 915) (O, 920) (0, 925) (O, 928) (O, 932) (O, 935) (0, 938) (O, 941) (0, 943) (O, 9531
15 0,796 0,802 0,813 0,824 0,833 0,~41 0,848 0,855 0,861 0,866 0,872 0,876 0,896
(0,1126) (0,832) (0,842) (0,850) (0,858) (0 , 865) (0,871) (O, 877) (0,882) .(0,887) (0,891) (0,895) (0,912)
20 0,726 0,733 0,746 0,759 0,769 0,779 0,788 0,797 0,804 0,811 0,818 0,824 0,849
(O, 759) (0,765) (0,777) (O, 788) (O, 798) (0,807) (0,815) (0,822) (0,829) (0,835) (0,841) (O,B46) (0,868)
25 0,665 0,672 0,687 0,700 0,7[2 0,724 0,734 0,743 0,7 5 2 0,760 0,768 0,775 0,804
(0, 699) (0,706) (0,719) (0,732) (0,743) (0,753) (0,762) (0,771) (0,778) (0,786) (0,793) (0,799) (0,826)
30 0,612 0,620 0,635 0,649 0,662 0,674 0,685 0,695 0,705 O, 713 0,722 0,729 0,762
(0,646) (0,654) (0,668) (0,681) (0,693) (0,704) (0,714) (0,723) (0,732) (0,740) (0,748) (0,755) (0,785)
40 0,526 0,535 0,550 0,565 0,578 0,59i 0,602 0,6 13 0,623 0,633 0,642 0,651 0,688 1:
(0,56.0 ) (0,568) (0,583) (0,596) (0,609) (0,621) (0,632) (0,642) (0,652) (0,661) (0,669) (0,677) (O, 712)
50 I o,461 _0,469 o,484 o,499 o,512 o,524 o,536 o,347 o,558 o,568 o,577 o,586 0,625
(0,493) (0,500) (0,515) (0,529) (0, 542) (0,5~3) (0,565) (0,575) (0,585) (0,595) (0,604) (0,612) (0,650)
100 0,283 0,289 0,301 0,312 0,323 0,333 0,343 0,353 0,362 0,370 0,379 0,387 0,424
(0,306) (0,312) {0,323) (0,335) (0,345) (O, 356) (O, 365) (O, 375) (0, 384) (0,392) (0,401) (0,409) (0,445)
500 0,069 ' 0,070 0,074 0,077 0,081 0,084 0,087 0,091 0 , 094 0,097 0,100 0,103 0,116 .
(0,07'5) {0,077) (0,081) (0,084) (0,087) (0,091) (0,094) {0,097) (0,101) (0,104) (0,107) (0,110) (0.124)
1000 I 0,035 0,036 0,038 ~ 0,040 0,042 0,043 0,045 0,047 o,049 0,050 0,052 0,053 0,061
(0,039) (0,040) (0,042; ,0,043) (0,045) (0,049) (0,099) (0,051) (0,052) (0,054) (O,OSS) (p,057) (0,065)
!,•..-
ló. Continuação.
5 =· 18 !:i
-0,5 o 4 8 9 lO 15
o, 997 O, 997 O, 997 o, 997 0,998 0,998 0,998 0,998 0,998 0,~98 0,998 0,998 0,999
(0,999) (O, 999) (O, 999) (O, 999) (0,999) (0,999) (0,999) (O, 9991 (C, 999) (0, 999i (O, 999) (0, 999) (0, 999)
3 o, 981 o, 982 o, 983 O, 985 0 , 986 0,987 0,988 0,986 0,985 0,9YO 0,~90 0,991 0,992
(0, 988) (O, 989) (O, 990_) (O, 991) (0 ,991) (0,992) (0,992) (O, 993) (O, 993) (O, 994) (O, 994) (O, 994) (G, 995)
5 I 0,957 0,959 0,962 0,965 o,9ó7 o,9ó9 0,971 o,973 0,974 o,97ó 0,977 0,976 o,9o2
(0,970) (0,971) (0,973) (0,975) (0 ,977) (0,979) (0,980) (0,981) (0,982) (0,983) (0,984) (0,984) (0,987)
10 0,883 0,887 0,895 0,901 0,907 0,912 0,916 0,920 0,924 0,927 0,930 0,933 o, 945
(0, 906) (0,909) (O, 916) (O, 921) (O, 925) (0,929) (0,933) (0,936) (0,939) (0,942) (0,944) (0,947) (0, 956)
15 0,808 0,814 . 0,824 0,834 o, 842 0,~49 0,856 0,862 0,868 0,873 0,878 0,882 0,900
(0, 837) (0,842) (0,851) (0,859) (0,866) (0,872) (0,878) (0,883) (0,888) (0 , 893) (0,897). (0,901) (O, 916)
20 0,740 o,747 o,759 o,7~1 o,78t o,790 o,798 o,8o6 o,B13 o:s2o o,826 o,sJ2 o, 855
(O, 772) (0,778) (0,789) (0,799) (0,808) (0,816) (0,823) (0,830) (J,837) (0,843) (0,848) (0,853) (0, 87:.)
0,688 0,701 0,714 0,725 0,736 0,145 0,754 0,7ó2 0,770 0,777 0,784 0,~12
25 0,680
(O, 713) (0,720) (0,732) (0,744) (0,7 54) (IJ,763) (0,772) (0,780) (0,788) (0,795) (0,801) (0,807) (0,833)
30 I 0,628 0,636 0,650 0,663 0,676 O,b~7 0,697 0,.707 0,716 0,724 0,732 0,740 0,771
(0,661) (0,669) (0,682) (0,694) (0, 705 ) (0, 716) (0, 725) (0, 7J4) (n, 742) (0, 750) (O, 757) (O, 764) (O, 793)
40 I 0,543 0,551 o,566 0,5 79 0,5 92 0,604 0,615 0,625 o,6 J 5 0,645 0,654 0,662 0,698
(0,575) (0,583) (0,597) (U ,6l0) (0,622 ) (0,633) (0,644) (0,654) (0,663 ) (0,671) (0,680) (0,688) (0,721 )
50 0,477 0,485 0,500 0,513 0,526 0,538 0,549 0,560 0,5'0 0,579 0,589 0,~97 0,635
(0,508) (0,516) (0,530) (0,543) (ú,555) (0,566) (0,577) (0,587) (0,597) (0,606) (0,615) (0,623) (0,659) I
'~
100 I 0,295 0,301 0,313 0,324 G,J31o 0,344 0,354 0,364 0,372 0,381 0,389 0,397 0,434
(0,318) (0,324) (0,335) (0,346) (0,357) (0,361) (0,376) (0,385) (0,291,) (0,403) (0,411) (0,419) (0,455)
500 0,072 0,074 0,078 0,081 ú, 084 O, 088 O, 091 0, 094 0,097 O, 100 0,103 0,.106 O, 120
(0,079) (0,081) (0,084) co,o88l (0,09ll co,o94J (0,09Bl (0,101) í0,104J co,to7) (O,llal (0,113) (0,127)
. 1000 0,037 ·0,038 0,040 ' 0,042 0,044 0,045 0,047 0,049 0,051 0,052 0,054 0,055 0,063
(0,041) (0,042) (0,043) (0,045) (0,047) (0,049)' ·(0,051) (0,052) (0,054) (0,056) (0,058) (0,059) (0,067) ,ç-
Vl
V1 ',t_
-~
'~"'
iJ
~~~~~~~~~~~~~~~~~~~~~~~0~~~~~~
0~~
~~
~~
'~
~
l~
'
;1
.1:'- ,,
Vl
1
Continuação. "'
s ft H t:l
-0,5 o 3 8 10 15
0,997 0,997 0,997 0,998 0,998 o,998 o,998 0,998 o,998 o;998 o,998. ·o;999 0,999
(0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,999) (0,599) (0,999) (0,999) (0;999) (0,999) (0,9~9)
3 I O, 983 O, 984 o, 985 o, 986 O, 987 o, 988 O, 989 o, 989 o, 990 0,.990 o, 991 O, 991 o, 993
(0,989) (0,990) (0,991) (0,991) (0,992) (0,992) (0,993) (0,993) (0,994) (0,994) (0,994) (0,995) (0,996)
s o, 961 O, 962 O, 965 O, 968 O, 970 O, 971 o. 973 0,975 0,976 0,977 0,978 0,979 0,983
(O, 972) (0,974) (0,976) (0,977) (0,979) (0,980) (0, 981) (0,982) (O,S83) (0,934~ (0,985) (0,935) (0,983)
10 0,891 0,895 0,902 0,907 0,913 0,917 o, 921 0,925 0,928 0,931 0,934 0.,937 0,947
(0,913) (0,916) (0,921) (0,926) (0,930) (0,9)1,) (O, 937) (0,940) (0,943) (0,945) (0,948) (0,949) (0,958)
15 I 0,820 0,825 0,834 0,843 0,851 o,as7 0,861,· 0,869 o,B75 o,a79 0,884 0,888 o, 905
(0,847) (0,851) (0,859) (0,867) (0,873) (O,g79) (0,885) (0,889)· (0,894) (0,898) (0,902) (0,905) (0,920)
20 I. 0,753 0,760 0,771 0,782 0,791 0,800 0,808 0,815 0,822 0,"828 0,833 0,839 0,86l
(0,784) (0,789) (0,800) (0,809) (0,817) (0,825) (0,832) (0,838) (0,841,) (0,850) (0,855) (0,859) (0,879)
251
.
0,695
(0,727}
0,702 0,715 0,726 0,737 0,747 0,756 0,764 0,772 0,779 0,786 0,792 0,819
(0,733) (0,744 ) (0,755) (0,765) (0,774) (0,782) (0.789) (0,796) (0,803) (0,809) (0,815) (0,839)
30 0,644 0,651 0,664 0,677 0,683 0,699 0,708 0,718 0,726 . 0,734 0,742 0,749 0,779
(0,676) (0,682) (0,695) (0,706) (0,717) (0,727) (0,736) (0,744) (0,752) (0,759) (0,766) (0,773) (0,800)
40 I o,559 0,566 0,580 0,593 o,6o5 0,617 0,627 0,637 o,6.17 0,656 0,664 0,672 o, li:. I
(0,590) (0,597) (0,611) (0,623) (0,635) (0,645) (0,655) (O,ó65) (0,6i4) (0,682) (0,690) (0,697) (O, 729)
so I o,493 o,5oo o,514 0,527 o,539 o,55l 0,562 o,sn o,582 0,591 0,600 0,608 o,645
(0,523) (0,530) (0,543) (0,556) (0,568) (0,579) (0,589) (0,599) (0,608) (0,617) (0,625) (0,633) (0,668)
100 0,307 0,313 0,324 o, 335 0,346 0,355 0,365 0,374 0,383 0,391 0,399 0,407 0,443
(0,330) (0,336) (0,347) (O, 358) (0,368) (0,377) (0,387) (0,396) (0.~04) (0,413) (0,421) (0,428) (0,464)
500 0,076 0,078 O,Ó81 0,085 0,088 0,091 0,094 0,098 0,101 0,104 0,107 0,110 0,124.
(0,083) (0,084) (0,088) (0,092) (0 , 095) (0,098) (0,102) (0,105) (0,108) (0,111) (0,114) (O,i17) (0,131)
1000 I o,o39 o,04o 0,042 o,o44 0,046 0,047 0,049 o,o5l o,ú52 o,os4 o,o56 o,o57 o,065
(0,042) (0,043) (0,045) (0,047) (0,049) (0,051) . (0,053) (0,054) (0,056) (0,058) (0,060) (0,061) (0,069)
Tabela 16 . Co~tinuação.
s "' 20 m
·-·· -----·~-~
n -o , s o lO 15
0,997 0,997 0,998 0,998 0,998 0,998 0,998 0,998 0,9 98 0,998 0,999 0,999 0,999
(0,999) (0,999) (0,999) (0,999) (0,999) (0,9 99) (0,999) (0,999) (0,9 9Y ) (0,999) (0,999) (0,999) (1,000)
0, 984 O, 985 O, 986 O, 987 O, 988 O, 989 O, 989 O, 990 O, 990 O, 991 O, 991 O, 992 O. 993
(0,990) {0,991) (0,991) (0 ,992) (0,993) (0,993) (0,993) (0,994) (0,9ó'o) (0,994) (0,995) (0,995) (0,996
0,%4 0,965 0,968 0,970 O,Y72 0,974 0,975 0,976 C, 9 77 0,979 3,9 79 0,980 0,98'
(O, 975) (0,976) (0,977) (0,979) (0,980) (0,98 1) (0,982) (0,983) (il,%4) (0,985) (0,985) (0,986) (0,989)
10 0,899 0,902 0,908 0,913 0,918 0,92 2 0,926 0,929 0,932 0,935 0,938 0,940 0,9!.3
(0, 918) (0,921) (0,926) (0,930) (0,931,) (0,938) (0,941) (0;943) (0,946) (0,948) (0,950) (0,952) (0,9.)0)
15 0,830 0,835 0,864 0,851 0,858 0,86~ 0,871 0 ,876 0,881 0,885 0,889 0,893 O, S09
(0,855) (0 , 860) (0,867) (0,874) (0,&80) (0,88 5) (0,890) (0,895) (0, 89 9) (0,903) (0,906) (0 ,910 ) (0,923 )
20 O, 766 0,712 0,782 0,7~2 0,801 0,809 0,816 0,823 0,829 0,835 0,841 0,846 O, Sé 7
(0 , 795) (0,800) (0,809) (0,818) (0,826) (0,833) (0,839) (0,845) (0,851) (0,.856) (0,&61) (0,865) (O, 884)
25 0,708 0,715 0,727 O,i38 0, 748 0,757 0 ,766 0,773 0, 781 0,788 0,794 0,800 0,326
(O, 739)(0,745) (0,756) (0,766) (0 ,77>) (0,783) (0 ,791) (0,798) (0,804) (O,ól1) 10,817) (0,822) (0,329)
30 0,658 : 0,665 0,677 0,689 0,700 0,710 0,719 0,728 il, 736 0,744. 0,751 0,758 0,305
(0,689) (0,695) (0,707) (0,718) (0,728) (0,7 37) (0,746) (0,753) (0, i6l) (0,768) (0,774) ·(0,781) (0,807
40 0,573 0,581 0,594 0,606 0,618 0 ,62 9 0,!39 0,649 0,658 O,óó6 0,674 . 0,682 0,715
(0,604) (0,611) (0,621,) (0,635) (0,64ó ) (0,657) (0,666) (0,675) (0,68!;) (0,692) (0,699) (0,706) (0,737)
0,507 Q,5ll, 0,528 0,540 0,552 0,563 0,573 0,583 0,593 0,602 . 0,610 0,618 0,654
50
(0,537) (0,544) (0,557) (0,569) (0.580) (0,5 90) (0,600) (0,610) (O, 61\1) (0,627) (0,635) (0,643) (0,6771
100 o, 319 0,325 0,336 0,31,6 0,356 0,366 0,375 0,35 ' ü, 393 0,401 0,409 0,417 0,452
(0,342) (O, 34 7) (0, 358) (0,36 9) (0, 378) (0,)88) (0,397) ( 0,4Q6) (O, 41~) (0,422) (0,430) (0,438) (0,472)
500 0,080 0,081 0,085 0,088 0,092 o ,D95 o,098 o ,lOl :;,1 0 4 o,l07 o,-ilo 0,113 0,127
(0,086) (O, 088) (O, 092) (O, 095) (0,09~) (0,1 02) (0,105) (0,108) (0,111) (0,115 ) (0,117) (0,120) (0, .135)
0,041 0,042 0,044 0,046 0,048 0,049 0,051 0,053 0,054 0,056 0,058 0,059 0,067
1000
(0,044) (0,04&' (0,047) (0,049) (0,051) (0,05)) (0,55) (0,056) (0,05&) (0,060) (0,062) (0,063) (0,071)
---·------- -------- --- .1:'-
1.11
......
t·fií
~J
• .
f-liid"'""" ~v•·-~•"''''"" "c :: •• .....-.-.""'~··..,..~~.,_,_,,,,., ., .. '
(
458
( 459
(
Ta bela 17 . .Va l ores cr Íticos para ." .clicaca-o
_ y
do t e s t e do si Ta bel a 18. Intervalos de confiança para p (em porcenta-
( nal: P (n .:S B). gem), na distribuição binomial, ao nÍvel de 5% de proba-
( B é o numero ~e si~ais, considerado sempre bilidade.
o menor
dos dois. N e o numero de blocos.
(
( B N=4
B N = 5 N = 6 N =7
N=5 N=6 :.-1"'7 N=8
( o ( 0,0%;52,2%) 0,0%;45,9%) ( 0,0%;41,0%)
(
o 0,0625 0,0312 0,0156 0,0078 o, 0039 1 ( 0,5%;71,6%) 0,4%;64.1%) ( 0,4%;57,8%)
1 0,3125 0,1875 0,1094 o' 06 25 0,0352 2 ( 5,3%;85 ,3%) ( 3, 7%; 71, O%)
( 4 '3%; 77' 7%)
( 2 0,6875 0,5000 0,3438 0,2266 0,1445 3 (14, 7%; 94, 7%) (11,8%;83,2% ) ( 9 ' 9% ; 81 , 6%)
3 0,5000
( o' 3633 4 (18,4%;90,1% )
(
(
(
(
(
c
(
c
(
(
(
(
(
(
(
(
(
(
(
c
(
(
-'--'--'--~.;.;...;.-------~'------"-'~-----··-·············--
(
460
(
461
( l'abeLa. 13. Continuaç.J.o.
Tabela 19. Limites da distribuiç~o de H no teste deKrus-
( ka1-Ha11is, com k = 3 tratamentos, n 1~ n2~ n3~ 6, onde
( B N "" 14 N "" 15 P(H ~h) "' a..
N == 16
( o ( 0,0%;23,2%) ( 0,0%;21,8%) 0,0%;20,6%)
( 1 ( 0,2%;33,9%) ( 0,2%;32,07o) UJ n2 n3 h a. UJ n2 n3 h a.
0,2%;30,2%)
2 ( 1,8%;42,8%) ( 1,7%;40,5%)
( ( 1,6%;38,4%)
3 ( 4,7%;50,8%) ( 4,3%;48,1%) 3 3 3 4,622 0,100 3 3 4 4,700 o' 101
4,0%;45,6%)
( 4 ( 8,4%;58,1%) ( 7,8%;55,1%) ( 7,3%;52,4%) 5,600 0,050 4,709 o,092
5 (12' 8%; 64' 9%) (11,8%;61,6%) 5,956 0,025 5. 727 0,050
( (11,0%;58,7%)
6 (l7,7%;7l,U) (16,3%;67 ,7%) 6,489 O,Oll 6,154 0,025
(15,2%;64,6%)
( 7 (23,0%;77,0%) (21,3%; 73,4/7,) 09,8%;70,1%) 7,200 0,004 6' 746 o,010
8 (26,6%;78,7%)
( (24,7%;75,3%)
( B N = 17 1l "' 18 3 3 5 4,412 0,10') 3 3 6 5,551 '), 051
4,533 0,097 5,615 0,050
( o ( 0,0%;19,5%) ( 0,0%;18,6%) 5,515 0,051 6 '385 o, 025
( 1 ( 0,2%:28,7%) ( 0,1~~;27,4%) 5,6lf8 0,04') 6 ,tf36 0,022
2 ( l,5%;36,!f%) ( 1,4%;34,8%) 6,303 0,026 7,192 0,010
( 3 6,376
( 3,8%;43,4%) ( 3,6%;41,4%) 0,020
( 4 ( 6,8%;49,9%) ( ó,4/~;47,6%) 6,J82 0,011
5 (10,3%;56,0%) ( 9,T~;53,5%) 7,079 0,009
( 6 (14,2%;61,7%) (13,3%;59,0%)
( 7 (18,4%;67 ,1%) (17,3%;64,2%)
8 (23,0%;72,2%) (21,5%;ó9,2%) 3 4 4 4,4 77 0,, 102 3 4 5 4,523 o) 103
( 9 (27 ,8%; 77 ,0%) 4,546 0,099 4,549 o, 099
(2ó,D/~ ; 74,0%)
( 5,576 0,051 4,939 o, 075
B N == 19 N = 20 5,598 0,049 5,631 0,050
( 6,394 0,025 6,410 o' 025
( o ( 0,0%;17,7%) 0,0%;16,8%) 6,659 0,020 6,6 76 o, 020
1 ( O,l%;26,1%) O,l%;24,9%) 7,144 0,010 7,445 o, 010
( 2 ( 1,3%;33,2%) 1,2%;31,8%)
( 3 ( 3,4%;39,6%) 3,2%;38,0%)
4 ( 6,0%;45,6%) 5,7%;43,5%) 3 4 6 5,604 0,050 3 5 5 4,545 0,100
( 5 ( 9,2%;51,2%) 5. 610 0,049 4,993 o, 075
8,7%;49,1%)
( 6 (12,6%;56,5%) (11,9%;54,3%) 6,500 0,025 5,626 o, 051
7 (16,3%;61,6%) (15,4%;59,2%) 6,538 0,025 5,706 0,046
( 8 (20,2%;66,5%) 7,46 7 0,010 6,488 o, 025
(19,1%;63,9%)
( 9 (24,4%;71,1%) (23,1%;68,5%) 7,500 0,010 6,752 o, 021
10 (28,9%;75,6%) (27,2%; 72,8%) 6,866 o, 019
( 7,542 o, 010
( Esta tabela foi adaptada a partir de dados de H. Cam-
nos (Estatística E2tperimental Não-Paramétrica, 4\1 edi- Continua
( Ção, Piracicaba).
(
(
(
c 463
(
Tabela 19. Continuaç io Tabela 19. Continuaç ao.
(
(
( ni nz U3 h a. Ui nz n3 h a. Ui nz U3 h (:J.. Di nz U3 h a
( 3 5 6 5,554 0,052 3 6 6 5,600 5 4,560 0,100 5 6 5,698
0,052 5 5 5 0,050
5,60J 0,050
c 6 '621 0,026
5,625
5,683
0,050
O,Q25
5,040
5,660
0,075
o,051
5, 729
6,781
0,050
0,025
( 6,66 7 0,024 6,725 o, 049
0,025 5,780 6,788 0,025
( 7,560 0,010 7,683 0,010 6 '740 0,025 8,012 0,010
7,590 0,010 7' 725 0,010 7,980 o, 011 8,028 0,010
( 8,000 0,009
( l1 4 4 4,500 0,104 4 4 5 4;6U 0,100
( 4,654 o, 097 5,014 0,076 5 6 6 5,752 o ,050 6 6 6 5 '719 0,050
( 5,115 0,074 _:;. ,024 0,074 5' 765 o, 050 5,801 0,049
5,654 0,055 5,618 0,050 6,838 0,025 6,877 0,026
c 5,692
6,5 77
0,049
0,026
6,597 0,026 6,848 o,025 6,389 0,025
( 6 ,ó 76 0,024 3,119 o,010 8,187 0,010
6' 731 0,021 6,943 0,020 8,124 o' 010 8,222 0,010
( 7,538 0,011 7,744 0,011
7' 731 0,007 7,760 0,009 Esta tabela foi adaptada a partir de dados de H. Cam
(
pos (Estatísti ca Experimen tal Não-Param étrica, 4~ edi=
( ção, Piracicab a).
4 !, 6 5,667 0,050 4 5 5 4,520 0,101
(
5,631 0,049 4,523 0,01)9
( 6,595 0,026 5,023 0,075
6,667 0,025
c 7' 724 0,010
5,643
6,671
0,050
0,025
( 7,795 0,010 6,943 0,020
( 7,766 0,010
(
4 5 6 5,656 0,051 4 6 6 5,721 0,050
(
5,661 0,051 5, 724 0,050
( 6,736 0,025 6,783 0,025
'c 7,750 0,025 6,812 o, 024 .
7,896 0,010 7,989 0,010
' ( 7,936 0,010 8,000 0,010
(
Continua
(
' (
(
f~· ·- ~·"~'"'"~ . . . ,. , ., . ~.7'!"'~~,·~~·~.. ~·~· , , .... ' . """"'""'""""'"''
(
464
465
(
Tabela 20. Limites da distribuiç io da estatrstic a K de
( Friedman, para k tr a tamentos e b blo co s, onde P(K_::K ) =a.
0
(
k b ko a k b a
( ko
k b ko a k b ko a
( 3 4 4,50 0,125 3 5 4,80 0,124
6,00 0,069 5,20 0,093 4 4 6,00 0,105 4 5 6,12 0,107
(
6,50 o ,042 6,40 0,039 6,30 0,094 6,38 0,093
( 8,00 0,005 7,60 o'() 24 7,50 0,052 7,32 0,055
3,40 0,008 7,80 0,036 7,80 0,044
(
3 6 4,33 o' 142 3 7 4,57 8,40 0,019 8,76
o' 112 0,023
( 5,33 o ,072 5,43 0,085 9,30 0,012 9 '72 0,012
( 6,33 0,052 6,00 0,051 9,60 0,007 9,96 0,009
7,00 0,029 7,14 0,027
( 8,33 0,012 8,00 0,016 4 6 6, 20 o' 110 4 7 6,26 0,100
( 9,00 0,008 8,86 0,008 6,40 0,089 7,63 0,052
7 40
'
o' 056 7,80 0,041
( 3 8 4,75 0,120 3 9 4,67 0,107 7,60 0,043 9,00 0,023
( 5,25 0,079 5,56 0,069 8,80 o o 23 10,37 0,010
6,25 0,047 6,00 0,057 10,00 o:o1o
( 7,00 0,030 6,22 0,048 4 8 6,30 0,100 I
5 3 7,20 0,117
(
9,00 o ,010 6,89 0,031 7,50 0,051 7,47 0,096
8 '6 7 0,010 7,65 0,049 8,27 0,056
( 8,85 0,025 8,53 o , 045
( 3 10 4,20 o, 135 3 11 4,91 O, 100 10,35 0,011 9,87 0,015
5,00 o ,092 5,64 0,062 10,50 0,009 10,13 0,008
( 5,60 0,066 6,54 0,043
( 6,20 0,046 7,09 0~027 5 4 7,40 o' 113 5 5 7,52 o, 107
7,40 0,026 8,91 0,011 7,60 0,095 7,68 0,094
( 8,60 0,012 9,46 0,007 8,60 0,060 8,80 0,056
( 9,60 0,007 8,80 0,049 8,96 o ,049
9,10 0,025 10,08 0,026
( 3 12 4,67 0,108 4 3 5,80 0,148 11,00 0,010 11,52 0,010
( 5,17 0,080 6,60 0,075
6,17 0,050 7,00 0,054 Esta tabela foi adaptada a partir de dados de H. Cam
( 7,17 0,028 7,40 0,033 pos (Estatísti ca Experimen tal Não-Param étrica, 49 edição:
8,67 0,011 8,20 0,017 Piracicab a).
(
9,50 0,008 9,00 0,002
(
( Continua
c
(
(
(
( 466
( 467
(
( Tabe la 21 - Valo res de t (bila tera is)
para aplic ação , ao
teste de Bonf errop .i a n cont raste s (pre nive l a de prob abili dade e com n grau i de 1ibe rdad e,do
feri-
c 2
ve1m ente orto gona is) esco lhido s prev iame nte.
' ( Ct = 0,05
( 2 3 4 5 6 a= 0,05
7 8 9
( lO 15 20 25 30 35 40 45
5 3,17 3,54 3,81 4,04 4,22 50
4,38 4,53 4,66
7 2,84 3, l3 3,34 3,50 3,64 4,78 5,25 5,60 5,89 6,15 6,36 6,56
( 3,76 3,86 3,95 6,70 6,86
lO 2,64 2,87 3,04 3,17 3,28 3,37 4,03 4,36 4., 59 4,78 4,95 5,09 5,21
3,45 3,52 5,31 5,40
( 12 2,56 2,78 2,94 3,06 3,15 3,24 3,58 3 ,83 4,01 4,15 4,27 4,37 4,45 4,53
3,31 3,37 4,59
15
c 2,49 2,69 2,84 2,95 3,04 3, ll 3,18 3' 24
3,43
3 '29
3,65
3,48
3,80
3,62
3,93
3,74
4,04
3,82
4,13
3,90
4,20
3,97
4 ,26
4,02
4,32
20 2,42 2' 6f: 2,75 2,85 2,93 3,00 ·3,06 4,07
24 2,39
3, ll
2,58 2, 70 2,80 2,88 2,94 3,00 3,16 3,33 3,46 3,55 3,63 3,70 3,76 3,80 3,85
( 30 3,05
2,36 2,54 2,66 2,?5 2,83 2,89 2,94 3,09 3,26 3,38 3,47 3,54 3,61 3,66 3,70 3,74
40 2,99
( 2,33 2,50 2,62 2,71 2,78 2,84 2,89 3,03 3,19 3,30 3,39 3,46 3,52 3,57 3,61 3,65
60 2,93
2,30 2,4 7 2,58 2,66 2 '73 2,79 2,84 2,97 3 '12 3,23 3,31 3,38 3,43 3,48 3,5i 3,55
( 2,88
120 2,92 3,06 3,16 3,24 3,30 3,34 3,39 3,42 3,46
2,27 2,43 ?_,__...Lj.
c;' 2, 62 2,68 2, 74 2,79
( 2,83
00
2,24 2,39 2,50 2,58 2,64 2,69 2,74 2,86 2,99 3,09 3,~6 3,2 2 3,27 3,31 3,34 3 ,3 7
2, 77
c a = 0,01
2,81 2,94 3,02 3,09 3,15 3,19 3,23 3,26 3,29
( a = 0,01
5 4,78 5,25 5,60 5,89 6,15 &,36
( 6,56 6, 70
7 4 ,03 4,36 4,59 4,78 4,95 6,86 7,51 8,00 8,37 8,68 8,95 9,19
5,09 5,21 5,31 9 , 41 9,68
( 10 3,58 3,83 4,01 4,15 4,27 4,37 5,40 5,79 6,08 6,30 6,4 9 6,67 6,83 6,9 3
4,45 4,53 7,06
12 3,43 3,65 3,80 3,93 4,04 4,59 4,86 5,06 5,20 5,33 5,44 5,52
c 15 3,29 3,48 3,62 3,74 3,82
4,13
3,90
4 '20
3,97
4' 26
4,02
4,32
4,07
4,56 4 '73 4,86 4,95 5,04 5,12
5,60
5,20
5,70
5,27
( 20 4,29 4,42 ~~,53 4,61 4 '71 4,78 4 , 84 4,90
3,16 3,33 3,46 · 3,55 3,63 3,70 3,76 3,80
24 3,09 3,26 3,38 3,4 7 3,54 3,61 3,85 4,03 4,15 4,25 4,33 4,39 4,46 4,52
( 3,66 3,70 4,56
30 3,03 3,19 3,30 3,39 3,46 3,52 3' 74 3,91 4,04 4, l t 4,2t 4,3t 4,3 t 4,3 t
3,57 3,61 4,4i-
( 40 2,97 3,12 3,23 3,31 3,38 3,43 3,65 3 , 80 3,90 3,98 4,13 4 '26 4, l t 4 , 2t
3,48 3,51 4,2t
( 60 2,92 3,06 3,16 3,24 3,30 3·, 34 3,55 3,70 3,79 3,88 3,93 3,97 4,01 4,lt
3,39 3,42 4,1t
3,46 3,59 3,69 3,76 3,81 3,84 3,89 3, 93 3,97
120 2,86 2,99 3,09 3,16 3,22
( 3,27 3,31 3,34
co 2,81 2,94 3,02 3,09 3,15 3,19 3,23 3,37 3,50 3,58 3,64 3,69 3,73 3,80 3,83
( 3,26 3 '77
3,29 3,40 3,48 3,54 3,59 3,63 3,66 3,69 3,72
t Obti do por inter pola ção gráf ica.
(
Esta tabe la foi adap tada de dado s de V.
Chew (Com paris ons
( Wash ingto n, 1977 ). Among Trea tmen t Means in an Anal ysis of
Vari ance , USDA,
c
(
.~~~
· _ _ _.:_____---
I t"""'~w;;;;;.m
(
( 468
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
c
(
(
Composição e diagramação:
( JORGE LUIZ DIORIO
Av. Santa Cecília, 198- Fone: 34-33-62
(
c Impressão e acabamento:
SERVIÇOS GRAFICOS DEGASPARI LTDA.
( Rua Barão de Piracicamirim, 1928- Fone 33-67-48
13400 Piracicaba- SP
(
(
(
c
c
.c
(