AULA 05 (teste de Tukey para exemplo da aula 04)

FV GL SQ QM F
Tratamento (I-1)=3 9040,278 3013,426 49,54**
Residuo 14 851,502 60,82
Total (18-1)=17 9891,780
𝐐𝐌𝐑 𝟔𝟎,𝟖𝟐
𝚫 = 𝐃𝐌𝐒 = 𝐪𝛂 𝐃𝐌𝐒 = 𝟓, 𝟑𝟐 = 18,55
𝐉 𝟓
𝟔𝟎,𝟖𝟐
q(0,01;4,14) = 5,32 𝐃𝐌𝐒 = 𝟓, 𝟑𝟐 = 20,74
𝟒
𝟏 𝟏 𝟏
𝐃𝐌𝐒 = 𝟓, 𝟑𝟐 𝟔𝟎, 𝟖𝟐 + = 19,68
𝟓 𝟒 𝟐

T1= ESTERCO (5) 114,00 a T1 T2 T3

T4 56,00** 48,25** 30,75**
T2= NPK (4) 106,25 a b
T3 25,25** 17,50ns
T3= FOSFATO (4) 88,75 b T2 7,75ns
T4=CONTROLE (5) 58,00 c

Médias unidas pela mesma letra não diferem entre si pelo teste de Tukey ao nível de 1% de significância
 TESTE DE DUNCAN (1955)

𝐐𝐌𝐑
𝚫 = 𝐃𝐌𝐒 = 𝒁𝛂 Para o mesmo número de repetições por tratamentos
𝐉

𝟏 𝟏 𝟏 Para diferente número de repetições por tratamentos

𝚫 = 𝐃𝐌𝐒 = 𝐙𝛂 + 𝐐𝐌𝐑
𝟐 𝐉𝟏 𝐉𝟐

𝒁𝛂 É calculado em função do número de médias envolvidas no contraste e nível de significância

Considerando o exemplo da aula passada

FV GL SQ QM F

Tratamento 2 140,13 70,06 16,73**

Resíduo 12 50,60 4,22

Total 14 191,73
Como existem três tratamentos, tem-se contrastes envolvendo duas e três médias

𝒁(𝟎,𝟎𝟏;𝟐,𝟏𝟐) = 4,32
𝒁(𝟎,𝟎𝟏;𝟑,𝟏𝟐) = 4,55

𝟒,𝟐𝟐
𝚫 = 𝐃𝐌𝐒 = 𝟒, 𝟑𝟐 = 3,97
𝟓

𝟒,𝟐𝟐
𝚫 = 𝐃𝐌𝐒 = 𝟒, 𝟓𝟓 = 4,18
𝟓

< 𝟏 (18,6)
𝑿 a
< 𝟑 (17,4)
𝑿 a

< 𝟐 (11,6)
𝑿 b
Usando o exemplo com diferentes números de repetições por tratamento

FV GL SQ QM F
Tratamento (I-1)=3 9040,278 3013,426 49,54**
Residuo 14 851,502 60,82
Total (18-1)=17 9891,780

T1= ESTERCO (5) 114,00 𝒁(𝟎,𝟎𝟏;𝟐,𝟏𝟒) = 4,21

T2= NPK (4) 106,25
𝒁(𝟎,𝟎𝟏;𝟑,𝟏𝟒) = 4,42
T3= FOSFATO (4) 88,75
𝒁(𝟎,𝟎𝟏;𝟒,𝟏𝟒) = 4,55
T4=CONTROLE (5) 58,00
 Envolvendo duas médias

𝟏 𝟏 𝟏
𝐃𝐌𝐒 = 𝟒, 𝟐𝟏 + 𝟔𝟎, 𝟖𝟐 =15,57
𝟐 𝟓 𝟒

𝟔𝟎,𝟖𝟐
𝐃𝐌𝐒 = 𝟒, 𝟐𝟏 = 16,42 T1= ESTERCO (5) 114,00 a
𝟒

Envolvendo três médias T2= NPK (4) 106,25 a

T3= FOSFATO (4) 88,75 b
𝟏 𝟏 𝟏
𝐃𝐌𝐒 = 𝟒, 𝟒𝟐 + 𝟔𝟎, 𝟖𝟐 = 16,35 T4=CONTROLE (5) 58,00 c
𝟐 𝟓 𝟒

Envolvendo quatro médias

𝟔𝟎,𝟖𝟐
𝐃𝐌𝐒 = 𝟒, 𝟓𝟓 = 15,87
𝟓
 TESTE DE SCHEFFÉ
Compara constrates entre duas ou mais médias
𝐐𝐌𝐑
𝐒 = 𝐈−𝟏 . 𝐅(𝐚𝟐𝟏 + 𝐚𝟐𝟐 + ⋯+ 𝐚𝟐𝐧 ) Para mesmo número de repetições por tratamento
𝐉

𝐚𝟐𝟏 𝐚𝟐𝟐 𝐚𝟐𝐧

𝐒 = 𝐈− 𝟏 .𝐅 + + ⋯+ 𝐐𝐌𝐑 Para diferente número de repetições por tratamento
𝐉𝟏 𝐉𝟐 𝐉𝐧

Exemplo: Em um experimento de competição de quatro espécies de Eucalyptus em termos de crescimento em

altura até os seis anos de idade em cinco repetições, o quadro da ANOVA foi o seguinte:
FV GL SQ QM F

Tratamento 3 12,950 4,317 19,185**

F(0,01;3,16) = 5,29
Resíduo 16 3,600 0,225

Total 19 16,550
 Médias ordenadas
< 𝐃 (13,6 m)
𝐗
< 𝐂 (13,0 m)
𝐗
< 𝐁 (12,6 m)
𝐗
< 𝐀 (11,4 m)
𝐗

Considerar o seguinte contraste: 𝐘J = 2 𝐗

< 𝐂 − 1 𝐗
< 𝐁 −1 𝐗
< 𝐀 = 2 -1-1= 0
Ver contrastes na página 29 de Estatística Experimental Aplicada à Ciência Florestal
L = 2 (13,0)−12,6 −11,4 = 26,0 – 24,0 = 2,0
𝐘

𝐒 = 𝟒−𝟏 . (𝟓, 𝟐𝟗)[𝟐𝟐 + −𝟏 𝟐 + −𝟏 𝟐 ] 𝟎,𝟐𝟐𝟓 = 2,07

𝟓

L = 2,0 aceita H0
Como o S=2,07 é maior que o valor do contraste 𝐘
 Considerar o seguinte contraste: 𝐘J = 3 𝐗
<𝐃 − 𝐗
<𝐂 − 𝐗
<𝐁 − 𝐗
<𝑨

Sendo que o tratamento D teve quatro repetições e o QMR=0,24

L = (3)(13,6) − 13,0−12,6 −11,4 = 3,80

𝐘

𝟑𝟐 T𝟏 𝟐 T𝟏 𝟐 T𝟏 𝟐 𝟎,𝟐𝟐𝟓
𝐒 = 𝟒−𝟏 . (𝟓, 𝟐𝟗)[ + + + ] = 2,07
𝟒 𝟓 𝟓 𝟓 𝟓

Como o valor de S=2,07 é menor que o valor do contraste 𝐘J = 3,80, admite-se

H1, significando que a média do tratamento D difere das médias conjuntas dos
Tratamentos A, B e C.
 Teste de 𝛘𝟐 (Qui-quadrado)
Permite estudar o problema de compatibilidade entre dados observados
e esperados teoricamente

( foi - fei )
k
c =å
2

i =1 fei
k é o número de classes ou de categorias de acontecimentos;

fo são as frequências observadas, obtidas de dados experimentais;

fe são as frequências esperadas ou teóricas, obtidas com base em alguma

hipótese, de acordo com as regras de probabilidade.
Exemplo: Aplicação do teste de Qui-Quadrado em testes de aderência, na célebre
experiência de Mendel, em que, num cruzamento de ervilhas ele sugeriu as
seguintes frequências fenotípicas:

9/16 de ervilhas amarelas lisas

3/16 de ervilhas amarelas rugosas
3/16 de ervilhas verdes lisas
1/16 de ervilhas verdes rugosas

Examinando-se 824 ervilhas, dessas 445 foram amarelas lisas, 172 amarelas
rugosas, 150 verdes lisas e 57 verdes rugosas. Ao nível de 5% de probabilidade,
estariam essas frequências observadas de acordo com as leis de Mendel?
As hipóteses estatísticas seriam:

H0: c2 = 0 (As frequências observadas estão de acordo com as leis de Mendel)

Ha: c2 > 0 (As frequências observadas não estão de acordo com as leis de Mendel)
 A tabela a seguir, resume os dados necessário ao cálculo da estatística c2.
Classes Fenotípicas Frequências Observadas Frequências Esperadas
Amarelas lisas 445 824(9/16) = 463,5
Amarelas rugosas 172 824(3/16) = 154,5
Verdes lisas 150 824(3/16) = 154,5
Verdes rugosas 57 824(1/16) = 51,5
Total 824 824,0

( 445 - 463,5) 2
(172 - 154 ,5) 2
(150 - 154 ,5) 2
(57 - 51 ,5) 2
c2 = + + + = 3,44
463,5 154,5 154,5 51,5

Com k-1 = 3 graus de liberdade, o valor teórico de c2 ao nível de 5% de significância, ou seja = 7,82.
Como o valor da estatística c2 foi menor que o valor teórico de c2, isto é, não rejeita-se H0 ao nível
a = 0,05 de significância, ou seja, a este nível de significância, as frequências observadas estão de
acordo com as leis de Mendel, ou ainda, que há uma probabilidade 95% as frequências observadas
estejam de acordo com as frequências fenotípicas sugeridas por Mendel.
 Tabela de Contingência
Frequências são observadas relativamente a ocorrência de duas categorias de
acontecimentos
Exemplo: Tabela de contingência de 2x2, relativa ao número de insetos (sexados) coletados
em armadilhas adesivas de cores diferentes

Sexo/ Machos Fêmeas Total

Cor da armadilha
Alaranjada 246 17 263
Amarela 458 32 490
Total 704 49 753
Nesta tabela há duas categorias de acontecimentos, uma relativa a cor da armadilha, com duas
classes (alaranjada e amarela), e outra relativa ao sexo do inseto, também com duas classes
(machos e fêmeas). As frequências observadas são 246 (machos em alaranjada), 17 (fêmeas em
alaranjada), 458 (machos em amarela) e 32 (fêmeas em amarela). Os totais marginais relativos a
alaranjada e amarela são respectivamente 263 e 490, os totais marginais relativos a machos e
fêmeas são respectivamente 704 e 49, e a frequência total é 753.
Seja por exemplo, determinar a frequência esperada de machos capturados na
armadilha de cor alaranjada. Para tal seria necessário se estabelecer a seguinte
regra de três:

Em um total de 753 insetos capturados .........................................704 foram machos

Em 263 insetos capturados na armadilha alaranjada.................. X devem ser machos

263x 704
X= = 245,9 machos capturados na armadilha alaranjada
753

Para se determinar, por exemplo a frequência esperada de fêmeas na armadilha

alaranjada, como o total marginal relativo a cor alaranjada é fixo e vale 263, este
valor é de 263 - 245,9 = 17,1. Por outro lado, como também o total de machos
capturado é fixo e vale 704, a frequência esperada de machos capturados na
amarela seria de 704 - 245,9 = 458,1. Finalmente, a frequência esperada de
fêmeas na amarela, poderíamos calcular através dos totais marginais de fêmeas
(49 - 17,1 = 31,9), ou por meio do total marginal para amarelo (490 - 458,1 =
31,9).
 Cor da armadilha/Sexo Machos Fêmeas Total
Alaranjada 246(245,9) 17(17,1) 263
Amarela 458(458,1) 32(31,9) 490
Total 704 49 753

Valores em vermelho correspondem as frequências esperadas

( 246 - 245,9 ) 2
(17 - 17 ,1) 2
( 458 - 458,1) 2
( 32 - 31,9 ) 2
c2 = + + + = 0,00096
245,9 17,1 458,1 31,9

Como 𝝌𝟐 <𝝌𝟐𝟎,𝟗𝟓 não rejeita H0 ao nível de 5% de significância, ou seja, as frequências

observadas concordam com as frequências esperadas ao nível de 95% de
probabilidade, isto é, a proporção de machos u fêmeas capturados não difere com a
cor da armadilha ao nível de 5% de significância, implicando que estes dois atributos
são independentes, ou que a cor da armadilha não influi na atração de machos e
fêmeas ao nível de 5% de significância.
 DELINEAMENTO EM BLOCOS CASUALIZADOS
DELINEAMENTO CASUALIZADO EM BLOCOS

Este é o mais importante dos delineamentos experimentais, caracterizando-se pela introdução do princípio
do controle local, representado pelos blocos, cada um dos quais contendo todos os tratamentos. A eficiência
da utilização desse delineamento se baseia na escolha adequada dos blocos, que devem ser tão uniformes
quanto possível, embora existam variações acentuadas de um bloco para o outro.

MODELO MATEMÁTICO
 VANTAGENS

1 - Se o controle local se fizer necessário, esse delineamento é mais eficiente que o inteiramente
casualizado, pois a formação dos blocos isola essa causa de heterogeneidade, diminuindo sensivelmente a
variação do acaso;

2 - O delineamento não tem restrição de uso, seja quanto ao número de tratamentos (quadrado latino),
seja por exigir condições experimentais uniformes (inteiramente casualizado).

DESVANTAGENS
1 - O delineamento perde eficiência quando o controle local for dispensável, uma vez que o número de graus de
liberdade do resíduo é menor ao que se obteria, caso o delineamento utilizado fosse o inteiramente casualizado.

2 - Esse delineamento exige que os tratamentos tenham todos o mesmo número de repetições, logo, quando há
perda de parcelas, a soma de quadrados para tratamentos é apenas aproximada.
ESTIMATIVAS DOS PARÂMETROS

å (Y - µ - ti - b j )
I,J I,J
Z= åε
i =1,j =1
2
ij =
i =1,j =1
ij

¶Z
= 2 å (Yij - µ - t i - b j )( - 1)
I,J

¶µ i =1,j =1

¶Z
= 2 å (Yij - µ - t i - b j )( - 1)
I,J

¶t i =1,j=1
¶Z
= 2 å (Yij - µ - t i - b j )( - 1)
I,J

¶b i =1,j=1
 I,J 2
G
SQTotal = å Y - 2
ij
i =1, j=1 IJ
I 2
1 G
SQTratamentos = SQT = å Ti -
2

J i=1 IJ
J 2
1 G
SQBlocos = SQB = å B j -
2

I j=1 IJ

é I,J
G ù éæ 1 ö
2 I
G ù éæ 1 ö
2 J
G ù 2
SQR = ê å Yij - ú - êç ÷å Ti - ú - êç ÷å B j - ú
2 2 2

ëi=1, j=1 IJ û ëè J ø i=1 IJ û ëè I ø j=1 IJ û

 ANOVA

_________________________________________________________________________
F.V G.L S.Q Q.M F0
_________________________________________________________________________
Tratamentos (I-1) SQT SQT/(I-1) QMT/QMR
Blocos (J-1) SQB SQB/(J-1)
Resíduo (I-1)(J-1) SQR SQR/[(I-1)(J-1)]
_________________________________________________________________________
Total IJ-1 SQ Total
_________________________________________________________________________
𝐅 𝟎,𝟎𝟓;𝟑,𝟏𝟐 = 3,49

𝐅 𝟎,𝟎𝟏;𝟑,𝟏𝟐 = 5,95

H1 H0 H1 Para α = 0,05

H1 H0 H1 Para α = 0,01

 TESTE DE TUKEY

𝟎,𝟑𝟓𝟐𝟎
𝐃𝐌𝐒 = 𝟒, 𝟐𝟎 = 1,11
𝟓

< 𝐀 = 𝟐𝟐,𝟖𝟏 = 4,56 m

𝐗 a
𝟓

𝟐𝟏,𝟐𝟗 < 𝐀 =4,56 m

𝐗 < 𝐁 =𝐗
𝐗 < 𝐃 =4,26 m
<
𝐗𝐁= = 4,26 m a b
𝟓
< 𝐂 = 3,35 m
𝐗 1,21* 𝟎, 𝟗𝟏𝒏𝒔
< 𝐃 = 𝟐𝟏,𝟐𝟖 = 4,26 m
𝐗 a b
𝟓 < 𝐁 =𝐗
𝐗 < 𝐃 =4,26 m 𝟎, 𝟑𝟎𝒏𝒔

𝟐𝟐,𝟖𝟏
<
𝐗𝐂= = 3,35 m b
𝟓

Pelo teste de Tukey ao nível de 5% de significância se constatou que o clone A difere do C

e os demais não diferem entre si.
 EFETIVIDADE DOS BLOCOS

Uma das desvantagens do delineamento casualizado em blocos, corresponde ao caso em

que o controle do local é dispensável, mas mesmo assim é considerado. Para se ter uma
idéia de que o uso de blocos aumentou ou não precisão do experimento, deve testar a
efetividade dos blocos, cuja fórmula é expressa por:

(J - 1)QMB + J(I - 1)QMR

EB =
(IJ - 1)QMR
Em que:
EB = efetividade dos blocos
A estatística EB indica quantas repetições
J = número de blocos
seriam necessárias no delineamento
I = número de tratamentos inteiramente casualizado quando comparado
com o delineamento casualizado em blocos.
QMB = quadrado médio dos blocos
QMR = quadrado médio do resíduo
 REGRA DE DECISÃO DE EB
A EB testa se o uso de blocos é eficiente quando comparado com o delineamento inteiramente casualizado.

Se EB for maior que um (1,0) o uso dos blocos é efetivo.

Se EB for menor que um (1,0) não existe razão para aplicar o controle do local, portanto, analisa o
experimento como sendo inteiramente casualisado.

Se o resultado de EB for próximo de um (1,0) indica que o uso de qualquer um dos dois delineamentos é
eficiente.

Quando o controle do local não é necessário mas é usado está se aumentando a probabilidade de cometer o
erro do tipo I, isto é, rejeitar Ho quando ela é verdadeira.
Considerando o exemplo anterior:
𝐉T𝟏 𝐐𝐌𝐁Z𝐉(𝐈T𝟏)𝐐𝐌𝐑 𝟓T𝟏 (𝟏,𝟑𝟖𝟓𝟐)Z𝟓 𝟒T𝟏 (𝟎,𝟑𝟓𝟐)
𝐄𝐁 = = = 1,7524
𝐢𝐣T𝟏 𝐐𝐌𝐑 𝟒 𝟓 T𝟏 (𝟎,𝟑𝟓𝟐)

Isto indica que para cada bloco seriam necessárias 1,8 repetições no delineamento inteiramente
casualizado. Então o uso de blocos foi efetivo 75,24% caso o experimento tivesse sido inteiramente
casualizado.
 ESTIMATIVA DA PARCELA PERDIDA
Seja a seguinte tabela representativa de um ensaio casualizado em blocos com I
tratamentos, J repetições e parcela perdida na primeira repetição do 1º tratamento.

Blocos Totais de
Tratamentos 1 2 ... J tratamentos
___________________________________________
1 X Y12 . . . Y1J T1 +X
2 Y21 Y22 . . . Y2J T2
- - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - - - -
- - - - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - -
- - - - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - -
I YI1 YI2 . . . YIJ TI
___________________________________________
Totais de blocos B1+X B2 . . . BJ G+X
___________________________________________
T = Soma das parcelas disponíveis no tratamento onde ocorreu a perda;
B = Soma das parcelas disponíveis no bloco onde ocorreu a perda;
G = total das parcelas disponíveis no experimento.
 I,J
(G + X)
2
SQ Total(x) = åY
i =1, j=1
´2
ij +X 2
-
IJ
æ 1ö I
æ 1ö
SQ Trat(x) = ç ÷å Ti + ç ÷(T + X ) -
´2 2 (G + X)
2

è J ø i=1 èJø IJ

SQB (X )
æ1ö J
´2 æ1ö
= - ç ÷ å B j + ç ÷ (B + X ) -
2 (G + X)
2

è I ø j=1 èIø IJ

SQR(x)= SQTotal(x) – SQTratamento(x) – SQBloco(x)

 ESTIMATIVA DA PARCELA PERDIDA
𝐈𝐓Z𝐉𝐁 T𝐆
L
𝐗=
(𝐈T𝟏)(𝐉T𝟏)
Por conta de um acidente qualquer, pode ocorrer a perda de uma parcela em um ensaio em
blocos casualizados. Nesse caso, a análise do experimento não é tão simples como nos ensaios no
delineamento inteiramente casualizado. O procedimento para a análise de um ensaio nessas
condições é dado a seguir:
L
1) Estimar a parcela perdida 𝐗
2) Substituir o valor estimado da parcela perdida no quadro de dados, e refazer-se as somas;
3) Analisar os dados normalmente, só que a soma de quadrados de tratamentos, nesse caso,
fica ligeiramente alterada (super estimada). Para corrigir-se isto, é necessário se fazer uma
correção para esta soma, correção esta dada pela seguinte expressão:

𝟐
𝐈−𝟏 𝐁
𝐔= L−
𝐗
𝐈 (𝐈 − 𝟏)

Assim esta soma de quadrados de tratamentos corrigido seria SQT(aj) = SQT - U;

4) No quadro de análise da variância, além da correção da soma de quadrados para
tratamentos, o número de graus de liberdade para o resíduo fica reduzido de uma unidade, ou
seja, GLR = (I-1)(J-1) - 1;

5) As comparações de médias pelo teste de Tukey ou outro teste de comparações de médias

qualquer exige o cálculo de duas DMS’s.

QMR
a) D = q é utilizado para comparar as médias de dois tratamentos quaisquer, desde que o
J
contraste não inclua a média do tratamento que teve a parcela perdida.

b) D’ = q æ QMR ö é 2 I ù
ç ÷ê + ú é utilizado para comparar as médias de dois tratamentos,
è 2 øë J J(I - 1)(J - 1) û
desde que o contraste inclua a média do tratamento que teve a parcela perdida.
Exemplo de Aplicação: Seja o seguinte ensaio fictício com 3 tratamentos e 4 repetições, onde
ocorreu a perda de uma parcela na 2ª repetição do 1º tratamento
________________________________________________
Blocos Totais de
Tratamentos I II III tratamentos
________________________________________________
1 5,0 X 8,0 13,0 + X
2 4,0 4,5 6,5 15,0
3 3,0 5,0 6,0 14,0
4 3,5 4,5 5,0 13,0
________________________________________________
Totais de blocos 15,5 14,0+X 25,5 55,0 + X
________________________________________________

Cálculo da Estimativa da Parcela Perdida

L = IT + JB - G = (4)(13) + (3)(14) - 55 = 39 = 6,5

𝐗
(I-1)(J-1) (4-1)(3-1) 6
 Blocos Totais de
Tratamentos I II III Tratamentos
___________________________________________________
1 5,0 6,5 8,0 19,5
2 4,0 4,5 6,5 15,0
3 3,0 5,0 6,0 14,0
4 3,5 4,5 5,0 13,0
___________________________________________________
Totais de blocos 15,5 20,5 25,5 61,5
___________________________________________________

SQ Total = 5,02 + 6,52 + ... + 5,02 - 61,52/12 = 22,06

SQ Trat = (1/3)(19,52 + 15,02 + ... + 13,02) - 61,52/12 = 8,23

SQ Blocos = (1/4)(15,52 + 20,52 + 25,52) - 61,52/12 = 12,50

SQRes = 22,06 - 8,23- 12,50 = 1,33

U = I-1 [X - B/(I-1)]2 = 2,52

 Comparação de médias

Comparar tratamentos que não perderam parcelas

D = q(4;5)
QMR 0,27
= 5,22 = 1,57
3 3
Comparar tratamentos que não perderam parcelas com
tratamento(s) que perdeu(ram) parcela(s)

D' = æ 0,27 öæ 2 4 ö
5,22 ç ÷çç + ÷÷ = 1,81
è 2 øè 3 (3)(3)(2) ø

100 0,27
CV = = 10,14%
5,125
A tabela resumo dos resultados, no caso seria:
______________________________
Tratamentos Médias
_____________________________
T1 6,50 a
T2 5,00 a b
T3 4,67 b
T4 4,33 b
______________________________
D = 1,57; D’= 1,81
CV = 10,14%
_____________________________
 ESTIMATIVAS DE DUAS OU MAIS PARCELAS PERDIDAS

Blocos Totais de
Tratamentos 1 2 ... J tratamentos
___________________________________________
1 X Y12 . . . Y1J T+X
2 Y21 Y22 . . . Z T2+Z
- - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - - - -
- - - - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - -
- - - - - - - - - - - -- - -- - - - - - - - - - - - - - - - - - -- - - -
I YI1 YI2 . . . YIJ TI
___________________________________________
Totais de blocos B1+X B2 . . . BJ+Z G+X+Z
___________________________________________

Ver exemplo na página 112 de Estatística Experimental Aplicada à Ciência Florestal

 Sistema de equações para perda de duas parcelas em tratamentos e blocos diferentes

I − 1 J − 1 X + Z = ITf + JBf − G
`
I − 1 J − 1 Z + X = ITi + JBi − G

Sistema de equações para perda de duas parcelas em tratamentos diferentes no mesmo bloco

X I − 1 J − 1 − Z(J − 1) = ITf + JB − G
`
Z I − 1 J − 1 − X(J − 1) = ITi + JB − G

Sistema de equações para perda de duas parcelas no mesmo tratamentos e blocos diferentes

X I − 1 J − 1 − Z(J − 1) = IT + JBf − G
`
Z I − 1 J − 1 − X(J − 1) = IT + JBi − G

Ver exemplo na página 117 de Estatística Experimental Aplicada à Ciência Florestal