Aula: Delineamento em Quadrado Latino

Prof. Dr. Emerson Dechechi Chambó

chamboed@ufrb.edu.br
 DQL

(Parte III – Delineamento em quadrado

latino)

UFRB, Chambó, E.D.

 DQL

• Finalidade:
• Controlar duas fontes de variabilidade presentes nas unidades experimentais.

• Aplicações:
• Quando os resultados podem ser afetados por dois fatores perturbadores ou por duas
fontes de heterogeneidade.
• Experimentos com nº. de tratamentos entre 5 e 8.

• Princípios básicos da experimentação empregados:

• Casualização.
• Repetição.
• Controle local duplo.

UFRB, Chambó, E.D.

 DQL

• Vantagens:
• Melhora a precisão da estimativa do quadrado médio do resíduo quando o duplo
bloqueio é aplicado corretamente – controle local mais eficiente.
• Redução de custo e maior eficiência em experimentos zootécnicos.

• Desvantagens:
• Pouca flexibilidade.
• Perdas de parcelas podem provocar complicações analíticas.
• Há uma diminuição nos g.l. do erro em comparação ao DIC e DBC.

• Casualização:
• Distribuição sistemática dos tratamentos nas linhas, de modo que cada coluna
contenha todos os tratamentos e, em seguida, distribui-se ao acaso as linhas entre
si, e depois as colunas, obtendo-se um quadrado final.

UFRB, Chambó, E.D.

 Modelo matemático e hipóteses básicas para a análise de variância

• Modelo estatístico:

i = 1, 2, ..., p
Yijk = μ + αi + τj + βk + εijk j = 1, 2, ..., p
k = 1, 2, ..., p

onde:
Yijk é valor da observação na i-ésima linha e k-ésima coluna do j-ésimo tratamento.
μ é média geral, sem efeito de tratamento, linha e coluna.
τj é o efeito do j-ésimo tratamento
αi é o efeito da i-ésima linha.
βk é o efeito da k-ésima coluna.
εijk é o erro aleatório.
• O modelo é completamente aditivo, ou seja, não há interações entre linhas e
colunas e tratamentos. O εijk é o termo de erro aleatório associado à observação Yijk.
O εijk ~ NID (0, σ2).

UFRB, Chambó, E.D.

 A análise de variância para o DQL

• Análise de variância para o DQL:

• Suponhamos um experimento planejado em DQL 5 x 5 com i = 1, 2,..., p = 5 linhas, k
= 1, 2, ..., p = 5 colunas e j = 1, 2...p = 5 tratamentos (A, B, C, D e E).

Quadro 3. Dados típicos para um experimento em DQL 5 x 5.

Colunas Totais
Linhas 1 2 3 4 5 yi..

1 y111 (A) y122 (B) y133 (C) y144 (D) y155 (E) y1...
2 y221 (B) y232 (C) y243 (D) y254 (E) y215 (A) y2..
3 y331 (C) y342 (D) y353 (E) y314 (A) y325 (B) y3...
4 y441 (D) y452 (E) y413 (A) y424 (B) y435 (C) y4..
5 y551 (E) y512 (A) y523 (B) y534 (C) y545 (D) y5..
Totais y..k y..1 y..2 y..3 y..4 y..5 y..

UFRB, Chambó, E.D.

 A análise de variância para o DQL

• Análise de variância para o DQL:

• Suponhamos um experimento planejado em DQL 5 x 5 com i = 1, 2,..., p = 5 linhas, k
= 1, 2, ..., p = 5 colunas e j = 1, 2...p = 5 tratamentos (A, B, C, D e E).

Quadro 4. Totais de tratamentos (y.j.) para o DQL.

Tratamento Totais
A y.1.
B y.2.
C y.3.
D y.4.
E y.5.

UFRB, Chambó, E.D.

 Análise de variância para um DQL

• Quadro de ANOVA para um DQL:

Fonte de Graus de Soma de Quadrado F calculado F tabular

variação (F.V.) liberdade (g.l.) quadrados Médio (QM)
(SQ)
Tratamento p–1 SQT SQT / p – 1 QMT / QME Fα (g.l.T; g.l.E)
Linha p–1 SQL SQL / p – 1
Coluna p–1 SQC SQC / p – 1
Erro (p –2) (p – 1) SQE SQE / (p – 2)(p – 1)
Total p2 – 1 SQTotal

Fcalculado = QMT / QME tem distribuição Fp – 1, ( p – 2)(p – 1) sob Ho verdadeira.

• Se Fcalculado > F α, p – 1, (p – 2)(p – 1), rejeita-se H0, caso contrário aceite H0. Se p-valor < α,
rejeita-se H0.

UFRB, Chambó, E.D.

 Análise de variância para um DQL

• Fórmulas práticas para obtenção das SQ’s para um DQL:

2
y
SQ Total   y ijk
2
 ..
i j k N

1 p 2 y..2
SQ T   y. j. 
p j1 N
1 p 2 y ..2
SQL   y i.. 
p i1 N
1 p 2 y..2
SQC   y..k 
p k 1 N
SQE = SQTotal – SQT – SQL – SQC

UFRB, Chambó, E.D.

 DQL

• Exercício Aplicado:
• Num experimento de competição de variedades de cana-de-açúcar foram usadas 5
variedades: A=Co290; B=Co421; C=Co419; D=POJ2878 e E=CP36-13, dispostas em
um quadrado latino 5x5. O controle feito por meio de blocos horizontais (linhas) e
blocos verticais (colunas) com o objetivo de eliminar influências devidas a diferenças
de fertilidade em duas direções. O esquema, ou croqui, do experimento e respectivas
produções, em kg/parcela, são apresentadas na Tabela 1.

UFRB, Chambó, E.D.

 DQL
1) Passo 1: Enuncie as hipóteses estatísticas.

H0: {T1 = T2 = T3 =T4 = T5}

H1: {não H0}

2) Passo 2: Especifique o nível de significância (α) para a realização das análises.

α = 5%

UFRB, Chambó, E.D.

 DQL

3) Passo 3: Monte o quadro de ANOVA e determine o Fcalculado.

Fonte de Graus de Soma de Quadrado F calculado F tabular
variação (F.V.) liberdade (g.l.) quadrados Médio (QM)
(SQ)
Tratamento 5–1=4 SQT SQT / p – 1 QMT / QME F5% (4; 12)
Linha 5–1=4 SQL SQL / p – 1
Coluna 5–1=4 SQC SQC / p – 1
Erro (5 –2) (5 – 1) =12 SQE SQE / (p – 2)(p – 1)
Total 52 – 1 = 24 SQTotal

SQ Total   y ijk 

2 y 2
..
 ( 432  ...  318 ) 
2 2 432  ...  318 
?
2

Fator de Correção
i j k N N  25
1 p 2 y ..2
SQ T   y . j.  

2463,00 2  ...  2005,00 2
 FC  ?

p j1 N p5

UFRB, Chambó, E.D.

 DQL
3) Passo 3: Monte o quadro de ANOVA e determine o Fcalculado.
Fonte de Graus de Soma de Quadrado F calculado F tabular
variação (F.V.) liberdade (g.l.) quadrados Médio (QM)
(SQ)
Tratamento 5–1=4 SQT SQT / p – 1 QMT / QME F5% (4; 12)
Linha 5–1=4 SQL SQL / p – 1 QML / QME F5% (4; 12)
Coluna 5–1=4 SQC SQC / p – 1 QMC/ QME F5% (4; 12)
Erro (5 –2) (5 – 1) =12 SQE SQE / (p – 2)(p – 1)
Total 52 – 1 = 24 SQTotal

1 p 2 y ..2
SQL   y i..  

2322,00 2  ...  2325,00 2
 FC  ?

p i1 N p5
1 p 2 y ..2
SQC   y ..k  

2654,00 2  ...  1970,00 2
 FC  ?

p k 1 N p5

SQE = SQTotal – SQT – SQL – SQC

UFRB, Chambó, E.D.

 DQL

4) Passo 4: Calcule o coeficiente de variação (CV%).

QME
C.V.(%)   100
Y..

5) Passo 5. Tome uma decisão a partir da região de rejeição.

F 5%(4; 12) = 3,26

Fcal = 12,0905
Desenhar o gráfico, indicando a área de aceitação de H0 e a área de rejeição de H0.
6) Passo 6. Interprete o resultado.
UFRB, Chambó, E.D.