1

1.1

ESTATSTICA EXPERIMENTAL Introduo

A experimentao tem por objetivo o planejamento e a execuo de experimentos, a anlise e a interpretao dos resultados obtidos nos experimentos. Maior nfase deve ser dada ao planejamento e interpretao do s resultados obtidos nas anlises. Sero tratados apenas mtodos apropriados para as anlises de ensaios balanceados, isto , quando os tratamentos apresentam o mesmo nmero de repeties.
1.2
1.2.1

Conceitos importantes em experimentao Experimento ou ensaio

o processo que permite a coleta das observaes sob condies previamente determinadas e impostas pelo pesquisador.
1.2.2

Fator

uma varivel cujo efeito se deseja conhecer e avaliar no experimento. Exemplos: (i) Experimento para se avaliar o ganho de peso de sunos alimentados com raes que apresentam diferentes % de protena bruta(PB). O fator em estudo % PB na rao. (ii) Experimento para se avaliar a produo de diferentes variedades de feijo plantadas com diferentes tipos de adubos. Neste caso, tm-se dois fatores em estudo: variedades de feijo e tipos de adubo.

2 1.2.3

Tratamento

Utilizado para caracterizar os tipos ou nveis que um fator assume, quando se tem um nico fator em estudo ou as combinaes dos tipos ou nveis dos fatores, no caso de se ter mais de um fator em estudo, simultaneamente. Exemplos: (i) Num experimento para se avaliar o efeito de um catalisador em uma reao qumica tem-se que o fator catalisador e assim, Trat. 1 - sem catalisador; Trat. 2 - com catalisador. (ii) No caso de um experimento para se avaliar a produo de trs diferentes variedades de feijo, V1, V2 e V3, plantadas com dois diferentes tipos de adubos, qumico (Q) e orgnico (O), tem-se dois fatores em estudo: um com trs nveis e outro com dois nveis. Assim, combinando-se esses nveis dos fatores, tem-se 2x3 = 6 tratamentos, ou seja, Variedade Tipo de adubo Tratamentos V1 Q T1 = V1Q V1 O T2 = V1O V2 Q T3 = V2Q V2 O T4 = V2O V3 Q T5 = V3Q V3 O T6 = V3O
1.2.4

Varivel resposta

a varivel a ser medida ou avaliada no experimento. Exemplos: ganho de peso, produo, etc.

3 1.2.5

Dados

So as observaes obtidas ou coletadas no experimento, ou seja, sos valores que a varivel resposta assume.
1.2.6

Parcela ou unidade experimental

o conjunto ou poro de material que recebe apenas um tratamento e de onde sero obtidos os dados para anlise. Exemplos: uma vaca, quatro sunos, trs poedeiras, uma placa de petri, uma linha de plantio de uma cultura, com 10m de comprimento, etc.
1.2.7

Bordadura

A bordadura consiste em deixar, em cada parcela, uma rea cujo material no ser utilizado nas avaliaes. Exemplo: De uma parcela com quatro linhas de 5m cada, com espaamento de 0,5m e com 10 plantas por metro linear, a qual apresenta rea total de 10 m2 e 200 plantas, pode-se utilizar apenas uma rea til de 3m2, com 60 plantas.

4 1.2.8

Variaes devido ao acaso ou erro experimental

So variaes que ocorrem nos experimentos atribudas a efeito de fatores no controlados, conhecidos ou no, que afetam os resultados experimentais. Esta variao ocorre entre parcelas que recebem o mesmo tratamento e causam prejuzo na discriminao do efeito dos tratamentos. Deve-se ter muito cuidado e procurar reduzir ao mximo o erro experimental, pois este est diretamente ligado preciso do experimento. Exemplos: (i) diferenas genticas entre os seres vivos; (ii) pequenas diferenas de fertilidade do solo; (iii) pequenas variaes nas condies ambientais; (iv) pequenas variaes nas doses de adubos, inseticidas, fungicidas, herbicidas, etc; (v) ligeiras variaes na distribuio de raes; (vi) variaes devido falta de uniformidade na conduo do ensaio, como diferenas devido variaes de temperatura, umidade, etc;
1.2.9

Delineamento experimental

a maneira como as parcelas esto dispostas no experimento. Como exemplo pode-se citar os delineamentos inteiramente casualizado (DIC), em blocos casualizados (DBC) e em quadrado latino (DQL).

1.3
1.3.1

Princpios bsicos da experimentao Repetio

o fato de um tratamento aparecer mais de uma vez no ensaio, ou seja, o tratamento atribudo a mais de uma parcela. permite a estimao do erro experimental; aumenta a preciso da estimativa, reduzindo o erro padro S da mdia do tratamento, uma vez que SX = , em que J J o nmero de repeties; diminui o erro experimental. ** Regras gerais (prticas): deve-se ter no mnimo 3 repeties/tratamento; ensaio deve ter no mnimo 20 parcelas; erro experimental deve ter no mnimo 10 graus de liberdade (GLErro 10).
1.3.2

Casualizao ou Aleatorizao

A atribuio dos tratamentos s parcelas deve ser de maneira aleatria, evitando a disposio sistemtica dos tratamentos, o que pode favorecer um determinado tratamento. Com a casualizao, cada tratamento tem a mesma probabilidade de ser destinado a qualquer parcela. A casualizao tem por objetivo assegurar uma estimativa no-viesada do erro experimental, das mdias dos tratamentos e das diferenas entre as mdias, assim como dar validade aos testes de hipteses realizados. - Exemplo:

6 1.3.3

Controle local

Refere-se a restries impostas no processo de casualizao, levandose em conta variaes conhecidas, ou que se tem suspeita, no material experimental. A nalidade do controle local dividir um ambiente heterogneo em sub-ambientes homogneos. Este procedimento torna o experimento mais eciente, pois reduz o erro experimental. De acordo com o controle local, tem-se os delineamentos: - DIC: sem controle local; - DBC: controle local em uma direo (blocos horizontais); - DQL: controle local em duas direes (blocos horizontais e verticais);
1.4

Anlise de Varincia (ANAVA)

uma metodologia estatstica desenvolvida por R.A. Fisher, considerada uma das ferramentas mais importantes do pesquisador na anlise de dados e interpretao dos resultados experimentais. Consiste na partio da varincia de uma varivel aleatria em partes ortogonais (independentes) correspondentes a tratamento e erro experimental. Os objetivos da ANAVA so: obter estimativas precisas das mdias e diferena entre as mdias dos tratamentos; testar hipteses sobre igualdade de mdias dos tratamentos e sobre a existncia de interaes entre fatores; obter estimativas dos componentes de varincia.

7 1.4.1

Variao total, variao entre tratamentos e variao dentro

Seja a observao yij do tratamento i na repetio j, com i = 1, 2, . . . , I e j = 1, 2, . . . , J. Assim, de um experimento tem-se Repetio 2 ... J y12 . . . y1J y22 . . . y2J . . . . . . . . . yI2 . . . yIJ Totais tratamentos T1 T2 . . . TI G

Tratamentos 1 2 . . . I em que,

1 y11 y21 . . . yI1

- Ti o total do tratamento i, sendo Ti =

j=1 I J

yij =
j

yij

- G o total geral, sendo G =

i=1 j=1

yij =
ij

yij

- Mdias dos tratamentos: mi = - Mdia geral: m = G . IJ

Ti ; J

Em um ensaio em DIC, a variao total ser desdobrada na variao entre tratamentos e na variao dentro de tratamentos, isto , Variao total = Variao Entre + Variao Dentro (SQTotal) (SQTrat) (SQErro)

em que, - Variao total (VTO): mede toda a variao ocorrida no ensaio, dada pela disperso das observaes em relao mdia geral. Representa a variao devida a todas as fontes que causam variabilidade nos dados. 2 V T O = SQT otal =
ij

yij
ij

(yij m)2 =
ij

2 yij

IJ

- Variao entre tratamentos (VE): mede a variao ocorrida no ensaio devido ao efeito de tratamentos, dada pela disperso das mdias dos tratamentos em relao mdia geral. 2 V E = SQT rat = J
i

yij
ij

1 (mi m) = J
2

Ti2
i

IJ

- Variao dentro (VD): mede a variao ocorrida no ensaio devida a fatores de acaso (no controlados), dada pela disperso das observaes de cada tratamento em relao s suas respectivas mdias. V D = SQErro =
ij

(yij mi)2 = SQT otal SQT rat

9 1.4.2

Estimativas das varincias de tratamento e de resduo (erro) e coeciente de variao:

SQT rat ; I 1 SQErro ; Varincia devido ao Erro: S 2 = QM Erro = I(J 1)

2 Varincia devido a Tratamentos: ST = QM T rat =

Coeciente de variao: S QM Erro CV (%) = 100 = 100. m m

1.4.3

Quadro da Anlise de Varincia

FV GL SQ QM F Entre tratamentos I 1 SQT rat QM T rat Fcalc Dentro tratamentos I(J 1) SQErro QM Erro Total IJ 1 SQT otal em que Fcalc = QM T rat QM Erro

- Teste F: Atravs da ANAVA obtm-se estimativas das varincias entre (QM T rat) e dentro (QM Erro). Sabe-se que o quociente de duas estimativas independentes de uma mesma varincia 2 tem distribuio F com 1 e 2 graus de liberdade. Assim, pode-se utilizar o teste F para vericar se as varincias entre e dentro podem ser consideradas como estimativas de uma mesma varincia 2, ou seja, se a variabilidade causada pelos diferentes tratamentos igual variabilidade devido ao acaso. Se isto verdade, conclui-se que no existe diferena signicativa entre os tratamentos.

10

Denindo ti como o efeito do tratamento i, as hipteses podem ser denidas por: H0 : t1 = t2 = . . . = tI = 0 Ha : ti = 0, para pelo menos um i A hiptese H0 ser rejeitada, ao nvel de signicncia, se Fcalc Ftab, em que Ftab = F (1, 2), sendo 1 os graus de liberdade de tratamentos e 2 os graus de liberdade do erro. Isto signica que os efeitos dos tratamentos so estatisticamente diferentes, isto , existe diferena signicativa entre os tratamentos.

11

2
2.1

DELINEAMENTO INTEIRAMENTE CASUALIZADO Introduo

O Delineamento Inteiramente Casualizado (DIC) o tipo de delineamento mais simples que existe, considerado como um delineamento bsico, sendo que os demais se originam dele, pela imposio de restries (controle local). Envolve dois princpios bsicos da experimentao: repetio e casualizao. indicado quando as condies experimentais so homogneas, isto , quando a variabilidade entre as parcelas experimentais for muito pequena ou praticamente inexistente. Devido a essa exigncia, recomendado para ensaios conduzidos em condies de laboratrio, casa de vegetao, com pequenos animais (aves), entre outros, onde as condies ambientais e do material experimental podem ser melhor controladas. Para a instalao desses experimentos no campo, deve-se ter certeza da homogeneidade das condies do experimento.
2.2
2.2.1

Vantagens e desvantagens do DIC Vantagens

(i) Pode-se utilizar qualquer nmero de tratamentos e repeties, sendo que o nmero de repeties pode variar de um tratamento para outro (ensaio desbalanceado) sem dicultar as anlises. O nmero de repeties depende apenas do nmero de parcelas disponveis; (ii) Apresenta maior nmero de graus de liberdade associado ao erro em relao a outros delineamentos.

12 2.2.2

Desvantagens

(i) Exige homogeneidade total das condies experimentais; (ii) Pode-se obter uma estimativa da varincia devido ao erro experimental bastante alta, quando no utilizado corretamente, pois, uma vez que no se considera o princpio do controle local, todas as variaes exceto as devidas aos tratamentos, so consideradas como variao do acaso.
2.3

Casualizao

A distribuio dos tratamentos s unidades experimentais feita completamente ao acaso, ou seja, no feita nenhuma restrio na casualizao. Assim, com este tipo de sorteio, todo tratamento tem a mesma chance de ser designado qualquer parcela do experimento.
2.4

Modelo Estatstico

Todo experimento expresso matematicamente por meio de um modelo. Portanto, para todos os delineamentos que sero estudados nesta disciplina, ser lanado um modelo estatstico. Este modelo estatstico visa identicar que fatores esto inuenciando a varivel em estudo. Para o DIC, o modelo linear adequado dado por: yij = m + ti + eij , em que, yij o valor observado na parcela que recebeu o tratamento i na repetio j;

13

m representa uma constante inerente a toda parcela, normalmente denida pela mdia geral; ti representa o efeito do tratamento i; eij o erro da parcela que recebeu o tratamento i na repetio j. O erro se deve ao fato de no ser possvel controlar todas as condies experimentais e se refere s variaes observadas entre as repeties do mesmo tratamento.
2.5

Anlise de Varincia (ANAVA)

Partindo do modelo estatstico, pode-se decompor a variao total entre as observaes nas partes que a compem, conforme denido anteriormente. No entanto, para que esta tcnica seja empregada necessrio que sejam satisfeitas as seguintes pressuposies: (i) os efeitos do modelo estatstico devem ser aditivos; (ii) os erros experimentais devem ser normalmente distribudos, independentes, com mdia zero e com varincia comum. Assim, partindo-se do modelo yij = m + ti + eij , tem-se (yij m)2 = J
ij i

(mi m)2 +
ij

(yij mi)2,

que, conforme visto anteriormente, pode ser representado por: SQT otal = SQT rat + SQErro.

14

Portanto, tem-se SQT otal =

ij ij

2 yij IJ
ij

(yij m)2 =
ij

2 yij

2 yij IJ

SQT rat = J
i

(mi m)2 =

1 J

Ti2
i

SQErro =
ij

(yij mi)2 = SQT otal SQT rat

O quadro da Anlise de Varincia (ANAVA) de um experimento instalado segundo o DIC, com igual nmero de repeties (J) para todos os tratamentos dado por: FV GL SQ QM F Tratamentos I 1 SQT rat QM T rat Fcalc Erro I(J 1) SQErro QM Erro Total IJ 1 SQT otal em que Fcalc = QM T rat QM Erro

A partir das SQT rat e SQErro, obtm-se os respectivos quadrados mdios(QM ), por meio do quociente entre a soma de quadrados com o respectivo nmero de graus de liberdade. Para se concluir se existe diferena signicativa entre os tratamentos, calcula-se o valor de F, que obtido pelo quociente do QM T rat com o QM Erro. Este valor de F calculado deve ser comparado com o valor de F tabelado, o qual obtido na tabela

15

de distribuio da varivel aleatria F, de acordo com o nvel de signicncia do teste ( = 1% ou 5%), graus de liberdade para tratamentos (1) e graus de liberdade do erro (2). As hipteses para o teste F da anlise de varincia para tratamentos, so as seguintes: H0 : t1 = t2 = . . . = tI = 0 Ha : ti = 0, para pelo menos um i A regra decisria para o teste F a seguinte: Se o valor do F calculado (Fc) for maior ou igual ao valor do F tabelado (Ftab), ento rejeita-se H0 e conclui-se que os tratamentos tem efeito diferenciado ao nvel de signicncia em que foi realizado o teste; Se o valor de F calculado for menor que o valor do F tabelado, ento no se rejeita H0 e conclui-se que os tratamentos tm efeitos iguais ao nvel de signicncia em que foi realizado o teste.
2.6

COEFICIENTE DE VARIAO (CV)

O coeciente de variao calculado da seguinte maneira: QM Erro CV (%) = 100 m em que, QM Erro o quadrado mdio do erro (quadro da ANOVA) e m a mdia geral do experimento. O CV utilizado para avaliao da preciso de experimentos. Quanto menor o CV , mais preciso o experimento. De acordo com GOMES (1984), tendo em vista os coecientes de variao obtidos comumente nos ensaios agrcolas de campo, podemos consider-los baixos, quando inferiores a 10%, mdios, quando

16

de 10 a 20%, altos, quando de 20 a 30% e muito altos, quando superiores a 30%. Experimentos de laboratrio ou de casa de vegetao geralmente so mais precisos e podem ter CV menores que 5%. Mas nem sempre isso acontece. Por exemplo, dados de anlise de solo geralmente apresentam CV alto e at muito alto, especialmente no caso de solos pobres, como os de cerrados. Um resumo, de acordo com GOMES (1984), apresentado a seguir: CV < 10% 10 a 20% 20 a 30% >30% Avaliao Baixo Mdio Alto Muito Alto Preciso Alta Mdia Baixa Muito Baixa

17

3
3.1

CONTRASTES Introduo

O estudo de contrastes muito importante na Estatstica Experimental. Com o uso de contrastes possvel que o pesquisador estabelea comparaes de interesse, entre tratamentos ou grupos de tratamentos. Os contrastes assim estabelecidos podem ento ser testados por meio de um teste de mdias, o qual complementa o resultado da anlise de varincia. - Exemplo de motivao Considere um experimento proposto para se estudar o efeito da implantao de hormnio nos ganhos de peso mdios de perus, na faixa de 15 a 20 semanas de idade. Os tratamentos em estudo foram: (1) Controle (sem hormnio), (2) 24 mg de dietilestilbestrol, (3) 10 mg de estradiol e (4) 20 mg de estradiol. O delineamento experimental foi o inteiramente ao acaso com 4 repeties e 8 aves/parcela. Os resultados experimentais foram os seguintes: Repetio 1 2 3 4 Mdias (mi) 1 2,54 2,25 2,85 2,56 2,55 Tratamentos 2 3 3,39 2,62 3,20 2,66 2,98 2,70 2,79 2,74 3,09 2,68 4 2,88 2,76 3,16 3,04 2,96

18

Quadro da Anlise de Varincia (ANAVA) FV Tratamentos Erro Total

GL 3 12 15

SQ 0,7400 0,4852 1,2252

QM 0,2467 0,0404

F 6,11

signicativo a 5%

Neste experimento, em que se tem os tratamentos de uma forma estruturada, pode-se denir algumas comparaes de interesse prtico, que respondessem s seguintes perguntas: (i) Os tratamentos com hormnio alteram, em mdia, o ganho de peso dos perus? (ii) Os hormnios dietilestilbestrol e estradiol garantem, em mdia, o mesmo ganho de peso dos perus? (iii) Os perus tm o mesmo ganho de peso mdio quando se as doses de 10 e 20 mg de estradiol? Para responder a estas perguntas, pode-se formular os seguintes contrastes: (i) Y1 = 3m1 m2 m3 m4 (ii) Y2 = 2m2 m3 m4 (iii) Y1 = m3 m4 cujas estimativas seriam Y1 = 1, 08, Y2 = 0, 54 e Y3 = 0, 28.

19

3.2

Denio

Considere a seguinte funo linear de mdias de tratamentos: Y = a1m1 + a2m2 + . . . + aI mI Y ser um contraste entre mdias se satiszer a seguinte condio:
I

ai = 0.
i=1

Na prtica, geralmente no se conhece os valores das mdias populacionais mi, mas apenas suas estimativas. Assim, em Estatstica Experimental no se trabalha com o contraste Y , mas com o seu estimador Y , que tambm uma funo linear de mdias obtidas por meio de experimentos ou amostras. Assim tem-se que o estimador do contraste Y dado por: Y = a1m1 + a2m2 + . . . + aI mI
3.3

Contrastes ortogonais

Em algumas situaes desejamos testar um grupo de contrastes relacionados com o experimento em estudo. Alguns tipos de testes indicados para este objetivo, como por exemplo o teste F, necessitam que os contrastes, que compem o grupo a ser testado, sejam ortogonais entre si. A ortogonalidade entre os contrastes indica independncia linear na comparao estabelecida por um contraste com a comparao estabelecida pelos outros contrastes. Os contrastes Y1 e Y2, dados por Y1 = a1m1 + a2m2 + . . . + aI mI Y2 = b1m1 + b2m2 + . . . + bI mI ,

20

so contrastes ortogonais se, em um experimento com o mesmo nmero de repeties, a seguinte condio for satisfeita:
I

aibi = 0.
i=1

Para um experimento com I tratamentos, podem ser formados vrios grupos de contrastes ortogonais. Se em um dado grupo, todos os contrastes tomados dois a dois so ortogonais, tem-se um grupo de contrastes mutuamente ortogonais, o qual poder conter no mximo (I 1) contrastes ortogonais, o que corresponde ao nmero de graus de liberdade para tratamentos. Uma metodologia bastante utilizada para a obteno de um grupo de contrastes mutuamente ortogonais, denominado de regras prticas, pode ser encontrado em BANZATTO e KRONKA (2006).

21

COMPARAES ENTRE MDIAS

Sabe-se que um teste F signicativo na anlise de varincia nos indica que pelo menos um contraste entre mdias diferente de zero. Para se determinar quais so esses contrastes, encontram-se vrios testes na literatura, denominados de procedimentos para comparaes mltiplas ou, simplesmente, de testes de mdias. Como exemplos tem-se: teste F para contrastes ortogonais, Tukey, Duncan, Student-Newman-Keuls (SNK), Scott-Knott, Dunnett, dentre outros.
4.1

Teste F para contrastes de mdias

O teste F da ANAVA pode ser utilizado para se testar grupos de contraste, desde que o grupo seja de contrastes mutuamente ortogonais e previamente estabelecidos. Neste caso, um novo quadro da ANAVA construdo, de tal forma que a cada contraste corresponde um grau de liberdade do fator em estudo e a soma de quadrados dada por SQY = Y2 c2 i
i

J,

em que Y o estimador do contraste, ci o coeciente da mdia i no contraste e J o nmero de repeties, que deu origem s mdias.

22

- Exemplo Considere o exemplo apresentado no captulo anterior, no qual se tem: Tratamentos 1. Controle 2. 24 mg de dietilestilbestrol 3. 10 mg de estradiol 4. 20 mg de estradiol Mdias(mi) 2,55 3,09 2,68 2,96 Y1 = 1, 08 Y2 = 0, 54 Y3 = 0, 28

O grupo de contrastes de interesse prtico: Y1 = 3m1 m2 m3 m4 Y = 2m2 m3 m4 2 Y =m m 3 3 4

Neste exemplo, o quadro da ANAVA com o teste F para o grupo de contrastes mutuamente ortogonais dado por:
FV Tratamentos Controle vs demais Dietil. vs Estrad. 10mg Est. vs 20mg Est. Erro

GL (3) 1 1 1 12

SQ (0,7400) 0,3888 0,1944 0,1568 -

QM 0,3888 0,1944 0,1568 0,0404

F 9,62 4,81 3,88ns

signicativo a 5%,

signicativo a 5% e ns no signicativo

23

4.2

Teste de Tukey

O teste de Tukey, utilizado na comparao entre todas as mdias, tomadas duas a duas. Assim, testa-se todos os I(I 1)/2 contrastes do tipo Y = mi mi , para 1 i < i I, em que I o nmero de nveis do fator em estudo. Este teste baseia-se na diferena mnima signicativa (DMS), representada por , que no caso de se ter o mesmo nmero de repeties, dada por: = q(I,,) QM Erro J

em que q(I,,) o valor tabelado da amplitude total estudentizada, que obtido na tabela de Tukey, em funo do nvel de signicncia, I nveis do fator em estudo e graus de liberdade do erro (ANAVA), QM Erro o quadrado mdio do erro (ANAVA) e J o nmero de repeties que deu origem s mdias. Para a realizao do teste Tukey, a um nvel de signicncia , necessrio: 1. enunciar as hipteses: H0 : mi = mi vs Ha : mi = mi , para i=i; 2. obter as estimativas dos contrastes, Y = mi mi , com base nos valores amostrais; 3. calcular ; 4. concluir a respeito da signicncia dos I(I 1)/2 contrastes em teste: se |Y | > , rejeita-se H0; caso contrrio, no se rejeita H0. Indicar as mdias iguais, seguidas por uma mesma letra .

24

4.3

Teste de Student Newman Keuls (SNK)

Assim como o teste de Tukey, o teste de SNK um procedimento utilizado para comparar mdias duas a duas. menos rigoroso que o teste de Tukey e pode identicar diferenas no discriminadas por este teste. O teste de SNK necessita a prvia ordenao das mdias e tambm baseia-se na DMS. Porm, so determinadas tantas DMS quantas so o nmero de mdias ordenadas abrangidas pelo contraste em estudo. Neste teste, a quantidade de DMS calculadas no mximo igual ao nmero de graus de liberdade para tratamentos. Se as mdias forem estimadas com o mesmo nmero de repeties, a DMS dada por: QM Erro , J em que q(k,,) o valor tabelado da amplitude total estudentizada, que obtido na tabela de Tukey, em funo do nvel de signicncia, do nmero de mdias ordenadas abrangidas pelo contraste (k) e graus de liberdade do erro (ANAVA). Observao: quando num conjunto de mdias ordenadas a comparar, a maior no difere signicativamente da menor, pelo teste de SNK, no se admite diferena signicativa entre mdias intermedirias. Para a realizao do teste de SNK, a um nvel de signicncia , necessrio: Kk = q(k,,) 1. Enunciar as hipteses: H0 : mi = mi vs Ha : mi = mi , para i=i; 2. Ordenar as mdias do fator em estudo em ordem crescente ou decrescente;

25

3. Calcular todas as DMS (Kk ), sendo que o nmero de DMS igual ao nmero de graus de liberdade do fator em estudo. 4. Colocar uma letra para a maior mdia. Esta ser a primeira mdia base; 5. Calcular a diferena entre a mdia base e a ltima mdia, ou seja, estimar o contraste entre a mdia base e a ltima mdia (menor mdia). Comparar o valor absoluto da estimativa com a respectiva DMS, Kk , em que k o nmero de mdias abrangidas pela comparao. Se a diferena, em termos absolutos, for maior que Kk , repete-se este passo tomando-se a mdia anterior, at obter uma diferena menor ou igual DMS ou at k = 2. Se a diferena entre as mdias for menor ou igual DMS, todas as mdias entre a mdia base e a mdia de comparao inclusive, recebem a mesma letra da mdia base. A primeira mdia diferente da mdia base recebe uma letra diferente e prossegue-se para o passo seguinte; 6. Muda-se a mdia base para a prxima mdia e repete-se o passo anterior, at que a mdia base seja a penltima. O teste de Tukey mais rigoroso que o teste de SNK, o que signica que mais fcil detectar diferenas signicativas com o teste SNK, ou seja, este teste discrimina mais que o Tukey. Existem outros testes para comparao de mdias duas a duas, que apresentam diferena quanto ao rigor. Para a escolha de um teste de mdias, considera-se o tipo de dado experimental, isto , a variabilidade inerente aos dados. Para condies que apresentam uma variabilidade inerente alta recomendvel a utilizao de testes menos rigorosos.

26

4.4

Teste de Sche

Este um teste utilizado em comparaes envolvendo mais de duas mdias. Dado o contraste Y = c1m1 + c2m2 + . . . + cI mI , o teste de Sche consiste na comparao do valor estimado para o contraste com a estatstica S= QM Erro (I 1) F J
I

c2 , i
i=1

em que F o valor de F tabelado, o qual obtido na tabela de F, de acordo com o nvel de signicncia ( = 1% ou 5%), graus de liberdade para tratamentos (1) e graus de liberdade do erro (2), isto , F = Ftab = F (1, 2), sendo 1 = GLT rat e 2 = GLErro. Sendo as hipteses H0 : Y = 0 e Ha : Y = 0, se |Y | S ento rejeita-se H0 ao nvel de probabilidade, ou seja, o contraste estatisticamente diferente de zero. Caso contrrio, no se rejeita H0.

27

5
5.1

DELINEAMENTO EM BLOCOS CASUALIZADOS Introduo

O delineamento em blocos casualizados (DBC) utilizado quando as condies experimentais no so completamente homogneas. Nesta situao devemos ento subdividir a rea ou o material experimental em blocos (ou grupos) de tal forma que exista homogeneidade dentro de cada um deles. Os tratamentos so distribudos de forma casualizada dentro de cada bloco e, assim, cada um deles conter uma repetio de cada tratamento. O DBC envolve os trs princpios bsicos da experimentao: 1. Repetio: existe pelo menos uma repetio de cada tratamento no experimento; 2. Casualizao: os tratamentos so distribudos inteiramente ao acaso dentro de cada bloco; 3. Controle Local: faz-se a diviso do local ou do material experimental, em sub-grupos ou blocos de tal forma que se garanta a uniformidade nestes blocos. Em experimentos de campo, deve-se subdividir a rea de campo em blocos de tal forma que cada um possa ser homogneo dentro de si com relao declividade, fertilidade, incidncia de luz solar, etc. Nos experimentos zootcnicos, deve-se subdividir o grupo maior de animais em subgrupos que sejam homogneos com relao a idade, peso, raa, etc. Em experimentos instalados segundo o DBC, no importa que as condies experimentais de um bloco sejam diferentes das condies experimentais do outro bloco. O que importa a homogeneidade dentro de cada bloco.

28

A instalao de um experimento no DBC quando o mesmo no necessrio, implica na perda de ecincia do experimento.
5.2

Casualizao

Como as parcelas se acham agrupadas em blocos e cada um deles deve conter uma repetio de cada tratamento, os tratamentos so aleatoriamente designados s parcelas, dentro de cada bloco.
5.3

Modelo Estatstico

Para o DBC, o modelo estatstico dado por: yij = m + ti + bj + eij , em que, yij o valor observado referente ao tratamento i no bloco j; m representa uma constante inerente a toda parcela, normalmente denida pela mdia geral; ti representa o efeito do tratamento i; bj representa o efeito do bloco j; eij o erro da parcela que recebeu o tratamento i no bloco j.
5.4

Anlise de Varincia (ANAVA)

Conforme visto anteriormente, na ANAVA deve-se decompor a variao total, que existe entre todas as observaes, nas partes

29

que a compe. Partindo-se do modelo yij = m + ti + bj + eij , e denindo-se ti = mi m e bj = mj m, pode-se demonstrar que
(yij m)2 = J
ij i

(mi m)2 + I
j

(mj m)2 +
ij

(yij mi mj + m)2 ,

em que, m a mdia geral, mi a mdia do tratamento i e mj a mdia do bloco j. Essa decomposio pode ser representado da seguinte forma: SQT otal = SQT ratamentos + SQBlocos + SQErro. Portanto, tem-se SQT otal =
ij ij

2 yij IJ
ij

(yij m)2 =
ij

2 yij

2 yij IJ

SQT rat = J
i

(mi m)2 =

1 J

Ti2
i

ij

yij IJ

SQBlocos = I
j

1 (mj m) = I
2

2 Bj j

SQErro =
ij

(yij mi)2 = SQT otal SQT rat SQBlocos,

em que I o nmero de tratamentos, J o nmero de blocos, Ti o total do tratamento i e Bj o total do bloco j.

30

O quadro da Anlise de Varincia (ANAVA) de um experimento instalado segundo o DBC, com o mesmo nmero de repeties, J, para todos os tratamentos dado por: FV GL SQ QM F Tratamentos I 1 SQT rat QM T rat Ftrat Blocos J 1 SQBlocos QM Blocos Fblocos Erro (I 1)(J 1) SQErro QM Erro Total IJ 1 SQT otal em que Ftrat = QM T rat QM Blocos e Fblocos = . QM Erro QM Erro

Geralmente, o que interessa na anlise de um experimento, avaliar se existe diferena signicativa entre os tratamentos, o que pode ser vericado por meio do teste F para tratamentos. As hipteses para o teste F da anlise de varincia, para tratamentos, so as mesmas para o caso do DIC, ou seja, H0 : t1 = t2 = . . . = tI = 0 Ha : ti = 0, para pelo menos um i A regra decisria tambm a mesma. Se o valor do F calculado para o efeito de tratamentos (Ftrat) for maior ou igual ao valor do F tabelado (Ftab), ento rejeita-se H0 e conclui-se que os tratamentos tem efeito diferenciado ao nvel de signicncia em que foi realizado o teste. Caso contrrio, no se rejeita H0 e conclui-se que os tratamentos tm efeitos iguais. O teste F para blocos, ou seja comparao entre blocos, geralmente desnecessria, pois ao instalar o experimento no DBC, o pesquisador estabeleceu os blocos para controlar uma causa de variao conhecida. Porm, este teste pode ser aplicado para vericar se o controle local foi eciente. Assim, o pesquisador pode

31

realizar o teste F para blocos, para servir como orientao para a instalao de futuros.
5.5

Exemplo

Num experimento de competio de variedades de milho, as produes em kg/parcela foram: Variedades V1 V2 V3 V4 V5 V6 Totais Pede-se: 1. Faa a Anlise de Varincia e conclua corretamente; 2. Discuta sobre a preciso do experimento; 3. Compare as mdias das variedades pelo teste de SNK, concluindo corretamente. Indique a(s) variedade(s) mais produtiva(s). 4. Suponha que V1 e V6 sejam variedades da empresa Sementex e as variedades V2 e V3 pertenam empresa Milharal S.A. Obtenha um contraste para comparar a produo mdia das variedades das duas empresas, teste-o utilizando o teste de Sche e conclua corretamente. 1 35,4 42,8 16,3 15,8 21,5 19,3 151,1 2 30,6 35,4 16,2 14,5 18,7 23,2 138,6 Blocos 3 28,7 29,2 13,5 10,4 15,8 14,2 111,8 4 36,2 35,1 20,3 21,6 25,4 21,7 160,3 5 29,2 34,8 19,4 18,3 25,2 28,8 155,7 Totais 160,1 177,3 85,7 80,6 106,6 107,2 717,5