Escolar Documentos
Profissional Documentos
Cultura Documentos
EXPERIMENTOS FACTORIAIS
(a) Definição
Na definição de F. Yates, experimentos factoriais são aqueles que incluem todas as combinações de
vários conjuntos de factores. Por exemplo, podemos num experimento com novas variedades de
algodão, combinar 4 variedades com 3 espaçamentos obtendo um factorial de 4x3, onde temos todas
as 12 combinações possíveis. Num experimento de adubação mineral podemos combinar 3 doses de
nitrogénio com 3 de fósforo e 3 de potássio, obtendo um factorial de 3x3x3 ou 33, com 27 diferentes
combinações.
(i) Vantagens:
(ii) Desvantagens:
(c) Notação
Factores são indicados com letras maiúsculas e níveis de um factor são indicados com letras
minúsculas. Por exemplo se tivermos um factor fertilizante com quatro níveis (0,40,60,e 90) indica-se
o factor por A e os quatro níveis por a0,a1,a2,a3.
Se tivermos dois factores A e B cada um com dois níveis então temos um experimento factorial 2x2.
Os tratamentos diferentes podem ser indicados com duas alternativas:
Factor A Factor A
Nível a0 a1 Nível a0 a1
b0 a0b0 a1b0 b0 (1) A
Factor B Factor B
b1 a0b1 a1b1 b1 b Ab
(a) O efeito simples: Refere-se ao efeito dum factor ao nível fixo de outro factor.
• Quando B = b0
(a1b0-a0b0)
• Quando B = b1
(a1b1-a0b1)
• Quando A = a0
(a0b1-a0b0)
• Quando A = a1
(a1b1-a1b0)
Efeitos principais
• para factor A
= ½[(a1b0-a0b0) +(a1b1-a0b1)]
• para factor B
= ½[(a0b1-a0b0) +(a1b1-a1b0)]
Caso 1
Efeitos principais
Adubo Nitrogénio
Variedade 0Kg/ha 60Kg/ha Média
a1 1,0 1,0 1,0
a2 2,0 4,0 3,0
Média 1,5 2,5 -
Efeitos principais
Note: Neste caso, efeitos simples são diferentes dos efeitos principais.
Interacção
Existe uma interacção entre dois factores se o efeito de um dos factores altera para alguns ou todos
os níveis do outro factor.
Do caso A
½(2-2) = ½(1-1)=0
Significa que não há interacção entre o factor adubo e o factor variedade.
Do Caso B
½(2-0) = ½(3-1)=1
Neste caso há uma interacção entre o factor adubo e o factor variedade.
4 a2 4
3 a1 3
2 2
1 1
N
N
0 60 0 60
Não há interacção Há interacção
a) Dois factores
εijk ~N(0,σ²);
Onde:
µ = Média geral
θi = µi.-µ é o efeito do nível i do factor A
τj = µ.j-µ é o efeito do nível j do factor B
(θτ)ij= µij-µi.-µ.j é a interacção entre o nível i do factor A e o nível j do factor B.
εijk= O termo erro.
Tabela axb de Totais dos Tratamentos
Níveis do factor B
Níveis do
1 2 3 b Yi.. Yi..
factor A
1 Y11. Y12. Y13. . . Y1b. Y1.. Y1..
2 Y21. Y22. Y23. . . Y2b. Y2.. Y2..
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
a Ya1. Ya 2. Ya 3. . . Yab. Ya.. Ya..
Y. j . Y.1. Y.2. Y.3. . . Y.b. Y...
Y. j . Y.1. Y.2. Y.3. . . Y.b. Y ...
rab
i =1 j =1 k =1 i =1 j =1 k =1
∑∑ Y
i =1 j =1
2
ij .
SQTrat = − FC
r
SQTrat =SQ(A)+SQ(B)-SQ(AB)
a
∑Y 2
i ..
SQ( A) = i =1
− FC
rb
b
∑Y
j =1
2
. j.
SQ( B ) = − FC Q
ra
SQ(AB)=SQTrat-SQ(A)-SQ(B)
(a) Faça um quadro de totais dos tratamentos a duas vias, como se mostra abaixo.
Efeitos simples de A
Y21 Y11
Para a1 : C1 = − = Y21. − Y11.
r r
Y22 Y12
Para a2 : C2 = − = Y22 − Y12
r r
Efeitos Principais de A
Efeitos simples de B
Y12. Y11.
Para b1 : D1 = − = Y12. − Y11.
r r
Y22. Y21.
Para b2 : D2 = − = Y22. − Y21.
r r
Efeitos Principais de B
Foi conduzido um ensaio na estufa para avaliar o efeito de nitrogénio e enxofre no rendimento de
trevo. O delineamento completamente casualizado com 3 repetições foi usado. Os resultados do
ensaio são abaixo apresentados em termos de gramas de matéria seca por vaso.
Enxofre equivalente em Kg
Nitrogénio
(Kg/ha)
em (Kg/ha)
0 10
4,48 5,88
0 4,52 5,98
4,63 5,91
5,76 6,26
25 5,64 6,26
5,78 6,37
Tabela de Totais dos Tratamentos
Efeitos Simples
• Para o nitrogénio
c1 = y21. − y11. = 5,73 − 4,54 = 1,19
c2 = y22 − y12 = 6,30 − 5,92 = 0,38
Uso de fertilizante nitrogénio aumenta o rendimento médio com ou sem enxofre, mas o aumento do
rendimento médio é maior na ausência de enxofre do que na presença de enxofre.
• Para o enxofre
d1 = y12. − y11. = 5,92 − 4,54 = 1,38
d 2 = y22 − y21 = 6,30 − 5,73 = 0,57
Uso de enxofre aumenta o rendimento médio com ou sem nitrogénio, mas o aumento do
rendimento médio é maior na ausência de nitrogénio do que na presença de nitrogénio.
Efeitos principais
• Para nitrogénio
c1 + c2 1,19 − 0,38
EPN = = = 0,79
2 2
Análise de Variância
2
⎛ a b r ⎞
⎜ ∑∑∑ yijk ⎟
⎜ ⎟ 2
FC = ⎝
i =1 j =1 k =1 ⎠ = 67,47 = 379,35
rab 3 x 2 x3
a b r
SQT = ∑∑∑ yijk
2
− FC = 4,482 + 4,522 + ... + 6,37 2 − FC = 384,55 − 379,35 = 5,20
i j k
a b
∑∑ y 2
ij .
13,632 + 17,77 2 + 17,182 + 18,892
SQTrat = i j
− FC = − FC = 384,54 − 379,35 = 5,20
r 3
SQTrat=SQ(E)+SQ(N)+SQ(EN)
∑y 2
i ..
31,42 + 36,07 2
SQ( N ) = i =1
− FC = − FC = 381,17 − 379,35 = 1,82
rb 3x2
b
∑y
j =1
2
. j.
30,812 + 36,662
SQ( E ) = − FC = − FC = 382,20 − 379,35 = 2,85
ra 3x 2
SQ ( ExN ) = SQTrat − SQ ( N ) − SQ ( E ) = 5 ,16 − 1,82 − 2 ,85 = 0 , 49
SQE = SQT − SQ( N ) − SQ( E ) − SQ( ExN ) = SQT − SQTrat = 5,20 − 5,16 = 0,04
Tabela da Análise de Variância
Fcrit
Fonte de Variação GL SQ QM Fcal
α=0,05 α=0,01
Enxofre 1 2,85 2,85 285,00 5,32 11,26
Nitrogénio 1 1,82 1,82 182,00
ExN 1 0,49 0,49 49,00
Erro 8 0,04
Total 11 5,20
CV=1,8%
Enxofre
Diferença
0 10
0 4,54 5,92 1,38**
Nitrogénio
25 5,73 6,30 0,57**
Diferença 1,19** 0,38**
2QME 2 * 0,01
DMSα = 0,01 = t8,α = 0, 01 * = 2,896 * = 0,24
r 3
Enxofre
Na presença e ausência de nitrogénio, enxofre aumenta o rendimento médio de trevo de modo
significativo (p<0,01)
Nitrogénio
Na presença e ausência de enxofre, nitrogénio aumenta o rendimento médio de trevo de modo
significativo (p<0,01).
b) Experimentos Factoriais com Três Factores
Modelo Estatístico
Factor B
Factor A Factor C Total
b1 b2 b3
c1 Y111. Y121. Y1b1. Y1.1.
c2 Y112. Y122. Y1b2. Y1.2.
a1 . . . . .
cc Y11c. Y12c. Y1bc. Y1.c.
Total Y11.. Y12.. Y1b.. Y1...
c1 Y211. Y221. Y2b1. Y2.1.
c2 Y212. Y222. Y2b2. Y2.2.
a2
cc Y21c. Y22c. Y2bc. Y2.c.
Total Y21.. Y22.. Y2b.. Y2...
c1 Ya11. Ya21. Yab1. Ya.1.
c2 Ya12. Y132. Yab2 Ya.2.
aa . . . . .
cc Ya1c. Ya2c. Yabc. Ya.c.
Total Ya1.. Ya2.. Yab.. Ya...
c1 Y.11. Y.21. Y.b1. Y..1.
c2 Y.12. Y.22. Y.b2. Y..2.
(a1+a2+..+aa) . . . . .
cc Y.1c. Y.2c. Y.bc. Y..c.
Total Y.1.. Y.2.. Y.b.. Y....
a b c r
1. Y....= ∑∑∑∑ Y
i =1 j k l
ijkl o valor total de todas as observações para o ensaio
Y....
2. Y.... = o valor médio para o ensaio
rabc
r
3. Yijk. = ∑Y l =1
ijkl o valor total do tratamento ijk (combinação dos níveis ijk dos factores A,B e C
respectivamente).
Yijk .
4. Yijk . = o valor médio do tratamento ijk
r
b c r
5. Yi... = ∑∑∑ Y j k l
ijkl o valor total para o nível i do factor A
Yi...
6. Yi ... = o valor médio para o nível i do factor A
rbc
a c r
7. Y.j..= ∑∑∑ Y
i =1 k =1 l =1
ijkl o valor total para o nível j do factor B
Y. j ..
8. Y. j .. = o valor médio do nível j do factor B
rac
a b r
9. Y..k.= ∑∑∑ Y i j l
ijkl o valor total do nível k do factor C
Y..k .
10. Y..k . = o valor médio do nível k do factor C
rab
c r
11. Yij.. = ∑∑ Y
k =1 l =1
ijkl
o valor total associado com o nível i do factor A e o nível j do factor B
Yij ..
12. Yij .. = o valor médio associado com o nível i do factor A e o nível j do factor B
rc
b r
13. Yi .k . = ∑∑ Yj =1 l =1
ijkl o valor total associado com o nível i do factor A e o nível k do factor C
Yi.k .
14. Yi.k . = o valor médio associado com o nível i do factor A e o nível k do factor C
rb
a r
15. Y. jk . = ∑∑ Yi =1 l =1
ijkl o valor total associado com o nível j do factor B e o nível k do factor C
Y. jk .
16. Y. jk . = o valor médio associado com o nível j do facto B e o nível k do factor C
ar
A análise de variância
2
⎛ a b c r ⎞
⎜ ∑∑∑∑ Yijkl ⎟
⎜ ⎟ Y....2
a) FC = ⎝ i =1 j =1 k =1 l =1 ⎠ =
rabc rabc
2
∑∑∑ Y
i =1 j =1 k =1
2
ijk .
c) SQTrat = − FC
r
SQTrat = SQ ( A ) + SQ ( B ) + SQ (C ) + SQ ( AB ) + SQ ( AC ) + SQ ( BC ) + SQ ( ABC )
a
∑Y 2
i ...
SQ( A) = i =1
− FC
rbc
a
∑Y 2
. j ..
SQ( B) = i =1
− FC
rac
a
∑Y 2
..k .
SQ(C ) = i =1
− FC
rab
a b
∑∑ Y
i =1 j =1
2
ij ..
∑∑ Y 2
i .k .
SQ( AxC ) = i =1 k =1
− FC − SQ( A) − SQ(C )
rb
b c
∑∑ Y
j =1 k =1
2
. jk
SQ( AxBxC ) = SQTrat − SQ( A) − SQ( B) − SQ( AxB) − SQ(C ) − SQ( AxC ) − SQ( BxC )
Fonte de GL SQ QM F
Variação
Factor A a-1 SQ(A) SQ( A) QM ( A)
a −1 QME
Factor B b-1 SQ(B) SQ( B ) QM ( B)
b −1 QME
AxB (a-1)(b-1) SQ(AB) SQ( AxB) QM ( AxB)
(a − 1)(b − 1) QME
Factor C c-1 SQ(C) SQ(C ) QM (C )
c −1 QME
AxC (a-1)(c-1) SQ(AC) SQ( AxC ) QM ( AxC )
(a − 1)(c − 1) QME
BxC (b-1)(c-1) SQ(BC) SQ( BxC ) QM ( BxC )
(b − 1)(c − 1) QME
AxBxC (a-1)(b-1)(c-1) SQ(ABC) SQ( AxBxC ) QM ( AxBxC )
(a − 1)(b − 1)(c − 1) QME
NB. Um exemplo empírico para um experimento factorial com três factores será apresentado para o
DBCC
a) Dois factores
Modelo Estatístico
Yijk = µ+ Θi+ τj+ βk+ (Θτ)ij+ εijk, εijk ~iidN(0,σ²); i=1,2,...,a; j=1,2,...,b e k=1,2,...,r
Onde:
µ = Média geral
Θi = efeito do nível i do factor A
τj = efeito do nível j do factor B
βk = efeito de repetição (bloco) k
(Θτ)i= interacção entre o nível i do factor A e o nível j do factor B.
εijk = O termo do erro.
Exemplo 1 experimento factorial 2x2 em delineamento de blocos
completos casualizados.
Consideremos agora o seguinte experimento factorial de 2x2 em que os factores eram adubo mineral
(A) e torta filtros oliver de usinas de açúcar (T).
Adubo(A)
a0 a1
t0 y11. =11,9 y12. =20,2 8,3
Torta(T)
t1 y21. =16,3 y22. =19,4 3,1
y2 j . − y1 j . 4,4 -0,8
8,3 + 3,1
EPA = = 5,76
2
4,4 + (−0,8)
EPT = = 1,8
2
Análise de variância
(1) Factor de Correcção (FC)
2
⎛ z b r ⎞
⎜ ∑∑∑ yijk ⎟
⎜ ⎟ 260,62
FC = ⎝ i =1 j =1 k =1 ⎠ = = 4576,5225
rab 4*2*2
Soma dos Quadrados Totais
a b r
SQT = ∑∑∑ yijk
2
− FC = 18,82 + 8,62 + ... + 20,22 − FC
i =1 j =1 k =1
∑y 2
..k
77,42 + 64,22 + ... + 61,02
SQB = k =1
− FC = − FC = 37,8275
ab 2*2
∑∑ y
i =1 j =1
2
ij .
47,42 + 80,82 + 65,02 + 77,42
SQTrat = − FC = − FC = 171,27
r 4
(5) Soma dos Quadrados do Erro
=SQT – SQB – SQTrat
=246,7975-37,8275-171,27
=37,70
∑y 2
i ..
112,42 + 158,22
SQ( A) = i =1
− FC = − FC = 131,1025
ra 4*2
b
∑y
j =1
2
. j.
128,22 + 142,42
SQ(T ) = − FC = − FC = 12,6025
ra 4*2
Fonte de F critico
GL SQ QM F calc.
Variação α=0,05 α=0,01
Blocos 3 37,83 12,61 3,01
3,86 6,99
Tratamento 3 171,27 57,09 13,63**
Factor A 1 131,10 131,10 31,29**
Factor T 1 12,60 12,60 3,01 5,12 10,56
AxT 1 27,57 27,57 6,58*
Erro 9 4,19
Total 15 246,80
Quando uma interacção é significativa, devem se estudar as médias relacionadas com esta interacção.
Aqui a interacção AT é significativa, então devem estudar-se as médias das combinações
dos factores A e T.
Adubo(A)
Diferença
Sem Com
Sem 11,9 20,2 -8,4**
Torta(T)
Com 16,3 19,4 -3,1
Diferença 4,4** -0,9
Cálculo de DMS
2QME 2 * 4,19
DMSα = 0,05 = t8,α = 0, 05 * = 1.833 * = 2,65
r 4
2QME 2 * 4,19
DMSα = 0,01 = t8,α = 0,01 * = 2,821 * = 4,08
r 4
Conclusão
Adubo: No caso de não estar presente a torta, o adubo faz aumentar a produção de modo
significativo (p=0,01).
Torta : Na ausência de adubo, a torta aumenta a produção de modo significativo (p=0,05) enquanto
a torta não influi na produção quando o adubo está presente.
Exemplo 2
Foi conduzido um ensaio para estudar o efeito da aplicação de adubo nitrogénio (N) e cobertura
com palha (M) no crescimento de plantas de Anthocephalus chinensis. O ensaio foi experimento
factorial 3x4 em delineamento de blocos completos casualizados com 3 repetições. Os dados do
ensaio são abaixo apresentados:
Adubo Nitrogénio
Nível Total Média
n1 n2 n3
p1 51 58 72 y1.. = 181 y1.. =20,11
p2 86 53 120 y2.. = 259 y2.. =28,78
p3 65 59 74 y3.. = 198 y3.. =22,00
p4 61 49 74 y4.. = 184 y4.. =20,47
Totais y.1. =263 y.2. =219 y.3. = 340 y... = 822
Médias y.1. = 21,92 y.2. =18,25 y.3. =28,33
Análise de variância
∑y 2
..k
267 2 + 2802 + 2752
SQB = k =1
− FC = − FC = 7,1667
ab 3* 4
∑∑ y
i =1 j =1
2
ij .
512 + 582 + ... + 742
SQTrat = − FC = − FC = 1409
r 3
SQE = SQtotal-SQB-SQT
=1581 -7,1667 -1409
=164,8333
∑y 2
1812 + 2592 + 1842
i ..
SQ( P) = − FC =
i =1
− FC = 442,333
rb 3*3
b
∑y
j =1
2
. j.
2632 + 2192 + 3402
SQ( N ) = − FC = − FC = 625,1667
ra 3* 4
Fonte de Fcrit
GL SQ QM Fcalc
Variação α=0,05 α=0,01
Blocos 2 7,1667 3,5834 <1
3,44 5,72
Factor N 2 625,1667 312,5834 41,72**
Factor P 3 442,3333 147,4444 19,68** 3,05 4,82
NxP 6 341,5000 56,9167 7,60** 2,55 3,76
Erro 22 164,83 7,4924
Total 35 1581,0000
Coeficiente de Variação
QME 7,4924
CV = *100 = *100 = 12%
y... 22,83
QME 7,4924
s y. j . = = = 0,791
ra 3* 4
QME 7,4924
s y i .. = = = 0,9124
rb 3*3
QME 7,4924
s y ij . = = = 1,5801
r 3
2QME 2 * 7,4924
s y . j . − y. s . = = = 1,1175
ra 3* 4
2QME 2 * 7,4924
s y i .. − yl .. = = = 1,2903
rb 3*3
2QME 2 * 7,4924
s y ij . − y ls . = = = 4,994
r 39
(e) Faça o teste de Duncan para comparar médias do factor N e do factor P usando α =0,05 e α
=0,01
Ordene as médias
y.3. = 28,33
y.1. = 21,92
y.2. = 18,25
p 2 3
ATE(p,gl,α=0,05) 2,39 3,08
AMSp 3,32 2,44
ATE(p,gl,α=0,01) 3,99 4,17
AMSp 3,16 4,30
Resumo
Tratamento Média
y.1. 21,92a
y.2. 18,25b
y.3. 28,33c
Factor P
P 2 3 4
ATE(p,gl,α =0,05) 2,39 3,08 3,17
AMSP 2,67 2,81 2,89
ATE(p,gl,α =0,01) 3,99 4,17 34,28
AMSP 3,64 3,80 03,91
Nitrogénio
Métodos de cobertura
n1 n2 n3
p1 17,00 19,33 24,00
p2 28,67 17,67 40,00
p3 21,67 19,67 24,67
p4 20,33 16,33 24,67
mostra um aumento do rendimento médio muito grande ao terceiro nível de nitrogénio quando
comparado com os outros métodos de cobertura. Esta análise pode se apresentar em gráfico. A
análise gráfica sugere que comparação das três médias para cada método de corbetura com palha é
útil.
Método de cobertura
Comparação
p1 p2 p3 p4
n1 e n2 2,33 -11,00 -2,00 -4,00
n1 e n3 7,00 11,33 3,00 4,34
n2 e n3 4,67 22,33 5,00 8,34
DMSα=0,05=2,71 DMSα=0,01=3,96
aUm asterisco significa que a diferença é significante a α=0,05 enquanto que dois asteríscos significa
que a diferença é significante a α=0,01
Os resultados acima apresentados mostram que o efeito de nitrogénio sobre o rendimento médio
tem o mesmo comportamento para os métodos p2 p3 e p4, não obstante, para o método p3 não há
diferença significativa em rendimento médio entre o nível n1 e n2 de nitrogénio. No caso do método
p1, o efeito de nitrogénio no rendimento médio mostra um comportamento diferente dos outros
métodos de cobertura. Para este método, o aumento de nitrogénio sempre aumenta o rendimento
médio, não obstante não há diferença significativa entre os níveis n1 e n2.
Comparação Factorial
A analise de tendência pode ser feita usando os valores totais de cada nível do factor N ou as médias
de cada nível do factor N. Os dois procedimentos são abaixo apresentados.
M s2
SQ( M s ) = 3
ra ∑ ck2
k =1
Para o componente linear:
[(− 1) y..1 + (0) y..2 + (1) y..3 ]2 = [(− 1)x263 + (0)x219 + (1)x340]2
ra[(− 1) + (0) + (1) ] 3 x 4[(− 1) + (0) + (1) ]
SQ(m1 ) = 2 2 2 2 2 2
= 247,041
SQ(m ) =
[(1) y..1 + (− 2) y..2 + (1) y..3 ] [(1) x 263 + (−2) x 219 + (1) x340]
2
=
2
= 378,125
2
[
ra (1) 2 + (−2) 2 + (1) 2 ] [
3x 4 (−1) 2 + (−2) 2 + (1) 2 ]
Passo 2. Avalie a significância estatística de cada componente com base no teste de F
Os resultados mostram que ambos componentes (linear e quadrático) são significantes a α=0,01.
raL2s
SQ( Ls ) = 3
∑c
k =1
2
k
ra[(− 1) y..1 + (0) y..2 + (1) y..3 ] 3 x 4[(− 1)x 21,92 + (0)x18,25 + (1)x 28,33]
2 2
SQ(m1 ) =
[
(− 1)2 + (0)2 + (1)2 ] =
[
(− 1)2 + (0)2 + (1)2 ] = 247,041
ra[(1) y..1 + (− 2) y..2 + (1) y..3 ] 3x 4[(1) x 21,92 + (−2) x18,25 + (1) x 28,33]
2 2
SQ(m2 ) = = = 378,125
[
(1) 2 + (−2) 2 + (1) 2 ] [
(−1) 2 + (−2) 2 + (1) 2 ]
Passo 2. Avalie a significância estatística de cada componente com base no teste de F
Análise da Interacção
Se cada factor tem três níveis os seguintes coeficientes polinómios ortogonais são obtidos:
Linear: -1 0 +1
Quadrático +1 -2 +1
As seguintes componentes de tendência podem ser avaliadas com base na partição da soma dos
quadrados da interacção:
Os coeficientes de polinómios ortogonais de cada componente são avaliados com base nos
coeficientes acima apresentados.
Linear (L)
-1 0 +1
-1 +1 0 -1
Linear(L) 0 0 0 0
+1 -1 0 +1
Linear (L)
-1 0 +1
+1 -1 0 +1
Quadrático(Q) -2 +2 0 -2
+1 -1 0 +1
(3) Para a componente AQxBL
Linear (L)
-1 0 +1
+1 -1 0 +1
Quadrático(Q) -2 +2 0 -2
+1 -1 0 +1
Quadrático (Q)
+1 -2 +1
+1 +1 -2 +1
Quadrático(Q) -2 -2 +4 -2
+1 +1 -2 +1
Utilizando os totais ou as médias dos tratamentos, a soma dos quadrados de cada componente pode
ser avaliada.
(ii) Quando um factor é qualitativo e o outro factor é quantitativo com intervalos iguais
O exemplo de Nitrogénio (com três níveis) e os métodos de cobertura do solo com palha é usado
para mostrar os procedimentos.
Passo 1
Avalie as componentes lineares e quadráticas do factor nitrogénio para cada nível do factor P.
Passo 2 Calcule contrastes simples de graus de liberdade usando totais de N para cada nível de factor
P.
As formulas usadas:
2
⎛ b ⎞
⎜ ∑ ck y. jk ⎟
SQ( M
P = Pj
)=
(M P = Ps 2
s ) = ⎝ k =1 b ⎠ : baseado nos totais dos tratamentos para o nível j do
s b
r∑ c 2
k r ∑ ck2
k =1 k =1
P
2
⎛ b ⎞
r ⎜ ∑ ck y. jk ⎟
SQ( Ls
P = Pj
)=
(
r LPs = Ps )
2
∑c
k =1
2
k ∑ ck2
k =1
P
r ((−1) + (0)2 2
+ (1) 2 )
s
SQ(m1P = P1 ) =
[(−1)51 + (0)58 + (1)72]2 = 73,5
(
3 (−1) 2 + (0) 2 = (1) 2 )
SQ(m2P = P2 ) =
[(−1)86 + (0)53 + (1)120]2 = 192,67
(
3 (−1) 2 + (0) 2 = (1) 2 )
SQ(m3P = P 3 ) =
[(−1)65 + (0)59 + (1)74]2 = 13,5
(
3 (−1) 2 + (0) 2 = (1) 2 )
SQ(m4P = P4 ) =
[(−1)61 + (0)49 + (1)74]2 = 28,167
(
3 (−1) 2 + (0) 2 = (1) 2 )
Para os componentes quadráticas
SQM (m
P = Pj
)=
((1) y. j1 + (−2) y. j 2 + (1) y. j 3 )
2
s
(
r (1) 2 + (2) 2 + (1) 2 )
SQ(m1P = P1 ) =
((1)51 + (−2)58 + (1)72)2 = 2,722
3x6
SQ(m P = P2
)=
((1)86 + (−2)53 + (1)120)
2
= 555,5555
2
3x6
SQ(m3P = P3 ) =
((1)65 + (−2)59 + (1)74)2 = 24,5
3x6
SQ(m4P = P4 ) =
((1)61 + (−2)49 + (1)74)2 = 76,05555
3x6
Note: A soma dos quadrados dos contrastes calculados nos passos anteriores incluem a componente da SQ(N) dado
que são baseados nos totais dos tratamentos. Este componente deve ser removido para obter o componente de interacção.
4
SQ(NxP) Linear ou quadratica = ∑ SQ(ms
P = Pj
) − SQ( N ) Linear ou quadratica
s =1
O componente linear:
(73,5+192,67+13,5+28,167)-247,04=60,796
=60,796
O componente quadrática:
(2,722+555,5555+24,5+76,05555)-378,125=280,71
Os resultados obtidos são incluídos na tabela da Análise de Variância como se mostra abaixo.
Fonte de Fcalc
GL SQ QM Fcrit
Variação α=0,05 α=0,01
Blocos 2 7,167 5,583 <1
Factor N 2 625,167 312,583 41,72** 3,4 5,72
Linear(NL) (1) 247,041 247,041 32,97** 4,3 7,94
Quadrát.(NQ) (1) 378,125 378,125 50,47 4,3 7,94
Factor P 3 442,333 147,444 19,68** 3,1 4,82
NxP 6 341,500 56,917 7,60** 2,5 3,76
NLxP (3) 60,796 20,265 2,71 3,1 4,82
NQxP (3) 280,710 93,570 12,48** 3,1 4,82
Erro 22 164,833 7,492
Total 35 1581,00
Os resultados indicam que a interacção entre palha e nitrogénio é devida à diferença na parte
quadrática da resposta de produção às fracções de nitrogénio em métodos diferentes de
incorporação de palha.
b) Três Factores
Modelo estatístico
Onde:
Yijkl = observação no bloco i que recebeu o nível j de factor A, nível k de factor B e nível l de factor
C.
µ = média geral
θi = efeito do nível i do factor A
α j = efeito do nível j do factor B
τ k = efeito do nível k do factor C
β l = efeito do nível l do bloco
(θα )ij = efeito da interacção entre o nível i do factor A e o nível j do factor B.
(θτ )ik = efeito da interacção entre o nível i do factor A e o nível k do factor C
(ατ ) jk = efeito da interacção entre o nível i do factor A e o nível k do factor C
(θατ )ijk = efeito da interacção entre o nível i do factor A, o nível j do factor B e o nível k do factor
C.
ε ijkl = O termo do erro. Assuma-se que ε ijkl ~ iidN (0, σ 2 )
Factor B
Factor A Factor C Totais
b1 b2 bb
c1 y111. y121. y1b1. y1.1.
c2 y112. y122. y1b 2. y1.2.
A1
... ... ... ... ...
cc y11c. y12c. y1bc. y1.c.
Total y11.. y12.. y1b.. y1...
c1 y211. y221. y2b1. y2.1.
c2 y212. y222. y2bc. y2.2.
A2
... ... ... ... ...
cc y21c. y22c. y2bc. y2.c.
Total y21.. y22.. y2b.. y2...
c1 ya11. ya 21. yab1. ya.1.
c2 ya12. ya 22. yab 2. ya.2.
aa
... ... ... ... ...
cc
ya1c. ya 2c. yabc. ya.c.
Total ya1.. ya 2.. yab.. ya...
c1 y.11. y.21. y.b1. y..1.
c2 y.12. y.22. y.b 2. y..2.
(a1+a2+..+aa)
... ... ... ... ...
cc y.1c. y.2 c. y.bc. y..c.
2
⎛ a b c r ⎞
⎜ ∑∑∑∑ yijkl ⎟
⎜ ⎟
FC = ⎝ i =1 j =1 k =1 l =1 ⎠
rabc
∑y 2
...l
SQB = l =1
− FC
abc
∑∑∑ y
i =1 j =1 k =1
2
ijk .
SQTrat = − FC
r
SQTrat = SQ( A) + SQ( B) + SQ(C ) + SQ( AxB) + SQ( AxC ) + SQ( BxC ) + SQ( AxBxC )
a
∑y 2
i ...
SQ( A) = i =1
− FC
rbc
b
∑y
j =1
2
. j ..
SQ( B ) = − FC
rac
c
∑y 2
..k .
SQ(C ) = k =1
− FC
rab
a b
∑∑ y
i =1 j =1
2
ij ..
∑∑ y 2
i .k .
SQ( AxC ) = i =1 k =1
− FC − SQ( A) − SQ(C )
rb
b c
∑∑ y
j =1 k =1
2
. jk .
SQ( AxBxC ) = SQTrat − SQ( A) − SQ( B) − SQ(C ) − SQ( AxB) − SQ( AxC ) − SQ( BxC )
Fonte GL SQ QM F
SQB QMB
Blocos r-1 SQB
r −1 QME
SQ ( A) QM ( A)
Factor A a-1 SQ(A)
a −1 QME
SQ ( B) QM ( B)
Factor B b-1 SQ(B)
b −1 QME
SQ(C ) QM (C )
Factor C c-1 SQ(C)
c −1 QME
SQ( AxB) QM ( AxB)
AxB (a-1)(b-1) SQ(AxB)
(a − 1)(b − 1) QME
SQ( AxC ) QM ( AxC )
AxC (a-1)(c-1) SQ(AxC)
(a − 1)(c − 1) QME
SQ( BxC ) QM ( BxC )
BxC (b-1)(c-1) SQ(BxC)
(b − 1)(c − 1) QME
SQ( AxBxC ) QM ( AxBxC )
AxBxC (a-1)(b-1)(c-1) SQ(AxBxC)
(a − 1)(b − 1)(c − 1) QME
SQE
Erro (r-1)(abc-1) SQE
(r − 1)(abc − 1)
Total abcr-1 SQT
Exemplo
Foi conduzido um ensaio para estudar o efeito de três factores de produção (variedade, fósforo e
controlo de infestantes) no rendimento de feijão. Com a esperança de que os três factores não
operam independentemente, foi decidido usar um experimento factorial baseado no delineamento
dos blocos completos casualizados. Os seguintes níveis dos três factores foram usados:
Variedades (V): v1 e v2
Fósforo (F) : p1 =sem aplicação de fósforo, p2 =25 kg/ha e p3 =50kg/ha
Controlo de Infestantes
Variedade Fósforo Total ( yij .. )
w1 w2
p1 174 144 318
v1 P2 173 155 328
P3 165 173 338
Total ( y1.k . .) 512 472 y1... =984
p1 186 171 357
v2 p2 174 197 371
p3 154 207 361
Total ( y2.k . ) 514 575 y2... = 1089
Total ( y...k . ) 1026 1047 y.... = 2073
Fósforo
Variedade Total ( yi... )
p1 P2 p3
v1 318 328 338 984
v2 357 371 361 1089
Total ( y..k . ) 675 699 699 y.... = 2073
Controlo de Infestantes
Fósforo Total ( yi ... )
w1 w2
v1 512 472 984
v2 514 575 1089
Total ( y..k . ) 1026 1047 y.... = 2073
2
⎛ 2 3 2 3 ⎞
⎜ ∑∑∑∑ yijkl ⎟
⎜ ⎟ 20732
FC = ⎝ i =1 j =1 k =1 l =1 ⎠ = = 119370,25
rabc 3 x 2 x3 x 2
2 3 2 3
SQT = ∑∑∑∑ yijkl
2
− FC = 612 + 652 + ... + 77 2 − FC = 121307,00 − FC = 1936,75
i =1 j =1 k =1 l =1
∑y 2
...l
7352 + 6822 + 6562
SQB = l =1
− FC = − FC = 119640,42 − FC = 270,17
abc 2 x3 x 2
2 3 2
∑∑∑ y
i =1 j =1 k =1
2
ijk .
1742 + 1862 + ... + 207 2
SQTrat = = − FC = 120535,67 − FC = 1165,42
r 3
∑y 2
i ...
9842 + 10892
SQ(V ) = i =1
− FC = − FC = 119676,5 − FC = 306,25
rbc 3 x3 x 2
3
∑y
j =1
2
. j ..
6752 + 6992 + 6992
SQ( P ) = − FC = − FC = 119402,25 − FC = 32,00
rac 3x 2 x2
2
∑y 2
.. k .
10262 + 1047 2
SQ(W ) = k =1
− FC = − FC = 119402,25 − FC = 12,25
rab 3 x 2 x3
2 3
∑∑ y
i =1 j =1
2
ij ..
2 2
∑∑ y 2
i.k .
SQ(VxW ) = − FC − SQ(V ) − SQ(W )
i =1 k =1
rb
5122 + 5142 + 4722 + 5752
= − FC − SQ(V ) − SQ(W )
3 x3
= 120429 − FC − SQ(V ) − SQ(W ) = 283,36
2 3
∑∑ y
i =1 j =1
2
. jk .
SQ(VxPxW ) = SQTrat − SQ(V ) − SQ( P) − SQ(W ) − SQ(VxP) − SQ(VxW ) − SQ( PxW ) = 44,22
SQE=SQT-SQB-SQTrat=501,16
A Tabela da Análise de Variância
Fcritico
Fonte de Variação GL SQ QM Fcalculado
α=0,05 α=0,01
Blocos 2 270,17 135,08 5,93 3,44 5,72
Variedade(V) 1 306,25 306,25 13,44** 4,30 7,95
Fósforo(P) 2 32,00 16,00 <1ns <1
Controlo de Inf(W) 1 12,25 12,25 <1ns
VxP 2 22,67 11,33 <1ns
VxW 1 283,36 283,36 12,44**
PxW 2 468,67 234,33 10,29**
VxPxW 2 44,22 22,11 <1ns
Erro 22 501,16 22,78
Total 35 1936,75
QME 22,78
CV = x100 = x100 = 8,3%
y.... 57,58
Os resultados acima apresentados mostram que o factor variedade tem efeitos significativos no
rendimento de grão, e, existe interacção significativa entre variedade e controlo de infestantes e entre
fósforo e controlo de infestantes (α=0,01). Para os outros componentes, não houve efeitos
significativos.
Rendimento médio de grão para as duas variedades com e sem controlo de infestantes
Controlo de Infestantes
Variedade Diferença
Sem controlo Com controlo
v1 56,89 52,44 -4,45**
v2 57,11 63,89 6,78**
Diferença 0,22ns 11,45**
DMSα=0,05=2,73 DMSα=0,01=3,99
Os resultados mostram que o efeito de herbicida depende da variedade. Uso de herbicida diminuiu o
rendimento da primeira variedade, visto que o rendimento da segunda variedade aumentou (α=0,01).
Rendimento Médio de grão a três níveis de fósforo com e sem controlo de infestantes
Controlo de Infestantes
Diferença
Sem controlo Com controlo
0 60,00 52,50a -7,50**
Fósforo 25 kg/há 57,83a 58,67b 0,84ns
50 kg/há 53,17b 63,33c 10,16**
DMSα=0,05=3,35 DMSα=0,01=4,89
Com mais que 3 factores, os mesmos procedimentos desenvolvidos até neste ponto são aplicáveis. A
única diferença é que teremos mais efeitos principais e interacções para estimar e testar.
Exercícios
1. Foi realizado um ensaio para investigar o efeito de dois nutrientes N e K, no rendimento duma
cultura. Para isso foi usado o Delineamento Completamente Casualizado, com seis tratamentos
organizados em 3x2 factorial. O N foi aplicado com 0, 4 e 8 unidades enquanto o K foi aplicado
com 0 e 4 unidades. Os rendimentos são os seguintes (em ton/ha).
2. Foi realizado um ensaio para investigar se a lavoura e o uso de potássio tinham efeitos
significativos no rendimento médio do feijão vulgar. Para isso foi usado o experimento factorial
2x2, cada tratamento com quatro repetições. Os tratamentos foram os seguintes:
a) Assumindo que para o Ensaio, foi usado o DCC e que as variâncias são homogéneas,
faça a análise de variância ao nível de significância de 5%. Dê também o modelo
estatístico na qual a sua análise se baseia.
b) Apresente e interprete os seus resultados, tendo em conta a estrutura factorial do ensaio.
c) Calcule o erro padrão da diferença entre duas médias, entre as médias do factor
LAVOURA e entre médias do factor POTÁSSIO.
3. Um experimento foi desenhado para estudar o efeito de três diferentes insecticidas e três tipos
de situações na produção da cultura de repolho. A tabela mostra os valores obtidos da produção
em (ton/ha).
II 6 6 6
6 6 3
III 5 7 4
4 4 5
Consumo de marijuana
Idade nunca ocasionalmente diariamente
25 18 17
15-19 28 23 24
22 19 19
28 16 18
20-24 32 24 22
30 20 20
25 14 10
25-29 35 16 8
30 15 12
5. Foi realizado um ensaio para estudar o efeito de dois factores, variedade de feijão nhemba, a
data de sementeira e a interacção entre eles sobre o rendimento de duas variedades. Para isso
foram usados 4 blocos completamente casualizados com quatro talhões por bloco. Os
rendimentos são apresentados na tabela abaixo.