TEMA 4.

EXPERIMENTOS FACTORIAIS

Situações concretas em que se usam; utilidade; factores e níveis; notação; delinear

tratamentos e fazer delineamentos experimentais

(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.

(b) Vantagens e desvantagens de experimentos factoriais.

(i) Vantagens:

• Ensaios ou experimentos factoriais são mais económicos porque se usam as mesmas

parcelas para investigar diferentes factores ao mesmo tempo.
• Obtém-se conhecimento sobre a interacção.
• Os resultados têm aplicação a uma maior gama de situações
• Permitem seleccionar, duma só vez, os factores de maior interesse

(ii) Desvantagens:

• O número de tratamentos aumenta com o aumento do número de factores, portanto, o

tamanho do ensaio fica demasiadamente grande e ineficiente.

(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

Efeitos simples e efeitos principais

(a) O efeito simples: Refere-se ao efeito dum factor ao nível fixo de outro factor.

(b) O efeito principal: Refere-se à média dos efeitos simples de um factor.

Exemplo: para experimento factorial 2x2.

Factor A com níveis a0 e a1

Factor B com níveis b0 e b1

Efeitos simples para o factor A

• Quando B = b0
(a1b0-a0b0)

• Quando B = b1
(a1b1-a0b1)

Efeitos simples para o factor B

• 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)]

Se tivermos 2 variedades de arroz a1 e a2 (Factor A) e 2 níveis de adubação com nitrogénio 0 kg/ha e

60 kg/ha (factor B), assume-se 2 casos em cada um, produção é dada em t/ha.

Caso 1

Variedade Adubo Nitrogenado Média

a 0 Kg/ha(n0) 60 kg/ha (n1)
a1 1,0 3,0 2,0
a2 2,0 4,0 3,0
Média 1,5 3,5

Efeitos simples para o factor Adubo (A)

• Para variedade a1: 3,0-1,0 = 2t/há

• Para variedade a2: 4,0-2,0 = 2t/ha

Efeitos simples para o factor variedade (B)

• Sem adubação: 2,0-1,0 = 1t/há

• Ao nível de 60Kg/ha de adubo nitrogénio: 4,0-3,0 = 1t/ha

Efeitos principais

• Para factor Adubo : ½(2+2)=2

• Para factor variedade : ½(1+1)=1

Note: Neste caso, efeitos simples = efeitos principais.

Caso 2

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 simples para o factor adubo (A)

• Para variedade a1: 1,0-1,0=0 t/há

• Para variedade a2: 4,0-2,0=2 t/ha

Efeitos simples para factor variedade

• Sem adubação: 2,0-1,0=1t/há

• Ao nível de 60Kg/ha adubo nitrogénio: 4,0-1,0=3t/ha

Efeitos principais

• para o factor Adubo: ½(0+2) = 1t/ha.

• para o factor variedade: ½(1+3)= 2t/ha.

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.

Cálculo do efeito de interacção

AxB=BxA
= ½[(a1b1-a0b1)-(a1b0-a0b0)]=½[(a1b1-a1b0)-(a0b1-b0a0)]
Usando o exemplo:

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.

Apresentando com um gráfico

Y Do exemplo 1 Y Do exemplo 2

4 a2 4

3 a1 3

2 2

1 1

N
N
0 60 0 60
Não há interacção Há interacção

Note Ausência ou presença de efeitos principais não indica

ausência ou presença de interacção.

Experimentos Factoriais Baseado no DCC

a) Dois factores

Yijk = µ+θi+τj+(θτ)ij+εijk; i=1,2,...,a; j=1,2,...,b; k=1,2,...,r

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 ...

Formato da Análise de Variância

i. Factor de Correcção (FC)

2
⎛ a b r ⎞
⎜ ∑∑∑ Yijk ⎟
⎜ ⎟
FC = ⎝ ⎠
i =1 j =1 k =1

rab

ii. Soma dos Quadrados Totais (SQT)

SQT = ∑∑∑ (Yijk − Y... ) = ∑∑∑ Yijk2 − FC

a b r a b r
2

i =1 j =1 k =1 i =1 j =1 k =1

iii. Soma dos Quadrados dos Tratamentos (SQTrat)

a b

∑∑ Y
i =1 j =1
2
ij .

SQTrat = − FC
r

iv. Subdivisão da Soma dos Quadrados dos Tratamentos em componentes separados.

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)

v. Soma dos Quadrados do Erro (SQE)

SQE=SQT-SQTrat-SQ(A)-SQ(B)-SQ(AB)

Tabela da Análise de Variância

Fonte de Variação GL SQ QM F
SQ( A) QM ( A)
Factor A a-1 SQ(A)
a −1 QME
SQ ( B) QM ( A)
Factor B b-1 SQ(B)
b −1 QME
SQ( AxB) QM ( AxB)
AxB (a-1)(b-1) SQ(AB)
(a − 1)(b − 1) QME
SQE
Erro ab(r-1) SQE
ab(r − 1)
Total rab-1 SQT
 Exemplo

Avaliação de Efeitos Simples, Efeitos Principais e Interacção

(a) Faça um quadro de totais dos tratamentos a duas vias, como se mostra abaixo.

Tabela de Totais dos Tratamentos 2x2

Níveis do facto B Totais dos níveis Médias dos níveis

Níveis do facto B
1 2 de A de A
1 Y11. Y12. Y1.. Y1..
2 Y21. Y22. Y2.. Y2..
Totais dos níveis de B Y.1. Y.2. Y...
Médias Y.1. Y.2. Y...

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

C1 + C2 [(Y21 − Y11 ) + (Y22 − Y12 )]

EPA = = = Y2.. − Y1..
2 2

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

D1 + D2 [(Y12. − Y11. )(Y22. − Y21. )] [(Y12. + Y22. ) − (Y11. + Y21. )]

EPB = = = = Y.2. − Y.1.
2 2 2

Interacção entre A e B (AxB)

 C2 − C1 D2 − D1 [(Y22. − Y12. ) − (Y21. − Y11. )] [(Y22. − Y21. ) − (Y12. − Y11. )]
AB = = = =
2 2 2 2
(Y + Y ) (Y + Y ) (Y − Y ) (Y − Y )
= 22. 11. − 12. 21. = 22. 11. − 21 12
2 2 2 2

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

Enxofre equivalente (Kg/ha)

Totais Médias
Nitrogénio em (Kg/ha) 0 10

0 y11. =13,63 y12. =17,77 y1.. =31,40 y1.. = 5,23

25 y21. =17,18 y22. =18,89 y2.. = 36,07 y2.. = 6,01

y.1. =30,81 y.2. =36,66 y... =67,47

Totais

Médias y.1. =5,14 y.2. =6,11 y... =5,62

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

Um aumento de nitrogénio (para os dois níveis de enxofre combinados) resulta em aumento do

rendimento de trevo.
 • Para enxofre
d1 + d 2 1,38 − 0,57
EPE = = = 0,98
2 2

Um aumento de enxofre (para os dois níveis de nitrogénio combinados) resulta em aumento do

rendimento de trevo.

Análise de Variância

(1) Factor de Correcção (FC)

2
⎛ a b r ⎞
⎜ ∑∑∑ yijk ⎟
⎜ ⎟ 2
FC = ⎝
i =1 j =1 k =1 ⎠ = 67,47 = 379,35
rab 3 x 2 x3

(2) Soma dos Quadrados Totais (SQT)

a b r
SQT = ∑∑∑ yijk
2
− FC = 4,482 + 4,522 + ... + 6,37 2 − FC = 384,55 − 379,35 = 5,20
i j k

(3) Soma de Quadrados dos Tratamentos (SQTrat)

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

(4) Subdivisão da Soma de Quadrados dos Tratamentos em componentes separados

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%

Os resultados mostram que o Enxofre e o Nitrogénio individualmente têm efeitos significativos

(p<0,01) no rendimento de trevo. Também existe uma interacção significativa entre o nitrogénio e o
enxofre.

Análise estatística da Interacção: O teste de DMS

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

Yijk = µ+θi+τj+Ψk+(θτ)ij+(θΨ)ik+(τΨ)jk+(θτΨ)ijk+εijkl, εijkl ~ N(0,σ²); i=1,2,...,a; j=1,2,...,b;

k=1,2,...,c; l=1,2,...,r
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
Ψk = µ..k-µ é o efeito do nível k do factor C
(θτ)ij= µij.-µi..-µ.j.-µ é a interacção entre o nível i do factor A e o nível j do factor B.
(θΨ)ik= µi.k-µi..-µ..k-µ é a interacção entre o nível i do factor A e o nível k do factor C
(τΨ)jk = µ.jk-µ.j.-µ..k-µ é a interacção entre o nível j do factor B e o nível k do factor C
(θτΨ)ijk=µijk-µij.-µi.k-µ.jk-µi..-µ.j.-µ..k-µ é a interacção entre o nível i do factor A, o nível j do factor B e
o nível k do factor C.
εijkl = O termo do Erro

axbxc Tabela de Totais dos Tratamentos

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

b) SQT = ∑∑∑∑ (Yijkl − Y.... ) = ∑∑∑∑ Yijkl

a b c r a b c r
2
− FC
i =1 j =1 k =1 l =1 i =1 j =1 k =1 l =1
a b c

∑∑∑ Y
i =1 j =1 k =1
2
ijk .

c) SQTrat = − FC
r

d. Subdivisão da soma dos quadrados dos tratamentos em componentes separados

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 ..

SQ( AxB) = − FC − SQ( A) − SQ( B)

rc
a c

∑∑ 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( BxC ) = − FC − SQ( B) − SQ(C )

ra

SQ( AxBxC ) = SQTrat − SQ( A) − SQ( B) − SQ( AxB) − SQ(C ) − SQ( AxC ) − SQ( BxC )

SQE = SQT − SQTrat

 Tabela da Análise de Variância

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

Erro (abc) (r-1) SQE SQE

abc(r − 1)
Total rabc-1 SQT

NB. Um exemplo empírico para um experimento factorial com três factores será apresentado para o
DBCC

Experimentos Factoriais Baseados no 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).

Blocos Totais dos

Tratamentos
I II III IV tratamentos
a0t0 18,0 8,6 9,4 11,4 47,4
a1t0 20,6 12,0 18,6 20,6 80,8
a0t1 19,6 15,0 14,6 15,8 65,0
a1t1 19,2 19,6 18,4 20,2 77,4
Totais dos
71,4 64,2 61,0 68,0 270,6
Blocos

Tabela 2x2 de totais dos tratamentos

Adubo(A) Totais Médias

Nível a0 a1 yi.. yi..
t0 47,4 80,8 128,2 16,0
Torta(T)
t1 65,0 77,4 142,4 17,8
Totais ( y. j . ) 112,4 158,2 270,6
Médias ( y. j . ) 14,1 19,8 16,9

Tabela 2x2 de médias dos tratamentos

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

Da tabela acima apresentada, as seguintes observações podem ser feitas:

(a) A resposta do rendimento a adubo para cada nível de torta:

O rendimento médio aumenta com o aumento de adubo, mas o aumento é maior no caso sem
torta. (8,3 sem torta, vs 3,1 com torta)

(b) A resposta do rendimento a torta para cada nível de adubo:

O rendimento aumentou com aplicação de torta apenas quando não havia adubo. Com aplicação de
adubo, uso de torta baixou o rendimento.
(i) Efeitos simples: com base nas médias

Factor adubo (A) quando torta = t0

a1t0 − a0t0 = y12. − y11. = 20,2 − 11,9 = 8,3

Factor adubo (A) quando torta = t1

a1t1 − a0t1 = y22. − y21. = 19,4 − 16,3 = 3,1

Factor torta (T) quando adubo = a0

a0t1 − a0t0 = y21. − y11. = 16,3 − 11,9 = 4,4

Factor torta (T) quando adubo = a1

a1t1 − a1t0 = y22. − y12. = 19,4 − 20,2 = −0,8

(ii) Efeitos principais

8,3 + 3,1
EPA = = 5,76
2
4,4 + (−0,8)
EPT = = 1,8
2

(iii) Efeitos de interacções

3,1 − 8,3 − 0,8 − 4,4

I AxB = = = −2,7
2 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

= 4823,32 − 4576,5225 = 246,7975

(2) Soma dos Quadrados dos Blocos (SQB)

r

∑y 2
..k
77,42 + 64,22 + ... + 61,02
SQB = k =1
− FC = − FC = 37,8275
ab 2*2

(3) Soma dos Quadrados dos Tratamentos (SQTrat)

a b

∑∑ 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

Subdivisão da Soma dos Quadrados dos Tratamentos

SQT=SQ(A)+SQ(T)+SQ(AT)
a

∑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

SQ( AxT ) = SQTrat − SQ( A) − SQ(T ) = 171,27 − 131,1025 − 12,6025 = 27,565

Tabela de Análise de Variância

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

O factor A é significativo ao nível de 1% e 5% e a interacção é significativa ao nível de significância

de 5%.

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.

Tabela das médias de combinações 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).

No caso da presença da torta, a aplicação do adubo também dá um aumento significativo (p=0,05)

da produção.

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 (N) Subtotais

Blocos Palha
n1 n2 n3 Palha
p1 17 18 24 59
p2 26 17 40 83
I
p3 21 19 23 63
p4 20 16 23 62
Sub Total 84 70 113 267
p1 14 23 26 63
p2 28 19 81 88
II
p3 24 16 26 66
p4 25 14 24 63
Sub total 91 72 117 280
p1 20 17 22 59
p2 32 17 39 88
III
p3 20 24 25 69
p4 16 19 24 59
Sub Total 88 77 110 275
Total 263 219 340 822
(N) y. j .
Os dados do ensaio podem ser organizados da seguinte forma:
Blocos Médias
Tratamentos I II III Totais ( yij . )
( yij . )
p1n1 17 14 20 51 17,00
p1n2 18 23 17 58 19,33
p1n3 24 26 22 72 24,00
p2n1 26 28 32 86 28,67
p2n2 17 19 17 53 17,67
p2n3 40 41 39 120 40,00
p3n1 21 24 20 65 21,67
p3n2 1 16 24 59 19,67
p3n3 23 26 25 74 24,67
p4n1 20 25 16 61 20,33
p4n2 16 14 19 46 16,33
p4n3 26 24 24 74 24,67
Total dos blocos ( y..k ) 267 280 275 y... =822
Média geral ( y... ) 22,83

Faça a tabela : 2x2 de totais dos tratamentos

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

(i) Factor de correcção (FC)

8222
FC = = 18769
3* 4 *3

(ii) Soma dos Quadrados Totais (SQT)

a b c
SQT = ∑∑∑ yijk
2
− FC = 17 2 + 182 + ... + 24 2 − FC = 1581
i =1 j =1 k =1

(iii) Soma dos Quadrados dos Blocos (SQB)

r

∑y 2
..k
267 2 + 2802 + 2752
SQB = k =1
− FC = − FC = 7,1667
ab 3* 4

(iv) Soma dos Quadrados dos Tratamentos (SQTrat)

 a b

∑∑ y
i =1 j =1
2
ij .
512 + 582 + ... + 742
SQTrat = − FC = − FC = 1409
r 3

(v) Soma dos Quadrados do Erro (SQE)

SQE = SQtotal-SQB-SQT
=1581 -7,1667 -1409
=164,8333

(vi) Divisão da Soma dos Quadrados dos Tratamentos

SQT = SQ(P)+ SQ(N)+SQ(NxP)

a

∑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

SQ( PxN ) = SQTrat − SQ( P) − SQ( N ) = 1409 − 442,3333 − 625,1667 = 341,5

Tabela da análise de variância

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

Os resultados da Análise de Variância mostram que os dois factores ( nitrogénio e os métodos de

cobertura com palha) têm efeitos significativos (p<0,01) no crescimento de Anthocephalus chinensis, e,
também existe uma interacção significativa (p<0,01) entre si.

Com os resultados baseados no teste de F, as seguintes análises adicionais serão necessárias:

i. Comparação das médias de cada um dos dois factores
ii. Análise da tendência do factor nitrogénio
iii. Análise factorial da interacção

Erro padrão duma média

(i) Para o factor N

QME 7,4924
s y. j . = = = 0,791
ra 3* 4

(ii) Para o factor P

QME 7,4924
s y i .. = = = 0,9124
rb 3*3

(iii) Para a interacção (NxP)

QME 7,4924
s y ij . = = = 1,5801
r 3

Erro padrão duma diferença entre duas médias

(i) Para o factor N

2QME 2 * 7,4924
s y . j . − y. s . = = = 1,1175
ra 3* 4

(ii) Para o factor P

2QME 2 * 7,4924
s y i .. − yl .. = = = 1,2903
rb 3*3

(iii) Para interacção NxP

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

Diferençaa Diferençaa p AMSp,α=0,5 AMSp,α=0,01

y.3. − y.2. 10,08** 3 2,44 3,30
y.3. − y.1. 6,41** 2 2,32 3,16
y.1. − y.2. 3,67** 2 2,32 3,16
aDois asteríscos significa uma diferença significativa a α=0,01

Resumo
Tratamento Média
y.1. 21,92a
y.2. 18,25b
y.3. 28,33c

Factor P

(b) Ordenar as médias

y2.. 28,78
y3.. 22,00
y4.. 20,47
y1.. 20,11

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

Diferença P AMSp,α=0,05 AMSp,α=0,01

y2.. − y1.. 8,67** 4 2,89 3,91
y2.. − y4.. 8,31** 3 2,81 3,80
y2.. − y3.. 6,78** 2 2,67 3,64
y3.. − y1.. 1,89 3 2,81 3,80
y3.. − y4.. 1,53 2 2,67 3,64
y4.. − y1.. 0,36 2 2,67 3,64
aDois asteriscos significam que as diferenças são significativas a α=0,01. As outras diferenças sem
asteriscos significam que não há diferença significativas a α=0,05.

A análise da natureza da interacção

Tabela 2x2 de médias

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.

Diferenças das médias para cada método de cobertura

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) Análise de tendência para factores quantitativos com intervalos iguais

Coeficiente Polinómio Ortogonal

Adubo
Linear Quadrado
n1 -1 +1
n2 0 -2
n3 +1 +1

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.

Caso 1: Uso de valores totais

Passo 1. Calcule contrastes simples de graus de liberdade usando
totais de N através de todos os níveis de P usando as seguintes fórmulas:

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

Para o componente quadrática:

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

SQ(m1 ) / 1 SQ(m1 ) 247,041

F= = = = 32,97
QME QME 7,4924

SQ(m2 ) / 1 SQ(m2 ) 378,125

F= = = = 50,47
QME QME 7,4924

F22,1, α = 0, 05 = 4,30 F22,1, α = 0,01 = 7,95

Os resultados mostram que ambos componentes (linear e quadrático) são significantes a α=0,01.

Caso 2: Uso de médias

Passo 1. Calcule contrastes simples de graus de liberdade usando
médias de N através de todos os níveis de P usando as seguintes fórmulas:

raL2s
SQ( Ls ) = 3

∑c
k =1
2
k

Para o componente linear:

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

Para o componente quadrática:

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

SQ(m1 ) / 1 SQ(m1 ) 247,041

F= = = = 32,97
QME QME 7,4924

SQ(m2 ) / 1 SQ(m2 ) 378,125

F= = = = 50,47
QME QME 7,4924

F22,1, α = 0, 05 = 4,30 F22,1, α = 0,01 = 7,95

Os resultados e conclusões são idênticos dos do primeiro caso.

Análise da Interacção

(i) Quando os dois factores são quantitativos e com intervalos iguais

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:

ALxBL ALxBQ AQxBL AQxAQ

Os coeficientes de polinómios ortogonais de cada componente são avaliados com base nos
coeficientes acima apresentados.

(1) Para a componente ALxBL

Linear (L)
-1 0 +1
-1 +1 0 -1
Linear(L) 0 0 0 0
+1 -1 0 +1

(2) Para a componente ALxBQ

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

(4) Para a componente AQxBQ

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

= ⎝ k =1b ⎠ : baseado nas médias dos tratamentos para o nível j do

b

∑c
k =1
2
k ∑ ck2
k =1
P

Usando a formulo nos totais, os seguintes resultados são obtidos:

Para os componentes lineares:

SQM (m
P = Pj
)=
((−1) y + (0) y
. j1 . j2 + (1) y. j 3 )
2

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

Passo 3 Subdivida SQ(PxN) usando as fórmulas

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

Aplicando a formular geral acima apresentada teremos os seguintes resultados:

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

Passo 4: Calcule QM para os resultados em passos 1 a 3, e os seus valores de F.

Os resultados obtidos são incluídos na tabela da Análise de Variância como se mostra abaixo.

Tabela da Análise de variância

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

Yijkl = µ + θi + α j + τ k + β l + (θα )ij + (θτ )ik + (ατ ) jk + (θατ )ijk + ε ijkl ;

i=1,2,...,a; j=1,2,...,b; k=1,2,...,c; l=1,2,...,r

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 )

Formato da Análise de Variância

1. Tabela de totais dos tratamentos

Tratamentos Blocos Totais( yijk . )

aibjck 1 2 r
A1b1c1 y1111 y1112 y111r y111.
A2b1c1 y2111 y2112 y211r y211.
... ... ... ... ...
... ... ... ... ...
... ... ... ... ...
aabbcc yabc1 yabc 2 yabcr yabc.
Totais ( y...r ) y...1 y...2 y...r y....

axbxc Tabela de Totais dos Tratamentos

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.

Total y.1.. y.2.. y.b.. y....

Com base nas duas tabelas acima apresentadas, os seguintes cálculos podem ser feitos:

(i) Factor de Correcção (FC)

2
⎛ a b c r ⎞
⎜ ∑∑∑∑ yijkl ⎟
⎜ ⎟
FC = ⎝ i =1 j =1 k =1 l =1 ⎠
rabc

(ii) Soma dos Quadrados Totais (SQT)

a b c r
SQT = ∑∑∑∑ yijkl
2
− FC
i =1 j =1 k =1 l =1

(iii) Soma dos Quadrados dos Blocos (SQB)

∑y 2
...l
SQB = l =1
− FC
abc

(iv) Soma dos Quadrados dos Tratamentos (SQTrat)

a b c

∑∑∑ y
i =1 j =1 k =1
2
ijk .

SQTrat = − FC
r

(v) Subdivisão da Soma dos Quadrados dos Tratamentos.

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 ..

SQ( AxB) = − FC − SQ( A) − SQ( B)

rc
a c

∑∑ 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( BxC ) = − FC − SQ( B) − SQ(C )

ra

SQ( AxBxC ) = SQTrat − SQ( A) − SQ( B) − SQ(C ) − SQ( AxB) − SQ( AxC ) − SQ( BxC )

Tabela de Análise de variância

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 (W) : w1 =sem controlo, w2 =controlo e com herbicida

Os resultados do ensaio são abaixo apresentados em termos de rendimento de grão por parcela.

Bloco Totais dos

Tratamento tratamentos
1 2 3 ( yijk . )
v1p1w1 61 58 55 174
v2p1w1 65 61 60 186
v1p2w1 60 59 54 173
v1p3w1 59 55 51 165
v2p2w1 60 58 56 174
v2p3w1 53 53 48 154
v1p1w2 56 45 43 144
v2p1w2 60 61 50 171
v1p2w2 60 50 45 155
v2p2w2 62 68 67 197
v1p3w2 66 57 50 173
v2p3w2 73 57 77 207
Totais dos blocos
735 682 656 y.... = 2073
( y...l )
 vxpxw Tabela de Totais dos Tratamentos ( yijk . )

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

2x2 Tabela de totais de vp ( yij .. )

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

2x2 Tabela de totais de vw ( yi .k . )

Controlo de Infestantes
Fósforo Total ( yi ... )
w1 w2
v1 512 472 984
v2 514 575 1089
Total ( y..k . ) 1026 1047 y.... = 2073

2x2 Tabela de totais de pw (y.jk.)

Controlo de Infestantes Total ( y. j .. )

Fósforo
w1 w2
p1 360 315 675
p2 347 352 699
p3 319 380 699
Total ( y..k . ) 1026 1047 y.... = 2073
Análise de Variância

1. Factor de Correcção (FC)

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. Soma dos Quadrados Totais (SQT)

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

3. Soma dos Quadrados dos Blocos (SQB)

3

∑y 2
...l
7352 + 6822 + 6562
SQB = l =1
− FC = − FC = 119640,42 − FC = 270,17
abc 2 x3 x 2

4. Soma dos Quadrados dos Tratamentos (SQTrat)

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

5. Subdivisão da soma dos quadrados dos tratamentos em componentes separados

SQTrat = SQ(V ) + SQ( P) + SQ(W ) + SQ(VxP) + SQ(VxW ) + SQ( PxW ) + SQ(VxPxW )

∑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 ..

SQ(VxP) = − FC − SQ(V ) − SQ( P)

rc
3182 + 357 2 + ... + 3612
= − FC − SQ(V ) − SQ( P)
3x 2
= 119727,1667 - FC - SQ(V) - SQ(P) = 18,67

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( PxW ) = − FC − SQ(V ) − SQ( P)

ra
360 2 + 347 2 + ... + 380 2
= − FC − SQ(V ) − SQ( P)
3x 2
= 119883,17 − FC − SQ(V ) − SQ( P) = 468,67

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.

Análise das interacções significativas

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

A resposta do feijão à aplicação de fósforo depende do uso de herbicida. Na ausência de aplicação de

herbicida para controlar infestantes, o rendimento de grão diminuiu com o aumento de fósforo. Do
outro lado, quando herbicida foi usado para controlar infestantes, o rendimento de grão aumentou
como a proporção de fósforo aumentou.
Da outra maneira, o efeito de controlo de infestantes no rendimento de grão depende da quantidade
de fósforo aplicada. Quando não há fósforo, controlo de infestantes diminui o rendimento de grão
significativamente. Com aplicação de fósforo, o controlo de infestantes tem efeitos positivos no
rendimento de grão, não obstante tais efeitos serem significativos apenas com aplicação de 50kg/ha
de fósforo.

Mais que Três Factores

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).

N0K0 N0K4 N4K0 N4K4 N8K0 N8K4

10.02 10.72 20.65 19.33 19.47 21.45
11.74 14.08 18.88 20.77 20.06 20.92
13.27 18.87 16.92 21.70 20.74 24.87

Faça a análise apropriada do experimento e interprete os seus resultados.

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 - Sem uso da lavoura e sem uso de potássio adicional

B - Somente o uso de potássio adicional
C - Somente o uso da lavoura
D - Uso da Lavoura + Uso de potássio adicional.

Os dados do ensaio são apresentados na tabela abaixo:

tratamento uso da lavoura uso de rendimento média

potássio
A Não Não 32 37 33 31 33.25
B Não Sim 44 45 47 40 44.0
C Sim Não 48 43 52 46 47.25
D Sim Sim 54 49 53 48 51.0

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).

Factor A insecticida - Factor B

Situações A B B
I 4 1 1
5 3 0

II 6 6 6
6 6 3

III 5 7 4
4 4 5

a) Dê o modelo estatístico para o ensaio.

b) Faça ANOVA e Teste de F a nível de significância de α = 0.05. Interprete os
resultados.
c) Com base no teste DMS, faça comparações apropriadas, para componentes
significativos.
4. A tabela mostra o resultado de maturidade emocional em 27 jovens de sexo masculino
classificados por idade e pela frequência do consumo de marijuana.

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

a) Faça ANOVA e Teste de F a nível de significância de α = 0.05 e α = 0.01.

b) Com base no teste DMS, faça comparações apropriadas, para componentes
significativos.
c) Elabore as conclusões.

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.

Tratamentos Blocos Total dos

Variedade data de Sementeira I II III IV tratamentos
Var1 17 de Agosto 6.4 5.6 5.0 0.4 17.4
Var1 24 de Agosto 20.0 15.7 14.9 5.5 56.1
Var2 17 de Agosto 4.0 6.1 5.3 0.2 15.6
Var2 24 de Agosto 7.1 11.5 8.8 2.4 29.8
Total de blocos 37.5 38.9 34.0 8.5 118.9

a) Dê o modelo estatístico para o ensaio. Apresente os pressupostos para a validade do

modelo.
b) Faça análise apropriada e teste de F ao nível de significância de α = 5%.
c) Apresente um relatório (resumo) dos seus resultados.
6. Foi realizado um ensaio para investigar o efeito de diferentes quantidades de Zinco e Cobre
adicionados a dois tipos de dieta (milho ou trigo) para alimentação e pintos. Os resultados do
ensaio estão expressos em peso médio semanal ganho pelos pintainhos (em gramas). Os factores
são dois níveis de Zinco (Z0 e Z1), dois níveis de Cobre (Cu0 e Cu1) e duas dietas básicas
(milho=M e trigo=T). Os resultados do ensaio estão apresentados na tabela abaixo.

Factor Factor Factor Blocos Total de

Zinco Cobre Dieta I II III IV tratamentos
Cu0 M 21.6 22.4 25.7 23.3 93.0
Z0 T 16.3 18.9 24.8 22.2 82.2
Cu1 M 23.7 22.0 26.7 25.0 97.4
T 19.2 11.2 15.5 19.9 65.8
Cu0 M 21.2 26.3 28.1 23.0 98.6
Z1 T 22.6 17.1 24.4 18.8 82.9
Cu1 M 20.9 22.3 26.7 21.5 91.4
T 14.2 12.5 13.9 15.7 56.3
Total dos blocos 159.7 152.7 185.8 169.4 667.6

a) Faça a separação da soma dos quadrados dos tratamentos em componentes (factores

e faça a análise de variância ao nível de significância de 5%.
b) Apresente um relatório sobre o ensaio tendo em conta todos os passos da sua
análise. Apresente também recomendações e/ou propostas sobre que medidas a
tomar, com base nos resultados do seu ensaio.