1

1 INTRODUÇÃO
2
3 Muito do conhecimento que a humanidade acumulou ao longo dos séculos foi
4 adquirido através da experimentação. Mas a ideia de experimentar não é apenas antiga,
5 mas também pertence ao nosso dia-a-dia. Todos nós já aprendemos algumas coisas, ao
6 longo da vida, com o simplesmente experimentando. A experimentação, no entanto, só
7 se difundiu como técnica sistemática de pesquisa há pouco mais de um século, quando
8 foi formalizada através da Estatística.
9 A Estatística Experimental é uma ciência exata que tem por objetivo o estudo
10 dos experimentos, incluindo o seu planejamento; sua execução; e também na obtenção,
11 organização e análise de dados, além da interpretação dos resultados obtidos. Vejamos,
12 então, alguns conceitos necessários para um bom entendimento da Estatística
13 Experimental.
14
15 Fenômenos determinísticos – são os fenômenos que tem sempre o mesmo
16 resultado, como por exemplo; o ponto de ebulição da água; a solubilidade de um sal; a
17 pressão atmosférica ao nível do mar etc.
18
19 Fenômenos aleatórios – são aqueles fenômenos que o resultado não é
20 previsível, como jogar um dado; jogar uma moeda etc.
21
22 Hipótese
23 É a suposição ou especulação sendo uma formulação provisória, com intenções
24 de ser posteriormente demonstrada ou verificada, para sê-la confirmada ou rejeita.
25 Exemplo:
26 H0= o nitrogênio não influencia no desenvolvimento das plantas (é o princípio
27 da nulidade).
28 H1= o nitrogênio influencia o desenvolvimento das plantas.
29
30 Após a sua experimentação o pesquisador deve aceitar ou rejeitar H0, ou seja,
31 através das respostas que foram observadas e através do comportamento dessa
32 população quanto à ação do que foi testado e se apresentou uma resposta ou não, seja
33 positiva ou negativa a essa ação, então ele passa aceitá-la ou não.
34
35 Experimento ou ensaio
36 É um trabalho previamente planejado, que segue determinados princípios
37 básicos, no qual se faz a comparação dos efeitos dos tratamentos.
38
39 Tratamento
40 É uma denominação genérica, para designar qualquer método, elemento ou
41 material, cujo efeito que desejamos medir ou comparar, dessa forma é o que está sendo
42 estudado.
43 O tratamento pode ser qualitativo que são aqueles que têm por natureza
44 intrinsecamente diferente, como exemplo: quatro tipos de adubos nitrogenados; seis
45 cultivares de feijão; três tipos de herbicida, e também pode ser quantitativo que por
46 definição varia a sua intensidade ou quantidade (dose), que possibilita determinar
47 através de valores numérico o seu tratamento, exemplo: intensidade luminosa incidindo
48 sobre as plantas; doses de inseticida para o controle de uma determinada praga agrícola;
49 doses de nitrogênio que será aplicado em uma pastagem etc.
50
 2

51
52 Grupo controle ou testemunha
53 É o tratamento que não receberá o que está sendo estudado, sendo assim, a sua
54 resposta ocorre de maneira natural sem a influência do tratamento, como por exemplo:
55 um experimento onde será testada a eficiência de cinco tipos de inseticidas, então é
56 necessário o acréscimo do grupo controle sem o uso de inseticida, então teremos um
57 experimento com seis tratamentos.
58
59 Repetição
60 É a menor parte do tratamento, ou seja, é a representação do seu tratamento
61 dentro de uma parcela ou unidade experimental. Sendo assim é o número de vezes que o
62 tratamento se repete dentro de um experimento, então a sua unidade experimental é
63 representada pelo seu tratamento e repetição.
64
65 Unidade experimental ou parcela
66 É a unidade física ou biológica na qual o tratamento será aplicado. É na parcela
67 que obtemos os dados que deverão refletir o efeito de cada tratamento nela aplicado. As
68 ciências experimentais utilizavam o termo parcela como plot. Ex: a parcela pode ser
69 constituída por: uma planta; uma área com um grupo de plantas; um ou mais vasos
70 numa casa de vegetação; uma placa de Petri com um meio de cultura; um tubo de ensaio
71 com uma solução; etc.
72
73 Bordadura
74 É uma região ou área da parcela e ou mesmo da área experimental que será
75 influenciada pelo erro experimental não controlado, então é uma área que evita a
76 influência externa sobre a sua área experimental. Nesse caso, teremos a área útil e a
77 área total. Sendo assim a área total da sua parcela consiste a área de bordadura + a área
78 útil, é nessa área útil onde as suas amostras e dados deverão ser coletados.
79
80 Delineamento experimental
81 É o plano utilizado para realizar o experimento, que implica a maneira como os
82 diferentes tratamentos deverão ser distribuídos nas parcelas experimentais, e dará a
83 maneira de como serão analisados na análise estatística os dados que foram obtidos.
84 Então temos o Delineamento Inteiramente Casualizado (DIC), o Delineamento em
85 Blocos Casualizados (DBC), o Delineamento em Quadrado Latino (DQL), e temos
86 também os arranjos experimentais em fatoriais e parcela subdividida.
87 O Delineamento Inteiramente Casualizado (DIC) é o delineamento mais simples
88 dentro da estatística experimental, e é o mais utilizado em condições ambientais
89 controladas como é o caso dentro de um laboratório, onde o pesquisador consegue
90 controlar os fatores externos, e que não passa a influenciar no seu experimento, esse
91 controle envolve: a luz; temperatura; pressão etc.
92 Para experimentos em campo ao ar livre é utilizado o Delineamento em Blocos
93 Casualizados (DBC), pois dessa maneira todos os tratamentos estarão dispostos dentro
94 de um bloco, então eles passarão a sofrer de maneira igualitária os efeitos dos fatores
95 externos, um exemplo clássico é a declividade da área onde será instalado experimento,
96 pois as regiões mais baixas apresentará uma maior fertilidade devido o escorrimento da
97 chuva e que carrega e deposita partículas do solo e nutrientes.
98 Já o Delineamento em Quadrado Latino (DQL) é muito utilizado em
99 experimentos com animais, devido à legislação de bem estar animal e o valor
 3

100 econômico dos animais. Dessa forma, todos os animais receberão todos os tratamentos
101 em períodos diferentes, fazendo um rodízio entre eles.
102 Os arranjos fatoriais consistem na interação de dois ou mais fatores, sendo que
103 esse fator corresponde à natureza do seu tratamento, sendo assim podemos ter uma
104 interação entre um fator como, por exemplo, dois tipos de adubo que passa a interagir
105 com três espécies de vegetais, então encontraram um experimento em arranjo fatorial de
106 2x3 totalizando seis tratamentos. O esquema fatorial também lhe dá a liberdade de
107 utilizar um fator qualitativo como as três espécies vegetais interagindo com um fator
108 quantitativo como, por exemplo, seis doses de um composto orgânico, ficando assim um
109 arranjo fatorial de 3x6 totalizando 18 tratamentos. Por mais que tenhamos um
110 experimento em arranjo fatorial, ainda é necessário determinar o seu delineamento se é
111 DIC; DBC ou DQL.
112 A parcela subdividida consiste no emprego de um fator principal dentro da
113 parcela e nela mesma aplica-se um ou mais fatores, como exemplo, o emprego de
114 maturadores em parcelas grandes de cana-de-açúcar e durante intervalos de tempo faz
115 uma avaliação em uma parte dessa parcela, então teremos o emprego do produto como
116 fator principal e a avaliação no tempo como o fator secundário.
117
118 Grau de liberdade (GL)
119 É a interação do número de tratamentos com o número de repetição, então
120 teremos o valor de n. Para melhor entendimento podemos citar como exemplo, um
121 experimento com seis tratamentos e com quatro repetições, então calculamos o grau de
122 liberdade do nosso experimento dessa maneira: 6 trat x 4 rep = 24, então totalizando 24
123 parcelas ou unidades experimentais, e com grau de liberdade de 24. É pressuposto que o
124 valor mínimo necessário para a realização de um experimento é de 19 GL.
125
126 Erro experimental (e)
127 É todo o efeito que o pesquisador não consegue controlar ou isolar, e que passam
128 a influenciar nas suas variáveis respostas, os principais erros encontrados são: erro
129 humano no momento da avaliação; uma pesagem errada de adubo; uma balança não
130 calibrada; uma regulagem errada no espaçamento da linha de semeadura; uma chuva em
131 uma parte do experimento etc.
132
133 Modelo experimental
134 É a representação dos efeitos que influenciam os resultados sobre a sua unidade
135 experimental.
136
137 Dessa maneira teremos o modelo sobre a sua unidade experimental:
138
139 Resposta = média do tratamento + erro
140
141
142 Yij = i+ eij
143
144
145
146 Yij = resposta da unidade experimental
147 i = é a média da i-ésima unidade experimental
148 eij = é o erro ou variação na unidade experimental
149
 4

150
151 Então dentro de um experimento teremos esse modelo experimental:
152
153 Yijk = i + tj + eijk
154
155 Yijk = resposta da unidade experimental
156 i = média da população
157 tj = é o efeito do j-ésimo tratamento
158 eijk = é o erro ou variação na unidade experimental.
159
160 Amostra
161 É uma amostra homogenia e representativa da população que irá ser analisada, e
162 que reflete o comportamento dessa população. Dessa maneira é o grupo que será
163 analisado.
164
165 Variável
166 É o que vai ser determinado ou analisado na amostra, é característica de
167 interesse para comprovar o comportamento da população analisada e a resposta do seu
168 tratamento.
169
170 Ex: peso da massa seca; área foliar; teor de clorofila; produtividade.
171
172 Ex: Altura dos alunos de uma sala de aula.
173
174 1,72 – 1,71 – 1,65 – 1,75 – 1,80
175 1,69 – 1,78 – 1,70 – 1,77 – 1,64
176 1,91 – 1,78 – 1,68 – 1,69 – 1,76
177 1,80 – 1,62 – 1,73 – 1,61 – 1,81
178
179 Rol
180 É a ordenação dos dados encontrados, sendo assim é uma lista ordenada (pode
181 ser crescente) dos dados obtidos.
182
183 1,61 – 1,62 – 1,64 – 1,65 – 1,68 – 1,69 – 1,69 – 1,70 – 1,71 – 1,72
184 1,73 – 1,75 – 1,76 – 1,77 – 1,78 – 1,78 – 1,80 – 1,80 – 1,81 – 1,91
185
186
187 Amplitude (H)
188 É a diferença entre o valor maior e o menor valor.
189
190 H = 1,91 – 1,61
191 H = 0,30 m
192
193 Classe
194 O número de classes (NC) é calculado através:
195
196 NC:
197
198 NC:
199 NC: 4,4721
 5

200 Deve arredondar esse número para o próximo número inteiro, em 5.

201
202 Intervalo
203 Para calcular o intervalo de cada classe deve-se fazer o seguinte cálculo:
204
205 I: H
206 NC
207
208 Então temos:
209
210 I: 0,30
211 4,4721
212
213 I: 0,06
214
215 Frequência
216 É a representação de quantas vezes aquele termo dentro de um conjunto de
217 dados se repete, vejamos o exemplo a seguir:
218
Tabela 1: Altura dos alunos de uma sala de aula.
Classe Frequência Freq Relativa Freq Acumulada Freq Rel Acum
[1,61 – [
[ – [
[ – [
[ – [
[ – ]
219
220
221 MEDIDAS DE POSIÇÃO
222
223 Média Aritmética
224

225
226
227 Ex: Notas de 10 alunos da sala do primeiro ano de agronomia no primeiro
228 bimestre.
229
230 6 – 7 – 9 – 6 – 8 – 2 – 10 – 4 – 5 – 8
231
232 = 6 + 7 + 9 + 6 + 8 + 2 + 10 + 4 + 5 + 8 = 65
233 10 10
234
235 = 6,5
236
237 Obs: a média não divide os elementos ao meio, e não é obrigatório que apareça o
238 seu valor como um termo.
239
 6

240 Ex: Notas de 12 alunos da sala do primeiro ano de agronomia no segundo bimestre.
241
Nota Freq
0 1
2 1
4 2
6 3
8 3
10 2
242
243 = 0 + 2 + 4 + 4 + 6 + 6 + 6 + 8 + 8 + 8 + 10 + 10 = 72
244 12 12
245 = 6,0
246
247
248 Média Aritmética Ponderada
249
Peso Nota
1º Bimestre 1 10
2º Bimestre 2 8
3º Bimestre 3 6
4º Bimestre 4 4
250
251 = 10 + 8 + 8 + 6 + 6 + 6 + 4 + 4 + 4 + 4 = 60
252 1+2+3+4 10
253 = 6,0
254
255
256 Mediana (Md)
257 É o termo central de uma lista ordenada (caso o número de termos seja impar) ou
258 a média aritmética dos dois termos centrais (caso o número de termos seja par). Dessa
259 maneira a mediana divide os números de termos em 50% o conjunto de dados.
260
261 Ex: 5 – 2 – 8 – 10 – 3 – 9 – 1 (ordenar os valores)
262
263 1 – 2 – 3 – 5 – 8 – 9 – 10; então temos uma Md = 5.
264
265
266 Ex: 5 – 4 – 7 – 2 – 10 – 9 (ordenar os valores)
267
268 2 – 4 – 5 – 7 – 9 – 10
269
270 Md = 5 + 7 = 12 Md = 6
271 2 2
272
273 Determinando a mediana usando a frequência.
274
275
276
277 Ex: Notas dos alunos do 1º ano de Agronomia
 7

278
Nota Freq
4 3
5 2
6 4
7 8
8 6
9 5
10 3
Σ= 31
279
280 Nº do Termo central = 31 = 15,5
281 2
282 (deve arredondar para o próximo termo com valor inteiro)
283
284 Então a minha Md é o 16 termo
285
286 4–4–4–5–5–6–6–6–6–7–7–7–7–7–7–7–7–8–8–8–8–8
287 8 – 9 – 9 – 9 – 9 – 9 – 10 – 10 – 10
288
289 Então a minha Md = 7
290
291 Moda (Mo)
292 Moda é o termo que mais aparece ou se destaca entre dentro do conjunto de
293 dados.
294
295 Ex: 1 – 1 – 4 – 4
296 4–2–1–4
297 4–1–1–3
298 1–3–4–1
299
Nº Freq
1 7
2 1
3 2
4 6
300
301 Então a minha moda é 1; Mo = 1.
302
303 Ex: 2 – 1 – 2 – 3 – 4 – 3 – 5 – 6
304 Mo1 = 2
305 Mo2 = 3 então temos 2 modas
306
307 Ex: 5 – 6 – 1 – 2 – 3 – 4 – 0 – 7; não há moda
308 Ex: 2 – 2 – 3 – 3 – 4 – 4 – 5 – 5 – 6 – 6; não há moda
309
310 Também é necessário calcular as medidas as distâncias interquartis e o limite.
311
312
313
 8

314 Ex:
315
Tabela 2: Valores aleatórios da população de alunos em uma sala de aula.
Amostra Valores Md Mo H Di Li Ls
1 20 – 20 – 20 – 20 – 20
20 – 20 – 20 – 20 – 20
2 17 – 18 – 19 – 20 – 20
20 – 20 – 21 – 22 – 23
3 0 – 18 – 19 – 20 – 20
20 – 20 – 21 – 22 – 40
316
317
318 H1 = 20 – 20 = 0
319 H2 = 23 – 17 = 6
320 H3 = 40 – 0 = 40
321
322 Distância interquartil (Di)
323 Para calcular as distâncias interquartis é necessário determinar os valores Q1; Q2
324 e Q3, onde a distância de Q2 é igual ao valor de Md, pois Md divide o conjunto de
325 dados em duas partes iguais, ou seja, ½ a ½ ou 50% a 50%. Dessa maneira o Q1 é o
326 valor da “mediana” da primeira metade, sendo assim dividindo os termos em ¼ ou 25%,
327 e o Q3 é a outra “mediana” da outra metade novamente dividindo os termos em ¼ ou
328 25%.
329
330 Md
331 Q1 Q2 Q3
332 __________↓__________↓__________↓__________
333 _____________________½_____________________
334 __________¼________________________________
335 ________________________________¼__________
336
337 Então para determinar a distância interquartil deve:
338
339 Di = Q3 – Q1
340
341 Md
342 Q1 Q2 Q3
343 ↓ ↓ ↓
344 17 – 18 – 19 – 20 – 20 – 20 – 20 – 21 – 22 – 23
345
346 Di1 = 0
347 Di2 = 21 – 19 = 2
348 Di3 = 21 – 19 = 2
349
350 Limite
351
352 É necessário calcular os limites dos valores dos termos, que torna possível
353 encontrar os termos fora desse limite, e que passam a receber o nome de outliers, sendo
354 assim teremos o limite inferior e o superior.
355 Na experimentação é utilizado o valor de 1,5 até 3 vezes o valor de Di.
 9

356
357 Então temos:
358
359 Li = min. {Q1 – 1,5 (Q3 – Q1)}
360 Ls = máx. {Q3 + 1,5 (Q3 – Q1)}
361
362 Li1 = 0
363 Li2 = 19 – 3 = 16 e Ls1 = 21 + 3 = 24
364 Li3 = 19 – 3 = 16 e Ls2 = 21 + 3 = 24
365
366
367 Gráfico de Box Plot (Diagrama de caixa)
368
369 É a representação gráfica de um conjunto de dados, a qual permite avaliar
370 rapidamente a dispersão dos mesmos, destacando também os valores discrepantes
371 (outliers).
372
373 ______________
374 |—————|______|_______|—————-———| * * *
375 _____↓_________↓______↓______↓________________↓___________
376 Li Q1 Q2 Q3 Ls
377 Md
378
379 Ex: Construa um gráfico boxplot que representa a produtividade de cana-de-
380 açúcar em t/ha.
381 Produtividade não ordenada:
382
383 60 – 100 – 40 – 70 – 70 – 40 – 10 – 80 – 70 – 100
384 40 – 90 – 80 – 50 – 90 – 60 – 50 – 80 – 100 – 20
385 50 – 0 – 70 – 40 – 80 – 60 – 100 – 90 – 60 – 80
386 80 – 10 – 70 – 80 – 50 – 50 – 30 – 80 – 70 – 90
387
388 Produtividade ordenada:
389
390 0 – 10 – 10 – 20 – 30 – 40 – 40 – 40 – 40 – 50
391 50 – 50 – 50 – 50 – 60 – 60 – 60 – 60 – 70 – 70
392 70 – 70 – 70 – 70 – 80 – 80 – 80 – 80 – 80 – 80
393 80 – 80 – 90 – 90 – 90 – 90 – 100 – 100 – 100 – 100
394
395 Md = 70 Q1 = 50 Q3 = 80
396
397 Di = Q3 – Q1
398 Di = 80 – 50
399 Di = 30
400
Li = Q1 – 1,5 (Q3 – Q1) Ls = Q3 + 1,5 (Q3 – Q1)
Li = 50 – 1,5 (30) Ls = 80 + 1,5 (30)
Li = 50 – 45 Ls = 80 + 45
Li = 5 Ls = 125
401
 10

402
403 Li Q1______Q2__Q3 Ls
404 * |——————---——|_______|____|——---—|-------------|
405 ↓ ↓ ↓ ↓ ↓
406 —0—10—20—30—40—50—60—70—80—90—100— 125
407
408
409 MEDIDAS DE DISPERSÃO
410
411 É notório que a apresentação das medidas de posição, não é possível observar o
412 comportamento dos valores de cada termo dentro de um conjunto de dados da amostra
413 ou população, dessa maneira é necessário calcular as medidas de dispersão sendo elas a
414 variância (σ2 ou s2) e o desvio padrão (σ ou s).
415 Onde temos as seguintes fórmulas:
416
417 Variância da população
418

419 ou
420
421
422 Variância da amostra
423

424 ou
425
426 Desvio padrão
427

428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
 11

444 TESTES DE NORMALIDADE

445
446 Após a obtenção do conjunto de dados do seu experimento, é necessário fazer os
447 testes de normalidade e homocedasticidade para verificar se seus dados são normais e
448 homogênios, pois são preceitos para dar continuidade nas suas análises estatísticas. Os
449 principais testes de normalidade são: teste de Shapiro-Wilk; teste Kolmogorov-
450 Smirnov; teste de Anderson-Darling e outros, que serão usados para comparar uma
451 amostra com uma distribuição de probabilidade de referência ou duas amostras uma
452 com a outra, que passa explicar se essa amostra responde de amaneira similar ao
453 comportamento normal da população, dentro de uma distribuição de probabilidade
454 referência ou modelo.
455
456 Dessa forma usaremos como padrão o teste de Shapiro-Wilk, onde temos a
457 seguinte estatística:
458

459
460
461 Após a aferição dos resultados, caso o conjunto dados com seus termos não
462 forem normais, recomenda-se a exclusão dos outliers, e roda novamente o teste de
463 normalidade, pois esses termos estão provocando uma maior variância, e caso mesmo
464 assim os dados não forem normais, recomenda-se fazer uma transformação desses
465 dados, empregando uma √x; um log(x) etc, se ainda os seus dados não forem normais, a
466 estatística paramétrica encerra-se aqui, então é necessário à utilização da estatística não
467 paramétrica.
468 Se os dados forem normais, inicia-se a análise de variância do seu conjunto de
469 dados, com o objetivo de encontrar diferenças estatísticas entre os seus tratamentos.
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
 12

492 TESTE T DE STUDENT PARA DADOS PAREADOS

493
494 Esse é utilizado para determinar se entre dois conjuntos de dados pareados, pois
495 é muito utilizado em estudos na área da educação onde testam dois métodos de ensino, e
496 também pode ser utilizado na agricultura, pois podemos determinar se tratar ou não uma
497 determinada cultura se difere da hipótese da nulidade. Dessa forma, o uso do teste t
498 pode ser utilizado em muitos casos no dia-a-dia, onde teremos uma inferência do antes e
499 depois do que foi testado.
500 Então para iniciar o teste devemos:
501
502 a) calcular as diferenças entre todas as observações pareadas:
503

504
505
506 b) calcular a média dessas diferenças:
507

508
509
510 c) calcular a variância dessas diferenças:
511

512
513
514 d) calcular o valor de t, que está associado a n graus de liberdade, pela fórmula:
515

516
517
518 e) comparar o valor absoluto do t calculado com o valor crítico dado em tabela,
519 ao nível estabelecido de significância e com os mesmos graus de liberdade (n – 1). Toda
520 vez que o valor absoluto do t calculado for igual ou maior que o valor crítico dado na
521 tabela, rejeite a hipótese de que as médias em comparação são iguais ao nível
522 considerado de significância.
523
524 Para esse teste é muito simples a sua aplicação, exemplo:
525
526 Em uma fazenda citrícola localizada no município de Andradina, foi amostrado
527 de maneira aleatória em um talhão 10 pés de laranja, e posteriormente foi aferida a
528 população de ácaros da leprose, em seguida foi aplicado um acaricida, após dois dias de
529 aplicação, foi determinada novamente a população desse ácaro conforme a Tabela
530 abaixo.
 13

531
532
Tabela 3: Valores obtidos na fazenda citrícola.
Antes (y1) Depois (y2) d = y2 – y1 d2 S2
20 10 10
30 28 2
45 22 23
23 15 8
12 12 0
38 19 19
42 23 19
49 49 0
21 21 0
32 12 20
533
534
535 Pergunta-se, o acaricida foi eficiente no controle desse ácaro?
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
 14

569
570 ANÁLISE DE VARIÂNCIA (ANAVA)
571
572 É a técnica estatística que permite avaliar afirmações sobre as médias de
573 populações. A análise visa fundamentalmente, verificar se existe uma diferença
574 significativa entre as médias dos tratamentos e se os fatores exerceram influência em
575 alguma variável dependente.
576
577 DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
578 No delineamento inteiramente casualizado segue o seguinte modelo
579 experimental:
580 Então dentro de um experimento teremos esse modelo experimental em DIC:
581
582 Yijk = i + tj + eijk
583
584 Yijk = resposta da unidade experimental
585 i = média da população
586 tj = é o efeito do j-ésimo tratamento
587 eijk = é o erro ou variação na unidade experimental.
588
589 Em um experimento inteiramente casualizado ao acaso, observamos a seguinte
590 situação.
591
Tabela 3: Um experimento com delineamento inteiramente casualizado.
Tratamentos
1 2 3 ... k Total
. . . . .
. . . . .
. . . . .
Total T1 T2 T3 ... Tk Σy
Número de repetições r r r ... r n = kr
592
593
594 Para fazer a análise de variância de um experimento inteiramente ao acaso
595 (DIC), é preciso calcular as seguintes quantidades:
596
597 a) Os graus de liberdade:
598 de tratamentos: (k – 1)
599 do total: (n – 1), onde n = kr
600 do resíduo: (n – 1) – (k – 1) = n – k
601
602
603 b) O valor da correção C:

604
605
606 c) A soma de quadrado do total:
607

608
 15

609
610 d) A soma de quadrados de tratamentos:
611

612
613
614 e) A soma dos quadrados do resíduo:
615

616
617
618 f) O quadrado médio de tratamentos:
619

620
621
622 g) O quadrado médio do resíduo:
623

624
625
626 h) O valor de F:
627

628
629
630 Sendo assim, inicia-se a montagem do quadro de análise de variância.
631
Tabela 4: Quadro da ANAVA do DIC
Causa de variação GL SQ QM F
Tratamentos k–1 SQTr QMTr F calculado
Resíduo n–k SQR QMR
Total n–1 SQT
632
633 Determinar o coeficiente de determinação (R2):
634

635
636
637 Portanto o R2 é uma medida de proporção da variação total explicada pela
638 variação devida aos tratamentos. Como o valor de R2 varia entre 0 e 1, pode ser
639 apresentado como uma porcentagem.
640
641
642
643
644
645
646
647
 16

648 Coeficiente de variação (CV%)

649
650 É a razão entre o desvio padrão (que, na análise de variância, é dado pela raiz
651 quadrada do quadrado médio do resíduo) com a média geral de todos os dados ( ).
652

653
654
655 Se após a ANAVA, se foi observado um efeito significativo entre os
656 tratamentos, é necessário à aplicação de um teste de média quando os tratamentos
657 apresentam natureza qualitativa ou uma análise de regressão quando os tratamentos
658 forem de natureza quantitativa. Dessa forma iniciaremos com testes de média, sendo os
659 principais são eles: o de Tukey, que é o mais utilizado pelo meio científico por ser o
660 mais rigoroso entre os testes; temos também os testes: t de Student; teste Duncan; teste
661 de Scheffé; teste de Studed-Newman-Keuls (SNK) ou mesmo o método de Skott &
662 Knott. Na área da agropecuária é recomendado uso do método de Skott & Knott quando
663 número de tratamentos é acima de sete, pois dificulta a interpretação do resultado ou
664 mesmo o apontamento do melhor tratamento, pois nos outros testes podem ocorrer
665 igualdades estatísticas entre os tratamentos. Sendo assim, vamos usar esse exemplo para
666 explicação:
667
Tabela 5: Os valores abaixo correspondem ao número de folhas (NF) de milho de um
experimento onde foram testados cinco tipos de adubos. Qual o adubo que proporcionou
maior NF?
Adubos
A B C D E
1 8 4 8 8 4
Rep 2 9 9 9 7 2
3 10 6 6 6 9
4 6 4 3 4 7
668
669 Aplicando as estatísticas anteriores teremos:
670
671 Calculando o fator de correção C:

672
673
674 C = (8 + 9 + 10 . . . 2 + 9 + 7)2 = (129)2 = 16641
675 20 20 20
676
677 C = 832,05
678
679 Calculando a soma do quadrado do total:
680
681
682 SQT = (64 + 81 + 100 . . . 4 + 81 + 49) – 832,05 = 935 – 832,05
683
684 SQT = 102,95
685
 17

686 Calculando a soma dos quadrados dos tratamentos:

687
688
689 SQTr = (332 + 232 + 262 + 252 + 222) – 832,05
690 4
691
692
693 SQTr = (1089 + 529 + 676 + 625 + 484) – 832,05
694 4
695
696 SQTr = 3403 – 832,05
697 4
698
699 SQTr = 850,75 – 832,05
700
701 SQTr = 18,70
702
703 Calculando a soma do quadrado do resíduo:
704
705 SQR = 102,95 – 18,70
706
707 SQR = 84,25
708 Calculando o quadrado médio dos tratamentos:

709
710
711 QMTr = 18,70
712 4
713
714 QMTr = 4,675
715
716 Calculando o quadrado médio do resíduo:

717
718
719 QMR = 84,95
720 15
721
722 QMR = 5,66
723
724 Calculando o valor do Fcalc:

725
726
727 F = 4,675
728 5,66
729 F = 0,825
730
 18

731 Sendo montamos o quadro da ANAVA dessa variável, que ficou assim:
732
Tabela 6: Quadro da ANAVA
Causa de variação GL SQ QM F
Tratamentos 4 18,70 4,675 0,825 ns
Resíduo 15 84,25 5,66
Total 19 102,95
733 Veja agora, como se obtém o valor crítico de F. Observe os limites unilateriais
734 de F ao nível de 5% de probabilidade, que reproduz parte da tabela em anexo. Ali estão
735 os valores críticos de F ao nível de significância de 5%. Note que os valores de F estão
736 associados ao número de graus de liberdade do numerador (Tr) e ao número de graus de
737 liberdade do denominador (resíduo), então teremos o valor de 3,06.
738

739
740
741 Com isso, podemos concluir que não foi observada uma diferença significativa
742 entre os adubos, isso implica que todos os adubos são iguais estatisticamente quanto ao
743 número de folhas, sendo assim, se encerra a estatística para essa variável.
744 Também devemos determinar o CV%:
745

746
747

748 CV% =
749
750 CV% = 2,37
751 6,45
752
753 CV% = 0,3674
754
755 CV = 36,74%
756
757 Vejamos a seguir a seguir uma segunda variável no mesmo experimento.
758
759
760
761
762
763
 19

Tabela 7: Os valores abaixo correspondem altura da inserção da primeira espiga (AIPE)

de milho de um experimento onde foram testados cinco tipos de adubos. Qual o adubo
que proporcionou a maior AIPE?
Adubos
A B C D E
1 107 114 126 117 120
Rep 2 105 119 121 121 119
3 118 136 124 118 122
4 108 121 122 123 116
764
765 Então após a realização dos mesmos cálculos como anteriormente, conseguimos
766 o seguinte quadro de ANAVA:
767
Tabela 8: Quadro da ANAVA
Causa de variação GL SQ QM F
Tratamentos 4 484,30 121,07 4,26*
Resíduo 15 426,25 28,416
Total 19 910,55
768
769
770 Então da mesma maneira, foi obtido o valor do Fcalc de 4,29, enquanto o valor
771 do Ftab é de 3,06, demonstrando que o valor de Fcalc é maior do que o de Ftab, assim
772 podemos dizer que foi significativo a 5%, conforme demonstrado:
773

774
775
776 Com isso, podemos concluir que foi observada uma diferença significativa entre
777 os adubos, isso implica que algum adubo é diferente estatisticamente quanto ao número
778 de folhas. Então continua sua análise estatística com um teste de média, pois a natureza
779 dos seus tratamentos são qualitativos. Com o teste de média é possível determinar qual é
780 o melhor tratamento, pois apresentou maior média. Com um CV de 4,48%.
781
782
783
784
785
786
787
788
789
 20

790 TESTE DE MÉDIA

791
792 Para proceder ao teste de Tukey é necessário calcular a diferença mínima
793 significativa (DMS) entre duas médias através dos contrastes ortogonais. É utilizado ao
794 nível de de 5% de probabilidade de ocorrer o evento. Dessa forma, para determinar a
795 DMS de Tukey é aplicada a seguinte estatística:
796

797
798
799 Onde o valor de q é obtido na tabela de Tukey ao nível de 5% de probabilidade,
800 observando uma interação entre n1 que corresponde o número de médias ou tratamentos
801 com n2 que é o número de graus de liberdade do resíduo. A tabela de Tukey anexada no
802 final.
803 Então o valor de q em n1 = 5 e n2 = 15, encontramos o valor de 4,37, então se
804 aplica a estatística:

805
806
807 DMS = 4,37 . √
808
809 DMS = 4,37 . √7,104
810
811 DMS = 4,37 . 2,66
812
813 DMS = 11,64
814
815 Sendo assim, os a tratamentos ficaram dessa maneira:
816
817 Adubo C = 123,25 a
818 Adubo B = 122,50 a
819 Adubo D = 119,75 ab
820 Adubo E = 119,25 ab
821 Adubo A = 109,50 b
822
823 Com esse resultado podemos dizer que os melhores adubos C; B; D e E são
824 estatisticamente iguais para AIPE com maiores médias, e o destacando entre eles o
825 adubo C.
826
827
828
829
830
831
832
833
834
835
 21

836 DELINEAMENTO EM BLOCOS CASUALIZADOS DBC

837
838 Podemos utilizar o mesmo exemplo da variável AIPE para fazer as estatísticas
839 com um delineamento em blocos casualizados DBC, com esse delineamento teremos
840 um modelo experimental um pouco diferente quanto ao DIC, pois passamos a ter
841 influencia do bloco sobre seu modelo estatístico ficando dessa maneira:
842 Então dentro de um experimento teremos esse modelo experimental em DBC:
843
844 Yijk = i + tj + bk eijkl
845
846 Yijk = resposta da unidade experimental
847 i = média da população
848 tj = o efeito do j-ésimo tratamento
849 bk = o efeito do k-ésimo bloco
850 eijkl = o erro ou variação na unidade experimental.
851
Tabela 9: Um experimento em delineamento em blocos casualizados.
Bloco Tratamentos Total
1 2 3 ... k
1 . . . . . ΣB1
2 . . . . . ΣB2
.
.
.
r
Total ΣT1 ΣT2 ΣT3 ... ΣTk Σy
Nº de Repetições r r r ... r n = k.r
852
853
854 Dessa maneira a análise estatística segue os mesmos procedimentos
855 anteriormente, porém acrescentando o efeito do bloco, ficando o quadro da ANAVA
856 dessa maneira:
857
Tabela 10: Quadro da ANAVA do DBC
Causa de GL SQ QM F
variação
Tratamentos k–1 SQTr QMTr Fcal do Trat
Blocos r–1 SQB QMB Fcal do B
Resíduo (n - 1) – ((k – l) + (r - 1)) SQR QMR
Total n–1 SQT
858
859 Para fazer a análise de variância de um experimento inteiramente ao acaso
860 (DBC), é preciso calcular as seguintes quantidades:
861
862 a) Os graus de liberdade:
863 de tratamentos: (k – 1)
864 de blocos: (r – 1)
865 do total: (n – 1)
866 do resíduo: (n – 1) – ((k – 1) + (r – 1))
867
 22

868 b) O valor da correção C:

869
870
871 c) A soma de quadrado do total:
872

873
874
875 d) A soma de quadrados de tratamentos:
876

877
878
879 e) A soma de quadrados de blocos:
880

881
882
883 f) A soma dos quadrados do resíduo:
884

885
886
887
888 Então como exemplo vamos utilizar novamente a variável AIPE com as
889 estatísticas feitas em DBC, o quadro de ANAVA ficou dessa maneira:
890
Tabela 11: Os valores abaixo correspondem altura da inserção da primeira espiga
(AIPE) de milho de um experimento onde foram testados cinco tipos de adubos. Qual o
adubo que proporcionou a maior AIPE?
Adubos
A B C D E
1 107 114 126 117 120
Bloco 2 105 119 121 121 119
3 118 136 124 118 122
4 108 121 122 123 116
891
892
893
894
895
896
897
898
899
900
901
902
 23

903 E o quadro da ANAVa ficará dessa maneira:

904
Tabela 12: Quadro da ANAVA do DBC
Causa de variação GL SQ QM F
Tratamentos 4 484,30 121,075 5,35*
Blocos 3 154,55 51,516 2,27 ns
Resíduo 12 271,70 22,641
Total 19 910,55
905 Onde o calculo do fator de correção C ficou assim:

906
907
908 C = (107 + 114 + 126 . . . 122 + 123 + 116)2 = (2377)2 = 5650129
909 20 20 20
910
911 C = 282506,45
912
913 Calculando a soma do quadrado do total:
914
915
916 SQT = (1072 + 1142 + 1262 . . . 1222 + 1232 + 1162) – 282506,45
917
918 SQT = 283417 – 282506,45
919
920 SQT = 910,55
921
922 Calculando a soma dos quadrados dos tratamentos:

923
924
925 SQTr = (4382 + 4902 + 4932 + 4792 + 4772) – 282506,45
926 4
927
928 SQTr = (191844 + 240100 + 243049 + 229441 + 227529) – 282506,45
929 4
930
931 SQTr = 1131963 – 282506,45
932 4
933
934 SQTr = 282990,75 – 282506,45
935
936 SQTr = 484,30
937
938 Calculando a soma de quadrados de blocos:

939
940
941 SQB = (584)2 + (585)2 + (618)2 + (590)2 – 282506,45
942 5
 24

943
944 SQB = 341.056 + 342.225 + 381.924 + 348.100 – 282506,45
945 5
946
947 SQB = 1413305 – 282.506,45
948 5
949
950 SQB = 282661 – 282506,45
951 SQB = 154,55
952
953 Calculando a soma do quadrado do resíduo:
954

955
956
957 SQR = 910,55 – 484,30 – 154,55
958
959 SQR = 271,70
960
961 Calculando o quadrado médio dos tratamentos:

962
963
964 QMTr = 484,30
965 4
966
967 QMTr = 121,075
968
969 Calculando o quadrado médio dos blocos:
970
971 QMB =
972
973 QMB = 154,55
974 3
975
976 QMB = 51,516
977
978 Calculando o quadrado médio do resíduo:
979
980 QMR =
981
982 QMR = 271,70
983 12
984
985 QMR = 22,64
986
987 Calculando o valor do Ft:

988
 25

989
990 F = 121,075
991 22,64
992
993 F = 5,34
994
995
996 Calculando o valor do Fb:
997
998 F=
999
1000 F = 51,516
1001 22,64
1002
1003 F = 2,27
1004
1005 E aplicando o teste de Tukey o resultado ficou similar ao anterior, dessa
1006 maneira:
1007 Então o valor de q em n1 = 5 e n2 = 15, encontramos o valor de 4,37, então
1008 aplica-se a estatística:

1009
1010
1011 DMS = 4,37 . √
1012
1013 DMS = 4,37 . √7,104
1014
1015 DMS = 4,37 . 2,66
1016
1017 DMS = 11,64
1018
1019 Sendo assim, os a tratamentos ficaram dessa maneira:
1020
1021 Adubo C = 123,25 a
1022 Adubo B = 122,50 a
1023 Adubo D = 119,75 ab
1024 Adubo E = 119,25 ab
1025 Adubo A = 109,50 b
1026
1027 Com esse resultado podemos dizer que os melhores adubos C; B; D e E são
1028 estatisticamente iguais para AIPE com maiores médias, e o destacando entre eles o
1029 adubo C. E com um CV de 4,00.
1030
1031
1032
1033
1034
1035
1036
 26

1037 CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

1038
1039 Essa análise estatística demonstra o comportamento da interação entre seu
1040 tratamento de natureza quantitativa com as variáveis respostas, sendo assim, digamos
1041 que é uma análise bivariada, pois tem a interação entre duas variações, que essa relação
1042 pode ser explicada através uma reta, com o emprego de uma equação linear simples,
1043 onde temos:
1044
1045 y = b + ax
1046
1047 Onde:
1048 a é o coeficiente de inclinação da reta
1049 b é o intercepto na reta
1050
1051 É necessário determinar a existência de algum relacionamento entre as duas
1052 variações, que passa a ser chamada de correlação linear de Pearson. Nem sempre essa
1053 correlação é de causa efeito, sendo assim, por mais que é encontrada uma correlação
1054 significativa entre as variáveis é o pesquisador quem vai determinar se essa correlação
1055 tem embasamento científico e que possui uma explicação para a ocorrência do efeito.
1056 Para a observação o comportamento de uma correlação é necessário apresentar o
1057 gráfico de dispersão da interação entre as variáveis, que é possível observar
1058 graficamente as seguintes correlações:
1059

Positiva Negativa

Sem correlação Não linear

1060
1061 Então para determinar o grau de correlação entre as duas variáveis emparelhadas
1062 (x.y) aplica-se essa estatística:
1063
1064

1065
1066
1067
1068
 27

1069 Segue um exemplo hipotético para o entendimento da fórmula.

1070
1071 Um pesquisador avaliou a altura de plantas (AP) de eucalipto e números de
1072 galhos (G).
1073
Tabela 12: altura de plantas (AP) de eucalipto e números de galhos (G)
AP (m) Nº G x.y x2 y2
28 140 3920 784 19600
20 110 2200 400 12100
22 100 2200 484 10000
14 75 1050 196 5625
10 60 600 100 3600
7 52 364 49 2704
Σ= 101 537 10334 2013 53629
1074
1075
1076 r= 6.(10334) – (101).(537) _
1077 √6.(2013) – (101) . √6.(53629) – (537)2
2

1078
1079
1080 r= 62004 – 54237 _
1081 √12078 – 10201 . √321774 – 288369
1082
1083 r= 7767 _
1084 √1877 . √33405
1085
1086 r= 7767 _
1087 43,3244 . 182,7703
1088
1089 r = 7767 _
1090 7918,414
1091
1092 r = 0,9809 que também pode representada em porcentagem 98,09%
1093
1094
1095 Uma correlação é considerada significativa a partir de 70%, e possui casos que
1096 até pode ser a partir de 60%.
1097 Portanto damos ao início a análise de regressão linear simples, o primeiro passo
1098 é determinar o valor de a (y = b + ax), que será usado o método da soma dos quadrados,
1099 onde se aplica a seguinte estatística:
1100

1101
1102
1103
1104
1105
1106
 28

1107 E para determinar o valor de b, é necessário calcular as médias de x e y,

1108 encontradas através das estatísticas:

1109
1110
1111 Então temos:
1112
1113

1114
1115
1116 Aproveitando o exemplo anterior, vamos aplicar a fórmula para determinação de
1117 a, ficando assim:
1118
1119 a= 6.(10334) – (101).(537) _
1120 6.(2013) – (101)2
1121
1122 a= 62004 – 54237 _
1123 12078 – 10201
1124
1125 a = 7767 _ a = 4,138
1126 1877
1127
1128 Então, agora é necessário determinar o valor de b (y = b + ax), então seguiremos
1129 os procedimentos anteriores:

1130 = 89,5
1131

1132 = 16,833
1133
1134
1135
1136
1137 b = 89,5 – 4,138 . 16,833
1138 b = 89,5 – 69,655
1139 b = 19,845
1140
1141 Então a fórmula ficou assim:
1142
1143 ŷ = 19,845 + 4,138x
1144
 29

1145 Com essa equação explica-se de maneira perfeita do modelo estudado para altura
1146 das plantas com relação aos números de ramos. Sabendo que temos esse modelo que
1147 explica esse comportamento, torna necessário calcular os presentes com os dados
1148 obtidos para a determinação do coeficiente de variação desse conjunto de dados e
1149 mesmo o seu desvio padrão.
1150 Então para determinar esse erro ou variação basta fazer a seguinte estatística:
1151
1152 e = yi – ŷ
1153
1154 onde yi são os valores observados e ŷ são os valores estimados, dessa maneira
1155 temos que fazer uma nova tabela de conjunto de dados, mostrando os valores
1156 observados e os valores estimados e suas diferenças, ficando assim:
1157
1158
Tabela 13: Desvios da regressão
x y ŷ e (yi – ŷ)
28 140 135,709 4,291
20 110 102,605 7,395
22 100 110,881 -10,881
14 75 77,777 -2,777
10 60 61,225 -1,225
7 52 48,811 3,189
1159
1160 Sendo assim, a plotagem do gráfico ficará assim:
1161

1162
1163
1164
1165 Para calcular a variância e o desvio padrão da regressão, basta aplicar as
1166 estatísticas já apresentada anteriormente.
1167 Então fica dessa maneira:
1168
1169 S2 da regressão = (4,2912)+(7,3952)+(-10,8812)+(-2,7772)+(-1,2252) + (3,1892)
1170 6
1171
1172 S2 da regressão = 18,41 + 54,68 + 118,39 + 7,71 + 1,50 + 10,16
1173 6
1174
1175 S2 da regressão = 210,75
1176 6
1177
 30

1178 S2 da regressão = 35,4

1179
1180 σ = √35,4
1181
1182 σ = 5,92
1183
1184
1185
1186
1187
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
1202
1203
1204
1205
1206
1207
1208
1209
1210
1211
1212
1213
1214
1215
1216
1217
1218
1219
1220
1221
1222
1223
1224
1225
1226
1227
 31

Valores de t em diferentes níveis de probabilidade

n1 0,1% 1% 5% 10% 20% 30% 60% 50%

n2
1 636,6 63,66 12,71 6,314 3,078 1,963 1,376 1,000
2 31,60 9,925 4,303 2,920 1,886 1,386 1,061 0,816
3 12,92 5,841 3,182 2,353 1,638 1,250 0,978 0,765
4 8,610 4,604 2,776 2,132 1,533 1,190 0,941 0,741
5 6,869 4,032 2,571 2,015 1,476 1,156 0,920 0,727
6 5,959 3,707 2,447 1,943 1,440 1,134 0,906 0,718
7 5,408 3,499 2,365 1,895 1,415 1,119 0,896 0,711
8 5,041 3,355 2,306 1,860 1,397 1,108 0,889 0,706
9 4,781 3,250 2,262 1,833 1,383 1,100 0,883 0,703
10 4,587 3,169 2,228 1,812 1,372 1,093 0,879 0,700
11 4,437 3,106 2,201 1,796 1,363 1,088 0,876 0,697
12 4,318 3,055 2,179 1,782 1,356 1,083 0,873 0,695
13 4,221 3,012 2,160 1,771 1,350 1,079 0,870 0,694
14 4,140 2,977 2,145 1,761 1,345 1,076 0,868 0,692
15 4,073 2,947 2,131 1,753 1,341 1,074 0,866 0,691
16 4,015 2,921 2,120 1,746 1,337 1,071 0,865 0,690
17 3,965 2,898 2,110 1,740 1,333 1,069 0,863 0,689
18 3,922 2,878 2,101 1,734 1,330 1,067 0,862 0,688
19 3,883 2,861 2,093 1,729 1,328 1,066 0,861 0,688
20 3,850 2,845 2,086 1,725 1,325 1,064 0,860 0,687
21 3,819 2,831 2,080 1,721 1,323 1,063 0,859 0,686
22 3,792 2,819 2,074 1,717 1,321 1,061 0,858 0,686
23 3,767 2,807 2,069 1,714 1,319 1,060 0,858 0,685
24 3,745 2,797 2,064 1,711 1,318 1,059 0,857 0,685
25 3,725 2,787 2,060 1,708 1,316 1,058 0,856 0,684
26 3,707 2,779 2,056 1,706 1,315 1,058 0,856 0,684
27 3,690 2,771 2,052 1,703 1,314 1,057 0,855 0,684
28 3,674 2,763 2,048 1,701 1,313 1,056 0,855 0,683
29 3,659 2,756 2,045 1,699 1,311 1,055 0,854 0,683
30 3,646 2,750 2,042 1,697 1,310 1,055 0,854 0,683
40 3,551 2,704 2,021 1,684 1,303 1,050 0,851 0,681
50 3,496 2,678 2,009 1,676 1,299 1,047 0,849 0,679
60 3,460 2,660 2,000 1,671 1,296 1,045 0,848 0,679
80 3,416 2,639 1,990 1,664 1,292 1,043 0,846 0,678
100 3,390 2,626 1,984 1,660 1,290 1,042 0,845 0,677
120 3,373 2,617 1,980 1,658 1,289 1,041 0,845 0,677
1228
1229
1230
1231
1232
1233
1234
1235
1236
 32

Teste F ao nível de 5% de probabilidade

n1 = número de graus de liberdade associado à variância do numerador do Teste F.
n2 = número de graus de liberdade associado à variância do denominador do Teste F.
n1 1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 25 30
n2
1 161,45 199,50 215,71 224,58 230,16 233,99 236,77 238,88 240,54 241,88 242,98 243,90 245,95 248,02 249,05 249,26 250,10
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,43 19,45 19,45 19,46 19,46
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74 8,70 8,66 8,64 8,63 8,62
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,94 5,91 5,86 5,80 5,77 5,77 5,75
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,62 4,56 4,53 4,52 4,50
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,94 3,87 3,84 3,83 3,81
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,57 3,51 3,44 3,41 3,40 3,38
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,22 3,15 3,12 3,11 3,08
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,01 2,94 2,90 2,89 2,86
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,85 2,77 2,74 2,73 2,70
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79 2,72 2,65 2,61 2,60 2,57
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,62 2,54 2,51 2,50 2,47
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60 2,53 2,46 2,42 2,41 2,38
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,57 2,53 2,46 2,39 2,35 2,34 2,31
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,40 2,33 2,29 2,28 2,25
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,46 2,42 2,35 2,28 2,24 2,23 2,19
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,31 2,23 2,19 2,18 2,15
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,27 2,19 2,15 2,14 2,11
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,23 2,16 2,11 2,11 2,07
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,20 2,12 2,08 2,07 2,04
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,18 2,10 2,05 2,05 2,01
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,26 2,23 2,15 2,07 2,03 2,02 1,98
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,24 2,20 2,13 2,05 2,01 2,00 1,96
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,22 2,18 2,11 2,03 1,98 1,97 1,94
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,20 2,16 2,09 2,01 1,96 1,96 1,92
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,07 1,99 1,95 1,94 1,90
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,17 2,13 2,06 1,97 1,93 1,92 1,88
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,15 2,12 2,04 1,96 1,91 1,91 1,87
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,03 1,94 1,90 1,89 1,85
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,13 2,09 2,01 1,93 1,89 1,88 1,84
40 4,12 3,27 2,87 2,64 2,49 2,37 2,29 2,22 2,16 2,11 2,07 2,04 1,96 1,88 1,83 1,82 1,79
1237
 33

1238
Teste F ao nível de 1% de probabilidade
n1 = número de graus de liberdade associado à variância do numerador do Teste F.
n2 = número de graus de liberdade associado à variância do denominador do Teste F.
n1 1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 25 30
n2
1 4052 4999 5403 5624 5763 5858 5928 5980 6022 6055 6083 6106 6156 6208 6234 6239 6260
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,43 99,45 99,46 99,46 99,47
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05 26,87 26,69 26,60 26,58 26,50
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,20 14,02 13,93 13,91 13,84
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,72 9,55 9,47 9,45 9,38
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,56 7,40 7,31 7,30 7,23
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,31 6,16 6,07 6,06 5,99
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,73 5,67 5,52 5,36 5,28 5,26 5,20
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 4,96 4,81 4,73 4,71 4,65
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,77 4,71 4,56 4,41 4,33 4,31 4,25
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,25 4,10 4,02 4,01 3,94
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,01 3,86 3,78 3,76 3,70
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,82 3,66 3,59 3,57 3,51
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,66 3,51 3,43 3,41 3,35
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,52 3,37 3,29 3,28 3,21
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,62 3,55 3,41 3,26 3,18 3,16 3,10
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,31 3,16 3,08 3,07 3,00
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,43 3,37 3,23 3,08 3,00 2,98 2,92
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,15 3,00 2,92 2,91 2,84
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,29 3,23 3,09 2,94 2,86 2,84 2,78
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,24 3,17 3,03 2,88 2,80 2,79 2,72
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 2,98 2,83 2,75 2,73 2,67
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07 2,93 2,78 2,70 2,69 2,62
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,09 3,03 2,89 2,74 2,66 2,64 2,58
25 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 3,06 2,99 2,85 2,70 2,62 2,60 2,54
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 3,02 2,96 2,81 2,66 2,58 2,57 2,50
27 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,99 2,93 2,78 2,63 2,55 2,54 2,47
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,96 2,90 2,75 2,60 2,52 2,51 2,44
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,93 2,87 2,73 2,57 2,49 2,48 2,41
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,91 2,84 2,70 2,55 2,47 2,45 2,39
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,66 2,52 2,37 2,29 2,27 2,20
1239
 34

Tabela (q), para o uso no teste de Tukey, ao nível de 5% de probabilidade.

n1 = número de médias.
n2 = número de graus de liberdade do resíduo.
n1 2 3 4 5 6 7 8 9 10 11 12 15 20 24 30 40 60
n2
1 17,97 26,98 32,82 37,08 40,41 43,12 45,40 47,36 49,07 50,59 51,96 53,19 59,55 62,11 65,14 68,91 73,96
2 6,08 8,33 9,80 10,88 11,73 12,43 13,03 13,54 13,99 14,40 14,76 15,67 16,78 17,46 18,25 19,22 20,46
3 4,50 5,91 6,82 7,50 8,04 8,48 8,85 9,18 9,46 9,72 9,95 10,52 11,24 11,68 12,21 12,86 13,74
4 3,93 5,04 5,76 6,29 6,71 7,05 7,35 7,60 7,83 8,03 8,21 8,66 9,23 9,58 10,00 10,53 11,24
5 3,64 4,60 5,22 5,67 6,03 6,33 6,58 6,80 6,99 7,17 7,32 7,72 8,21 8,51 8,87 9,33 9,95
6 3,46 4,34 4,90 5,30 5,63 5,90 6,12 6,32 6,49 6,65 6,79 7,14 7,59 7,86 8,19 8,60 9,16
7 3,34 4,16 4,68 5,06 5,36 5,61 5,82 6,00 6,16 6,30 6,43 6,76 7,17 7,42 7,73 8,11 8,63
8 3,26 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,48 6,87 7,11 7,40 7,76 8,25
9 3,20 3,95 4,41 4,76 5,02 5,24 5,43 5,59 5,74 5,87 5,98 6,28 6,64 6,87 7,14 7,49 7,96
10 3,15 3,88 4,33 4,65 4,91 5,12 5,30 5,46 5,60 5,72 5,83 6,11 6,47 6,69 6,95 7,28 7,73
11 3,11 3,82 4,26 4,57 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,98 6,33 6,54 6,79 7,11 7,55
12 3,08 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,39 5,51 5,61 5,88 6,21 6,41 6,66 6,97 7,39
13 3,06 3,73 4,15 4,45 4,69 4,88 5,05 5,19 5,32 5,43 5,53 5,79 6,11 6,31 6,55 6,85 7,27
14 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,71 6,03 6,22 6,46 6,75 7,16
15 3,01 3,67 4,08 4,37 4,59 4,78 4,94 5,08 5,20 5,31 5,40 5,65 5,96 6,15 6,38 6,67 7,07
16 3,00 3,65 4,05 4,33 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,59 5,90 6,08 6,31 6,59 6,98
17 2,98 3,63 4,02 4,30 4,52 4,70 4,86 4,99 5,11 5,21 5,31 5,54 5,84 6,03 6,25 6,53 6,91
18 2,97 3,61 4,00 4,28 4,49 4,67 4,82 4,96 5,07 5,17 5,27 5,50 5,79 5,98 6,20 6,47 6,85
19 2,96 3,59 3,98 4,25 4,47 4,65 4,79 4,92 5,04 5,14 5,23 5,46 5,75 5,93 6,15 6,42 6,79
20 2,95 3,58 3,96 4,23 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,43 5,71 5,89 6,10 6,37 6,74
22 2,93 3,55 3,93 4,20 4,41 4,58 4,72 4,85 4,96 5,06 5,14 5,37 5,65 5,82 6,03 6,29 6,65
24 2,92 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,32 5,59 5,76 5,97 6,23 6,58
26 2,91 3,51 3,88 4,14 4,35 4,51 4,65 4,77 4,88 4,98 5,06 5,28 5,55 5,72 5,92 6,17 6,52
28 5,90 3,50 3,86 4,12 4,32 4,49 4,62 4,74 4,85 4,94 5,03 5,24 5,46 5,67 5,87 6,12 6,46
30 2,89 3,49 3,85 4,10 4,30 4,46 4,60 4,72 4,82 4,92 5,00 5,21 5,43 5,64 5,83 6,08 6,42
40 2,86 3,44 3,79 4,04 4,23 4,39 4,52 4,63 4,73 4,82 4,90 5,11 5,36 5,51 5,70 5,93 6,26
1240
1241
1242
1243
 35

LISTA 1 Seu Nº na
Média; Rol; Moda; Mediana sala
2º Termo de Agronomia
Nome:________________________________________________ _________

Para a resolução dos exercícios será necessário substituir os valores de X pelo seu
número na sala, dessa maneira a lista de exercício é única para cada aluno, pois os
números serão diferentes. DEVE APRESENTAR TODOS OS CÁLCULOS
REALIZADOS.

1 – Determine a média do conjunto de dados a seguir:

A-9–4–6–2–x
B - 14 – 12 – 13 – 8 – 9 – 6 – 8 – 4 – 2 – 3 – 7 – 7 – X
C - 8 – 6 – 10 – 14 – 22 – 26 – 32 – 6 – 9 – 14 – 20 – 15 – 18 – 19 – 16 – 22 – X

2 – Determinar a Média, Rol, Moda, Mediana dos três conjuntos de dados a seguir:

A – 22 – 3 – 5 – 36 – 8 – 11 – 12 – 5 – 7 – 15 – 20 – 17 – 16 – 15 – X

B – 7 – 11 – 12 – 8 – 6 – 19 – 28 – 14 – 3 – 9 – 11 – 16 – 18 – 32 – 11 – X

C – 8 – 6 – 10 – 14 – 22 – 26 – 32 – 6 – 9 – 14 – 20 – 15 – 18 – 19 – 16 – 22 – X

3 – Determinar a Média, Rol, Moda, Mediana dos três conjuntos de dados a seguir:

A – 22 – 3 – 5 – 36 – 8 – 11 – 12 – 5 – 7 – 15 – 20 – 17 – 16 – 15 – 19 – X

B – 7 – 11 – 12 – 8 – 6 – 19 – 28 – 14 – 3 – 9 – 11 – 16 – 18 – 32 – 11 – 23 – 52 – X

C – 8 – 6 – 10 – 14 – 22 – 32 – 6 – 9 – 14 – 20 – 15 – 18 – 19 – 16 – 22 – 36 – 45 – X

D – 12 – 8 – 4 – 5 – 9 – 8 – 55 – 62 – 52 – 45 – 78 – 102 – 4 – 18 – 25 – 22 - X
 36

LISTA 2 Seu Nº na
Boxplot; Variância e Desvio Padrão sala
2º Termo de Agronomia
Nome:________________________________________________ _________

A – 22 – 3 – 5 – 36 – 8 – 11 – 12 – 5 – 7 – 15 – 20 – 17 – 16 – 15 – X

B – 7 – 11 – 12 – 8 – 6 – 19 – 28 – 14 – 3 – 9 – 11 – 16 – 18 – 32 – 11 – X

C – 8 – 6 – 10 – 14 – 22 – 26 – 32 – 6 – 9 – 14 – 20 – 15 – 18 – 19 – 16 – 22 – X

1 – Determinar as Variâncias e os Desvios Padrões dos conjuntos de dados do exercício

acima.

2 – Determinar as distâncias interquartis do conjunto de dados a seguir:

15 – 16 – 18 – 20 – 30 – 11 – 15 – 17 – 11 – 9 – 8 – 2 – 6 – 7 – 28 – 21 – 33 – 22 – 27 –
21 – 20 – 14 – 10 – 12 – 14 – 8 – 7 – 6 – 5 – 2 – 1 – 7 – 8 – 40 – 32 – 34 –X

3 – Construa um gráfico Boxplot dos dados do Exercício 2.

 37

LISTA 3 Seu Nº na
Planejamento de um experimento sala
2º Termo de Agronomia
Nome:________________________________________________ _________

1 – Defina com suas palavras os seguintes termos:

Tratamento:_____________________________________________________________
______________________________________________________________________
______________________________________________________________________

Repetição:______________________________________________________________
______________________________________________________________________
______________________________________________________________________

Delineamento:___________________________________________________________
______________________________________________________________________
_____________________________________________________________________

Quais os principais delineamentos?

______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________

2 – Planeje um experimento na área da agronomia, apontando os seus tratamentos, seu

delineamento, grau de liberdade, todos os materiais necessários, dimensionamento da
área e parcelas e as variáveis respostas.
 38

LISTA 4 Seu Nº na
Análise de Variância sala
2º Termo de Agronomia
Nome:________________________________________________ _________

Para a resolução dos exercícios será necessário substituir os valores de X pelo seu
número na sala, dessa maneira a lista de exercício é única para cada aluno, pois os
números serão diferentes. DEVE APRESENTAR TODOS OS CÁLCULOS
REALIZADOS.

1 – O conjunto de dados a seguir corresponde aos valores de toneladas de grãos de um

experimento com milho onde foram testados adubos foliares, com um delineamento
inteiramente casualizado (DIC). Os adubos foliares apresentam diferença estatística
entre eles? Por quê?

Adubo
Repetição A B C D
1 X 25 9 14
2 15 22 10 30
3 24 6 8 9
4 7 18 25 8
5 10 9 7 20

2 – O conjunto de dados a seguir corresponde aos valores de toneladas de colmos de um

experimento com variedades de cana-de-açúcar após ataque da broca-da-cana (Diatrea
sacchralis), com um delineamento em blocos casualizado (DBC). As variedades de
cana apresentaram diferença estatística entre si? Por quê?

Variedade
Repetição A B C D E
1 58 25 79 14 45
2 70 22 10 30 65
3 20 16 89 9 77
4 64 68 95 11 X
 39

LISTA 5 Seu Nº na
Teste de Média sala
2º Termo de Agronomia
Nome:________________________________________________ _________

Para a resolução dos exercícios será necessário substituir os valores de X pelo seu
número na sala, dessa maneira a lista de exercício é única para cada aluno, pois os
números serão diferentes. DEVE APRESENTAR TODOS OS CÁLCULOS
REALIZADOS.

1 – O conjunto de dados a seguir corresponde aos valores de número de vagens de um

experimento em blocos casualizados (DBC) com cultivares de soja após o ataque de
ferrugem asiática (Phakopsora pahyrhizi) na fase inicial da cultura. Qual a melhor
cultivar? Aplique o teste de Tukey a 5% de probabilidade.

Cultivar
Bloco A B C D E
1 4,2 4,5 3,6 3,4 3,8
2 3,6 3,9 3,2 5,0 2,4
3 8,4 2,2 2,3 4,9 2,3
4 6,7 5,5 2,1 4,8 3,6

2 – O conjunto de dados a seguir foram originados em laboratório de microbiologia, que

corresponde aos valores de unidade formadora de colônia (UFC) em experimento em
delineamento inteiramente casualizados (DIC) com a bactéria (Xanthomonas
axonopodis pv. Citri) em placas de petri, após o teste de alguns bactericidas. Qual o
melhor bactericida? Aplique o teste de Tukey a 5% de probabilidade.

Bactericida
Repetição A B C D
1 58 25 79 14
2 70 22 60 30
3 20 16 89 27
4 64 18 95 X
5 80 24 75 20
 40

LISTA 6 Seu Nº na
Regressão Linear Simples sala
2º Termo de Agronomia
Nome:________________________________________________ _________

Para a resolução dos exercícios será necessário substituir os valores de X pelo seu
número na sala, dessa maneira a lista de exercício é única para cada aluno, pois os
números serão diferentes. DEVE APRESENTAR TODOS OS CÁLCULOS
REALIZADOS.

1 – O conjunto de dados a seguir corresponde aos valores de altura de plantas de

eucalipto de um experimento em blocos casualizados (DBC), os tratamentos foram
doses de fósforo em kg ha-1. Qual o valor estimado para a dose 100 kg ha-1?

Doses de fósforo em kg ha-1

Bloco 0 10 20 40 80
1 4,2 6,5 10,6 13,4 19,8
2 3,6 8,9 11,2 15,0 18,4
3 2,4 7,2 9,3 14,9 20,3
4 5,7 8,5 12,1 14,8 19,6

2 – O conjunto de dados a seguir foi originado de um laboratório, que corresponde aos

valores do Índice de clorofila do feijoeiro em experimento em delineamento
inteiramente casualizados (DIC) onde foi testado concentrações de alumínio (mmol L-1)
em solução nutritiva. O feijoeiro respondeu de maneira positiva ou negativa a ação do
alumínio no solo? Por quê?

Concentrações de alumínio em solução (mmol L-1)

Repetição 1 2 4 8
1 58 55 29 14
2 70 42 20 9
3 60 46 19 7
4 64 38 15 X
5 80 34 15 10