ESTATÍSTICA EXPERIMENTAL
CONCEITO PRINCÍPIOS DA EXPERIMENTAÇÃO
A experimentação agrícola tem por objetivo o estudo
dos experimentos, isto é, seu planejamento, execução,
análise dos dados obtidos e interpretação dos
resultados.
a) Experimento ou ensaio: é um trabalho previamente
planejado, que segue determinados princípios básicos e
no qual se faz a comparação dos efeitos dos
tratamentos.
b) Tratamento: é o método, elemento ou material cujo
efeito deseja-se medir ou comparar em um experimento.
c) Unidade experimental ou parcela: é a unidade que
vai receber o tratamento e fornecer os dados que
deverão refletir seu efeito.
d) Delineamento experimental: é o plano utilizado na
experimentação e implica na forma como os tratamentos
serão designados às unidades experimentais e em um
amplo entendimento das análises a serem feitas quando
todos os dados estiverem disponíveis.
Em uma pesquisa científica, o procedimento geral é o
de formular hipóteses e verificá-las, diretamente, ou de
suas conseqüências. Para tanto, é necessário um
conjunto de observações ou dados e o planejamento de
experimentos é essencial para indicar o esquema sob o
qual as hipóteses possam ser testadas.
As hipóteses são testadas por meio de métodos de
análise estatística que dependem do modo como as
observações ou dados foram obtidos.
O que obriga a utilizar a análise estatística para testar
as hipóteses formuladas é a presença, em todas as
observações, de efeitos de fatores não controlados (que
podem ou não ser controláveis), que causam a variação.
Esses efeitos, que sempre ocorrem, não podem ser
conhecidos individualmente e tendem a mascarar o
efeito do tratamento em estudo. O conjunto dos efeitos
de fatores não controlados é denominado de variação
aleatória. Visando tornar mínima a variação do acaso, o
experimento deve fazer o planejamento do experimento
de tal forma que consiga isolar os efeitos de todos os
fatores que podem ser controlados. Durante a instalação
e a execução do experimento, o experimentador deve
procurar eliminar o efeito dos fatores não controlados.
A escolha da parcela deve ser orientada de forma a
minimizar o erro experimental, isto é, as parcelas devem
ser o mais uniforme possível, para que, ao serem
submetidas a tratamentos diferentes, seus efeitos sejam
detectados.
O tamanho e a forma ótimos para a parcela serão
aqueles que resultem na menor variação entre parcelas
dentro do bloco.
Em alguns experimentos, deve-se separar as
bordaduras, para evitar a influência sobre a parcela dos
tratamentos aplicados nas parcelas vizinhas e, neste
caso, teremos a área total e a área útil da parcela,
utilizando os dados coletados apenas na área útil.
Na amostra obtida de cada parcela, devem ser feitas
diversas determinações, das quais é obtida uma média
para representar o valor observado nessa parcela. Não
deve-se confundir as diferentes determinações da
mesma amostra de material, com as repetições do
experimento.
Essa desvantagem é compensada, pois ocorrerá tbm
uma redução na soma de quadrados do resíduo e
obtemos > precisão, pois há uma redução na variância
residual, devida ao fato de isolarmos o efeito de fatores
que normalmente seriam incluídos no resíduo.
AUMENTO DA PRECISÃO
1) Princípio da repetição: consiste na reprodução do
experimento básico e tem por finalidade propiciar a
obtenção de uma estimativa do erro experimental.
2) Princípio da casualização: tem por finalidade
propiciar a todos os tratamentos a mesma probabilidade
de serem designados a qualquer unidade experimental.
3) Princípio do controle local: finalidade de dividir um
ambiente heterogêneo em sub-ambientes homogêneos
e tornar o delineamento experimental mais eficiente,
pela redução do erro experimental.
Análise de variância: consiste na decomposição dos
graus de liberdade e da variância total de um material
heterogêneo em partes atribuídas a causas conhecidas
e independentes e a uma porção residual de origem
desconhecida e de natureza aleatória.
Permite a partição dos graus de liberdade e das somas
de quadrados, sendo que cada uma das partes nos
proporciona uma estimativa de variância.
Para podermos utilizar a metodologia estatística nos
resultados de um experimento, é necessário que o
mesmo tenha considerado pelo menos os princípios da
repetição e da casualização, a fim de que possamos
obter uma estimativa válida para o erro experimental,
permitindo-nos a aplicação dos testes de significância.
Ao fazer um experimento considerando apenas esses
dois princípios, sem utilizar o princípio do controle local,
temos o delineamento inteiramente casualizado.
Nesse delineamento, deve ser utilizado apenas quando
tivermos certeza da homogeneidade das condições
experimentais, as parcelas que receberão cada um dos
tratamentos são determinadas de forma inteiramente
casual, por sorteio. Há apenas duas causas ou fontes
de variação, que são Tratamentos (fator controlado) e
Resíduo ou Erro (fator não controlado, aleatório).
Se as condições forem sabidamente heterogêneas, ou
se houver dúvida quanto à sua homogeneidade,
devemos utilizar o princípio do controle local,
estabelecendo, então os blocos, que são agrupados em
parcelas homogêneas, o delineamento é denominado
de delineamento em blocos casualizados ou em
blocos ao caso. Neste caso, deve-se isolar mais uma
causa de variação conhecida (fator controlado), que são
os blocos. Como cada bloco deve conter todos os
tratamentos, há uma restrição na casualização, que
deve ser feita designando os tratamentos às parcelas
dentro de cada bloco.
As parcelas dentro de cada bloco devem ser o mais
homogêneas possível, podendo existir heterogeneidade
de um bloco para outro.
A utilização do princípio do controle local sempre nos
conduz a uma redução no número de graus de liberdade
do resíduo. Se as condições experimentais forem muito
heterogêneas, obrigando a controlar dois tipos de
heterogeneidade, deve-se nos utilizar de um
delineamento que exagera no controle local e que é
denominado de delineamento em quadrado latino. O
número de repetições deve ser = ao no de tratamentos e
no de parcelas deve ser um quadrado perfeito.
A precisão se refere à ordem de grandeza da diferença
entre dois tratamentos passível de ser detectada em um
experimento. Os procedimentos que podem levar ao
aumento da precisão são: escolha do material
experimental, seleção das unidades experimentais,
seleção dos tratamentos, aumento do número de
repetições, agrupamento das u.e. e técnicas mais
refinadas.
Planejamento de um experimento:
Quais as características que serão analisadas?
Quais os fatores que afetam essas características?
Quais desses fatores serão estudados no experimento?
Como será a unidade experimental?
Quantas repetições deverão ser utilizadas?
Estrutura: título; responsável e colaboradores; objetivos;
histórico; material e métodos (localização, materiais,
tratamentos, tipo de delineamento); tempo de execução
provável; orçamento.
Relatório: planejamento experimental; dados gerais;
tratos culturais; dados das parcelas; análise de variância
e conclusões.
TESTES DE SIGNIFICÂNCIA
Um dos principais objetivos da Estatística é a tomada de
decisões a respeito da população, com base na
observação de amostras. Ao tentar tomar decisões, é
conveniente a formulação de hipóteses relativas à
população. Hipóteses estatísticas são considerações a
respeito das distribuições de probabilidade das
populações.
Formula-se a hipótese de que não existem diferenças
entre os efeitos dos tratamentos (qualquer diferença
observada é devido aos fatores não controlados ou
acaso). Essa hipótese inicial é denominada hipótese de
nulidade (H0). Admitindo essa hipótese como verdade,
se verificado que os resultados obtidos em uma amostra
diferem acentuadamente dos esperados para essa
hipótese, com base na teoria das probabilidades, pode-
se concluir que as diferenças observadas são
significativas, e rejeita-se H0 em favor de outra,
denominada de hipótese alternativa (Ha).
Os processos que nos permitem decidir se aceitamos ou
rejeitamos uma determinada hipótese são denominados
de testes de hipóteses ou de testes de significância.
Porém, ao tomar a decisão de rejeitar ou aceitar uma
hipótese, estamos sujeitos a incorrer em um dos erros:
Erro do tipo I: rejeitar uma hipótese verdadeira, que
deveria ser aceita.
Erro do tipo II: aceitar uma hipótese falsa, que deveria
ser rejeitada.
Esses dois erros estão de tal forma associados que, se
diminuirmos a probabilidade de ocorrência de um deles
aumentamos a probabilidade de ocorrência do outro.
De modo geral, controlamos apenas o erro do tipo I,
através do nível de significância do teste (α, consiste
na probabilidade máxima com que nos sujeitamos a
correr o risco de cometer um erro do tipo I ao testar uma
hipótese dada).
5% (α = 0,05) indica que tem 5 possibilidades em 100
de rejeitar a hipótese quando ela deveria ser aceita, ou
seja, confiança de 95% de ter tomado a decisão correta.
A confiança de ter tomado a decisão correta ao rejeitar a
hipótese é denominada de grau de confiança do teste
e representada por 1 – α (em %).
Teste F para análise de variância
Tem a finalidade de comparar estimativas de variância.
A estatística F, denominada de razão de variância, é o
quociente de duas estimativas de variâncias, supostas
independentes e calculadas com n graus de liberdade.
s2
F  12
s2
Consideramos s12 > s22, de forma que F > 1, o que
caracteriza o teste unilateral.
 ESTATÍSTICA EXPERIMENTAL
TESTES DE SIGNIFICÂNCIA TESTES DE SIGNIFICÂNCIA TESTES DE SIGNIFICÂNCIA

As hipóteses testadas quando aplica-se o teste F:
a) H0: σ12 = σ22
As duas populações possuem variâncias iguais, o que
equivale admitir que as duas amostras foram retiradas
de uma mesma população.
b) H1: σ12 > σ22 (teste unilateral)
A população 1 possui variância superior à população 2
ou, equivalentemente, q as amostras são provenientes
de populações diferentes.
Os valores críticos de F são tabelados em função dos
números de graus de liberdade das estimativas de
variâncias, a diferentes níveis de probabilidade.
Sempre que o valor de F calculado igualar ou superar o
valor tabelado, devemos rejeitar H0 em favor de Ha e
concluímos que pelo menos dois tratamentos possuem
efeitos diferentes.
Testes de comparações múltiplas
Os testes de comparações múltiplas ou testes de
comparações de médias, servem como complemento do
teste F, para detectar diferenças entre os tratamentos.
a) contraste de médias
Se tivermos a função linear: Y = f(x) = a1x1 + a2x2 + ...+
anxn. E verificamos que Σai = 0, dizemos que Y constitui
um contraste das variáveis x. se em lugar de x, tivermos
médias, obteremos um contraste de médias. Numa
análise estatística devemos formular aqueles que sejam
de maior interesse para o experimentador. Exemplo:
Estudo da produção de frutos de abacaxi (t/ha):
1 – abacaxi (0,9 x 0,3 m) – m1 = 53,5 t/ha.
2 – abacaxi (0,8 x 0,3 m) – m2 = 56,5 t/ha.
3 – abacaxi (0,8 x 0,3 m) + amendoim – m3 = 62,0 t/há.
4 – abacaxi (0,8 x 0,3 m) + feijão – m4 = 60,4 t/ha.
Verificando os tratamentos, tem-se 2 monocultivos e 2
consórcios:
Y1 = m1 + m2 – m3 – m4
Y2 = m1 – m2
Y3 = m3 – m4
De um modo geral não conhecemos as verdadeiras
médias, de forma que o verdadeiro valor do contraste
também é desconhecido. Conhecendo as estimativas
das médias, pode-se calcular as estimativas dos com-
trastes.
Yˆ  c1m
ˆ 1  c2m
ˆ 2  ... cn1m
ˆn
b) Covariância de dois contrastes
Consideremos as duas estimativas de contrastes:
Yˆ1  a1m
ˆ 1  a2 m
ˆ 2  ...  an1mˆn
ˆ
Y2  b1mˆ 1  b2 m
ˆ 2  ...  bn1m
ˆn
Nas quais as médias estimadas foram calculadas c/ r1,
r2,..., rn repetições, respectivamente. A estimativa da
covariância de contrastes é definida por:
COˆ V (Yˆ1, Yˆ2 )  a1b1Vˆ (m
ˆ 1 )  a2b2Vˆ (m
ˆ 2 )  ... anbnVˆ (m
ˆn)
Lembrado que:
Vˆ (m
ˆ i )  si2 ri
Frequentemente tem-se s12 = s22 =...= sn2 = s2, logo:
ab a b a b
COˆ V (Yˆ1 , Yˆ2 )  1 1  2 2  ...  n n
r1 r2 rn
Nas análises de variância de delineamentos balancea-
dos, todas as médias possuem o mesmo número de
repetições, r, e portanto:
s2
COˆ V (Yˆ1 , Yˆ2 )  (a1b1  a 2 b2  ...  a n bn )
r mˆ  t s (mˆ )  m  mˆ  t s (mˆ )
n
s2
  ai bi
r Pode ser aplicado para testar todo e qualquer contraste
i 1
c) Contrastes ortogonais
A ortogonalidade entre dois contrastes indica uma inde-
pendência entre suas comparações, ou seja, a variação
de um contraste é inteiramente independente da varia-
ção de outro. A condição necessária para que dois
contrastes sejam ortogonais entre si é que a covariância
entre eles seja nula.
Observações: Onde I é o número de tratamentos do experimento e F é
1) Três ou mais contrastes serão ortogonais entre si se o valor crítico da tabela, ao nível α de probabilidade
eles forem ortogonais dois a dois. (geralmente 5%), em função dos números de graus de
2) Num experimento c/ I tratamentos, podemos formular liberdade de tratamentos e do resíduo.
vários grupos de contrastes ortogonais entre si, porém Se o módulo de Y estimado for maior ou igual a S, o
cada grupo terá apenas (I – 1) contrastes. contraste é significativo ao nível α de probabilidade.
Teste de Tukey
d) Variância de um contraste Pode ser utilizado para testar todo e qualquer contraste
Admitindo que todas as médias sejam independentes: entre 2 médias. Muito versátil, mas não permite compa-
Vˆ (Yˆ )  COˆ V (Yˆ , Yˆ )  c12Vˆ (m
ˆ 1 )  c22Vˆ (m
ˆ 2 )  ... cn2Vˆ (m
ˆn) rar grupos entre si. O teste tem por base a diferença
mínima significativa (DMS) representada por ∆:
s2 s2 s2
Vˆ (Yˆ )  c12 1  c22 2  ... cn2 n s
r1 r2 rn q  q.s( mˆ )
r
Se s12 = s22 =...= sn2 = s2, logo: Onde q é a amplitude total estudentizada, cujo valor é
 c2 c2 c2 
Vˆ (Yˆ )   1  2  ... n s 2 encontrado em tabelas, em função do no de tratamentos
 r1 r2 rn  (I) e do número de graus de liberdade do resíduo (n’),
Se todas as médias têm mesmo número de repetições: geralmente ao nível de 5% de probabilidade; s é o
desvio padrão residual (√QMRes); r é o no de repetições
s2 n
s2
Vˆ (Yˆ )  (c12  c22  ...  cn2 )   ci2 das médias confrontadas no contraste.
r i 1 r Exige que todas as médias possuam o mesmo número
e) Erro padrão do contraste: é a raiz quadrada positiva de repetições. Calculado o valor de ∆, calcula-se todas
da estimativa da variância da estimativa do contraste. as estimativas dos contrastes entre 2 médias:
s(Yˆ )  Vˆ (Yˆ ) Yˆ  m
ˆi  m
ˆk
Se o módulo de Y estimado for maior ou igual a ∆, o
Teste t de Student contraste é significativo ao nível α de probabilidade,
Requisitos básicos: indicando que as 2 médias não diferem entre si.
a) os contrastes testados devem ser ortogonais entre si; Teste de Duncan
b) os contrastes devem ser estabelecidos antes de se- Exige que as médias sejam colocadas em ordem de-
rem examinados os dados (na fase de planejamento do crescente e que todas elas possuam o mesmo número
experimento). de repetições, para ser exato. Cada contraste testado
Este teste, que serve para confrontar médias ou grupos envolve apenas 2 médias, embora a amplitude do com-
de média se utiliza de contrastes de médias. traste possa abranger um número maior de médias.
Yˆ  0 Yˆ  0 Baseia-se na amplitude total mínima significativa:
t 
Vˆ (Yˆ ) s (Yˆ ) Di  zi
s
 zi .s (mˆ )
Quando se aplica o teste t a um contraste, geralmente o r
interesse é verificar se a sua estimativa difere siginica- Onde z é a amplitude total estudentizada, cujo valor é
tivamente de zero (valor que deveria assumir se a hipó- encontrado em tabelas, em função do no de médias
tese H0: as médias ou grupos de médias confrontadas abrangidas pelo contraste (i) e do número de graus de
no contraste não diferem entre si, ou H0: m1 = m2 =...= liberdade do resíduo (n’), geralmente ao nível de 5% de
mn, fosse verdadeira). probabilidade; s é o desvio padrão residual (√QMRes); r
Às vezes existe interesse em se comparar a estimativa é o número de repetições das médias confrontadas no
do contraste com um valor arbitrário de A ou a compara- contraste.
ção de uma média com um valor estabelecido. Se Y estimada for < que Di, o contraste é não significa-
Yˆ  A mˆ  A tivo, indicando que não se deve rejeitar H0.
t t
s(Yˆ ) s (Yˆ )
Se Y estimada ≥ Di, o contraste é significativo, indican-
do que se deve rejeitar H0.
O valor da estatística t deve ser comparado com os Teste de Dunnett
valores críticos de t, tabelados em função do número de Utilizado quando as únicas comparações q interessam
graus de liberdade associado à variância e do nível de ao experimento são aquelas feitas entre um determina-
significância do teste. do tratamento padrão, geralmente a testemunha, e cada
Intervalos de confiança um dos demais tratamentos.
Uma das + importantes aplicações do teste t consiste na Aplicação do teste:
determinação de intervalos de confiança p/ parâmetros a) calcular a estimativa de cada contraste;
verdadeiros, com base em suas estimativas. b) calcular a estimativa de variância da estimativa de
Se tivermos uma média estimada e seu erro padrão cada contraste;
podemos calcular um intervalo de confiança: c) calcular o erro padrão do contraste;
IC  mˆ  t s(mˆ )
d) calcular o valor do teste:
Onde tα é o valor crítico da tabela ao nível α de probabi- d   td  s(Yˆ )
lidade com (n-1) graus de liberdade, e interpretamos
que existe uma probabilidade de 100(1-α)% de que o Onde td é o valor dado na tabela para uso no teste de
Dunnett (5% e 1%) em função do número de graus de
intervalo contenha a verdadeira média m, que nos é
liberdade de tratamentos (I-1) e do número de graus de
desconhecida, ou seja:
liberdade do resíduo.
e) comparar cada estimativa de contraste, em valor
Teste de Scheffé absoluto, com o valor de d’:
Todo Y estimado ≥ d’ será significativo, indicando que a
de médias, mesmo quando sugerido pelos dados. É fre- média da testemunha difere significativamente da média
quentemente utilizado p/ testar contrastes que envolvem do tratamento com ela comparado.
grupos de médias. Exige apenas q o teste F da análise Todo Y < d’ será não significativo e as médias desse
de variância para tratamentos seja significativo, pois contraste não diferem entre si.
quando isso ocorre, indica que devemos ter pelo menos f) indicar a significância do teste no valor da estimativa
um contraste de médias significativo. do contraste.
S  ( I  1) FVˆ (Yˆ )
 ESTATÍSTICA EXPERIMENTAL
DELINEAMENTO INTEIRAMENTE DELINEAMENTO INTEIRAMENTE PLANTIO
CASUALIZADO CASUALIZADO

Características: Calcula-se as estimativas de variância dos diferentes

a) utiliza apenas os princípios da repetição e da casuali- grupos e o teste:
zação, deixando de lado o princípio de controle local e, 2
portanto as repetições não são organizadas em blocos; smax
b) os tratamentos são designados às parcelas de forma
Hc  2
inteiramente casual, com números iguais ou diferentes
smin
de repetições por tratamentos. Onde smax2 é a maior variância e smin2 a menor. E com-
Para a instalação desses experimentos no campo, deve para seu valor com os valores críticos de H(g, r-1)α’.
se ter certeza da homogeneidade das condições ambi- Constatada a heterocedasticidade deve-se verificar se é
entais e do material experimental. regular ou irregular. Se regular, deve-se buscar uma
Vantagens: transformação tal que os dados passem a apresentar
a) é um delineamento bastante flexível, visto que o no de uma distribuição aproximadamente normal.
tratamentos e de repetições depende apenas do número a) Transformação de raiz quadrada √x: para dados de
de parcelas disponíveis; contagem, que geralmente seguem a distribuição de
b) o número de repetições pode ser diferente de um Poisson, na qual a média é igual à variância.
tratamento para outro, embora o ideal seja que eles Quando ocorrem zeros ou valores a baixo as transfor-
apresentem-se igualmente repetidos; mações recomendadas são: √x+0,5 ou √x+1.
c) a análise estatística é simples, mesmo quando o b) Transformação angular arcsen √x/100: para dados
número de repetições por tratamento é variável; expressos em porcentagens, que geralmente seguem
d) o número de graus de liberdade para o resíduo é o uma distribuição binomial. Desnecessária se as % esti-
maior possível. verem todas na faixa de 30 a 70% e se resultantes da
Desvantagens: divisão dos valores observados nas parcelas por uma
a) exige homogeneidade total das condições experimen- constante.
tais; c) Transformação logarítmica log(x) ou ln(x): quando
b) pode conduzir a uma estimativa de variância residual é constatada certa proporcionalidade entre as médias e
bastante alta, uma vez que, não se utilizando o princípio os desvios padrões dos diversos tratamentos.
do controle local, todas as variações, exceto as devidas Verificada a necessidade de transformação, os dados
a tratamentos, são consideradas como variação do serão transformados e toda a análise estatística deve
acaso. ser feita com os dados transformados.
Modelo estatístico: Se a heterocedasticidade for irregular, para eliminá-la
xij = m + ti + eij pode-se simplesmente eliminar os tratamentos discre-
Onde xij é o valor observado na parcela que recebeu o pantes ou caso isto não seja possível ou recomendável,
tratamento i na repetição j; m é a média da população; ti subdividi-los em grupos e testá-los separadamente,
é o efeito do tratamento i aplicado na parcela; eij é o através de resíduos apropriados a cada grupo.
efeito dos fatores não controlados na parcela.
As hipóteses básicas que devem ser admitidas para a Análise de variância do experimento
validade da análise de variância são:
a) aditividade: os efeitos dos fatores que ocorrem no
modelo devem ser aditivos.
b) independência: os erros ou desvios eij, devidos ao
efeito de fatores não controlados, devem ser indepen-
dentes, ou seja, que não haja correlação entre eles. Isto
pode não ocorrer quando os tratamentos são doses
crescentes de adubos, inseticidas, etc. ocasião em que
a análise de variância deve ser feita estudando-se a
regressão. I = tratamentos, J = repetições.
2
c) homocedasticidade: os erros ou desvios eij devidos  I J 
ao efeito de fatores não controlados, devem possuir   xij 
 
C 
i 1 j 1
uma variância comum. Isto significa que a variabilidade
das repetições de um trata-mento deve ser semelhante IJ
à dos outros tratamentos, isto é, os tratamentos devem
possuir variâncias homogêneas.
d) normalidade: os erros ou desvios eij devidos ao
efeito de fatores não controlados, devem possuir uma
distribuição normal de probabilidade. Isto implica que os
dados experimentais se ajustem a uma distribuição
normal de probabilidade.
Uma ou mais dessas hipóteses básicas podem não ser
constatadas e, então antes de se proceder à análise de
variância, os dados experimentais devem ser transfor-
mados, de tal forma que as suposições básicas sejam
atendidas.
Quando não há homocedasticidade verifica-se a hetero-
cedasticidade:
- heterocedasticidade irregular: ocorre quando certos
tratamentos apresentam maior variabilidade que outros.
- heterocedasticidade regular: ocorre devido à falta de
normalidade dos dados experimentais, existindo fre-
quentemente certa relação entre a média e a variância
dos diversos tratamentos testados.
Um dos testes mais utilizados para verificação da homo-
cedasticidade é o teste de Hartley ou teste da razão
máxima.