Escolar Documentos
Profissional Documentos
Cultura Documentos
Londrina-PR
Março, 2018
Tópicos abordados
1 Introdução
3 Interpretação de dados
4 Considerações finais
1 Introdução
3 Interpretação de dados
4 Considerações finais
Most scientists “can’t replicate studies by
their peers”
http://www.bbc.com/news/science-environment-39054778
3 Interpretação de dados
4 Considerações finais
Experimentação agrı́cola
Experimentação: Investigação planejada a fim de se obter fatos
novos ou de se confirmar/negar resultados de experimentos prévios
[6].
FV GL
Modelo estatı́stico: Tratamentos 3
Blocos 3
yij = µ + τi + βj + eij , em que: Erro 9
yij = dado observado na parcela ij; Total 15
µ = média do experimento;
τi = efeito do tratamento i;
βj = efeito do bloco j;
eij = erro experimental na parcela ij,
eij ∼ N(0, σ 2 ).
FV GL
Bloco 3
Genótipo (G) 1
Espaçamento (E) 1
GxE 1
Erro 9
Total 15
Fig. 3: Sorteio fatorial DBC.
√
Erro padrão para comparar quaisquer duas médias: 2σ 2 /n
No exemplo:
● Comparações no fatorial G × E , n =r =4
● Comparações de nı́veis de G , n =r ×nE = 8
● Comparações de nı́veis de E , n =r ×nG = 8
ION Lopes & MCN Oliveira Interpretação de dados 18 / 61
Experimento parcelas subdivididas
FV GL
Bloco 4−1=3
Espaçamento (E) 2−1=1
Erro (a) 3×1=3
Parcela 4×2−1=7
Genótipo (G) 2−1=1
GxE 1×1=1
Erro (b) 2×3×1=6
Subparcela 2×4×1=8
Total 2 × 2 × 4 − 1 = 15
Sorteio parcelas subdivi-
Fig. 4:
Erros padrões para comparar: didas DBC.
√
dois nı́veis de E: 2Ea /rnG , n=rnG
√
dois nı́veis de G: 2Eb /rnE , n=rnE
√
dois nı́veis de G dentro de um nı́vel de E: 2Eb /r , n=r
√
dois nı́veis de E dentro de um nı́vel de G: 2[(nG − 1)Eb + Ea ]/rnG , n=rnG
ION Lopes & MCN Oliveira Interpretação de dados 19 / 61
Experimento em faixas
Cada fator é casualizado em uma direção do bloco, sim-
bolicamente denominadas faixas horizontais e verticais.
Tab. 5: Anava
FV GL
Bloco 4−1=3
Densidade (D) 2−1=1
Erro (a) 3×1=3
Espaçamento (E) 2−1=1
Erro (b) 3×1=3
DxE 1×1=1
Erro (c) 3×1×1=3
Total 3 × 2 × 2 × 4 − 1 = 15
3 Interpretação de dados
4 Considerações finais
Regras gerais ao interpretar dados
Interpretar dados de pesquisa é contar uma história com inı́cio, meio e
fim. Por isso, lembre-se de informar:
▸ a motivação do trabalho;
▸ as principais hipóteses agronômicas investigadas;
▸ o delineamento experimental, inclusive a caracterização da parcela;
▸ tratos agronômicos;
▸ variáveis observadas/aferidas para fins de teste de significância de hipóteses
estatı́sticas;
▸ metodologias envolvidas nas analises estatı́sticas dos dados, inclusive análises
de adequação dos modelos adotados;
▸ estatı́sticas úteis à compreensão dos dados - escolha um formato de apre-
sentação que esteja de acordo com o foco da discussão (tabelas, gráficos ou
informe diretamente no texto).
Hipóteses estatı́sticas
Verdade desconhecida
Decisão baseada nos dados
H0 é verdadeira H0 é falsa
Erro tipo II
Aceitar H0 OK β é probabilidade de
se cometer esse erro
Erro tipo I
Rejeitar H0 α (significância, p) OK1
é probabilidade de
se cometer esse erro
1
A probabilidade de se rejeitar H0 falsa é chamada de poder do teste.
ION Lopes & MCN Oliveira Interpretação de dados 26 / 61
Sobre testes estatı́sticos de significância
Testes estatı́sticos fornecem evidências quantitativas para a
verificação da incompatibilidade entre um conjunto de dados e um
modelo proposto.
A área abaixo da curva indica probali-
dades e seu total é igual a 1;
Aditividade do modelo;
Os blocos influenciaram os tratamentos uniformemente?
Independência de resı́duos;
Há efeito que não foi explicado pelo modelo?
Normalidade de resı́duos;
As estimativas são viciadas/tendenciosas?
FV GL SQ QM F Pr > F
Bloco 4 1.127.254 281.813 1,14 0,3852
Tratamento 3 10.157.997 3.385.999 13,66 0,0004
Resı́duo 12 2.974.120 247.843 - -
Total 19 14259371 - - -
CV= 11,6% R2 =79,1% Média Geral=4299,4
2 3 4
1 H0(1) : µ1 = µ2 H0(2) : µ1 = µ3 H0(3) : µ1 = µ4
2 - H0(4) : µ2 = µ3 H0(5) : µ2 = µ4
3 - - H0(6) : µ3 = µ4
Tratamento Média 3 e 4;
3 5275 A
1 4455 A B
4 4190 B C 3 e 2;
2 3278 C
DMS = 934,76 qtab =4, 20 1 e 2;
Médias seguidas de mesma letra não diferem entre
si, de acordo com o teste de Tukey (p ≤ 0, 05)
A B
▷ σ̂ 2 foi estimado com
1 2
diferentes valores de n.
16 a 123,9 A b 60,6 A
Para:
14 a 96,9 A a 66,7 A
7 a 67,1 AB b 35,7 ABC ● nı́veis de B
5 a 50,5 BC a 45,3 AB dentro de um nı́vel de
1 a 34,5 BCD a 22,7 BCDE A, n = 2×4 = 8;
3 a 26,8 BCD a 21,1 BCDE ● nı́veis de A
9 a 21,8 CDE a 16,3 CDEF dentro de um nı́vel de
17 b 19,1 DEF a 37,4 ABC B, n = 21×4 = 84;
10 a 17,7 DEFG a 30,0 ABCD
▷ Observe que dentro
21 b 16,2 DEFGH a 40,6 ABC
11 a 14,1 DEFGH a 11,3 EFG
de B1 :
4 a 9,6 EFGH a 11,7 DEFG
15 a 7,3 FGHI a 7,7 FG ● x̄16 − x̄7 = 56, 8,
2 a 6,9 GHI a 5,2 G não é significante;
12 a 6,6 HI a 4,9 G ● x̄20 − x̄18 = 0, 5, é
6 a 3,5 I b 1,5 H significante;
19 b 2,9 I a 6,7 FG
20 a 0,6 J a 0,3 I Por que?
8 a 0,3 JK a 0,2 I
13 a 0,2 K a 0,3 I
18 a 0,1 K a 0,2 I
Médias seguidas de mesma letra maiúscula na vertical ou por letra minúscula
na horizontal não diferem entre si (Tukey, p ≤ 0, 05).
ION Lopes & MCN Oliveira Interpretação de dados 47 / 61
Interpretação de interações
Fig. 10: Produtividade média de oito genótipos de soja em diferentes densidades de semeadura,
em dois locais. Letras indicam os resultados das comparações entre médias de densidades para
cada genótipo, em cada local (Tukey, p ≤ 0, 05)).
ION Lopes & MCN Oliveira Interpretação de dados 50 / 61
Principais padrões observados no painel
A caracterı́stica de cada local foi o fator que mais influenciou a produtividade da soja
no experimento;
A produtividade média no local L1 foi tipicamente superior ao local L2;
A resposta dos genótipos à densidade depende fortemente das caracterı́sticas do local;
Dentro de cada local, o fator que mais influenciou a produtividade foi o genótipo;
A densidade de semeadura foi um fator crı́tico na produtividade de diferentes genóti-
pos em cada local;
Se a densidade cresce de D1 à D4, pode-se dizer que as maiores densidades favore-
ceram o aumento de produtividade dos genótipos G2 e G7 no local L1, no qual se
obteve produtividades tipicamente maiores. Contrariamente, as maiores densidades
reduziram significativamente a produtividade desses genótipos no local L2, no qual se
obteve produtividades tipicamente menores que em L1;
Não é possı́vel inferir que a densidade do plantio sempre aumentará ou reduzirá a
produtividade. Essa estratégia pode ser eficiente para aumentar significativamente
a produtividade da soja, porém em observância às caracterı́sticas de cada local e de
cada genótipo.
3 Interpretação de dados
4 Considerações finais
Considerações finais
A interpretação agronômica deve ser fundamentada na interpretação
estatı́stica. No entanto, a relevância agronômica de um estudo depende
das evidências de reproducibilidade dos resultados obtidos, e das perspec-
tivas que o conhecimento gerado oferece;
voltar