Planejamento e Analise Estatistica de Experimentos Agronomicos Decio

DÉCIO BARBIN
PLANEJAMENTO E ANÁLISE ESTATÍSTICA
DE EXPERIMENTOS AGRONÔMICOS
EDITORA MECENAS LTDA.

LONDRINA-PARANÁ-BRASIL
2013
Planejamento e Análise Estatlstlca de Experimentos Agronômicos
Décio Barbln
2013
Todos os direitos reservados.

Nenhuma parte deste livro pode ser reproduzida ou transmitida de
qualquer forma ou por quaisquer meios eletrônico, mecânico,
fotocopiado, gravado ou outro sem autorização prévia por escrito
da Editora Mecenas ltda.
Revisão técnica
Deonlslo Destro
Revisão ortográfica
Edina Regina Pugas Panlchl
Miguel Luiz Contanl
Capa, Projeto gráfico e Editoração eletrônica

Editora Mecenas Ltda.
Impressão
Gráfica MYCK Londrina
Catalogação na publicação elaborada pela Bibliotecária

Neide Maria Jardinette ZaniMlli CRB-9 / 884.
Dados Internacionais de Catalogação na Publicação (CIP)
B237p Barbin, Décio

Planejamento e análise estatística de experimentos
agronômicos / Déclo Barbin. - 2.ed. rev. ampl. -
Londrina: Mecenas, 2013.
214p. : il. ; 24cm
ISBN 978-85-89687-13-3
1. Estatística Agrícola. 2. Experimentos Agronômicos.

3. Estatística - Análise. 1. Título.
CDU 519.23.7
Copyright© 2013
Direitos desta edição reservados à
EDITORA MECENAS LTDA.
Rua Piaul, 191 - loja 58
Fone/Fax (43) 3354-5655
86010-420 - Londrina - Pr- Brasil
e-mail: editoramecenas@yahoo.com.br Impresso no Brasil / Prlnted ln Brazil
Sumário
I INTRODUÇAO ................................................................................................. 11
Variação do Acaso, 11
Variância e Desvio Padrão, 13
Variância da Média e Erro Padrão da Média, 14
Coeficiente de Variação, 15
Intervalo de Confiança para a Média, 17
II UNIDADE EXPERIMENTAL OU PARCELA ............................................. 18

Bordadura, 20
m PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO ................................... 21

Repetição, 21
Casualização, 21
Controle Local, 21
IV ENSAIOS INTEIRAMENTE AO ACASO .................................................... 23

Introdução, 23
Modelo Matemático e Esquema de Análise da Variância, 23
Um Exemplo, 24
Teste de Cochran, 26
Teste de Lilliefors para Normalidade, 36
V TESTES DE COMPARAÇÕES MÚLTIPLAS (OU TESTES DE COMPA-

- ,
RA.ÇOES DE .MEDIAS) .................................................................................. 41
Teste de Tukey, 41
Variância de um Contraste, 42
Constrastes Ortogonais, 43
Teste de Duncan, 4 7
Cálculo de D.1, 48
Teste t, 50
Teste de Scheffé, 55
Teste de Scott-K.nott, 57
VI ENSAIOS INTEIRAMENTE AO ACASO COM PARCELAS PERDIDAS
(OU ENSAIOS INTEIRAMENTE AO ACASO COM NÚMEROS DIFEREN-
TES DE REPETIÇÕES POR TRATAMENTO) .......................................... 61
Introdução, 61
Modelo Matemático e Esquema de Análise, 61
Um Exemplo, 61
Teste de Tukey na Comparação das Médias de Tratamentos, 63
VII ENSAIOS DE BLOCOS CASUALIZADOS ................................................. 67

Introdução, 67
Modelo Matemático, Esquema de Análise da Variância e Estimadores de Míni-
mos Quadrados dos Efeitos de Tratamentos e Blocos, 67
Um Exemplo, 70
Análise de Variância para Ensaios em Blocos Casualizados nos Casos de
Parcelas com Mais de Um Indivíduo, 76
VIII ENSAIOS EM BLOCOS CASUALIZADOS COM UMA PARCELA

PERDIDA .............................................................................................................................................. .................... 79
Introdução, 79
Um Exemplo, 80
Teste de Tukey na Comparação das Médias de Tratamentos, 82
~ ~
Deduções das Expressões de y, U e V ( Y), 83
IX ENSAIOS EM BLOCOS CASUALIZADOS COM DUAS PARCELAS ... 91

Introdução, 91
Um Exemplo, 91
Estimativa das parcelas perdidas, 92
Comparações de Médias de Tratamentos pelo Teste de Tukey, 96
Extensão aos casos k > 2 parcelas perdidas, 100
X ENSAIOS EM QUADRADOS LATINOS ................................................... 101

Introdução, 1O1
Um Exemplo, 104
XI ENSAIOS FAl"ORIAIS .................................................................................. 107
Caracterização dos Experimentos Fatoriais, em Parcelas Subdivididas e em
Faixas, 107
Esquemas de análise, 108
Fatoriais, 109
Vantagens e Desvantagem dos Ensaios Fatoriais, 111
Um Exemplo, 11 3
XII ENSAIOS FATORIAIS DAS SÉRIES 2" E 3" ............................................................................... 121

Fatoriais 2", 121
Um Exemplo, 125
Fatoriais da série 3n. Confundimento, 129
Confundimento (total) no fatorial 23, 130
O Confundimento no fatorial 33, 134
Um Exemplo, 136
XIlI ENSAIOS EM PARCELAS SUBDIVIDIDAS ("SPLIT PLOT") .............. 151

Introdução, 151
Planejamento e Instalação do Ensaio (Comparando-se com
equivalente fatorial), 152
Desdobramento de g.l. no "split-plot' e Resíduos apropriados, 153
Um Exemplo, 156
Análise de Regressão no Ensaio em Parcela Subdividida, 160
XIV ANÁLISE DE GRUPOS DE EXPERIMENTOS ........................................ 174

Introdução, 174
Um Exemplo, 176
XV TABELAS ....................................................................................................... 183
,
XVI EXERCICIOS ................................................................................................ 199
XVIl BIBLIOGRAFJ"A ............................................................................................ 212

APRESENTAÇÃO
Este livro contém parte de nossa experiência em assessorias e consultorias em

planejamento e análise de experimentos na área de ciências agrárias. É um material que
vem sendo usado em nossas aulas de Estatística Experimental nos níveis de graduação
e de pós-graduação.
Há algumas abordagens mais teóricas que, para aqueles que irão dedicar-se apenas
às aplicações da Estatística, não serão importantes e nem necessárias. No entanto, para
aqueles que se preocupam com justificativas de fónnulas e de algumas afirmações, há
alguma resposta ou indicação de onde encontrá-las.
Esta obra contém os tópicos mais utilizados no dia a dia do pesquisador da área
de agrárias. Aborda, muitas vezes, o aspecto do planejamento e alerta o pesquisador
para as condições de validade de uma análise de variância. O leitor irá encontrar, em um
dos exemplos, o significado econômico para o produtor, de uma diferença mínima
significativa (dms) obtida pelo teste de Tukey, na comparação das médias de tratamentos.
Há que se comentar que algumas justificativas teóricas, nele contidas, foram
obtidas de aulas do Prof. Dr. lzaías Rangel Nogueira.
É oportuno apresentarmos os agradecimentos a todos que nos incentivaram a
publicar este livro. Agradecimentos especiais a Rosa Maria Alves, Sílvio Sandoval
Zocchi, Clarice Garcia Borges Demétrio, Sônia Maria de Stefano Piedade e Antonio
Augusto Franco Garcia.
Críticas e sugestões serão sempre bem-vindas.
Décio Barbin
e-mail: decio.barbin@usp.br
Planejamento e Análise Estatística de Experimentos Agronômicos
PLANEJAMENTO E ANÁLISE ESTATÍSTICA

DE EXPERIMENTOS AGRONÔMICOS
D. Barbin
1-INTRODUÇÃO
Variação do Acaso
Variação do acaso é toda variação devida a fatores não controláveis. Consideremos

uma área experimental plana, de solo bem homogêneo. Tomemos sementes selecionadas
de um híbrido simples de milho. Façamos a semeadora de maneira que as sementes
sejam colocadas no solo, na mesma posição e na mesma profundidade. Essas sementes
irão germinar. As plantas crescerão e, no momento em que emitirem o pendão
(inflorescência masculina) vamos medir suas alturas do solo até a inserção da folha
"bandeira" (última folha).
Verificamos que, dificilmente, iremos encontrar duas plantas com a mesma altura.
Então, se tudo o que estava ao nosso alcance (do pesquisador) foi controlado, depreende-
se que a variação nas alturas dos pés de milho foi devida a fatores impossíveis de serem
controlados, ou seja, foi devida à variação do acaso. Sob este aspecto, o estatístico deve
sempre alertar o pesquisador sobre todas as fontes controláveis em seu experimento,
evitando que fatores possíveis de serem controlados venham a inflacionar a variação do
acaso. Talvez esteja aí o sucesso ou fracasso de um experimento.
Mas, como se pode medir a variação do acaso?
Uma vez anotados os dados relativos a uma determinada característica, calcula-
se a média aritmética desses dados e, a seguir, os desvios de cada dado em relação a
essa estimativa. Esses desvios são, a seguir, colocados em um gráfico para melhor
visualização de sua dispersão espacial. Temos, assim, uma ideia do grau de dispersão
dos dados: quanto maior a dispersão, maior é a variação do acaso, ou seja, maior é a
presença dos fatores não controlados da variação.
Vejamos um exemplo: sejam os seguintes valores de alturas de pés de milho, em
cm: 203,208, 198,200,202,192,197.
A média aritmética desses dados é 200 cm, o que nos permite obter os seguintes
desvios na amostra de dados anterior: 3, 8, -2, O, 2, -8, -3.
11
Décio 13:ubin
Se chamarmos de y 1. os va lores ou dados observados, de 111 a média verdadeira

dos dados e de ei os desvios cm re lação à média, podemos admitir o seguinte modelo
matemático para representar esses dados:
y.1 = m + e. 1
É claro que a estimativa da média é indicada por 111 e os desvios estimados por êr
Vejamos como fica o gráfico proposto acima:
208
203
9 202
A
m = 200
i
1
200 o
1
!
o o
198 197
o
192
Vejamos a seguir uma outra amostra de dados de alturas de pés de milho, com
a finalidade de confronto de situações diferentes: 203, 198, 199, 200, 201, 202, 197.
Verifica-se que a média aritmética é a mesma da amostra anterior, ou seja, m= 200 cm,
o que nos permite obter os seguintes desvios: 3, -2, -1, O, 1, 2, -3.
O gráfico para esta nova amostra é o seguinte:
2 3
202
201
A 200 ?
m = 200 i
1
!
ó 199
198 17
Da comparação dos dois gráficos pode-se verificar que na amostra 2 houve

menor variação do acaso (menor dispersão dos dados ao redor da média).
12
Além dessa visualização gráfica, é possível quantificarmos a variabilidade dos

dados experimentais através das medidas de dispersão, a saber:
Variância e Desvio Padrão
Quando se conhece a média verdadeira, a variância é obtida por:
Porém, o mais comum é dispormos de uma estimativa de média e, neste caso,

a expressão é:
em que, e; são os desvios,
n é o número de observações; e
n-1 é o número de graus de liberdade.
Em nossas amostras temos:
s~ = 25,67 cm2 e s 2 =4 67 cm2

2 ' '
mostrando que na amostra 2 a variabilidade é menor, ou seja, que na amostra 2 a variação

do acaso é menor.
O Desvio Padrão é a raiz quadrada da variância. Tem-se a vantagem, do
ponto de vista do leitor, por ter a mesma unidade que os dados originais. Em nossas
amostras temos:
s 1 = J 25,67 = 5,07 cm e
s2 = .J 4,67 = 2, 16 cm.
13
Décio Barbin
Uma expressão mais usada para variância é:
n ( fv Y
LYf-~
s2 _ i = I n
n -1
em que, yi são os valores observados.

2
280154 - (1400)
s1-' = - - - - - -7 -- = 25,67 cm2 e,
7 -1
280028 - ú4 oo)2
- - - - - -7- - = 4,67 cm2 •
7 -1
É importante salientar que, na análise da variância, as estimativas de variância

aparecem com o nome de Quadrados Médios (QM).
Variância da Média e Erro Padrão da Média
A estimativa da variância da média estimada é calculada pela expressão:

• s2
V(m)=- ,
n
em que, n é o número de observações; e
s2 é a estimativa da variância.
A estimativa do erro padrão da média é a raiz quadrada da estimativa da
14
Planejamento e An:ílise Estatística ele Experimentos Agronômicos
variância da média estimada, logo,
s(rn)= -s-
✓
n
c01n s, (m) =1,91 cm e,
" " 2
V 2 (m) = 0,67 CITI , com S 2 (m) = 0,82 cm
É usual escrever-se m + s(m), logo, pode-se ter 200 + 1,91 cm para a 1ª.
amostra e 200 + 0,82 cm, para a 2ª.
Coeficiente de Variação
O coeficiente de variação é calculado pela expressão:
100.s
c.v. = --,..-
m
em que: s é a estimativa do desvio padrão; e
m é a estimativa da média.
Tem a vantagem sobre as demais medidas por se tratar de número puro.
CV 100 . 5,07 = 2 ,53% para a primeira amostra, e

.. = 200
100. 2,16
c.v. = = 1,08% para a segunda.
200
Observações:
l - Para dados relativos, isto é, positivos e negativos, o C.V. não tem sentido, pois a
média poderá se aproximar de zero e, com isso, o C.V. tenderá ao oo, ou seja.
lim C.Y.= °"

m ➔O
15
Décio Barbin
Será + oo se m tender a zero pela direita e - oo, se tender pela esquerda.

Pode-se, nesses casos, somar-se uma constante positiva a todos os dados, tomando-os
positivos.
2 - A soma de uma constante a todos os dados não altera o valor da variância, mas, altera
o da média e, por conseguinte, o do coeficiente de variação. Fica claro, portanto, que se o
valor da constante (positivo) for alto, abaixa-se o coeficiente de variação, podendo-se até
mesmo fazer com que se aproxime de zero aumentando-se indefinidamente o valor da
constante. Convém lembrar que não se alterando a variância, não se irão alterar os resultados
dos testes estatísticos; resulta daí, a importância relativa do C.V. Tem sentido apenas a
comparação de resultados de coeficientes de variação obtidos para espécies afins como,
por exemplo, experimentos com a mesma espécie vegetal etc.
lim C.V.= O. (é uma assíntota horizontal)
Vejamos um exemplo.
Sejam os dados: 1, 2, 3, 4, 5, para os quais temos:

A
m=3
'
s2 = 2 5 e
'
C.V. = 52,70%
Somemos a esses dados uma constante k = 1O, temos, pois, uma nova amostra:
11 , 12, 13, 14, 15, para a qual
m=13 '
s2 = 2 5 e
'
c.v. = 12,15%.
Somemos agora a constante k = 50; temos portanto, 51, 52, 53, 54, 55, para a qual
m=53'
2
s = 2,5 e
C.V.= 2,98%
16
Planejamento e Análise Estatística de Experimentos Agronôm icos
o 10 50 100
m 3 13 53 103
sz 2,5 2,5 2,5 2,5
C.V. (%) 52,70 12, 15 2,98 1,53
Observe o que ocorreu com s 2 e com o C.V.
Intervalo de Confiança para a Média
O Intervalo de Confiança para a média nos dá ideia da precisão da estimativa

da média, em termos probabilísticos.
É obtido por: m± t s( m) em que:
mé a estimativa da média,
t é o valor do teste t, obtido em tabelas bilaterais, com (n-1) g.1 . e em um nível a

de probabilidade e
s( m) é o erro padrão da média.

200 ± 2,45 . 1,91 cm, ou,
200 ± 4,68 cm, ou ainda, 195,32 < m < 204,68 cm,
para a primeira amostra e,
200 ± 2,45 . 0,82 cm, ou,

200±2,01 cm, ou ainda 197,99 < m < 202,01 cm,
para a segunda amostra, em que t-2,45 foi obtido com n-1 = 7-1 = 6 graus de liberdade e
com a= 0,05 ou 5% de probabilidade.
17
Décio Barbin
II - UNIDADE EXPERIMENTAL OU PARCELA
Unidade Experimental (ou parcela) são os indivíduos (plantas ou animais) aos

quais será aplicado um tratamento. A resposta que eles apresentarem a esse tratamento
irá constituir um dado ou observação que será utilizado na análise estatística. Um conjunto
de parcelas envolvendo dois ou mais tratamentos pode constituir-se em um experimento.
Vejamos alguns exemplos:
Em gramíneas (cana-de-açúcar, arroz etc.) são usadas de 3 a 5 linhas de
1O m de comprimento cada uma.
Em café usam-se de duas a quatro linhas com 7 a 1O plantas cada uma.
Com gado de corte, 1 ou mais animais, de acordo com a disponibilidade, já
que é muito difícil encontrar vários animais com características iguais para
compor uma parcela. Para experimentos de pastejo, usa-se parcela de 1
ha, com, geralmente, 3 a 5 animais de corte.
Com animais de pequeno porte, como por exemplo coelhos, frangos,
poedeiras etc., podem-se usar vários indivíduos para a constituição de uma
parcela.
Com árvores frutíferas, uma a duas plantas são o suficiente, dependendo
do grau de homogeneidade dessas árvores.
Em psicultura, usam-se tanques de 2 x 2m, com 1 a 2m de profundidade.
No caso de experimentos com gado leiteiro (vacas) devem ser tomados
cuidados especiais. Existe toda uma técnica experimental visando a esse tipo de
experimento.
É sabido, por exemplo, que as vacas atingem o pico de lactação mais ou menos
aos quarenta e cinco dias após o parto. Portanto, esses animais só deverão entrar no
experimento após esse pico, o qual é característico para cada animal, confonne mostra
o gráfico abaixo:
Curva de Lactação
16
14
1
'bÕ 12 1
eo 10 1
1
""::,
u- 8 1
1
-o
e
o..
6 1
1
1
1
4 1 1
2 ~ Período experimental ~
o
o 50 100 150 200 250 300 350
dias
18
Planejamento e Anúlisc Estatística de Experimentos Agronômicos
Geralmente, o pesquisador faz as seguintes perguntas ao estatístico:

- Qual deve ser o tamanho da parcela?
- Quantas repetições devo fazer?
Quando não se conhece o tamanho da parcela para uma determinada espécie
em estudo deve-se, em primeiro lugar, verificar se já foi feito algum ensaio com aquela
espécie. Caso contrário, deve-se conversar com o pesquisador procurando-se obter
informações sobre a homogeneidade do material em estudo (se homogêneo, a parcela
pode ser pequena) sobre disponibilidade de material, tamanho da área experimental,
número de pessoas habilitadas para ajudarem na condução do experimento etc. Se já
foram feitos experimentos com essa espécie, verificar se os valores do coeficiente de
variação e as conclusões a que o pesquisador chegou foram satisfatórias. Em caso
positivo, pode-se adotar o mesmo tamanho de parcela usado nesses trabalhos; em caso
contrário, deve-se aumentar o tamanho da parcela. Um fato porém, pode ser demonstrado:
é sempre preferível aumentar o número de repetições a aumentar o tamanho da parcela.
Uma alternativa muito usada é a instalação de ensaios visando ao tamanho da
parcela. Nestes casos, trabalha-se com as estimativas dos erros dentro e entre parcelas.
O erro dentro de parcelas é proveniente da variância entre indivíduos dentro da parcela
(cfd) e o erro entre é proveniente da variância entre parcelas ou variância residual (cr2J
Se, <J2d > <J2e, deve-se aumentar o tamanho da parcela;
Se, cr\ ~ cr\, pode-se manter o tamanho da parcela, ou, até mesmo, diminuir.
A A A
XX.XX i xxxx 1 • • •••uoou , xxxx

i A2
(J el
i i
A 2 "2 A2
O'dl O'd2 O'dJ
Importante: Sempre que possível, o pesquisador deve anotar todos os dados

individuais de seu experimento, ou seja, anotar o resultado para cada indivíduo dentro da
parcela para que, se necessário, possa obter a estimativa do erro dentro da parcela e
proceder a estudos de tamanho ideal de parcela.
Finalmente, para a determinação do tamanho da parcela, tem-se usado também,
simulação de dados em computadores. Parte-se de informações sobre ensaios já
realizados usando-se, a seguir, o Método da Curvatura Máxima, apresentado por
FEDERER (1955). Trata-se de um gráfico onde, no eixo das abscissas (x) colocam-se os
19
Décio Barbin
valores referentes ao tamanho da parcela e, no das ordenadas, os valores dos coeficientes

de variação c01Tespondentes. Traça-se a curva e admite-se como tamanho ideal da parcela,
a abscissa que corresponde ao ponto de curvatura máxima, conforme gráfico ilustrativo a
segmr:
Gráfico Relativo ao Método da Curvatura Máxima
100 -
j
1
80
,-.... Ponto de curvatura máxima
~
,._., 60
>:
u 40 Tamanho ideal da parcela
20
o
o 20 40 60 80
Tamanho da parcela
Bordadura
Quando o tratamento aplicado a uma parcela pode influenciar o tratamento

aplicado a uma parcela vizinha, devem-se desprezar as observações relativas às plantas
da periferia das parcelas, evitando-se distorções nas respostas dos tratamentos. Estas
plantas desprezadas constituem o que chamamos de bordadura da parcela. Aquelas da
parte central da parcela, cujos dados serão analisados, são chamadas de plantas úteis.
1 1 1
1 ,
Plantas úteis
1F
Bordadura
Há, também, o que se chama de bordadura do experimento. Ela é constituída de

plantas que circundam todo o experimento visando protegê-lo de fatores externos.
20
Ili - PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO
São três os princípios básicos da experimentação, a saber:
1 - Repetição
Consiste em se terem várias parcelas com o mesmo tratamento. Estaríamos,

com isso, procurando confirmar a resposta que o indivíduo dá a um determinado
tratamento. Além disso, são as repetições que permitem a obtenção do Resíduo em uma
análise de variância.
2 - Casualização
Consiste em se distribuírem os tratamentos pelas parcelas através de sorteio.

Com isso, estaremos oferecendo a mesma chance a todos os tratamentos de ocuparem
uma determinada posição ou parcela na área experimental. Elimina-se, com isso, a intuição
ou desejo involuntário de proteger determinado ou determinados tratamentos. A
casualização, até certo ponto, garante a independência dos erros ou observações. Estes
dois princípios, casualização e repetição, são obrigatórios em todos os experimentos.
3 - Controle Local
É usado quando a área experimental é heterogênea. Nestes casos, ela é

subdividida em áreas menores e homogêneas. Em cada uma devem-se colocar todos os
tratamentos, de preferência em igual número. Caracteriza-se, assim, o que iremos chamar
de blocos.
É o caso, por exemplo, de terrenos em declive onde se espera que haja um
gradiente de fertilidade, ou seja, que as partes mais baixas do terreno sejam mais fé1teis
que as partes mais altas. Devemos, portanto, respeitar as linhas de nível do terreno e
colocar os tratamentos ao longo dessas linhas onde se espera que haja homogeneidade;
estaremos, confonne será visto, constituindo os blocos que é a forma mais simples de se
realizar o controle local. Está aí a ideia dos experimentos em Blocos Casualizados, onde
se espera que cada bloco, constituindo uma repetição por conter todos os tratamentos
uma única vez, seja o mais homogêneo possível, oferecendo as mesmas condições a
todos os tratamentos que o compõem. Comportamento semelhante deve-se ter quando o
21
Décio Barbin
material for heterogêneo. Por exemplo, se tivermos vários tamanhos de mudas de uma
detenn.inada espécie vegetal, elas devem ser separadas; cada tamanho irá constituir um
ou mais blocos.
Quando a área experimental for homogênea, por exemplo, uma área plana,
dispensa-se o controle local; todos os tratamentos com todas as suas repetições são
dispostos, por sorteio, nessa área, de modo que todos têm a mesma chance de ocupar
qualquer posição. Estes são os que chamamos de Experimentos Inteiramente ao Acaso.
Porém, se o terreno apresentar heterogeneidade em dois sentidos, como por
exemplo, gradiente de fertilidade em um sentido e gradiente de microclima em outro, o
controle local deve acompanhar essas duas fontes de variação, ou seja, devemos fazer
blocos perpendicularmente a esses dois sentidos. Eles serão chamados de linhas e
colunas e estaremos, assim, caracterizando os Experimentos em Quadrados Latinos.
A esta altura é importante salientar que à medida que aumentamos o controle
local, diminuímos o número de graus de liberdade do Resíduo de uma análise de variância.
Como este número é um indicador da precisão da análise, só se deve fazer o controle
local quando realmente for necessário, ou seja, controle local desnecessário somente irá
causar menor sensibilidade à análise da variância.
Por outro lado, como o Quadrado Médio do Resíduo é a estimativa da Variância
Residual ou do Acaso, ao planejarmos um experimento devemos ter sempre em mente
que essa estimativa deve ser a melhor possível: ela deve ser realmente uma medida
representativa da Variação do Acaso. Portanto, todo cuidado deve ser levado em conta
ao se planejar e, principalmente, ao se instalar o experimento no campo. Erros ou
descuidos, nessa fase da experimentação, irão acarretar em aumento da variância residual
e, como já dissemos, tomando a análise da variância menos sensível.
22
IV - ENSAIOS INTEIRAMENTE AO ACASO
Introdução
Os ensaios inteiramente ao acaso são o tipo mais simples de experimentos.

Levam, em conta, como vimos, apenas os princípios da repetição e da casualização.
São, por isso, muito usados em laboratórios, casas de vegetação, viveiros etc.
Voltemos àquele caso de um canteiro bem homogêneo, onde foram usadas
sementes de um milho híbrido simples. Foi wn exemplo de variação do acaso, relativo à
altura de pé de milho. O modelo era:
Y.1 = m+e.1 com i = 1, 2, ... , n,
ou seja, tínhamos n pés de milho.

Nesse modelo, yi é a altura da planta, m é a média geral e ei é o erro ou desvio
em relação à média (desvio devido à variação do acaso).
Vamos "perturbar" essa aparente homogeneidade do canteiro, através de, por
exemplo, 3 doses distintas de N, deixando também plantas sem nitrogênio (dose O).
Subdividamos o canteiro em, por exemplo, 12 parcelas de tal modo que 3 não recebam
N, 3 recebam a dose 1 de N, 3 a dose 2 e 3 a dose 3. Temos, portanto, 3 repetições de
cada tratamento.
As doses 0-1-2-3 de N serão distribuídas ao acaso (por sorteio) nas parcelas.
Modelo Matemático e Esquema de Análise da Variância
O modelo matemático para essa nova situação é:
YIJ.. = m + t.I + e IJ..
em que yij é a altura da planta;
ti , com i = 1, 2, ... , I é o efeito de tratamento (doses de N); e
e IJ.. , com j = 1, 2, ..., J repetições é o erro experimental ou desvio.
23
Décio Barbin
No caso I = 4 doses de N e J = 3 repetições.
O esquema da análise da variância é:
CAUSAS (OU FONTES) DE VARIAÇÃO G.L.
Tratamentos I - 1= 3
Resíduo l(J - 1f>= 8
Total IJ-l = ll
(*) Por diferença: IJ - 1 - (1 - 1) = IJ - 1 - I + l = l(J - l ).
Veja-se a relação entre o modelo matemático e o esquema de análise. Como

causas ou fontes de variação da altura dos pés-de-milho (y..IJ) no modelo, têm-se t I. e eIJ.. ,
pois m é comum a todas as observações. No esquema de análise, têm-se, como causa
de variação, Tratamentos (que correspondem aos 9 e Resíduo, que corresponde aos eu
(efeitos da variação do acaso). Se considerarmos K indivíduos por parcela, o modelo
matemático fica: y ..IJ'k= m + tl + b.J +e..lJ + dIJ..k , em que eIJ.. é o erro experimental ou erro entre
e, ~ ik' com k=l,2, ..,Ké o erro amostral ou erro dentro. O esquema da análise da variância
fica:
Causa de Variação G.L.
Tratamentos 1-1
Resíduo l(J -1)
Parcelas IJ-1
Entre Indivíduos
dentro de parcelas IJ(K-1)
Total IJK-1
Um Exemplo
Consideremos, como exemplo, os dados adaptados de ZAMBÃO; SAMPAIO;

BARBIN, 1982, onde o pesquisador pretende comparar 4 cultivares de pêssego quanto
ao enraizamento de estacas.
N.º de tratamentos: I = 4
N .º de repetições: J = 5. Como, de modo geral, deve-se ter no mínimo 1ograus
24
de liberdade no Resíduo, então, I(J- 1) :::: 1O. Logo, para 1=4, tem-se J:::: 4. Optou-se por J=5
repetições, pois havia disponibi lidade de estacas.
Tamanho da parcela: serão plantadas 20 estacas de cada cultivar
4 x 5 = 20 parcelas em todo o ensaio.
Tipo de experimento: como vai ser instalado no viveiro (condições controladas),

em canteiros ou caixas de areia, pode ser inteiramente ao acaso.
Sorteio de tratamentos (croqui do ensaio):
V2 V3 v, V2 V4 ...... 20 estacas do cultivar 4

v, V4 V2 V3 V2
V4 V2 V3 v, v,
v, V3 V4 V4 V3 ...... 20 estacas do cultivar 3
Depois de instalado o experimento, passado o tempo necessário, o pesquisador

anota o nº de estacas enraizadas.
O resultado foi:
TRATAMENTOS REPETIÇÕES
1ª 2ª 3ª 4ª 5ª
TOTAL
1 -A 2 2 1 1 o 6
2-B 1 o o 1 l 3
3- C 12 10 14 17 11 64
4-D 7 9 15 8 10 49
122
PERGUNTAS:
1ª) É possível fazer a análise da variância nesse caso?
2ª) Como fazer a análise da variância?
A análise da variância só é possível se forem satisfeitas certas condições, ou

seja, certas exigências do modelo matemático. São elas:
1ª) O modelo deve ser aditivo, isto é, os efeitos devem se somar (não há interação);
2ª) Os erros (ei) devem ter distribuição normal;
25
Décio Barbin
3ª) Os erros (e;) devem ser independentes;

4") Os erros (ei) devem ter a mesma variância, ou seja, deve existir homocedasticidade.
É comum a reunião das três últimas exigências na seguinte expressão:
va riância
e..
lJ
n N I D
L
i
distr.
l
Normal
ou, eij n NID (O, cr2).

l distribuída
~ ind ependentemente
A condição de aditividade pode ser verificada pelo teste de não-aditividade de

Tukey, originalmente apresentado para ensaios em blocos casualizados (DEMETRIO,
1978) cuja expressão está apresentada na página 73.
A normalidade dos erros ou dos dados pode ser verificada por um teste de
normalidade como o X2 ou de Lilliefors(CAMPOS, 1983), ou ainda, o de Shapiro Wilk
(SAS, 1994).
A independência dos erros é, até certo ponto, garantida pelo princípio da
casualização.
A homogeneidade das variâncias pode ser verificada através dos testes: Fmáx
(ou teste de Hartley ou da razão máxima); de Cochran e de Bartlett, cujas expressões
são:
2
8 max
F =--
máx s2.
mm
consulta-se a tabela correspondente, com k = nº de tratamentos e V = n - 1, número de

g.l. por s\
Teste de Cochra11
2
8 max
C= k
L sf
i=i
26
Planejamenlo e Análise Estatislica de Experimentos Agronômicos
consulta-se tabela adequada com k e (n- l ) g. l., onde k é o nº de estimativas de variância

e (n - 1) é o nº de g.l. associado a essas estimativas.
O teste de Bartlett é dado por:
,y 2 - -
M
A {k- l )gl e
em que:
e
k
1 1 1
C=l+ 3 (k-1) I
i=1
---
Il·1 -1 k
Í:(ni -1)
i=l
sendo: s2 a média ponderada das estimativas das variâncias s2i e k = nº de estimativas

de variâncias.
No caso de estimativas de variâncias com mesmo número de graus de liberdade
a elas associado, temos:
M = 2,306 (n-1) [ klog 8

2
- ~ logsf]
k+l
e = 1 + 3k (n -1)
Uma outra alternativa que vem ganhando maior ênfase em função dos pacotes
estatísticos é a análise dos resíduos. De acordo com vários autores, dentre eles
(PARENTE, 1984), os erros padronizados:
eij eij
dij = .J QMRes. = ff
quando colocados em um gráfico, contra os valores estimados (Yi), podem nos dar as
seguintes orientações (padrões):
27
Déc io B.irhin
I ª) d,j
+3 1-------.-.- - -- - - -- - - - - -
.: :◄- condição ideal
das exigências
do modelo
...
. . ..
. . ..
-3
--;c-------------------------t~ Yii
...... :.:.::::::::::::::+ heterogeneidade

de variâncias,
o onde a variância
cresce com Y;;
Yij
ou
d··IJ
... heterogeneidade de
variâncias, onde a
variância decresce
comy;;
Yii
d,j
ou
hcterogcncidndo de
variâncias, onde a
+ variância cresce pam
valores de Yu
o tendendo para n
média
-3
- - + - - - - - - - - - - - - - - - - - - - - - + yij
28
Plnncjmnento e Análise Estatística de Experimentos Agronômicos
ou d,,
hclcrogcncidadc
.._ de vnri5ncias,
. .. . .
o ...... : . .. '.::: : : _:_:_: :: . :::: on<lc n vnriàncin
. .'...' .. . ' . . . ' . . ..
.
.. . decresce para
valores de YiJ,
-3 lcndendo pnra n
médin
- - + - -- - - -- - - - -- - - - -- --r Y1J
. _ corrclnção
positiva entre os
erros, portnnto os
erros não são
independentes
--t-------------------.....-y;i
ou
+: 1(-------~~t~•
fü--~ ,~
.::---------~-§§J.~:,.
·.·.·.·.·.· . . .·.·.·.·
... . . ... ...
. ·.·.·.·.·.· .
·.· ·.·.·
. .-.-...
. .... ..
Y1;
Geralmente, porém, essas verificações não têm sido feitas na prática. Ocorre
que, por experiência sabe-se que, por exemplo, dados de produção geralmente satisfazem
a essas exigências; sempre que possível trabalha-se com médias por parcela, o que até
certo ponto, garante a distribuição normal. Quando se têm dados de contagem ou de
porcentagem, já se fazem transformações de dados.
29
Décio Barbin
No nosso exemplo:
Tratamentos Totais "
m i
2
S i C.V.(%) " / 2
m s
1- A 6 l ,2 0,7 69,72 1,7
2- B 3 0,6 0,3 91,29 2,0
3- C 64 12,8 7,7 21,68 1,7
4- D 49 9,8 9,7 3 1,78 1,0
G = 122 m= 6' 1 s2 == 4'6
Façamos a verificação das condições de homogeneidade de variâncias e da
normalidade dos erros, para os dados de nosso exemplo.
Sabe-se que
Y ~ = m+ t-1 ' em que mA = -;··L·-

LYu - _G_
AI
· ;
e t . =m.-m= -T; - -G ·
A A A
IJ IJ ' ' J IJ
Mas,m = 6,1
tA = ---4,9
tB = -5,5
te = 6,7 e
tn = 3,7, logo,
yA= 1,2; YB = 0,6; Yc =12,8; e Yo =9,8
Por outro lado,
Logo, usando-se os valores de êij apresentados na página 28, temos os du, na

tabela a seguir:
dij
A 0,3 7(*) 0,37 -0,09 -0,09 -0,56
B O, l 9 -0,28 -0,28 O, 19 o, 19
e -0,37 -1, 3 1 0,56 1,96 -0,84
D -1, 3 1 -0,37 2,42 -0,84 0,09
(*)d Al = "l 1 = ~
4,6 = 0,3730 =0,37.
O gráfico para os dij' apresentados no quadro acima, fica:
30
Planejamento e Anúl ise Estatística de Experimentos Agronômicos
Gr:ífico de dispersão
2,5 •
2
VI
o
"O
1,5
•
"'
.!::l
e l
..,o
"O
"'e.. 0,5 •
o"'
;:l o •• •
"O
·;;;
.., -0,5 •• 2 4 6 8 .10 12 • 14
e,::
-1 • • •
-1 ,5 • •
Y estimado
Observa-se, pelo gráfico, a heterogeneidade de variâncias: a variância cresce

com o crescimento de y IJ.. .
Verifica-se pelos coeficientes de variação, que não há proporcionalidade entre
as médias e os respectivos desvios padrões, o que, se houvesse, nos orientaria para uma
transformação de dados do tipo logaritmo: log (Yu + k) onde k = constante positiva.
Se compararmos as colunas m; e sf , notamos que os dados estão,
provavelmente, seguindo uma distribuição de Poisson, pois as médias estão próximas
das variâncias (na Poisson: s2 = m). Há indicações, portanto, para uma transformação
de dados do tipo .Jx + k ou .JYij + k .
Façamos agora o teste Fmãx para homogeneidade de variâncias:
2
Fmax
, =
8 max 9,7
2
32,33
8 min 0,3
Fmáx (tabela) k = 4 variâncias 20,6 -> 5%

v = 4 g.l. (por Sf) 49,0=> 1%
. = 32 ' 33*
F max
Como F mãx é significativo em nível de 5% de probabilidade, rejeitamos a hipótese
31
Décio Barbin
H ou seja, as variâncias não são homogêneas. A não verificação de uma só exigência

0
,
do modelo já é suficiente para a não validade da análise da variância. Porém, foi verificada
também a nonnalidade através do teste de Lilliefors (ver pág. 28) chegando-se à conclusão
que os dados não seguem a distribuição normal.
Como alternativas para tomá-la válida, temos:
a) transformação dos dados, cujas mais usadas são: .Jx + k , onde ~O é uma
constante, para dados de contagem; are sen ,Jp / 100 , onde p = porcentagem, para
dados de porcentagem, geralmente entre O e 30% ou entre 70 e l 00%; log (x + k)
quando há proporcionalidade entre médias e desvios padrões;
Pode-se, no entanto, de acordo com BOX e COX (1964), determinar,
analiticamente, que tipo de transformação pode ser usado. Estabelece-se uma regressão
linear entre log s2 , como variável dependente e log m, como independente.
"
Determina-se b e, a seguir,
,..
b
Â=l- -
2
O valor de "A, nos indica que tipo de transformação deve ser feito.
Se MO, temos Y*= YÂ. e
Se Ã.==0, temos Y*= log Y.
"
Em nosso exemplo, temos b =1, 131 O
3
:. "A,= 1- l,l IO = 1-0,5655 = 0,4345
2
Isso nos permitiu usar "A.=0,5, por ser uma transformação de uso corrente, ou
seja,
Y* = yo.s = .jy .
Resumo de várias possibilidades de transformação de dados:
32
b Transform ação
o nenhuma
1/2 Fx ou Jy
2 o log X ou log y
3 -1 /2 1 1
-ou-
Fx Jy
4 -1 1 1
- ou -
X y
b) Testes não paramétricos.
e) Modelos lineares generalizados.
Portanto, em nosso exemplo, vamos usar a transformação + 0,5 ou .Jx

✓-Y-iJ-.+-0-,5-. A constante k = 0,5 é usada porque temos várias observações com valores
baixos, inclusive nulos.
Com essa transformação, temos:
TRATAMENTOS REPETIÇÕES ~
lª 2· 3ª 4ª 5• TOTAIS m; S2·
1 CV(%) m /s2
A 1,58 1,58 1,22 1,22 0,71 6,31 1,262 0,1276 28,35 9,9
B 1,22 0,71 0,71 1,22 1,22 5,08 1,016 0,0780 27,39 13,0
e 3,53 3,24 3,81 4,18 3,39 18,15 3,630 0,1386 10,26 26,2
D 2,74 3,08 3,94 2,91 3,24 15,9 1 3,182 0,2144 14,56 14,8
45,45 2,272 0,1396
1
T
$2
(A transformação ✓
x sempre abaixa o C.V. para =a metade)
2
= ~ áx = 0,2144 = 2 75n,s.
Fmáx s 2mm
. O' 0780 '
. é não significativo, não reJ· eitamos H o , isto é, aceitamos a

Como F m~
homogeneidade das variâncias, o que toma válida, sob esse aspecto, a análise da variância.
O teste de normalidade, por Lilliefors, apresentou D= 0,0983, não significativo, indicando
que a distribuição dos dados .Jx + 0,5 , não difere da normal.
33
Décio Barbin
A análise de variância para os dados transformados em Jx + 0,5 , nos dá o

seguinte resultado:
Causas de Variação G.L. S.Q. Q.M. F
Tratamentos 03 26,3495 8,7832 62,87
Resíduo 16 2,2349 o,1397
Total 19 28,5844
(~ Vy
lf1__:J G
2
SQTotal = L Yij - <l , em que: <l = - IJ - =N

i, j
(45 45) 2
· SQTotal = (1 ,58)2 + ... + (3
'
24)2 - '
20
= 28' 5844
1 I 2
SQTrat. =J L Ti
i=l
- (l,
SQRes. = SQTotal - SQTrat. = 2,2349
SQTrat. 26,3495
QMTrat. = - = 8,7832
g.l. Trat. 3
SQRes. 2,2349
- = 0,1397
QMRes. = g.l. Res. 16
QMTrat.
F = QM Re s. , sob a hipóteses de nulidade (H)
Portanto,
34
8,7832
F = O, 1397 = 62,87
Isto significa que a variabilidade dos tratamentos é 62,87 vezes superior à

variabilidade natural, que seria dos resíduos. Significa que os efeitos de tratamentos não
são iguais. Quanto mais F se distancia de 1, mais estaremos observando efeito dos
tratamentos.
Veja-se que, sob a hipótese H0 , não havendo efeito de tratamentos, QMTrat. e
QMRes. devem dar valores semelhantes (lembrar que QM = s 2) logo, sob H 0 , F =
1.
À medida que encontramos valores de F afastando-se de 1, no sentido maior, significa
que devemos rejeitar H o, ou seja, aceitar a hipótese alternativa H de que os efeitos dos
~
tratamentos são diferentes de zero e diferentes entre si.

Sob o ponto de vista de Esperança Matemática dos QM's, admitindo o modelo
fixo, temos:
E (QMTrat.) = cr2 + J<I\
em que: <P't = ___ e E (QMRes.) = cr2

1-1
Se admitirmos, como estimativas:
QMTrat.
,.. 2 "
= cr + J 1 , ,. = -1-
com .
' I -1
(r ,. ,
. ,
1
t.- -1--
-1 a,.. 2 )
J
QMRes. = ô2 ,
temos:
= QMTrat. =_!_ L
"2
t.
F i '
QMRes. J-1 Ô" 2
Por e~~a expressão, vemos que o valor de F próximo ou afastado de 1 dependerá

do valor de L1 ti, que é a medida da variação entre os tratamentos.
Para dizermos se aqueles efeitos de tratamentos são significativos, isto é, não
são devidos ao acaso, devemos consultar as tabelas de F.
É comum usarmos tabelas aos níveis de 5% e 1% de probabilidade. Devem
35
Décio Barbin
ser consultadas, nos casos de Experimentos Inteiramente ao Acaso com (I- 1) g.l. de
tratam entos no numerador e l(J-1) g.l. do resíduo (no denominador).
Em nosso exemplo, temos:
F 3; 16; s¾ = 3,24 e F 3; 16; 1% = 5,29

O F calculado é 62,86**. Logo, Fé significativo ao nível de 1% de probabilidade
e devemos rejeitar H 0 • Portanto, concluímos que os tratamentos diferem entre si. Há,
portanto, necessidade da aplicação de um teste de comparação de médias de tratamentos.
Região do acaso Região do acaso
95% 5% 99% 1%
3,24 5,29
Observações:
1ª) Os pacotes estatísticos nos dão as probabilidades de significância dos testes F.

Consideramos, no entanto, como significativos, os valores de F cujas probabilidades sejam
menores ou iguais a 0,05.
2ª) A análise da variância, para os dados não transformados de número de estacas de
pessegueiro enraizadas nos dá:
Causas de Variação GL SQ QM F
Tratamentos 3 564,20 188,07 40,88**
Resíduo 16 73,60 4,60
Total 19 637,80
w
C.V. = 35,16% O Fé robusto
Teste de Lilliefors Para Normalidade
Uma das exigências do modelo matemático e, portanto, da validade da análise

da variância, é que os erros eij tenham distribuição nonnal.
Como vimos, a verificação dessa exigência pode ser feita pelo teste de X2 ou
pelo de Lilliefors.
36
Planejamento e Anúlise Estatística de Experimentos Agronômicos
O teste de Lilliefors consiste em se obter
D = supr I F(Z) - S(Z) 1

ou
D = supr F(Z) - S(Zi_1)
J 1
em que, F(Z) são as probabilidades da variável normal reduzida
xi "
m
Z. = - - -
' s
em que X 1. em nosso caso são os erros eIJ.. , mé a estimativa da média dos e.. estimados e,
IJ
portanto, é igual a zero e s é a estimativa do desvio padrão dos eíf

e--
Z. = _]__
t s = d.. = desvios padronizados,
IJ
k
S(Z.)1 = -Il , onde k é o número de observações ~ X.,l ou, em nosso caso, é o número de
. <
desv1os _ e...
IJ
Devemos, inicialmente, obter os erros e ...

lJ
Como Yu = m + ti + eij , temos que
eIJ.. = y lj.. - m - t.1

Mas, não conhecemos m e ti, logo, devemos trabalhar com suas estimativas
Veremos, posteriormente, que
L,Yij ,.. G
"
m=
i,j ou m=-
IJ IJ
e " Ti ,..
t 1· --m
J
37
Décio Barbin
No nosso exemplo, temos:
TRATAMENTOS REPETIÇÕES
1" 2º TOTAIS
3" 4" 53
1- A 2
2- B
2 1 1 o 6=T 1
1 o o 1 1 3 = T2
3- C 12 10 14 17 li 64 = T3
4- D 7 9 15 8 10 49 = T4
122 = G
,., = 122 =6 l
m 20 ' 111 = 6,l
t 1 = -4, 9
A
t 2 = -5, 5
64
5
-61=67
' ' ...
A 49
"t = t = - - -61=37
4 D 5 ' '
I ,.,
Obs.: L ti = O
i=l
-4,9 + (-5,5) + 6,7 + 3,7 = O
Com essas estimativas, obtemos as estimativas dos erros e...

IJ
REPETIÇÕES
TRATAMENTOS 1• 2• 4• s?
3ª 5•
1- A 0,8 0,8 -0,2 -0,2 -1,2 0,7
2-B 0,4 -0,6 -0,6 0,4 0,40 0,3
3 -C -0,8 -2,8 1,2 4,2 - 1,8 7,7
4-D -2,8 -0,8 5,2 -1,8 0,2 9,7
4,6 = s2
Por exemplo:
ê l i = 2 - 6,J - (-4,9) = Ü,8
:E e 2..
-2
S2. = IJ ou s
' I(J-1) 4
38
Planejamento e A nálise Estatística de Experimentos Agronô micos
Observações :
"2
2ª) -~ e..
1' J IJ
= 73,6
logo,
Lê~ =46
s2 = - ---'-IJ = 73,6
I (J -I) 16 '
.-. s = N _ 2,1448
Os 16 g.l. correspondem a 4 + 4 + 4 + 4 (de cada parcela) ou,
I(J - 1) = 4 x 4 = 16.
3ª) O teste de Lilliefors irá nos dizer que a distribuição dos dados (erros) difere ou não da
distribuição normal.
A seguir, consulta-se a tabela de probabilidade da distribuição normal reduzida,
obtendo-se, antes, as variáveis reduzidas Z.:1
ê··lj - o
Z.= - - -
1 s
Por exemplo,
- 0,8 - o = o 37
zi - 2 1448 '
'
Colocando-se os ê ij (ordenados) e respectivos Zi numa tabela, obtemos:
êij t; Z; F(Zi) S(Z;) IF(Z)-S(Z;)I IF(Z)-S(Z;.1)!

-2,8 2 -1,30 0,0968 0,1000 0,0032 0,0968
-1,8 2 -0,84 0,2005 0,2000 0,0005 0,1005
-1,2 1 -0,56 0,2877 0,2500 0,0377 0,0877
-0,8 2 -0,37 0,3557 0,3500 0,0057 0,1057
-0,6 2 -0,28 0,3897 0,4500 0,0603 0,0397
-0,2 2 -0,09 0,4641 0,5500 0,0859 0,0141
0,2 1 0,09 0,5359 0,6000 0,0641 0,0141
0,4 3 0,19 0,5753 0,7500 0,1747 0,0247
0,8 2 0,37 0,6443 0,8500 0,2057 0,1057
1,2 I 0,56 0,7123 0,9000 0,1877 0, 1377
4,2 1 1,96 0,9750 0,9500 0,0025 0,0750
5,2 1 2,42 0,9922 1,0000 0,0078 0,0422
39
Décio Barbin
k
S(Z.) =-
' n
onde k é o número de desvios $; ê ...
IJ
Por exemplo:
2
S(Z) =- = 0,1000
1
20
4
S(Z2) = - = 0,2000
20
O maior valor de IF(Z)- S(Zi)I e IF(Z) - S(Zi_ 1)1 é 0,2057, logo,
D = suprem \F(Z) - S(Z)l = 0,2057
Consultando a tabela de Lilliefors com n = 20 e a = 0,05 ou a = 0,01,

obtemos:
Dtab(0,05) = 0,190 e Dtnb(0,01) = 0,23 l
Como Dca1c > Dtab(o,os) rejeitamos H 0 , isto é, a distribuição dos eu não pode
ser aceita como distribuição normal.
Concluímos, portanto, que os erros eij não têm homogeneidade de variâncias
(teste Fmáx) e também não têm distribuição normal.
Portanto~ não são verificadas duas das 4 exigências do modelo.
Para maiores informações consultar "Estatística Experimental Não-
Paramétrica" (CAMPOS, 1983).
40
Planejamento e Aná lise Estatística de Experimentos Agronômicos
V - TESTES DE COMPARAÇÕES MÚLTIPLAS (OU TESTES DE

COMPARAÇÕES DE MÉDIAS)
Vimos, em nosso exemplo, que o teste F foi significativo ao nível de 1% de

probabilidade, logo, rejeitamos H 0 : t 1 = t2 = ... = t 1 = O, ou seja, os efeitos de tratamentos
são estatisticamente diferentes de zero.
Pode-se concluir, também, que deve existir pelo menos um contraste entre
médias de tratamentos que difere de zero.
A verificação da significância desses contrastes de médias de tratamentos é
feita através dos testes de comparações múltiplas.
1. Teste de Tukey
Este teste serve para comparar todo e qualquer contraste entre duas médias.
A sua expressão é:
i1 = q ~~V~IJ
2
em que:
~= d.m.s. = diferença mínima significativa;
q é a amplitude total estudentizada ("studentized range") obtida em tabelas,
aos níveis de 5 e 1%, com n = nº de tratamentos (ou médias) e n' = nº de graus de
liberdade do resíduo; e
V(Y) é a estimativa da variância da estimativa do contraste entre duas médias
de tratamentos.
No caso de médias serem obtidas com o mesmo número de repetições, a
expressão fica:
onde r = nº. de repetições.

É convettiente lembrar que, quando o número de repetições não for o mesmo
para todos os tratamentos, o teste de Tukey é aproximado.
Antes da aplicação desse teste, vejamos o que são um contraste, sua
variância e contrates ortogonais.
41
Décio Barbin
Contraste de médias de tratamentos é uma função linear de médias que terá

valor nulo, uma vez admitida a hipótese de nulidade
Então a função
será um contraste se, admitida H 0 , tivermos L ai = O.
São contrastes os exemplos seguintes:
Y1 =m1 + m2 - 21n
7
.
pois, se m 1 =~=II½ = m, temos:
y 1 =m+ m -2m=0
y 2 =m - m= O
Variância de um Contraste
Consideremos uma estimativa de contraste
em que: Ô1 1 foi calculada com r 1 repetições;
Ô1 2 foi calculada com r2 repetições ;
m foi calculada com r

n n
repetições.
42
Então, se as médias forem independentes:
Uma estimativa da variância da estimativa do contraste é:

2 2 2
2 51 2 82 2 8n
V(5'1) ª1 + 82 - + · ·· + 8n -
r1 r2 rn
onde s 2i , comi= 1, 2, ... , n são estimativas de variâncias.
Quando se tem uma análise de variância, onde se admitiu a homogeneidade de

variâncias, temos
2
<Y1 = (j22 = ... = (j/12 = (j 2
e, consequentemente, uma estimativa para a 2 é o QMRes.
Logo,
,.. a.12
V(yi) =L - QM Res.
i ri
Contrastes Ortogonais
Dois contrastes
Y1 = ª•m• + ª2~ + ... + a"m"

e
Y2 = blml + b2m2 + ... + bnmn
são ortogonais se
~
kJ ªibi -- O, onun
. da de Cov("y 1 ,Y" 2 ) = O
i ri
43
Décio Barbin
No caso de médias com o mesmo número de repetições, a condição de

ortogonalidade é
L.J a 1. b .1
"" O
Vejamos se
são ortogonais. Admitindo o mesmo número de repetições r temos:

Coeficientes
A A A ,.
ID1 m2 ffi3 ffi4
A
Y1 +I +1 +I -3
Y2
A
+1 +1 -2 o
Y3
A
+l -1 o o
A
Y1 e Y2
A
+l +1 -2 o o
A
Y1 e Y3
A
+1 -1 o o o
)'2e)'3 +l -1 o o o
soma dos
produtos
Logo, os três contrastes são ortogonais entre si.

Do ponto de vista prático, significa que os contrastes são independentes, ou
seja, a variação de um independe da variação do outro.
Vejamos, agora, como fica o teste de Tukey na comparação das médias de
tratamentos de nosso exemplo sobre enraizamento de estacas.
As médias (dados transformados) são:
ffi I = J.J1 A = },262
,., 2 =
m m. = 1 016
B '
,., 3
m = m. e = 3 ' 630
44
Planejamento e An.ílise Estatística de Experimentos Agronômicos
111 4 = ITl D= 3, J 82
O valor de~ , ao nível de a = 0,05 de significância é:
_q ✓QMRes
6. 5% - r =
, v~
fo,lm
405
:. ~ 5% = 0,677
onde: q = 4,05 foi obtido da tabela para o teste de Tukey, com a = 0,05, n = 4 tratamentos
ou médias e n' = 16 g.l. do Resíduo (Ver tabela 3, p. 167-168).
Para a = 0,01 , temos
{o,Ll97
~ !% = 5,19 v~ 0,867
:. ~ 1% = 0,867
Os contrastes envolvendo duas médias apresentam os seguintes resultados em

valores absolutos:
s, = m m = 1,262-1,016 = 0,246
1 1
-
2
s, = m m = 1,262- 3,630 = 2 ,368

2 1
-
3
e, assim, sucessivamente.
Logo, o quadro dos valores absolutos dos contrastes estimados fica:

A A A A
Yi m2 ffi 3 ffi4
A
m, 0,246 2,368* 1,920*

A 1
m2 - 2,614* 2, 166*
-
A
mJ 0,448
45
Décio Barbin
A seguir, comparamos cada valor do contraste com D., a 5% e/ou 1% de

probabilidade.
Se: Yi ~ fl a ➔ Yi é significativo, ou seja, rejeitamos H O : m i = m j e dizemos
que Yi difere de zero, ou seja, que 11\ i:- m j , ao nível a de probabilidade.
Se: yi < D.ª ➔ yi não é significativo. Logo, aceitamos H o : m i = m j , ou
seja, m.1 não difere de mJ. .
Em nosso quadro de contrastes, se compararmos cada valor Yi com D. o.o5 ,
devemos colocar um asterisco em cada valor Yi
que for 2:'. D. o.os·
As conclusões são, pois:
1) mi e m 2 diferem estatisticamente ao nível de 5% de probabilidade, de ~ e m 4 ;
2) m1 não difere de m2 ;
3) m 3 não difere de m 4 •
É comum também esses resultados se apresentarem sob a seguinte forma:
m. 2 = 1,016 a
m1 =1,262 a
m4 = 3, 182 b
m3 = 3,630 b
em que: médias seguidas da mesma letra não diferem entre si.
Vejamos como fica o teste de Tukey na comparação das médias de tratamentos
para os dados NÃO transformados.
As médias são:
lil1 = 1,2
lil2 = 0 ,6
lil3 = 12,8
lil4 = 9,8
:. /).5% =3,88
O quadro das estimativas dos contrastes é:
,.. ,.. ,..
Yi m2 m3 "
Il14
,..
m, 0,6 11 6* 8,6*
,.. '
m2 12 2* 9 2*
,.. ' '
m3 3,0
46
Plancjame11tn e Análise Estatística de Experimentos Agronômicos
Vemos pela significância dos contrastes, que chegamos às mesmas conclusões

que aquelas obtidas para os dados transformados, mesmo não tendo sido satisfeitas as
condições de nonna lidade dos erros e homogeneidade das variâncias. Isso, no entanto,
não é geral.
2. Teste de Duncan
À semelhança do Tukey, o teste de Duncan serve para testar contrastes entre

duas médias de tratamentos. É menos rigoroso que o de Tukey, chegando a mostrar
contrastes como significativos, que pelo Tukey não são. O de Tukey mantém o mesmo
nível de significância (5% ou l %) para todos os contrastes, ao contrário do de Duncan
onde o nível (1 - cx.)0 • 1, varia conforme o número (n) de médias envolvidas no contraste.
A expressão do teste é
em que: Di é a diferença mínima significativa (d.m.s.)
Z.1 é o valor da tabela, obtido com n = nº de médias envolvidas no contraste e n'

= nº de g.l. do resíduo
V ( y) é a estimativa da variância da estimativa do contraste.
No caso de mesmo número de repetições, o teste é exato e a expressão é:
D·
l
= z.1 JQM rRes.
Neste teste, as médias devem ser ordenadas e começa-se pelo contraste entre
a maior e a menor médias. Se ele não for significativo, isto é, se
< D
Yj•
A
i'
não se deve aceitar qualquer outro contraste como significativo, mesmo que
" 1. > D..1

Y
47
Décio Barbin
Vejamos como fica a aplicação desse teste no nosso exemplo.

As médias, em ordem crescente, são (dados transformados):
IT1 2 = 1,016
rn, = 1,262
I11 4 = 3,182 e In 3 = 3,630
:. Y1 = lm2- mJ = ll ,016 - 3,6301 = 2,614
Cálculo de D.1
Para y1 , temos as quatro médias abrangidas, logo

_ ✓QM Res.
D4 - 24
r
~
:. D4 = 3,23 V~ 0,540
O próximo contraste pode ser
y 2
= I m1 - mI 3
= 11,262 - 3,6301 = 2,368
Este abrange três médias, logo:
✓ QM Res. _ 3 15 ~
D3 = Z3 r - , V~ 0,526
No caso de y3 = m4 - m3 = 0,448
Como y3 < D2 => m4 não difere de m3 •
48
Planejamento e Anúlise Estat.ísticn de Experimentos Agronômicos
Os demais contrastes são:
que envolve três médias, logo, usa-se D3 = 0,526. Portanto, m2 # m4 ;
abrangendo duas médias, logo, usa-se D2 = 0,501. Portanto, ~ não difere de m 1;
abrangendo duas médias, logo, usa-se D2 = 0,501. Portanto, m 1 # m4 •
Conclusões Finais:
m2 =1,016
m. 1 = 1,262
m.4=3,182
m = 3,630
3
É usual, neste teste, ligar através de barras as médias que não diferem entre si.
Pode-se, também, usar o sistema de letras.
Observações:
1ª) Neste exemplo, o resultado de Duncan foi o mesmo do de Tukey.
2ª) IMPORTANTE: Cada contraste testado por Duncan, tem uma probabilidade de que
"não apontemos como significativa uma diferença realmente nula" dada por (1 - a)°·1,
em que a é o nível de significância e n é o número de médias abrangidas no contraste.
Logo, para a= 0,05 e n = 4, temos (1 - 0,05)4• 1 = (0,95)3 = 0,8574 ou 85, 74%;

para n = 3, (1 - 0,05)2 = 0,9025 ou 90,25%;
e para n = 2, (1 - 0,05) 1 = 95%.
Verificamos que ô. (Tukey) é maior que qualquer dos Di (Duncan) ou seja,

ô.5% = O' 677 e o maior dos D.1 é D 4 = 0,540.
Então, confirma-se, pelo exemplo, que Tukey é mais rigoroso que Duncan.
49
Décio 13arbin
3. Teste t
É, talvez, o menos usado de todos devido às suas exigências, e porque as

mesmas comparações podem ser feitas pelo teste F, na própria análise da variância.
Características:
1. É usado para testar um grupo de contrastes ortogonais;
2. Os contrastes devem ser estabelecidos "a priori", isto é, antes do conhecimento dos
resultados experimentais;
3. Os grupos de contrastes ortogonais devem conter um nº de contrastes igual ao nº de

g.l. de Tratamentos.
A expressão do teste é
t
Yi -O
✓ VC5'i)
em que: y i é a estimativa do contraste; y(
y) é a estimativa da variância da estimativa
do contraste.
O valor calculado de t é comparado com o valor de t, obtido em tabelas com n·
g.l. do Resíduo e ao nível a= 0,05 ou a= 0,01.
Se tcalc > \ab ⇒ yi '::/:- O, ou seja, é significativo, logo, as médias diferem entre si
Se t ca1e < t tab ⇒ y. não difere de zero, logo, as médias não diferem entre si.
1
Em nosso exemplo, podemos ter o seguinte grupo de 3 (que são os g.l. d

tratamentos) contrastes ortogonais:
y 1 = & 1 + m2 - <m3 + 111 J ⇒ c1 + 2) vs (3 + 4)
y2 = m, - m2 ⇒ 1 vs 2
y3 = m m.
3
-
4
⇒ 3 vs 4.
Obs: vs significa versus
Outro grupo poderia ser:

s, ,, = 3 m 1
- <m2 + m+m
3 4) ou
Y2 = 2 m2 - <m3 + m4)
y/ =rn3-m4
50
Se ti véssemos 2 inseticidas clorados e 2 inseticidas fosforados, os contrastes

do 1º grupo seriam indicados:
clorados vs fosforados
clorado 1 vs clorado 2
fosforado 1 vs fosforado 2
Consideremos, para efeito de aplicação, o 1° gmpo de contrastes. Logo:
" 4
V (:y 1) = (0,1397) = 0,11176
5
-4,534
Jü,11176 = -l3,S6
Consulta-se a tabela de t com I(J - 1) g.1. do resíduo.
t (tab) = 2, 12 , com n' = 16 g.1. e a= 0,05
Como tca1c > t,ab ⇒ y 1 * O, logo m 1 + m2 difere de m3 + m 4, ou seja, a média das

médias dos tratamentos 1 e 2 difere da média das médias de 3 e 4.
Para o 2° contraste:
v ey 2
) = 0,05588
:. tcalc = 1,04 < t,ab = 2, 12 ⇒ mi não difere de m2.
Para o 3° contraste:
y3= 111 3- 1114 = 0,448

v ey 3) = 0,05588
. tcnlc = 1,89 < t,ab ⇒ m3 não difere de m4.
51
Décio Barbin
Entretanto, esse mesmo esluclo de contrastes pelo lesle l, pode ser feito, de
modo talvez mais elegante, na própria análise da variância. Esse procedimento é conhecido
por: "desdobramento de graus de liberdade de tratamentos" ou "repartição da SQ
tratamentos".
Usando-se os mesmos contrastes testados por t, temos:
Causa de Variação g.l. S.Q. QM F
(Tratamentos) (3) (26,3495)
(A+B) VS (C+D) l 25,6964 25,6964 183 94**
'
l ,08ns
Avs B l o,15 13 O, l 513
Cvs D 1 0,5018 05018 3,59ns
Resíduo 16 2,2349 o, 1397
Total 19
Dados transformados em .J x + 0,5
Repetições
Tratamentos Totais
1ª 2ª 3ª 4n 5ª
A 1,58 1,58 1,22 1,22 0,71 6,31
} 11,39
B 1,22 0,71 0,71 1,22 1,22 5,08
e 3,53 3,24 3,81 4,18 3,39 18,15
} 34,06
D 2,74 3,08 3,94 2,91 3,24 15,91
45,45
2 2 45 5
SQ (A+ B) vs (C +D)= l~ ((11,39) + (34,06) ] • ( ;: )' 25,6964
t
nº de elementos envolvidos
em cada total
0,1513
34 6 2
SQ C vs D= __!__ [(18,15) 2 + (15,91) 2 ] -( ,0 ) _ 0,5018
5 10
25,6964
F
lºconlrustc
= ---
0,}397
= 183,94
52
Planejamento e Anál ise Estatística de Experimentos Agronômicos
O, 15 13
F2° eo111mstc = 1,08
0,1397
0,5018
F3° contraste = = 3,59
0,1397
nl 1 g.l.
{ n 2 = 16 g .1. I> 4,49 (5%) 8,53 (1 %)
Ftab
Conclusões:
1ª) O total dos tratamentos A + B difere do total C + D;

2ª) A não difere de B;
3ª) C não difere de D.
Observações:
P) O teste F para contrastes (1 g.l.) equivale a testes de comparações de médias, logo,

com 1 g.l. para tratamento não é necessária a aplicação de teste de comparações de
médias, caso F seja significativo.
2ª) SQ (A + B) vs (C + D) + SQ A vs B + SQ C vs D = SQ Trat.
:. 25,6964 + 0,1513 + 0,5018 + 0,1397 = 26,3495
t
SQ Trat
3ª) As somas de quadrados dos contrastes poderiam ter sido obtidas pelas seguintes
expressões:
SQ (A + B) vs (C + D) =
em que: y i = valor do contraste para totais de tratamentos;

r = nº de repetições ou nº de observações somadas para obtenção dos totais
de tratamentos que entraram no contraste;
L c2 . =somados quadrados dos coeficientes do contraste.

1
53
Décio Barbin

2
SQ (A+ B) VS
3 _9 _- _3_4 ,_06
(C + D) = _ (_l_l ,_ -'-)- == 25,6964
10 X 2
( 6,31
SQ A vs B _ _ __ -_
5,08 ) 2 =0,1513
__,:_
5 X 2
(18,15 - 15,91 ) 2
SQ C vs D = - - - - - - - - - == 05018
5 X 2 '
Se o número de repetições é diferente, complica bastante o cálculo por essa
expressão.
4ª) Nos casos de contrastes, portanto, com 1 g.l., .JF = t ou F = t2. Verifiquemos:
Contraste (A + B) vs (C + D): t = -13,56
:. t2 = 183,87 =F = 183,94
Contraste A vs B: t = 1,04
:. t 2 = 1,08 = F = 1,08
Contraste C vs D: t = 1,89
:. t2 = 3,57 =F = 3,59
5a) Importante: Quando se aplica o teste t ou se decompõem g.l. de tratamentos numa

análise de variância, o nível de significância conjunto é dado por
[1 - (1 - a)º]
em que a é o nível de significância individual, geralmente 0,05 ou 0,01; n é o número de

contrastes ortogonais.
Em nosso exemplo, para a = 0,05 e como temos n =3 contrastes, o nível
conjunto de significância é
1 - (1 - 0,05)3 = 0,1426 ⇒ 14,26%
Isto é, para 3 contrastes tem-se 14,26% de chances de que ocorra uma diferença
por acaso, enquanto que, sem desdobramento da soma de quadrados, tínhamos essa
probabilidade igual a 5%.
54
Pode-se obter uma boa aproximação desse nível conjunto de significância por
l - ( I - a)º= na
No exemplo:
na= 3 x 0,05 = 0,15 ⇒ 15%
Uma alternativa para essa situação é usar o teste de Bonferroni, que é um

teste t procurando corrigir essa alteração no nível conjunto de significância. Ele usa
a · = a / n , para cada contraste, pois se o nível desejado é ex, então a= na'.
a'= O,OS = O0167

3 ' '
para cada um dos 3 contrastes de nosso exemplo.
4. Teste de Scheffé
O teste de Scheffé serve para comparar qualquer contraste entre médias de

tratamentos. Se, porém, o contraste envolver apenas duas médias, deve-se preferir o
teste de Tukey ou o de Duncan.
A expressão do teste de Scheffé é
S= .J (n -1) Ftab V(y)

em que n = nº de tratamentos;
Fé o valor do teste F, obtido em tabelas com n 1 g.l. de tratamentos e n2 g.l. do
resíduo.
V ( y) é a estimativa da variância da estimativa do contraste.
Vejamos a aplicação desse teste nos contrastes:
Y1 = ( 1111 + 111 2) - ( 111 3 + 111 4 ) e
12 12 (-1) 2 + (-15) 2 ]
A
V (y 1 ) =
[
-5 + -5- + - 5 - 0,1397 = 0,11176
55
Décio Barbin
n = 4 :. n - 1 = 3
F {n1112 ==316 ⇒ a 5%
t~b 3,24
:.S 5% = ✓ (4-1) 3,24 X 0,11176 = 1,0423

Como I y1 1 = 1 -4,534 I = 4,534 ⇒ 1 yi 1 > S5%.
Logo, rejeitamos H0, ao nível de a, = 0,05, então concluímos que a média de m, e

~ difere estatisticamente da média de~ e m4 • Isso concorda com os resultados de te F.
Para o contraste
y2 = -5,43.
temos:
v es, 2) = o,3353.
Logo,
.J (4-1) 3,24 x0,3353 = 1,8052
Como I y2 I > S5% ⇒ rejeita se H 0 , logo, a média entre m 1, lI½ e ll¾ difere de m4 •
Observações:
1ª) Há autores (PERES ; SALDIVA, 1982) que preferem estabelecer intervalos de
confiança para os contrastes e concluir do seguinte modo: se o intervalo contiver o zero,
aceita-se H 0 , nos casos contrários, rejeita-se H 0).
2ª) Além desses testes apresentados, temos o teste de Dunnett (STEEL; TORRIE,
1960) que serve para comparar médias de tratamentos com a(s) média(s) de um
padrão (ou +).
A expressão desse teste é:
d'= t
✓2 -
QM Res.
--
r
quando tem-se O mesmo nº de repetições, onde t é o valor da tabela de Dunnett, obtido
com p = nº de tratamentos, excluído o padrão, e n = nº de g.l. do resíduo (ver tabelas em
STEEL; TORRIE, 1960).
56
Planejamento e A,ül ise Estatística de Experimentos Agronômicos
5. Teste de Scott-Knott
O teste de Scott-Knott visa comparar dois grupos de médias de tratamentos,
iniciando-se por aqueles cuja soma de quadrados é máxima entre os possíveis (p-1)
grupos fonnados em que p é o número de tratamentos (Ramalho, Ferreira e Oliveira -
2000). Resulta, dessa aplicação, que as médias dos tratamentos podem ser reunidas em
grupos aproximadamente homogêneos.
Sua expressão é:
em que:
n = 3,141593
80 é o valor máximo das somas de quadrados entre grupos de médias de
tratamentos tomados sobre todas as possíveis combinações de p tratamentos em dois
grupos distintos. Para se evitarem possíveis números excessivos de grupos, aconselha-
se a trabalhar com as médias ordenadas, sendo possíveis ( P-1) grupos.
â; é a estimativa de máxima verossimilhança de a 2
, dada por:
ãg = [t(y; -Y)' +vs'(Y1 ) ]

(p+v)
em que:
Y; é a média do tratamento i;
y é a média geral de todos os dados;
s (y,) é a estimativa da variância da média do tratamento i, logo,
s
2 (-)
Yi = QMResíduo
n
é o número de repetições com que se estimaram as médias dos tratamentos;
11
p é o número de tratamentos; e
v é o número de graus de liberdade do resíduo da análise da variância.
Como a estatística À, é um critério da razão de verossimilhança que segue,

aproximadamente, a distribuição de x2 (qui-quadrado) logo,
À~ x; 0
, ou seja, À, tem
distribuição aproximada de x2, com V0 graus de liberdade, dados por:
57
Décio Barbin
v0 = p l(rc - 2)
Então, se À..~ X:, 0

, diz-se que À é significativo e, po1ianto, um grupo de médias
difere do outro. Esses grupos deram origem à soma de quadrados 80 •
Se À < ~ º, então Â é não significativo e os grupos não diferem.
Como vimos, para a aplicação do teste, deve-se fazer (P-1) partições ou grupos
com as p médias ordenadas. Por exemplo, para p= 4 tratamentos (A, B, C, D) com
médias ordenadas, deve-se fazer 3 partições, a saber:
A vs. B, C, D
A , B vs. C, D
A, B, e vs. o
em que vs. significa versus .
Se, por exemplo, A , B vs. C, D foi a melhor partição, ou seja, apresentou a maior soma
de quadrados, deve-se dar continuidade ao teste, fazendo-se:
A vs. B e C vs. D
Consideremos, a título de exemplo, os dados da pág. 33, onde temos P= 4
tratamentos, n = 5 repetições e QM Re S= O, 1397 com V= 16 graus de liberdade.
As médias dos tratamentos ordenadas são:
"1B = 1, Ü16; /7\ = }, 262; 111D = 3,182; e "1c = 3, 630.
Conforme foi visto, podemos fazer as seguintes partições:
1 - B vs. A, D, C, cuja SQ(l) = 2,1050,

2 - B, A vs. D, C, cuja SQ(2) = 5,1392,
3 - B, A, D vs. C, cuja SQ(3) = 2,4571,
onde, por exemplo,
2
(1, 016) (1,262 + 3,182 + 3, 630)2 (1,016 +... + 3, 630)2
SQ(l)= - --- + - - - - - - - - - - - - - ___ _
1 3 4
SQ(I) =1, 0322 + 21, 7298- 20, 6570 = 2, 1050

Observa-se, portanto, que a maior soma de quadrados refere-se à segunda partição, B,
A vs. D , C, logo,
ªº = 5, 1392
Podemos calcular Â., para cada partição:
58
Plancjamcnlo e Anúlisc Estatísti ca de Experimentos Agronômicos
À, n ªº- 3, 141593
- = 2(n -2). a; 2(3,141593-2) 0,2858
_5, 1392=24742
'
em que:
A2 (L.(Y;-Y) 2 +v.s2(Y;)]
~
V Ü -- I
(p+v)
[(-1, 01 O)' +(-1, 256)2 +(1,358)2 +(O, 910) 2 + 16 o,1:97 ]

--- - ---
(4+16)
:. ai =O, 2858
Considerando-se a tabela de x2-, tem-se para V0 = J}_-
rc-s
4
:. Vo = ~ 1-4-1-593 = 3, 50 ~ 4g.l que
)Ç,o.osi =9,49 e ~ -º·º1 =13,28

>
1
Como Â.i > 4, o.oi) ~ que Àz é significativo em nível de I % de probabilidade, logo, o
grupo (B, A) difere do grupo (D, C).
Poderíamos ter feito interpolação linear para x2- com 3,5 graus de liberdade e obteríamos,
por exemplo,
13,5; 0,05) = 8, 65 .
Face ao resultado para Â.i, devemos fazer os desdobramentos:

B vs. A, cuja soma de quadrados é igual a 0,0303, com Â,4 = O, 2149, não
significativo, e, portanto, B não difere de A e
D vs. C, cuja soma de quadrados nos dá O, 1004 com Â5 = O, 7968, não significativo,
logo D não difere de C.
Conclui-se, finalmente, que as médias dos tratamentos podem ser reunidas em dois grupos:
A, B e C, D.
Um outro exemplo pode ser obtido de Scott-Knott, 1974, em que são considerados
7 tratamentos, cujas médias ordenadas são numeradas de 1 a 7.
A aplicação do teste leva ao seguinte resultado:
59
Décio Barbin
1,2,3,4 - - - - - < l Â.=8,04*

2,3,4
1,2,3,4,5,6,7
< 5,6,7
Â = 17,73 *
-----< 5 67
'
Â = 0,99n.s.
Face aos resultados, pode-se reunir as médias em 3 grupos: (l); (2,3,4); (5,6,7).
60
VI - ENSAIOS INTEIRAMENTE AO ACASO COM PARCELAS PERDIDAS

(OU ENSAIOS INTEIRAMENTE AO ACASO COM NÚMEROS DIFERENTES
DE REPETIÇÕES POR TRATAMENTO)
Introdução
Considera-se uma parcela como perdida quando por algum motivo não dispomos
de informações (dados) dessa parcela. Pode t,e r ocorrido uma doença ou praga destruindo
toda a parcela; pode ter havido esquecimento do auxiliar do pesquisador em anotar os
dados daquela parcela etc. É comum, também, considerar como parcelas perdidas
valores discrepantes ("outliers").
É importante saber que do ponto de vista de cálculo, as parcelas perdidas
pouco alteram a elaboração de uma análise de variância, neste modelo. Porém, a cada
parcela perdida diminui-se 1 g.l. no total e, consequentemente, no resíduo também.
Se for obtido um valor nulo numa parcela, como consequência do próprio
tratamento, esse valor deve entrar nos cálculos da análise da variância e não ser
considerado como parcela perdida.
Modelo Matemático e Esquema de Análise
O modelo matemático é o mesmo apresentado para o caso onde não há perda

de parcela, ou seja,
YIJ.. = m + t.I + eIJ.. ; e
em que: i = 1, 2, ... , I; j = 1, 2, ... ; ni = nº de repetições para o tratamento i.
Causa de Variação G.L.

Tratamentos I-1
Resíduo N-1
Total N-1
em que: N = L ni
Um Exemplo
Consideremos, a título de exemplo, os dados de enraizamento de estacas,

transformados em .J
y + 0,5, já analisados no capítulo anterior.
61
Décio Barbin
Suponhamos que foram perdidas as parcelas correspondentes a:

l º tratamento ou tratamento A, na 4ª repetição;
3º tratamento (tratamento C) na 4 n repetição; e
3° tratamento na 5ª repetição,
confonne a tabela a seguir:
Tratamentos Rep eti ções

1n 4n Totais mi
2ª 3ª 5ª
A 1,58 1,58 1,22 X 0,71 5,09 1,272
B 1,22 0,71 0,7 1 1,22 1,22 5,08 1,016
e 3,53 3,24 3,81 X X 10,58 3,527
D 2,74 3,08 3,94 2,91 3,24 J5,91 3,182
36,66 2,156
Análise da variância
Causa de Variação g.1. S.Q. QM F

Tratamentos 3 20,5198 6,8399 48,30**
Resíduos 13 1,8406 0,1416
Total 16 22,3604
SQ Total= LY:j - e
i,j
(36 60) 2
:. SQ Total= (1,58)2 + ... + (3,24) 2
- ~ = 22,3604
7
I }
SQ Trat. = I,-T/ - C
i=l Ili
= ! (5,09) 2 + ! [(5,08)2 + (15,91)2] + ~ (10,58) 2 -C = 20,5198
SQ Res. = SQ Total- SQ Trat. = 22,3604 -20,5198 = 1,8406
SQ Trat. 20,5198
QM Trat. = - - 3 - = 6,8399
g.l. Trat.
SQRes. _ 1,8406
QM Res. = = 0,1416
g.l. Res. 13
QM Trat.
F= , sob a hipótese de nulidade (Ho)
QM Res.
62
Portanto,
F = 6,8399 = 48 30
0,1416 '
n = 3
Ftab { n~ =13 ⇒ 3,41 (5%) 5,74 (1 %)
C.V. = 100 .J~M Res. 100 ,J0,1416

------=16~5%
m 2,156
Obs.: No caso de dados sem parcela perdida, C.V. = 17,45%
Como F foi significativo, rejeitamos H0 : t 1 = t2 = t3 = t4 = O, logo, deve haver

pelo menos um contraste entre médias de tratamentos, que difere de zero.
Teste de Tukey na Comparação das Médias de Tratamentos
A expressão geral é:
4 tratamentos
⇒ 4,15
13 g.l. resíduo
a) ~I' para contrastes de médias com 5 repetições, ou seja, para o contraste
,. =1016-3182=-2166
Y 1 ' ' '
63
Décio Barbin
0,698 ⇒ ,11 = 0,698
b) '12, para contrastes envolvendo médias com 5 repetições e média com 4 repetições,
ou seja, para os contrastes:
5' 2= m2- m1= 1,016 - 1,212 = -o,2s6 e
y3= m. 4-m. 1=3,182 - 1,272 = 1,910
\l(Y ,) = \l(Y ,)= [ ~ + ~ ] QM Res.
11, = 4,15 ✓ ~. (! + ~) 0, 1416 = 0,741
e) .13 , para contrastes envolvendo médias com 5 repetições e média com 3 repetições:
y4 = m2 - m = 2,511
3 e
,, 5
Y = m - m = o 34s
4 3 '
_!_ . (_!_ +
2 5 3
!)
0,1416 = 0,806 ⇒ ~ 3 = 0,806
d) ,14, para contrastes envolvendo média com 4 repetições e média com 3 repetições:
y(yJ = [ (1)2 + _(-1)2]

_ QMRes.
4 3
64
l!l = 4 15
4 ,
J _!2_ . (.!.+!)o
4 3 '
1416 = o,843 ⇒ ô 4 = 0,843
Quadro de Contrastes
ffi l (4)(+) 111 2 (5) 111 3(3) ltl i5)

A
ffil
(4) 0,256 2,255* 1,910*
m2 (5) 2,511 * 2,166*

A (3)
m 3 0,345
(5)
m4
A
(+) o número entre-parênteses indica o número de repetições.
_b.2 = 0,741 Li3 = 0,806
Obs.: À medida em que se têm menos repetições envolvidas nas médias, exige-se
maior diferença para indicar como significativo o contraste.
Conclusões:
l3) m 1 e m 2 diferem estatisticamente de m 3 e m4 •

211) m 1 não difere de m 2 •
3ª) m3 não difere de m4 •
É importante salientar que, no pacote SAS, o procedimento é o cálculo da

média harmônica dos números de repetições:
em que r 11 é a média harmônica dos números de repetições;
65
Décio Barbin
I é o nº. de tratamentos do experimento; e
ri, com i = 1, 2, ... , I é o nº. de repetições do tratamento i.
A expressão de Tukey, a ser usada é:
4
fh =l l l l = 4,0678
- +- +- +-
4 5 3 5
logo,
1416
t::,. = 4,15 º'4,0678 :. !::,. = 0,774.
Com esse valor, aplicado aos 6 contrastes, verificam-se os mesmos resultados

já obtidos pelos valores de ~ i .
66
J>b11cj;imc11to e ;\núli sc Estatística de Experimentos Agronômicos
VII - ENSAIOS EM BLOCOS CASUALIZADOS
Introdução
Os ensaios em blocos casualizados, além dos princípios da casualização e da

repetição, levam em conta o controle local, na sua forma mais simples. Reportemo-nos,
mais uma vez, àquela situação que serviu para conceituarmos variação do acaso, na
qual, posteriormente, "perturbamos" a homogeneidade, a fim d!e caracterizarmos os
experimentos inteiramente ao acaso. Suponhamos; agora, que esse terreno ou área, seja
em declive. Há, portanto, confonne vimos em princípios básicos da experimentação, a
necessidade de se realizar um controle local. O controle local, neste caso, consiste em
se repartir a área experimental heterogênea em subáreas homogêneas. Num terreno
em declive, essas subáreas são ao longo das curvas de nível. Cada subárea recebe todos
os tratamentos, uma vez cada e, esse conjunto constitui um bloco (completo). Fica claro,
portanto, que nesse tipo de delineamento, cada bloco é uma repetição.
É importante salientar que dentro de cada bloco deve haver o máximo possível
de homogeneidade, a fim de que sejam oferecidas as mesmas condições a todos os
tratamentos. Pode ocorrer heterogeneidade também no material, conforme comentado
nas páginas 21 e 22.
Observação: Quando não for possível colocarem-se todos os tratamentos num mesmo
bloco, podemos caracterizar os blocos incompletos.
Modelo Matemático, Esquema de Análise da Variância e Estimadores de

Mínimos Quadrados dos Efeitos de Tratamentos e Blocos
O modelo matemático referente aos ensaios em blocos casualizados é
Y..IJ = m + t.I + b.J + eIJ..
em que:
yij é a observação referente ao tratamento i no bloco j;

m é a média geral (ou constante comum a todas as observações);
t.1 , com i = 1, 2, ... , I, é o efeito de tratamento;
b.,
J
comj = 1, 2, ... , J, é o efeito de bloco; e
67
Décio Barbin
. e,j é o erro experimental, admitindo-se e.. n N l D (O; 0 2).

IJ
Causa de Variação GL S.Q. Q.M. E(Q.M.) F
Tratamentos 1- l Ql v, ai+ J1 VlNJ

Blocos 1- 1 Q2 v2 cr2+ Icr2b
Resíduo (l-l)(J-1) Q3 v3 cf
Total IJ - 1 ~
L. t?l
l
em que: t =
1-1
Sob H 0 : t 1 = t 2 = ... = \ = O, o teste F para tratamentos é
V1
F= -
V3
Os graus de liberdade do resíduo são obtidos por diferença:
D- 1-(1-1)-(J-1) = IJ-1-1+1-J+l = l(J-1)-(J-1) = (I-l)(J-1)
Obs.:
1ª) Se ocorrer a situação de presença de interação tratamentos x blocos, não é adequada
a utilização deste esquema de análise. Neste caso, o resíduo terá incluído, além da variação
do acaso, esta interação (modelo não aditivo).
2ª) Embora os graus de liberdade do Resíduo possam ser obtidos pelo produto
(I - I )(J - 1) como se fosse uma interação Tratamentos x Blocos, não deve ser entendido
como tal, pois no Resíduo só devem aparecer variações do acaso.
A presença da interação pode ser detectada pelo teste da não-aditividade do
modelo.
Quando é constatada a interação, o Q.M. do Resíduo fica inflacionado podendo
resultar valores do teste F menores que 1.
3ª) Nos casos de parcelas com mais de um indivíduo, o modelo matemático é:

Yij = m + t.I + b.J + e ..IJ + E .ik
1,
onde os termos têm o mesmo significado que no modelo anterior (casos de um só indivíduo
Por parcela ou de total de parcela, ou de média de parcela) e E.. com k = 1
' IJk'
K e' 0
' • • •'
68
Planejamento e Anú lisc Estatística de Experimentos Agronômicos
e1To dentro de parecias ou erro entre indivíduos dentro de parcelas, ou erro amostral.
Considera-se
Esse caso, conforme comentamos, é importante do ponto de vista amostral,

pois nos dá informações sobre a variância entre parcelas (cr2) e entre indivíduos dentro
das parcelas ( cr; ).
Causa de Variação G.L. S.Q. Q.M. E(Q.M .) F

Tratamentos I- 1 Q1 V, a! +Kd +JKcJJ. V1/V 1
Blocos J- 1 Q2 V2 2
e;~+ Kcr + IK~
Resíduo (I-l)(J-1) Qi V1 c,2 + Ka2
E
Sub-total ou
parcelas IJ - 1 (Q4)
Entre Indivíduos d. de
Parcelas IJ(K - 1) Qs
Total IJK - 1 Q6
em que:
I, 1f
e t == _i- -
I - 1
Os estimadores de mínimos quadrados para o primeiro modelo são:
G
m-
"
IJ
,.. T1· "
t· - - - m
1 J
"
B·J
"
b·J m
I
em que: G é o total geral;

T1 é o total do tratamento i;
69
Décio Barbin
Bj é o total do bloco j.
Para se chegar nessas expressões, montam-se as matrizes: X, X'X = S,
A com base nas restrições: I, ti O e
M=S- A
SQResíduo =IJI,
2
Y·1 J. - SQ Parâ.metro (m, ti , b j)
=1:l,J 2
Y··IJ -[&G+ ~1;T;+ tbA]
Para o esquema de análise de variância referente ao modelo
Y..IJ = m + t.I + b.J + e IJ..
temos:
SQ Total = L yf j - e' em que: e

i, j
SQ Tratamentos = ~ L, T/ - C
SQ Blocos= _!_
I .
L, Bf - C e
J
SQ Resíduo = SQ Total - SQ Tratamentos - SQ Blocos
Um Exemplo
Suponhamos, a título de exemplo, que se deseja estudar o comportamento de 9

porta-enxertos para a laranjeira Valência.
70
Planejamento e /\ núlisc Estatística de Experi mentos Agronômicos
Os porta-enxertos são:
l. Tangerina sunk i
2. Limão rugoso nacional
3. Limão rugoso da Flórida
4. Tangerina Cleópatra
5. Citranger-troyer
6. Trifoliata
7. Tangerina cravo
8. Laranja caipira
9. Limão cravo
Tipo de delineamento: Para 9 tratamentos teremos uma área relativamente grande, o

que torna difícil encontrar-se uma área homogênea para todo o ensaio. Logo, vamos
optar pelos blocos casualizados.
Tamanho da parcela: No mínimo duas plantas por parcela. Neste exemplo, foram
colocadas duas plantas por parcela. É importante lembrar que, para plantas jovens, o
tamanho da parcela deve ser maior, pois a variabilidade entre plantas é maior.
Número de repetições (ou blocos): Como devemos ter no mínimo 10 g.l. para o
resíduo, então, como são 9 espécies (tratamentos) portanto, com 8 g.l., devemos ter no
mínimo 3 repetições, pois, com isso teremos (9 - 1)(3 - 1) = 16 g.l. no resíduo. Neste
caso, foram feitas 3 repetições.
Sorteio dos tratamentos: O sorteio dos tratamentos nas parcelas deve ser feito para
cada bloco, isto é, um sorteio para cada bloco.
Feito o sorteio e demarcada a área experimental com os blocos e respectivas
parcelas, procede-se ao plantio das mudas (obedecendo-se ao sorteio e colocando-se
duas mudas por parcela). O croqui do experimento no campo pode ter sido o seguinte:
A seguir, após dois anos da instalação do experimento, as produções começam

a ser anotadas. Para o ano de 1973 ( 12 anos de idade), os resultados de produção, em
número médio de frutos por planta, foram:
71
Décio Barbin
Blocos . .
Tratamentos Totais mi 1,
l II III
1 145 155 166 466 155,33 -27,22
2 200 190 190 580 193,33 l 0,78
3 183 186 208 577 192,33 9,78
4 190 175 186 551 183, 16 1, 12
5 180 160 156 496 165,33 -17,22
6 130 160 130 420 140,00 -42,55
7 206 165 170 541 180,33 -2,22
8 250 271 230 751 250,33 67,78
9 164 190 193 547 182,33 -0,25
1648 1652 1629 4929 182.55
"
bi 0,56 1,00 -1,56
Fonte: TEÓFILO SOBRINHO (1972).
Seria interessante, antes de se proceder à análise da variância, realizar o teste

de normalidade de Lilliefors e um de homogeneidade de variâncias dos desvios.
,.. ,.. " b,..

e--=
IJ Y··IJ -m-t I- - .
j
Logo, por exemplo,
ê li = y li -m-t -b 1 1
m= 182,ss
i1 = 155,33 - m= -21,22
b1= 183,11 - rô = 0,56, logo,
ê
li
= 145 - 182,55 - (-27,22)- 0,56 = -10,8889.
Temos, na tabela a seguir, os desvios, bem como a variância e o coeficiente de
variação dentro de cada tratamento.
72
Planejamento e Anál ise Estat ística de Experimentos Agronômicos
Blocos
Tratamentos s2.
1
cvi (%)
J 11 111
1 - 10,8889 -1 ,3333 12,2222 134,86 7,476

2 6, 1111 -4,3333 -1 ,7778 29,64 2,816
3 -9,8889 -7,3333 17,2222 224,09 7,783
4 5,7778 -9,6667 3,8889 70,98 4,587
5 14,1111 -6,3333 -7,7778 149,86 7,404
6 -10,5556 19,0000 -8 ,4444 271,86 11,777
7 25,1111 -16,3333 -8,7778 487,20 12,240
8 -0,8889 19,6667 -18,7778 370,09 7,685
9 -18,8889 6,6667 12,2222 275,31 9,100
2:sf
Obs. QMRes = i = 2013•89 = 251 74
1-1 8 '
Com esses dados, foram calculados o F m:lx e o valor D para o teste de Lilliefors.
F máx = 16,44 n.s.
k= 9
Fmáx. tab. = { V =2 ⇒
475 e 2432 a 5% e 1%, respectivamente.
Lilliefors:
D1ab = 0,327, a 5% D= 0,1352 n.s.
Como as exigências do modelo estão satisfeitas (a não-aditividade do modelo

também foi verificada obtendo-se, para o teste F, o valor 0,687, não significativo) procedeu-
se à análise da variância cujo resultado é o seguinte:
Causa de Variação G.L. S.Q. Q.M. F

Tratamentos 8 22.981,33 2.872,67 1141 **
'
Blocos 2 33,55 16,78
Resíduo 16 4.027,79 251,74
Total 26 27.042,67
C.V. = 8,69%
73
Décio Barbin
A soma de quadrados para a não-aditi vidade é obtida pela expressão:

2 2
SQ Não Aditividade = i,J lL Yu (Y;. - yJ(Y.J - yJl l~Yu<i;)(b1)]

1
,1:..___ _--=='--
!:-...:..:
L(Y;. - y_.)2 (.Y.j - y..)2 - IJ?b]

iJ 2 i,j
SQ Total = ( 145)2 + (200) 2 + .. . + ( 193)2 _ ( 4929 L = 27042,67
27
1
SQ Trat. = 3 [(466)2 + .. . + (547)2 ] - C = 22981,33
1
SQ Blocos = [(1648)2 + (1652)2 + (1629)2] - e = 33,55
9
SQ Res. = 27042,66 - 22981,33 - 33,55 = 4027,79
nl = 8 g.l. -..
F 1ab (trat.) { _, 2,59 (5%) 3,89 (1 %)
n2 = 16 g.l.
F foi significativo ao nível de 1% de probabilidade, logo, rejeitamos H0 : t 1 = t2

= .. . = t 9 = O, isto é, existe pelo menos um contraste entre médias de tratamentos que
difere de zero.
Há, portanto, que se aplicar um teste de comparações de médias.
Vamos aplicar o teste de Tukey:

!:!:., =q ✓ QM rRes. = 5,03 ✓ 25~,74 = 46,08
!:!:., %
5
= d.m.s. = 46,08
em que: q = 5,03 foi obtido na tabela com n = 9 médias e n'= 16 g.l. do resíduo.
74
A tabela de valo res absolutos das estimativas dos contrastes é:

" " "
111 2 m 3 m 4 "
m s "
m 6 " 1
m " s
m "
m 9
"
38,00
1:1 1 37,00 28,34 10,00 15,33 25,00 95,00* 27,00
m2- 1,00 9,66 28,00 53,33* 13,00 57,00* 11,00
"
m 3- 8,66 27,00 52,33* 12,00 58,00* 10,00
"
m4- 18,34 43,67 3,34 66,66* 1,34
m"
s- 25,33 15,00 85,00* 17,00
m6 -
"
40,33 110,33* 42,33
"
m 1 - 70,00* 2,00
"
lll 8 - 68,00*
Outra maneira de fazer, é através da diferença mínima significativa (.!1):
se y" 1 >
_ uA ⇒ L\ => 111 2 -< m1
-L\
Conclusões:
3) Nos demais casos, não há diferenças significativas.
Usando-se o sistema de mesma letra ao lado de médias que não diferem,

temos:
m. 8 = 250,33 a
l112 = 193,33 b
& 3 = 192,22 b
m = 183,67
4
b e
l11 9= 182,33 b e
& 1 = 180,33 b c
ms = 165,33 b e
m = 1s5,33
1
b c
m = 140,00
6
c
75
Décio Barbin
Observação
O valor L1 = 46,08, significa que um porta-enxerto será significativamente superior

a outro, se produzir, em média, por planta, 46 frutos a mais. Se admitirmos um peso
médio de l 50g/fruto e o preço US$ 0.24/ quilo do fruto ao consumidor, tem-se que um
porta-enxerto superior estatisticamente a outro, proporciona um ganho de US$ 497.00/
ha ao produtor, supondo-se 300 plantas/ha.
Se considerarmos frutos para a indústria, 46 frutos, em média, dariam O, 184
caixa, a US$ 2.00/caixa. Logo, o produtor teria um ganho de US$110.40/ha, usando um
porta-enxerto estatisticamente superior (por Tukey) a outro.
Análise de Variância para Ensaios em Blocos Casualizados nos Casos de Parcelas

com Mais de Um Indivíduo
G2
SQ Total = L, y~k - C e =
IJK
1 I
SQ Trat. = JK L T? - e
i=l
1 I 2
SQ Blocos = -IK .I, B J· - e
J=l
1 I J 2
SQ subtotal = SQ parcelas = K L,. L (Tij 1 + Tij2) - C
i=l j=l
SQ Res. = SQ Pare. - SQ Trat. - SQ Bl.
SQ entre pl. d. parcela = SQ Total - SQ Pare.
Obtemos &2 e "2

CJ e , em que:
QMRes - QM Entre lnd.d.Parc.

" 2
(J = K
SQ Entre Ind. d. Pare.

&; = QM Entre Ind. d. Pare.= --- - - - - - - - -
IJ(K-1)
-
76
Planejamento e /\mílise Estatística de Ex perimentos Agronômicos
QM Res.
Testa-se cr 2 = cr 2 através de: F = - - - -- - - - - -
e rcs QM Entre Ind. d. Parcela
Se cr =
2
a; ⇒ tamanho de parcela bom.
cr > cr; ⇒ aumentar o nº de repetições e pode-se aumentar o tamanho da parcela.
2
2
cr < a; ⇒ aumentar o tamanho da parcela, podendo mudar o nº de repetições.
Na 1ª situação, temos Frcslduo ( em relação ao QM Entre Indiv. d. Parcela) não
significativo, ou seja,
Fres. - - ---QM- Res. - -

QM Entre ind. d. Parcela
Logo, podemos compor um novo resíduo para a análise de variância, como a

seguir:
SQ Res. (médio) = SQ Res. + SQ Erro entre ind. d. Parcela
(1-1 )(J-1 )gl. IJ(K-l)gl.
Logo
QM Res. (médio) = _ __;___ __;__ __
SQ Res. (1nédio)
(I-l)(J -1) + IJ(K-1)
Então:
QM Trat.
Ftrai. - QM Res. (médio)
Consulta-se a tabela F com:
111 = (I - l)gl. e Th = (IJK - I - J + 1) gl. do Res.
Exemplo:
Bloco I ..., Bloco III
Trat. Planta l Planta 2 Totais
1 36,50 32,40 T
'
68,90
2 T
!
13 T..
p p
li 21
G
B
77
Décio Barbin
G2
SQ Total = 36,502 + 32,402 + ... + 14,402 - C; C=-
78
SQ Trat. = l ( T12 2 )- C
+ ... + Tn
6
SQ Blocos= l ( B 21 + B~ + Bi ) - C
26
l 2
SQ subtotal= - (68,90 + ... + 24,60 2 ) - C = SQ pare.
2
SQ Res. = SQ Pare. - SQ Trat. - SQ Bl.
SQ Entre pl. d. Pare. = SQ Total - SQ Pare.

2
68 9
ou: SQ Entre pl. d. Pare. = (36,502 + 32,402) - --'- +
2
2
2 224,60
+ ... + (10,20 + 14,40) - - - -
2
2 2
= 36,50 + 32,40 + ... + 14,40
2 2 2
- 68; 9 + ... + 24,260 ]
[
= SQ Total - SQ Parcelas
78
VIII - ENSAIOS EM BLOCOS CASUALIZADOS COM UMA PARCELA

PERDIDA
Introdução
Ao contrário dos ensaios inteiramente ao acaso, nos ensaios em blocos

casualizados há dois caminhos distintos a serem seguidos visando à análise da variância.
Um deles é obter-se uma estimativa para a parcela perdida (p.p.). O valor obtido é
colocado no quadro de dados e realiza-se a análise da variância da maneira usual. Porém,
há que se diminuir 1 g.I. do resíduo, e, consequentemente, do total.
A estimativa da parcela perdida é obtida pela expressão:
JB+ IT - G
y=
(I- l)(J -1)
em que: J = nº de blocos;
B é o total do bloco onde ocorreu a p.p. (total das parcelas existentes nesse bloco);
I = nº de tratamentos;
T é o total das parcelas existentes no tratamento onde ocorreu a p.p.; e
G é o total geral das (IJ - 1) parcelas existentes.
Como esta expressão foi obtida minimizando-se a soma de quadrados do

Resíduo, ela (SQ Res.) é considerada exata, porém, a SQ Tratamentos é superestimada.
Sendo assim, é aconselhável realizar-se a correção do SQ Trat., o que pode ser feito
pela expressão:
U= I-1( BJ
-1- y- 1-1
2
em que: I = nº de tratamentos;
B é o total do bloco onde ocorreu p.p.; e
y é a estimativa da p.p.
79
Décio Barbin
Essa correção deve ser feita, principalmente, quando o valor do teste F estiver
próximo do valor de F da tabela.
.. dn = SQ Trat· - U
SQ Trat. comg1
Uma outra alternativa, que não a de estimar parcela e obter a con-eção da SQ Trat.,
é usar-se a metodologia de modelos não balanceados.
Seria, neste caso específico, usar-se metodologia para blocos incompletos.
Um Exemplo
Consideremos, a título de exemplo, os mesmos dados de produção média de

laranjeira valência sobre nove porta-enxertos, admitindo-se que foi perdida a parcela
referente ao tratamento 7 (tangerina cravo) no 2º. Bloco.
Blocos Totais
Tratamentos
I II III 1
l 145 155 166 466
2 200 190 190 580
3 183 186 208 577
4 190 175 186 551
5 180 160 156 496
6 130 160 130 420
7 206 y 170 (376+y) ➔ (T+y)
8 250 271 230 751
9 164 190 193 547
1648 (1487 + y) 1629 (4764 +y)
j, J,
B+y G+y
A estimativa da p.p. é:
JB + IT - G
y=
(I - l)(J - 1)
3 X 1487 + 9 X 376 - 4764

y=
(9 - 1)(3 - 1)
y= 193
Obs.: o valor real (que neste caso particular é conhecido) é 165.
80
A média dos dois valores existentes nesse tratamento 7 é 188, que muitas
vezes é usado erradamente para substituir a parcela perdida.
A estimativa obtida é colocada no quadro de valores e realiza-se a análise da
variância com 1 g.l. a menos no resíduo.
Tratamentos Blocos
Totais
I Il III
1 145 155 166 466
2 200 190 190 580
3 183 186 208 577
4 190 175 186 55 1
5 180 160 156 496
6 130 160 130 420
7 206 y = 193 170 569
8 250 271 230 751
9 164 190 193 547
1648 1680 1629 4957
(4957) 2
SQ Total = (145) 2 + ... + ( 193)2 - -'------'--
27
2
SQ Trat. = -1 [(466) 2 + +(547)2 ] _ (4957)
3 27
4957
SQ Blocos = .!_ [(1648) 2 + (1 680) 2 + (1629) 2 ] _ ( )2
9 27
SQ Res. = SQ Total - SQ Trat. - SQ Blocos

O quadro da análise da variância é:

Tratamentos 8 23.089,18 2.886, 15 12,10**
B locos 2 147,63 73,81
Resíduo 15 3. 577,70 238,5 1
Total 25 26.814,51
C.V. = 8,41 % (no caso anterior, sem p.p., foi 8,69%).
n1 - 8g.l. ⇒
F,nb { n 2 = 15 g.l. 2,64 (5%) 4,00 ( 1%)
81
Décio Barbin
Como F fo i significativo ao nível de 1% ele probabilidade, rejeitamos

H0 : t 1 = t2 = •.. = t9 = O, logo, devemos aplicar um teste de comparações de médias.
Embora o valor do teste F ( 12, 1O) esteja bem acima dos valores de F,ab' vamos
efetuar a correção da soma de quadrados de tratamentos a título de exemplo:
U=-1-
I-1( y-I-1B) 2
9 -1 (193 _ 1487 )
2
9 9-1
:. U = 45,12
:. SQ Trat. (corr.) = 23089,18-45, 12 = 23044,06
23044,06
QM Trat. (corr.) = - - - - = 2880,51
8
F = _Q_M_T_ra_t_.(_co_rr_._) _ 2880,51 = , * *
12 08
QM Res. 238,51
valor este, como era esperado, muito próximo daquele para Tratamento não corrigido.
Teste de Tukey na Comparação das Médias de Tratamentos
Temos que considerar dois casos:
1) Contrastes envolvendo somente médias de tratamentos onde não ocorreu perda de

parcela.
Neste caso:
QM Res.
r
em que: q = 5,08 foi obtido de tabela a 5% de probabilidade com n = 9 tratamentos e n'=

15 g.l. do Resíduo.
82
2) Contrastes envolvendo a média do tratamento onde ocorreu a parcela p.p.

Neste caso o teste é, como vimos, aproximado e a expressão é
em que: q = 5,08 e
V (Y) = [~ + J(l-l/ (J-l)] QM Res.
V <Y) = [¾ + 3<9 _1; <3 _1)]23s,s1 = 203,73
!)..' = 5,08 _!_ (203, 73) _ 51,27

2
A tabela de valores absolutos das estimativas dos contrastes é:
m6
A A A
m2 mJ fil4 ffi5 m1 ms
A
fil 9
m, 38,00 37,00 28,34 10,00 15,33 34,34 95,00* 27,00
m2 1,00 9,66 28,00 53,33* 3,66 57,00* 11,00
lD. 3 8,66 27,00 52,33* 2,56 58,00* 10,00
ID4 18,34 43,67 6,oo, 66,66* 1,34
A
ID 5 25,33 24,34 85,00* 17,00

A
ID 6 49,67 110,33* 42,33

A
ID 7 60,66* 7,34
ms 68,00*
Li = 45,30 Li' = 51 ,27
Deduções das Expressões de y, U e V ( Y)

(Obs. : A V ( y) é para contrastes envolvendo a média do tratamento com p.p.)
83
L
Décio Barbin
l. Obtenção de y (estimativa da p.p.)
Consideremos um caso geral de I tratamentos e J blocos:
B l oco s
Tratame nt os Tota i s
l 2 ... J
1 Y11 y ... y IJ (T + y)
2 Y 21 Y22 ... Y21 T2
.. . ... ... ... ... . ..
I Y11 Y12 ... YIJ T,
Totai s B1 (B +y ) ... Bi (G + y)
SQ Resíduo = Z = SQ Total - SQ Trat. - SQ Blocos
(G + y)2
:. z = Y\ l + .· · + Y2 + · •· + Y\J - - - - -
IJ
G[(T + y)' +Ti+ ... + T,2 ] - (G ; / ' } -
- { I1 r, 2
LB1 + B + y
( )2 2]
+ .. . + B J -
(G +
IJ
y)2}
Devemos obter um valor para y que minimize a SQ Res.
Pelo método dos mínimos quadrados, devemos derivar Z em relação a y e

igualar a zero. Este valor levado na derivada 2°, deve dar maior que zero.
dZ 2 2 2 2 2
• - = 2y - - (G + y) - - (T + y) + - (G + y) - - (B + y) + - (G + y)
• • dy JJ J IJ I lJ
dZ 1 1 1
.
•.
--=0 ⇒
dy
y- - (T+y) - - (B+y) + - (G+y) = O
J 1 IJ
84
IJy - l(T + y) - J(B + y) + G + y = O
: . y (IJ - I - J + 1) = IT + JB - G
JB + IT - G JB + IT - G
:. y = - - - - - -
IJ-1-J+l l(J-1)-(J -1)
1B + IT - G
:. y =
(I - 1)(J - 1)
Verificando se trata-se de ponto de mínimo:
d 2Z = 2 - ~
- 2 + i =2 ( IJ - I - J + 1 ) = ~
(I -1 )(J -1)
dy2 J I IJ IJ IJ
Como I > l e J >

a2
1, temos que - -
z > O, V y, logo, trata-se de ponto
de mínimo. dy 2
2) Obtenção de U (Correção da SQ Tratamentos)
Vimos que SQ Trat. (corr.) = SQ Trat- U, portanto:
U = SQ Trat. - SQ Trat. ( corr.)
Mas:
Í + y)2
SQ Trat. = J1 L(T + y)2 2
+ Tz + ... -
] (G
IJ
e SQ Trat. (corr.) = SQ Res 1 - SQ Res.

em que: SQ Res. é a SQ Resíduo da Análise da Variância onde se usou a estimativa da
parcela perdida, isto é, é o resíduo referente ao modelo completo:
Yjj = m + t.I + b.J + eIJ..
85
Décio Bnrbin
SQ Res 1 é a soma de quadrados de Resíduo da Análise da Variância referente ao modelo

reduzido:
y ..IJ = m + b.J + e..IJ ,
em que eliminou-se o efeito de tratamento.
Logo, SQ Res, contém a SQ Trat. (c01T.), daí a expressão:
SQ Trat. (corr.) = SQ Res 1 - SQ Res. ,
pois, como vimos, a SQ res. é exata quando se usa a estimativa y da parcela perdida.
Este é o método chamado de Resíduo Condicional.
:. SQ Res 1 = SQ Total, - SQ Blocos, =

2 2
2
= 2,
..
, Yij - -G- -
IJ-1
{[- l
I
t,\B12 + B32 + ...) + - 1
1-1
B
2]
- -G-}
IJ-1
1,J
Obs.: Neste caso, não se levou em conta o valor de y porque o modelo corresponde ao
de inteiramente ao acaso.
~• 2
:. SQ Res I = l 2 2)
L Yij - - (B, + ... + BJ - -
~i I
1
l-1
B
2
e SQ Res. = SQ Total - SQ Trat. - SQ Blocos
SQ Res. = ~' Yij +

J,J
y
2
- (G 7J y)
2
- + [(T + y)
2
+ Ti + ... ] +
2 2
(G + y)
+ (G + Y) - -1 LBt
[ 2 2 2]
+ (B+ y) + ... + BJ + ----=....:..._
IJ I IJ
SQ Res. = ~ , Yij2 + Y2 -
r + Y)2
J1 l(T 2
+ T2 + ••· + T1
2]
-
1,J
__
I (sr +B5 + ... +BJ)-.!_(B+y)2 + (G+y)2
J I IJ
86
PlaneJamento e Análise Estatística de Experimentos Agronômicos
SQ Trat. (corr.) = SQ Res 1 - SQ Res. =
= "Li ' Yi·

2 - - 1 (2 2 + ... + B12 ) - - 1 B 2 - "Li ' Yi·
B 1 + B3 2 -
- .
1, J
J I 1-1 IJ
'
J
SQ Trat. (corr.) = +[cT + y)2 + Ti + ... + Tl ] +

+ -
1
(B+y)
2
- -
1
B
2
- y
2 (G + y) 2
I I-1 IJ
Logo:
U = SQ Trat. - SQ Trat. (corr.)
2
1 í ] (G + y)
U =-
J
L(T+y)2 + Ti + ... + Tr2 - __;___.:....:,_
IJ
1 í ] (G + y) 2
- - L(T+y)2 + Tf + ... + Ti2 + - --
J IJ
1 1
2
- - (B + y) + -
2
B + y
2
= y2 + - 1 2 1
B - - (B + y)
2
1 1-1 1-1 I
2 1 2 1 2 1 1 2
:. V= y + - B - - B - -2By--y
1-1 I I I
=(l __!_)y2 + (-1- __!_) B2 _2By

I I-1 I I
-(Ii)
- I y
2 + 1
(I-l)I
2 By
82 ---
1
87
Décio Ba.rbin
U = .!....=___!_
1
(y2 + B2
([ -1)2
- 2 By
1- 1
1
... U= .!__:_!_ (
I
-~)2
y I-1
Obs.: Como vimos na dedução da expressão de U, não é necessária a sua obtenção

para corrigir a SQ Trat. Basta aplicarmos o método do Resíduo Condicional.
SQ Trat. (corr.) = SQ Res 1 - SQ Res.
Para os dados do nosso exemplo, temos:
SQ Res. = 3577,71 e SQ Res 1 = SQ Total 1 - SQ Blocos, =
= 26722,61 - 100~85 = 26621,76
: . SQ Trat. (corr.) = 26621,76 - 3577,71 = 23044,05
em que: SQ Total 1 não leva em conta a estimativa da parcela perdida y = 193;
SQ Blocos1 = 1 (1648 2 + 16292) + __!_ 14872 - (4764)2

9 8 26
3. Obtenção da V ( y1): Em q!1e y 1 é um contraste de duas médias envolvendo a

média do tratamento com p.p. (my).
Y =m.-m
.. 1 1 y
Como m.e m 1 y
são independentes,
.
então :
m.é a média de um tratamento qualquer onde não houve perda de parcela, logo:
1
A cr 2 E(QM Res.)
V(mj) = - - = J
1
QM Res.
:. vcmi) = ___:...--
1
88
Para 111 y que é a média do tratamento para o qual ocorreu a p.p., devemos
deduzir a variância.
,. T + y JB + IT - G
my - ma s y =
J (I - 1)(J - 1)
JB + IT - G
T+ - - - - -
(1 - 1)(J - 1)
J
,. (I - 1)(J - 1)T + JB + IT - G
my =
J(I-l)(J-1)
Mas, G = T + B + K, em que K é o total das (I - 1)(J - 1) parcelas restantes,

isto é, eliminou-se toda linha e toda coluna correspondentes a y. Logo:
,. (I - l)(J - l)T + JB + IT-T-B-K

my -
J(I-l)(J-1)
(IJ - I - J + 1 + I - 1)T + (J - 1) B - K
-
J (I -1) (J -1)
J (I - l)T + (J -1) B-K

J(I-l)(J-1)
Mas: V(T) = (J - 1) cr2; V(B) = (I - l)cr2 e V(K) = (I - l)(J - l)cr2 Logo:
+ -1 J-1 a 2
(I )( ) ]
[l
= -J-1 +- 1
-- +-- - - 1 ]a
J 2 (1 - 1) J 2 (I-)(J-l)
2
89
Décio Barbin
~
2
[J (1-l )+(J-l) + I] 2
: . V( m ) = J 2 (I - l )(J - 1) cr
~
: . V ( 111 ) =
[l
J
I ]
+ J(I -I )(J ~) cr
2
Como:
QM Res. [1 I ] QMR
= J + J+ J(I-l)(J-1) es.
90
IX - ENSAIOS EM BLOCOS CASUALIZADOS COM DUAS PARCELAS

PERDIDAS
Introdução
No caso de ensaios em blocos casualizados com duas parcelas perdidas, não

dispomos de fórmulas para a estimação dessas parcelas, bem como para o cálculo da
variância de contrastes envolvendo médias de tratamentos com parcelas perdidas e para
a correção da SQ Trat.
Para a estimação das parcelas perdidas usamos, ou o método da minimização
da SQ Res., onde chegamos a duas equações e a duas incógnitas, ou usamos o processo
iterativo. Este, consiste em atribuirmos um valor arbitrário (pode ser a média dos valores
das parcelas existentes) a uma das parcelas perdidas e estimamos a outra pela expressão:
JB + IT - G
y=
(J - l)(I-1)
Com essa estimativa no quadro de valores, estimamos, com a mesma expressão,

aquela p.p. à qual atribuímos um valor inicial. O processo continua até que dois valores
sucessivos para a mesma parcela sejam iguais.
Para as variâncias de contrastes iremos usar uma aproximação apresentada
por Taylor, que se baseia no número efetivo de repetições.
E, para a correção da SQ Trat., iremos usar o já conhecido Método do Resíduo
Condicional.
Um Exemplo
Consideremos os mesmos dados sobre número médio de frutos/laranjeira

valência, do capítulo anterior, supondo que foram perdidas:
- a parcela relativa ao tratamento 4, no 1º bloco; e
- a parcela relativa ao tratamento 7, no 2° bloco.
91
Décio Barbin
A tabela de valores é:
Blocos
Tratamentos
l II III
1 145 155 166 466
2 200 190 190 580
3 183 186 208 577
4 X 175 186 (361 + x)
5 180 160 156 496
6 130 160 130 420
7 206 y 170 (376 + y)
8 250 271 230 751
9 164 190 193 547
(1458 + x) (I487+y) 1629 (4574 +X+ y)
Estimativa das parcelas perdidas
1º) Minimizando a SQ Res.
Z = SQ Res. = SQ Total - SQ Trat - SQ Blocos
2 2 2 2 (4574 + X + y)2
Z= 145 + ... +x + ... + y + ... + 193 - ----.....;..;;.- -
27
4574 2
=- _!_ [466 2 + (361 + x) 2 + ... + (376+y)2 + ... +547 2 ] + ( +X+ Y) _
3 n
2
- _!_ [cI458 + x) 2 + (1487 + y)2 + 16292 ] + (4574 + X + y)
9 27
:. Z = 145 2 + ... +x 2 + ... +y 2 + ... +193 2 - ~ 2

(466 + ... +(36l+x) 2
+ (376 + y)2 + . .. + 547 2 ] - ~ 2

[c1458 + x) + (1487 + y) 2 + 16219 2 ] +
(4574 + X + y) 2
+- - -- - -
27
92
Planejamento e /\nà lise Estatística de Experimentos Agronômicos
az = 2x- -2
-
2
(36 I +x)- -
2
( 1458+x)+ - (4574 +x+y) =O
ÔX 3 9 27
az
- = 2y - -
2 2 2
(376+y)- - (1487+y) + - (4574+x+y) =O
ay 3 9 21
27x - 9(36 1) - 9x- 3x 1458-3x + 4574 + x + y =O

{ 27y - 9(376) - 9y-3x l487 -3y + 4574 + x + y =O
16 X + y = 3049
{ X + 16 y= 3271 ⇒ X = 178,5 e y _ 193,3
2°) Pelo método iterativo (independe dos valores atribuídos inicialmente).
Admitamos como valor inicial para x a média entre 175 e 186 que é 180,5.
Procuramos, a seguir, o valor de y:

JB + IT-G
y=
(J -1(1 - 1) , em que·. J = 3· B = 1487·, I = 9·' T = 376·' G = 4574 + x
)
:. G=4574+ 180,5=4754,5
3 X 1487 +9 X 376 - 4754,5 3090,5

:.y=
(9 - 1)(3 - 1) 16
:.y=l93,16
Com este valor para y, substituído no quadro, estimamos x, ignorando o seu

valor inicial.
IB' + IT' - G'

X= , em que:
(J - l(I-1)
93
Décio Bnrbin
J = 3; l = 9; B' = 1458; T ' = 36 1; G' = 4574 + y = 4574 + 193,16 = 4767, 16
3 X 1458 + 9 X 361 - 4767, 16 2855,84

:.x = =
(3 - l )(9 - l ) 16
.". X = 178,49
Comparando-se este valor com o valor inicial de x, vemos que são diferentes,
ou seja, 178,49:t: 180,5.
Devemos repetir o processo, usando esse novo valor de x e obtendo um
novo y.
3 X 1487 + 9 X 376 - (4574 + 178,49)

:. y = 16
:.y = 193,28 :;t: 193,16
Recalculamos, portanto, o valor de x, em função deste novo y.
3 X 1458 + 9 X 361 - (4574 + 193,28) 2855,72

x=
16 16
: .x = 178,48 que é praticamente igual ao anterior, ou seja, 178,48 =178,49.
Logo: x = 178,48 e consideramos o processo encerrado, obtendo:
y = 193,3
Levamos essas duas estimativas ao quadro de valores e realizamos a análise

de variância da maneira usual, lembrando, no entanto, que devemos diminuir 2 g.l. do
resíduo (tantos graus de liberdade quantas forem as p.ps.) e, consequentemente, 2 g.l.
do total.
94
Planejamento e Aná lise Estatística de Experimentos Agronô mi cos
O resultado é:

Tratamentos 8 23130,59 2891.32 11 ,57**
Blocos 2 170,5 1 85,26
Resíduo 14 3499,29 249,95
Total 24 26800,49
Como F foi significativo, devemos em seguida aplicar um teste de comparações

de médias. Antes, porém, vamos corrigir a SQ Trat. que, como sabemos, está
superestimada.
Esse procedimento deve sempre ser verificado quando se trata de trabalhos de
grande importância ou, principalmente, se o valor de F estiver próximo do valor tabelado.
O processo a ser usado é o de Resíduo Condicional.
Temos SQ Res. = 3499,29 corretamente calculada e relativa ao modelo:
YIJ.. = m + t.I + b.J + e IJ...
Eliminaremos t.1 do modelo, o que resulta: y..IJ = m + b.J + eIJ.. , onde, para este
modelo, a SQ Res. (2) é
SQ Res. (2) = SQ Total (2) - SQ Blocos (2)
A SQ Res. (2) contém a SQ Trat. (corrig.) logo:
SQ Trat. (corrig.) = SQ Res. (2) - SQ Res.
Obs.: A correção da SQ Trat. pode ser feita pela expressão anterior, onde SQ
Res. (2) é obtida como se fosse uma análise de ensaio inteiramente ao acaso (sem
estimar parcelas perdidas) ou, estimando-se p.ps., através do processo de minimização
da soma de quadrados do resíduo (2)' [SQ Res. (2)'].
SQ Res. (2)' = SQ Total (2)' - SQ Blocos (2)'
i t
entram x e y entram x e y
95
Décio Barbin
Então, pelo l º processo (Exp. I nt. ao Acaso), temos:

(4574) 2
SQ Total (2) = 145 + .. . + 13)2 + 180 2 + .. . + 193 2 -
2
25
= 26674,96
2
1 1 (4574)
SQ Blocos (2) = - (1458 2 + 1487 2 ) + - 1629 2 - - - -
8 9 25
- 106,58
. . SQ Res. (2) = 26674,96 - 106,58 = 26568,38

i
contém SQ Trat. (corrig.)
:. SQ Trat. (corrig.) = 26568,38 - 3499,29 = 23069,09
23069,09
:. QM Trat. (corrig.) = - - - -- 2883,64
8
. = 2883,64 = 11 54 * *
.. F 249 95 ' '
'
que, neste caso, é praticamente igual ao F para tratamento não corrigido.
Comparações de Médias de Tratamentos pelo Teste de Tukey
Iremos usar, conforme vimos, a aproximação de Taylor, através do nº efetivo

de repetições. Esse método consiste em:
Obtém-se o nº efetivo de repetições para um determinado tratamento em relação
a outro determinado tratamento, considerando-se:
_ Se O tratamento A (por exemplo) ocorre no bloco I e o tratamento B (por ex.) também
ocorre nesse mesmo bloco, temos o valor 1, para nº efetivo de repetições de A em
relação a B, nesse bloco.
_ Se A não ocorre e B pode ocorrer ou não, temos o valor O, de A em relação a B, nesse
blooo. n- 2
- Se A ocorre e B não ocorre, temos O valor n _ 1 , onde n = nº de tratamentos.
96
Planejamento e Análise Estalística de Experimentos Agronômicos
A soma dos valores encontrados para todos os blocos nos dá o número efetivo
de repetições de A em relação a B.
Em nosso exemplo, as seguintes possibilidades de comparações de médias de
tratamentos ocorrem:
1º) Médias d e tratamentos para os quais não houve parcela perdida.
Neste caso,
li= q ✓ QM Res.
J
, ou seJa,
não há necessidade de se calcular o nº efetivo de repetições, pois iria coincidir com o nº

de repetições do ensaio que é o nº de blocos. De fato,
Tratamento
Blocos 1 2 l ➔2 (Trat. 1 em relação a 2)
l Sim Sim l
II Sim Sim 1
III Sirn Sim l
3 (nº efetivo de repetições)
Logo, li= 5,13 ✓ 249,95

3
- 46,82
2º) Médias de Tratamentos sem p.p. com médias de Tratamentos com p.p.
Por exemplo, Trat. 1 com 4:
Vejamos o n º efetivo de repetições de 1 em relação a 4 (1 ➔ 4) e de 4 em relação a 1
(1 ~ 4).
Tratamentos
Blocos
1 4 1➔ 4 1 f- 4
I s N 7/8" o
II s s 1 1
III s s 1 1
n ° ef. rep. 23/8 2
Então, como /1' =q .J 1/2 V (y), temos que:
97
O 0c io Uarbi n
1 1
\! ( Y) =(
r1
+
r4
J QM Rcs.
= (~23 + - ~ )249,95 =211 ,91

2
Ã' = 52 80
'
3°) Médias dos Tratamentos com uma p.p. cada.
No nosso exemplo, Trat. 4 e 7.
Tratamentos
Blocos
7 4 7➔ 4 7 ~4
I s N 7/8 o
II N s o 7/8
III s s 1 1
n º ef. rep . ➔ 15/8 15/8
Obs.:
15
< 2 ( efetivamente foram observadas 2 repet. no campo)
8
Ã" =q .J 1/ 2 v (5')
98
em que:
V• ( y) = ( -1 + -1 ) QM Res.
T7 T4
1 1
= ( -15/8
- + - - )
15/8
249 95
'
• ( y)
:. V • == ( - 8 + - 8 ) 249,95 == - 16 X 249,95 = 266,61
15 15 15
:. li"= 5,13 .J 1/ 2 266,61 59,23
Verifica-se que: li < li' < li'', isto é, quando não tem perda de parcela, ti é
pequeno e à medida que se tem menor nº de repetições, exige-se maior diferença para
apontar como significativa.
A seguir, deve ser feito o quadro de contrastes e usar ou o li, ou li' ou li",
conforme o contraste testado.
É interessante ressaltar que, de acordo com o pacote SAS, poderíamos calcular
a média harmônica dos números de repetições e aplicar a expressão
-q✓QMRes
• _
uh
fh
Nesse caso,
249,95
rh =2,7 e /ih = 5,13 - - = 49,36.
2,7
Esse valor seria usado na verificação da significância de todos os contrastes,
envolvendo ou não médias de tratamentos com parcelas perdidas.
Observação:
No caso anterior, de urna só parcela perdida, se usássemos o número efetivo

de repetições encontraríamos:
V(Y)==202,21 e -1'=51,08,
valores pouco diferentes dos lá obtidos.
99
Décio Barbin
Extensão aos casos k > 2 parcelas perdidas
Os processos vistos para os casos de 2 parcelas perdidas são válidos para

quando k > 2 parcelas perdidas. No processo iterativo, atribuímos valores a (k - 1) p.p.
e estimamos a k-ésima pela expressão:
JB + IT - G
y=
(J-1(1-1)
Resta porém, como uma alternativa mais geral, os métodos de blocos

incompletos.
100
X - ENSAIOS EM QUADRADOS LATINOS
Introdução
Os ensaios em quadrados latinos levam em conta o controle local, aplicado em

dois sentidos:
....
....
.
.
.
.
- Quando tratar-se de ensaio de campo, em terreno com gradientes de variabilidade em

dois sentidos, os blocos são feitos procurando eliminar os possíveis efeitos desses gradientes
nos dois sentidos (perpendiculares).
- Quando tratar-se de ensaios com animais de pastejo, é conveniente o uso de quadrado
latino, pois, de um lado, há que se controlar os diversos tipos de forrageiras e, de outro, as
diferenças entre animais.
Os blocos, ou controle num sentido do terreno, são chamados de linhas e o
controle no outro sentido, de colunas.
A característica principal neste tipo de ensaio é que o nº de linhas é igual ao nº
de colunas e igual ao nº de tratamentos.
Então, cada tratamento irá aparecer no ensaio uma só vez em cada linha e
uma só vez em cada coluna.
Se tivermos K tratamentos teremos K2 parcelas.
Suponhamos K = 5 tratamentos, então o quadrado latino fica:
l ª col. 2ª col. 3ª col. 4ª col. 5ª col.

1ª Jjnha A B e D E
2ª .linha B e D E A
3° linha e D E A B
4ª linha D E A B e
11
5 linha E A B e D
A, B, C, D, E são tratamentos.
101
Décio Barbin
Depreende-se do exposto que o nº de repetições é igual ao nº de tratamentos.

A casualização deve ser feita do seguinte modo: atribuem-se as letras (do
quadrado latino) que representam os tratamentos em estudo, através de sorteio; sorteiam-
se as posições de linhas e/ou colunas no local onde será instalado o experimento.
Exemplo:
Sorteio das colunas
e E A B D
D A B e E
E B e D A
A e D E B
B D E A e
Sorteio das linhas
3• 5• 1• 2•
E B e D A
e E A B D
A e D E B
B D E A e
D A B e E
esquema que vai ao campo
Um exemplo com gado de leite, onde se irá estudar o efeito de capim e efeito
de rações pode ser o seguinte:
Colunas
Linhas 1o 2ª 3º 4ª
vaca 1 vaca 2 vaca 3 vaca 4
1ª) capim 1 A B e D
2ª) capim 2 B e D A
3ª) capim 3 e D A B
4ª) capim 4 D A B e
em que: A, B, C e D são rações.
102
Planejamento e Aná lise Estatís tica de Experimentos A gronômicos
16 Pico de lactação
14
,,.-.__
b1) 12 1
~ 1
o 10
'--" 1 1 1
Iro 1 1
e.>-
;:3
8 1 1
1 1
-o 6 1
oi-. 1 1
1 1 1
~ 4 1 1 1
2
o
1'
_
:_'
1
I<
1
Período experimental
--, •1
>I
1
, - 1,
o 50 100 150 200 250 300 350
dias
O modelo matemático é:
y ..IJk = m + 1.I + c.J + t< ..) + e ..IJk.

lt IJ
em que: 1., comi= l , 2, . .. , ré o efeito de linha;

1
c.,
J
comj = l , 2, . .. , ré o efeito de coluna;
1i-cij) , com k = 1, 2, ... , r é o efeito de tratamentos; e
eijk é o erro experimental suposto NID (O, cr2).
O esquema da análise de variância é:
Causa da Variação g.l. S.Q. QM F

Linhas (r - l)=K-1 Q1 V1 V1N4
Colunas (r - l)=K-1 Q2 V2 V2N4
Tratamentos (r - 1) = K - 1 Q3 V3 V3N4
Resíduo (r - l)(r-2) = (K - l)(K - 2) Q4 V4
Total r 2 - 1 - K2 - 1 Q5
A grande restrição dos ensaios em quadrados latinos é que para 2, 3 ou 4

tratamentos teremos apenas O, 2 ou 6 g.l., respectivamente, para o resíduo. Por outro
lado, com 9 ou mais tratamentos, o quadrado latino fica muito grande, trazendo dificuldades
na instalação, pois, para 9 tratamentos, teremos 81 parcelas. Em face disso, os quadrados
latinos mais usados são os de 5x5, 6x6, 7x7 e 8x8. Muitas vezes pode-se repetir um
quadrado latino de pequenas dimensões (COCHRAN; COX, 1957) ➔ repetições
ortogonais de quadrados latinos).
103
Décio Barbin
Um exemplo:
Consideremos, a título de exemplo, os dados de produção de cana-de-açúcar,

em kg/parcela, de um ensaio em quadrado latino onde foram comparados 5 cultivares,
designados por: A, B, C, D, E, sendo:
A = CO290·,
B = CO42I·,
C = CO419·
'
D = POJ2878; e
E = CP36-13.
Colunas Totais de
Linhas
lª 2ª 3• 4• 5• Linhas
lª 432(0) 518 (A) 458(B) 583(C) 331 (E) 2322

,.
2ª
.)
724(C)
489(E)
478(E)
384(8)
524(A)
556(C)
550(8)
297(0 )
400(0)
420(A)
2676
2146
4' 494(8) 500(0) 313(E) 486(A) 5O1(C) 2294
5• 515 (A) 660(C) 438(0) 394(E) 318(B) 2325
Totais de Col. 2654 2540 2289 23 10 1970 11763
Fonte: GOMES (2000).
A análise de variância nos dá:
Causa da Variação g. l. S.Q. QM F

Linhas 4 30460
Co lunas 4 55640
Tratamentos 4 137488 34372 12,09**
Resíduo 4x3= 12 34 116 2843
Total 24 257724
Em que:
1 ( 2 2) (11763)
2
SQ Linhas= - 2322 + ... + 2325 - - - ~ == 30460
5 25
SQ Col. =
1 /.
\2654 2 + ... + 1970
2)- (1 1763)2
= 55640
5 25
SQ Trat.
1 (
=S 2
TA + .. . + TE - C
2)
104
em que: TA= 515 + 5 18 + 524 + 486 + 420 = 2463

TB = 2204
Te= 3024
TD= 2067
TE= 2005 e
(11763) 2
C= - - -
25
SQ Trat. - + ~463
2 2
+ ... + 2005 )- C = 137488
SQ Total = L y~.
lJ
k - e = 4322 + ... + 3182 - e = 257724
SQ Res. = SQ Total - SQL - SQC - SQ Trat. = 34416
➔ 3,26 (5%) 5,41 (1%)
O teste F para tratamentos foi significativo ao nível de 1% de probabilidade,

logo, rejeitamos
H O ·t
• A
=tB =tC = ti ) =tE =O
ou seja, os tratamentos diferem entre si.
Há que se aplicar um teste de comparações de médias.

Vamos aplicar o teste de Tukey:
As médias de tratamentos, todas com erro padrão igual as( m)=23,8 kg/parcela,
em ordem decrescente, são:
me = 604,8 kg/parcela a
m = 492,6 kg/parcela
A b
8
b
O
b
m 401,0 kg/parcela
E= b
105
Décio Barbin
1'15% = q
✓. QM r Res. = 4,51 X V{284s
__ = 107,5 kg/parcela
55
Toma-se a maior média e subtrai-se .ô:
604,8 - 107,5 = 497 ,3
As médias que tiverem valores ~ 497 ,3, diferem da m e·
Agora:492,6-107,5=385,l, donde nenhuma média temvalor~ 385,1.
Conclusões:
1º) A média de Co 419 difere estatisticamente de todas as demais.
2°) As demais médias não diferem entre si.
Obs.: O coeficiente de variação do ensaio é:
100 X J 2843
C.V. = __4_7_0-,5-2-- = 11,33%
Em que:
,... 11763
m= = 470,52.
25
106
XI - ENSAIOS FATORIAIS
Caracterização dos Experimentos Fatoriais, em Parcelas Subdivididas e em

Faixas
Consideremos o delineamento em blocos casualizados e que se tenha dois fatores:

cultivares (A, B, C , D) e tipos de preparo de solo (1, 2, 3). Têm-se, portanto, 12
combinações ou tratamentos, a saber: Al-A2-A3-Bl ... D3.
Se, dentro de cada bloco, o pesquisador fizer o sorteio desses 12 tratamentos ou
combinações, tem-se caracterizado um fatorial de 4x3, no delineamento em blocos
casualizados. O croqui de um bloco pode ser:
A2 B3 C2 D2
Cl Bl AI Dl
Bloco:
D3 C3 A3 B2
em que, por exemplo, na parcela A2 ele teria o cultivar A plantado sob o preparo de solo 2.
O pesquisador, no entanto, pode encontrar dificuldade na instalação desse

experimento, em função das 3 alternativas de preparo do solo. Pode optar, portanto, por
fazer, cada preparo de solo, em uma faixa ao longo de todo o bloco. As posições desses
tipos de preparo são obtidas por sorteio dentro de cada bloco. A seguir, sorteiam-se as
posições dos cultivares, dentro de cada faixa de preparo, para cada bloco. O croqui de
um bloco pode ser:
e A D B preparo 2
Bloco: B e A D preparo 1
e B D A preparo 3
Fica caracterizado, aí, um experimento em parcelas subdivididas no delineamento

em blocos casualizados. Nele, preparas de solo são parcelas e cultivares as subparcelas.
Em uma situação mais favorável ao pesquisador, no sentido de facilitar a instalação
do experimento, seria a seguinte: mantém-se os preparos de solo em faixas ao longo de
cada bloco e, a seguir, ao invés de sortear os cultivares, ele estabelece 4 faixas
perpendiculares às iniciais. Em cada uma, após s01teio, ele coloca um cultivar. Então, em
um sentido do bloco ele tem faixas de preparas de solos e, no sentido perpendicular,
faixas com os cultivares. Caracteriza-se, aí, o experimento em faixas, no delineamento
em blocos casualizados. O croqui de um bloco pode ser:
107
Décio Barbin
D 13 A e ➔ pre p aro 2
D B A e -4prcp3ro 1
Bloco:
D B A e ➔ pr e paro 3
J, J, J, J,
cult. D cult. B cult. A cult. C
Pode-se verificar, pelos esquemas de análise de variância a seguir, supondo-se 4

blocos, que a medida que a instalação do experimento vai sendo facilitada, vai-se perdendo
precisão na análise da variância. Enquanto que no experimento fatorial, tem-se apenas
um resíduo para todos os testes F, em parcelas subdivididas tem-se um para teste de
parcelas e outro para os testes de subparcelas e da interação entre os dois fatores. No
experimento em faixas, temos um resíduo para fator preparo de solos, outro para cultivares
e um terceiro para a Interação.
Esquemas de análise
Causa de Variação GL SQ QM F
Fatorial
Preparas de Solo (P) 2 Q1 V1 V1/V6
Cultivar (C) 3 Q2 V2 V 2/V6
Interação PXC 6 Q3 V3 V3/V6
(Parcelas) (11) (Q4) (V4)
Blocos 3 Qs Vs
33
Resíduo
º6 v6
Total 47 Q1
Parcelas Subdivididas
Causa de Variação GL SQ QM F
Preparo de Solo (P) 2 Q1 Vi
Blocos 3 Q2 V2
Resíduo (a) 6 Q1 V3
(Parcelas) ( 1 1) (Q4) (V4)
Cultivar (C) 3 Qs Vs
lnt. PxC 6 Q6 v6
Reslduo (b) 27 Q7 v,
Total 47 Q, Ya
108
Veja-se que 6 g. l. do Res(a)+27 do Res(b) dão os 33 g.1. do Resíduo da análise do

fatorial.
Faixas Causa de Variação GL SQ QM F
P repar o d e So lo (P) 2 01 V1
Blocos 3 Q2 V2
Resí duo (a) 6 Q3 V3
Cultivares (C) 3 Q4 V4
Resíduo (b) 9 Qs Ys
lnt. PxC 6 Qr, v6

Resíduo (e) I8 Q1 V1
Total 47 Qs
Nesse caso, somando-se os 6 g.l. do Res. (a)+ 9 g.l. do Res. (b) + 18 g.l.. Res.
(e), obtém-se os 33 g.l. do resíduo da análise do fatorial.
Fatoriais
Ensaios fatoriais (completos) são aqueles cujos tratamentos são todas as possíveis
combinações de todos os níveis de dois ou mais fatores (tratamentos).
Por exemplo, se pretendemos estudar o comportamento de 4 cultivares (V) de
milho em 3 espaçamentos (E) podemos obter as seguintes combinações:
Essas 12 combinações, também chamadas de tratamentos, podem ser dispostas

num delineamento qualquer, a saber: inteiramente ao acaso; em blocos casualizados; em
quadrado latino etc.
Dizemos, portanto, que temos, por exemplo, um experimento em blocos casualizados
no esquema fatorial de 4 x 3. Temos, neste exemplo, l fator cultivares com 4 níveis e 1
fator espaçamento com 3 níveis.
De um modo geral, o modelo matemático para um ensaio fatorial, com dois fatores,
em blocos casualizados, é:
YiJk = m + a. + b.J + ab .. + rk + e ..k

I lJ IJ
em que:
109
Décio Barbin
a; é o efeito do fator A , com os níveis i = 1, 2, ... , I;
bj é o efeito do fator B, com os níveis j = 1, 2, ... , J;
ab ..g é o efeito da interação A x B ·,
r" , com k = 1, 2, . . . , K é o efeito de blocos; e
eíjk é o erro experimental ~ NID (O, cr2).
Causa da Variação g.l. QM F

Fator A I- 1
Fator B J - 1
Interação A x B (l-J)(J-1)
(Tratamentos) IJ - 1 Vr
Blocos K - 1
Resíduo (IJ - 1)(K - 1)
Total IJK- 1
A parte inferior desse quadro é uma análise em blocos casualizados com IJ

tratamentos e K blocos. Esta análise é chamada análise preliminar. A parte superior é
análise do esquema fatorial que corresponde ao desdobramento dos (IJ - 1) gl. de
Tratamentos.
Um outro modo de se apresentar esse esquema de análise é:
Causa da Variação g. l.
Tratamentos IJ - 1
Fator A I- 1
Fator B J- 1
lnt. A x B (I - 1)(J - 1)
Blocos K- 1
Resíduo (IJ - 1)(K - 1)
Total IJK - 1
110
Para o nosso exemplo, com 4 cultivares e 3 espaçamentos temos:
Causa de Variação GL
Culti vares (C) 3
Espaçamentos (E) 2
Interação CxE 6
(Tratamentos) ( 11 )
Blocos (K-1)
Resíduo 1 l(K-1)
Total 12K-l
Se tivéssemos 3 fatores, o modelo seria:
yijkl = m + ai + bj + ck + abij + acik + bcjk + abcijk + r 1 + eijkl

em que, como novidade, surgiu uma interação tripla: abcij1r.·
Vantagens e Desvantagem dos Ensaios Fatoriais

As vantagens dos ensaios fatoriais são:
1ª) Pode-se estudar dois ou mais fatores num único experimento;

2ª) Pode-se, por meio dos efeitos das interações, verificar se um fator é independente ou
dependente do(s) outro(s).
Se o teste F de uma interação der não significativo, concluímos que os fatores são
independentes, isto é, o comportamento de um fator independe da variação (ausência ou
presença) do outro fator. As conclusões em separado para um e outro fator são válidas.
Se, porém, o teste F de uma interação der valor significativo, então concluímos
que a resposta de um fator é dependente da presença ou ausência do outro fator, isto é,
eles são dependentes.
Nessas condições, devemos estudar o comportamento de um fator, dentro de
cada nível do outro fator.
Por exemplo, estudaríamos (se interação A x B for significativa):
Entre A d. B 1
Entre A d. B 2
Entre A d. BJ
111
Décio Barbin
alternativamente,
Entre B d. A 1
Entre B d. A 2
Entre B d. AI'
em que: d. significa dentro de.
Para o exemplo sobre cultivares e espaçamentos, temos
Entre cultivares d. E 1 3
Espaçamentos (E) 2
{Tratamentos) (11)
Blocos (K -1)
Resíduo 11 (K - 1)
Total 12K -1
ou, alternativamente,
Entre espaçamentos d. C 1 2
Cultivares (C) 3
(Tratamentos) ( 11)
Blocos (K -1)
Resíduo 11 (K - I)
Total 12K - 1
A desvantagem dos ensaios fatoriais é que o nº de tratamentos ou combinações

de níveis de fatores cresce, rapidamente, com o aumento do nº de níveis, em cada fator,
ou mesmo com o aumento do nº de fatores.
Por exemplo:
Fatores Níveis Tratamentos

AeB 3 e 4 12
AeB 5 e 5 25
A, B e C 3, 4 e 2 24
A, B e C 3, 4 e 3 36
112
Isso, é claro, traz problemas do ponto de vista da homogeneidade da área

experimental.
Como alternativas para contornar este problem~ temos:.
1º) Usar fatoriais fracionários;
2 º) Usar blocos incompletos;
3º) Usar confundimento,.qae consiste em se repartir um bloco em 2 ou mais sub-blocos,
de modo, a confundirmos o, efeito de alguma interação sem interesse prátic0 com o
efeito de blocos.
Um exemplo de interação sem interesse prático é a Interaçã0,N x P x K (nitrogênio
x fósforo· x potássio) nos ensaios de adubação que, geralmente, apresentai F' não
significativo.
Obs.:- À semelhança do que· vimos sobre o nível conjunto de probabilidade,. quando
desdobramos;gJ. nos·ensaios:inteiramente ao acaso ou no,de blocos·, aquÍ! também existe
esse problema quando· os gJ.. de tratamentos. são desdobJrados no fatorial, agtavando-se
q,uan.do desdobramos ou estudamos. um fator dentro de cada niveL do outro,fator.
Importante: lfem importância muito grande-,. n0s. ensaies de. adubação, os esquemas
faitoriais.<:fuis; séries,: 2° e 3n,,. especialmente· 0 23 e· 3l .. Nestes: pro e 3-ª)i ai \base indicai o nº
1
de níveis de um nutriente {ou fater) e o expeente· ín:dieai 0 nº•de nutrientes.

POEt!anto.,. n0i 23 temos: os: nutrientes:: N, P· e~ com dois. niv.eis . (01e E) cada \'.lll]}..
As combin~ões· do,2J = 2 x 2'. x 2' são,:
No;F'o~o, N)> oKo,
NOPO;Kl Nl'oJ.C-1,
NoP~Ko. Nl1Ko,
Nor·11K1 NlLKI
onde, por exemplo•, N 0 significa ausência de Nitrogênfo e N 1, uma dose de Niuogênio.
(por exemplo, 60 k:g/ha).
Um Exemplo
ConsideFaII10s, como exemplo, um1experimentoJfatorial. de 5 x 41, em. blmcos:casnalizados,

com 1O repetições,. sob11e a influência do aparelho e do, 0peiraclbri na mediçã01de altwa de
árvores, aos 7 anos de idade, de·Eucalipt:us satigrza~(SIMÕES'; ME.LLO; BAREiiN, t967).
Os cinco aparelhos:
t - Hipsômetro de Bl'tlme-Leiss;·
2 - Hipsômetro de Haga;
3 - Hipsômetro Weise;.
4 - Prancheta dendrométrica; e
5 -Trena,
Décio Barbin
foram combinados com os quatro operadores (ou observadores) resultando em 20

combinações ou tratamentos, numerados de I a 20.
Diante de uma árvore era sorteado um nº , por exemplo, o 2. Este indicava a
combinação Ap. 1 (HipsômetTo de Blume-Leiss) com operador 2. Este operador com o
Hipsôm. B.L. efetuava duas medidas consecutivas daquela árvore e a média era anotada
no quadro de valores. O sorteio continuava até que os 20 tratamentos fossem realizados
naquela árvore, ficando, evidentemente, a trena para o final (que era a testemunha).
Como vemos, cada árvore se constitui num bloco.
Os resultados médios dessas medições são apresentados na tabela a seguir e são
referentes à altura total (m) de árvores de E. saligna, com 7 anos de idade, de um
ensaio fatorial 5 x 4, em blocos ao acaso, com 1O repetições. O objetivo do ensaio era
estudar a influência dos tipos de aparelho e de operadores na medição das árvores.
Blocos
I II m IV V VI VII VIII IX X
Tratamento
Ap.1 Ob l 22,40 20,85 23,60 21,00 19,10 19,80 16,55 14,75 21,10 14,30
Ap.2 Ob 1 22,90 21 ,40 23,95 22,25 2 1,40 21,00 16,90 14,85 22,00 15,00
Ap.3 Ob 1 23,50 21,00 23,75 20,75 19,50 19,50 17,50 14,50 20,00 14,00
Ap.4 Ob 1 22,50 20,50 23,20 21,00 21,00 18,90 17,8 O 14,30 20,60 14,20
Ap.5 Ob I 21,45 19,20 23,35º 20,35 19,95 19,35 17,45 14,45 22,00 14,75
Ap.l Ob2 22,65 20,65 23,00 20,75 20,25 19,80 17,25 15,00 19,75 14,25
Ap.2 Ob2 23,00 20,70 22,50 20,95 22,25 20,75 18,00 14,75 20,50 15,25
Ap.3 Ob2 22,00 19,50 23,25 20,50 21,25 19,75 17,75 14,75 20,50 14,25
Ap.4 Ob2 22,90 21,20 24,60 21 ,50 21 ,20 20,00 18,70 15,00 21,50 14,20
Ap.5 Ob2 21 ,45 18,90 23,20 20,25 19,95 19,20 17,35 14,35 21,80 14,65
Ap. l Ob 3 22,50 21,25 23,10 20,60 21,00 19,50 16,60 14,35 20,75 14,10
Ap.2 Ob3 22,50 21,00 23,00 21,75 22,75 20,35 17,20 14,85 22,35 16,00
Ap.3 Ob 3 22,75 20,50 22,75 19,50 20,50 19,75 17,25 14,25 21 ,50 14,25
Ap.4 Ob 3 21 ,75 19,35 21 ,75 19,50 20,50 19,00 16,35 14,10 20,85 13,85
Ap.5 Ob 3 21,35 19,20 23,20 20,30 20,00 19,30 17,50 14,40 21,90 14,80
Ap. l Ob4 21,25 21 ,25 22,25 21 ,25 18,00 20,00 17,25 14,65 21,00 14,25
Ap.2 Ob4 22,10 21 ,60 22,35 2 1,75 19,75 20,65 16,70 15,75 20,85 15,40
Ap.3 Ob4 21 ,25 21,50 22, 10 21,70 19,75 19,75 18,20 14,60 21,25 14,75
Ap.4 Ob4 21 ,90 21 ,00 22,75 20,75 19,70 20,00 18,45 14,30 20,75 15,10
Ap.5 Ob4 21 ,20 18,90 23,30 20,30 19,90 19.30 17.40 14.50 22.00 14,40
443,30 409,45 460,95 416,70 407,70 395,65 348,15 292,45 422,95 291 ,75
Obs.: o interesse maior não é tanto em relação aos tratamentos, mas relativamente aos
fatores.
114
A análise da variância para esses dados nos deu o seguinte resultado:

Causa da Variação gl. SQ QM F
Aparelhos (A) 4 15,4697 3,8674 9,37**
Operadores (O) 3 1,4277 0,4759 l, 15 n.s.
Interação A x O 12 10,5503 0,8792 2,13*
(Tratamentos) (19) (27,4477) ( l ,4446) 3,50**
Blocos ou árvores 9 1565,2699 173,9189
Resíduo 171 70,6004 0,4129
Total 199 1663,3180
3889 05 2
SQ Total= I, yf.k - e = 22,4 2 + 22,9 2 + ... + 14,42 - < • ) = 1663,3180
J 200
, 1 2 2
SQ Blocos (Arvores)= (443,3 + ... + 291,75 ) - e = 1565,2699
20
1 2 2
SQ Trat. = w(193,45 + ... + 191,20 ) - e = 27,4477
Para se calcular as somas de quadrados do fatorial, devemos fazer tantos quadros

auxiliares de valores, quantas forem as interações duplas. Neste exemplo, temos uma
interação dupla, logo, devemos fazer só uma tabela.
Aparelhos
Totais (50)
Operadores 1 (10) 2 3 4 5
Operadores
1 193,45 201,65 194,00 194,00 192,30 975,40
2 193,35 198,65 193,50 200,80 191,10 977,40
3 193,75 201 ,75 193,00 187,00 191 ,95 967,45
4 191,15 196,90 194,85 194,70 191,20 968,80
Totais (40) 771,70 798,95 775,35 776,50 766,55 3889,05
Aparelhos
SQ Ap. = :o (771,70 + 798,95 + 775,35 + 776,50 + 766,55

2 2 2 2 2
)- C = 15,4697
(3889,05) 2
C=--'-----
200
115
Décio Barbin
1 2
SQ Op. =
50
(975,40 + 977,40 2 + 967,45 2 + 968,80 2 ) - e = 1,4277
1
SQ Int. (Ap. x Op.) = - - (193,45 2 + ... +191 ,20 2 ) - C --SQ A p. - SQ Op.
10
= 27,4477 - 15,4697 - 1,4277 = 10,5503
Valores de F da tabela
2,43 (5%) 3,45 (1 %)
2,66(5%) 3,91(1 %) 2,65 e 3,88
iF f = 12
11Z1 u,82(5%) 2,31(1%)
e para
{D,i = 12 1,80(5%) e .2,27(1%)
1il 2 = il.50 1 'D2 =200
Vajam0s (C@mo :sema feita a mterpolação harmônica para a ,tabela ,de F, re aso fosse
necessãria. 'ífi0memo.s t@ 1cas0 .de F com n 1 = 3 gl. ,e 1½ = l 71 ,gl.
F JiDa = 3
⇒ 2,66 e F
n
'.I
=3 ⇒ 2;65
l1Iil2 = aso {n 2 = 200
f 1 O 2,66-2,65
150 200
1U16
Planejamento e A nálise Estatística de Experimentos Agronômicos
50
150x 200 0,01
21 X
150xl 71
21
0,01 . - - --
..•• X - 150 X 171
50
=i0,0049
150 X 200
n 1 =3
{n = 171 ➔ 2,66 - 0,0049 ·=2,65.51 =2,66
·
2
De modo análogo teríamos F :ao ni:vel :de 1'%: .3.;90.
P.elos resultados ,da .análise da v.am.ân.oia, v.er.ific.a-:se ,que .o F para .a iinteração

;apJi.e sentou !fesultado significativo ·ao nível :de 5% ,d e probabilidade. Logo, ·,c,oncluímos
,que o ,comportamento ,(resultados~ dos .operadores varia ,com ·a mudança (variação) dos
.apwe1hos.
Vamos, ipor,tanto, ,desdobrar os ,g.l. ,da internç.ão{mais o:de Operadores) procurando
estudar Enw.e Op.eradores dentro de cada apaFelho.
Cau s a da Var.iação gl. SQ QM F

A:IJar.elhos (A) 4 J 5,4697 3 ,8674 9., 37
E ntre 'Üp.. .d . A_p . 1 3 0.,4288 o.~ 429 0 ,·83 8 n.s.
E:n tr.e 0j,. d . .t\p. 2 3 l.,6942 0 , 5647 cl_,_3 7 10 .·S .
E-ntr,e 0p . .d. Ap . 3 3 O, il 867 0,0622 ·O.,J 51 n.s.
:En t r e 0 _p . .d . Ap. -4 3 9 , 5668 3, ,1889 7, 72**
Entre •Op . d. ,Ap . 5 3 ,O., 1 O17 0., 03 39 ,0 ;08,2 n.s.
( lf,ra:t a m e o tos)
!Bllocos
!R..e s íd.uo ,) 71 70 ,-6'004 •0 , 4129
JJ7
Décio Barbin
g./. (A x O)+ g.1. Op. = l 2 + 3 = 15

{ L, g.l. Op. d. Ap. ( i) =3 + 3+ 3+ 3+ 3 = 15
:. SQ Int. (A x O) + SQ Op. = L SQ Op. d. Ap.
1 (771 70)2
SQ Op. d. Ap. 1 =
10
2 2
(193,45 + 193,35 2 + J93,75 2 + 191,15 ) - do = o,4288
2
79
SQ Op. d. Ap. 2 = / (201,65 2 +198,65 2 +201,75 2 +196,90 2 ) - ( s~~5) = 1,6942
0
E assim até a SQ Op. d. Ap. 5.
L, SQ Op. d. Ap. = 11,9782 e
SQ Int. (A x O)+ SQ Op. = 10,5503 + 1,4277 = 11,9780
O aparelho 4 está motivando a interação. Ora o operador mede para mais, ora
para menos. Pelos resultados, verifica-se que o comportamento dos operadores apresentou
F significativo apenas dentro do aparelho 4, ou seja, dentro da prancheta. Do ponto de
vista prático, ou não se usa a prancheta, ou deve-se promover um treinamento entre os
operadores, com a :finalidade de se eliminarem essas variações.
Vamos aplicar o teste de Tukey, na comparação das médias de operadores, dentro
do aparelho 4.
m = 194,00 = 19,40 m
op. ¼ 10
m = 200,80 = 20,08 m
op. U4 JQ
m = 187,00 = 18,70 m
op. 3/4 1O
tn - 194,70 = 19,47 m
op. 4/4 1O
118
Planejamento e Anúlisc Estatística de Experimentos Agronômicos
Médias de Op. d. Ap. 4 (em ordem decrescente)
111 2 = 20,08 a
m = 19,47
4
a
m = 19,40
1 a b
m = 1s,10
3 b
~ == q / QM Res. == 3 67 ToAU9 = O74 m

v r ' ~10 '
divisor usado no cálculo das médias
em que, q = 3,67 foi obtido por interpolação harmônica ao nível de significância de 5%

para n = 4 e n' = 171.
Observação: Média da trena= 19,16 m (que é a média real).
Vemos que o Op. 1 mais se aproximou da média real e o que mais se afastou foi
o Op. 2 (0,92m para mais).
Outra alternativa de desdobramento de g.l. seria o da interação (+ o de aparelhos)
estudando-se Entre Aparelhos dentro de cada Operador.

Operadores 3 1,4277 0 , 4759
Entre Ap. d. Op. 1 4 5,5883 1,3971 3,38**
Entre Ap. d. Op. 2 4 6,5993 1,6498 3,99**
Entre Ap. d . Op. 3 4 11,3027 2 , 8257 6,84**
Entre Ap . d . Op. 4 4 2,5297 0,6324 1,53 n.s.
Tratamentos 19 27,4477
Blocos
Resíduo 0,4129
(Observe que o operador 4 apresenta a menor variação).

Pelos valores do teste F, verifica-se que não houve diferenças estatísticas entre
aparelhos apenas dentro do operador 4. Se for de interesse, pode-se comparar as médias
nos outros três casos, através do teste de Tukey, cujo valor é ó = 3,9o J 0-~~29 = 0,19 m , em
que q = 3,90 foi obtido por interpolação harmônica para n = 5 e n' = 171 gl.
119
Déc io Barbin
Observação:
1º) O coeficiente de variação do ensaio foi
C.V. = 3,30%
2º) Aqui, como emt0dos os.casos qµe se desdobram g.l., há o problema do nível conjunto
de probabilidade (peasamos estarconciuindo aos níveis de 5%,e/ou l % e, na realidade,.
estamos com valores mai01;es).
Para contornar o problema, podemos.aplicar o teste de Tukey na comparação das
20 médias, de· tratamentos e· diiscntü- os resultados· c0m auxilio, d'o, resultad0 da análise
fatorial.
E,. :fínailmente,. c0m0· outra alternatrivai, usw o teste· de, Bonferron±.
XII - ENSAIOS FATORIAIS DAS SÉRJES 2º E 3º
Fatoriais 2º
Tem especial aplicação na área agronômica, o fatorial 23, pois, como vimos, o
expoente indica o nº de fatores e a base o nº de níveis. Então, pode-se estudar adubação
N-P-K, com dois níveis ou doses (O - 1) para cada macronutriente.
Logo, 2 3 = 2 x 2 x 2 = 8 tratamentos.
/\ /\ /\
No Nl po pi Ko Kl
Os tratamentos são:
NPK
o o o <=>
O O O ⇒ testemunha
NoPoKI <=> oo 1
NoPIKo <=> o 1 O
NoPlKI <=> o 1 1
NIPOKO <=> 1 O O
Nl1Ko <=> 1 1 o
NloKI <=> 1 o 1
Nl.K1 <=> 1 1 1
Esses tratamentos podem ser dispostos em qualquer delineamento experimental.

Se escolhermos blocos, o modelo matemático fica:
Yijkr = m + a.I + b.J + ck' + abIJ.. + ac.k

I
+ bc.k
J
+ abc..IJk• + dr + eIJ..kr
em que: ai, comi= 0,1 é o efeito de N;
b. , comj = 0,1 é o efeito de P;

J
121
Décio Barbin
ck , com k = 0, 1 é o efeito de K;
abu.. é o efeito da interação N x P '·
acik é o efeito da interação N x K;
bcjk é o efeito da interação P x K;
abcijk é o efeito da interação N x P x K; e
dr, com r = 1, 2, ... , R é o efeito de blocos.
Veja-se que o princípio da repetição está satisfeito com os blocos. O princípio de

casualização deve ser verificado, com o sorteio dos 8 tratamentos dentro de cada bloco
(um sorteio para cada bloco).
Se admitirmos R = 5 blocos, o esquema da análise da variância fica:

Nitrogênio (N) 1 Q. V1 v,,v,o
Fósforo (P) 1 Q2 V2 V2/ V 10
Potássio (K) 1 Q3 V3 V3/V 10
Interação N x P 1 Q4 V4 V4/V10
Interação N x K 1 Q5 V5 Vs/V,o
Interação P x K 1 Q6 v6 V6/V10
Interação N x P x K 1 Q1 V1 V1/V10
(Tratamentos) 7 Qs
Blocos 4 Q9
Resíduo 28 Q10
Total 39
O quadro de valores é:
Blocos
Tratamento I II m IV V Totais de
Tratamentos
000 Yoool Yooo2 Yooo3 yooo4 YoooS T,
001 T2
O1 O
T3
O1 1
T4
1 OO
Ts
1O1
T6
1 1O
.• T1
l 11 Y1111 Y111s
B3 Ts
B1 B2 B4 Bs G
122
Planej am ento e Análise Estatística de Experimentos Agronômicos
G2
SQ Total = I yfj k r - e, onde e
IJKR
1 2 2
SQ Trat. =
5 ( T1 + . . . + T8 ) - C
1 2 2
SQBlocos = (B1 + .. . + B5) - C
8
SQ Res. = SQ Total - SQ Trat. - SQ Bl.
Para a parte fatorial devemos fazer tantas tabelas de duplas entradas quantas
forem as interações duplas, ou usar o processo de contrastes.
(N XP)
p 0(10) P1 (20)
No Xoo Xot TNo
N1 X10 Xt 1 TN1
nº de obs . -+ (20) Tpo Tp1 G
em que: x 00 = T 1 + T 2 que são os tratamentos com nível zero para N e para P.
(N X K) (P X K)
Ko(tO ) K1 (20) Koc10) K1 (20)
No Yoo Yot Po zoo Zo1

N1 Y1 o Yt 1 P1 Z10 Z 11
(20) Tko Tkt G (20)
1 2 2
SQ N = - (TNO + TNl) - C
20
1 2 2
SQ p = - (Tpo + Tp1) - C
20
SQ K = _!_ (Tio + TR1) - e

20
SQ N x P = ..!_ (xõo + ... + xf1) - e - SQ N -SQ P

10
123
Décio ·Barbin
1
SQ N X K = -10 (Yõo + ... + Yf1) - C - SQ N - SQ K
SQ P x K = l (zoo
2 2
+ . .. + z 11 ) - e - SQ P - SQ K
10
SQ NxPxK = SQ Trat. - SQ N - SQ P - SQ K - SQ NxP -
- SQ Nx.K - SQ Px.K, ou
No N1
Po P1 Po P1
Ko 00 000 00 010
'---v--'
T1
K1
1 2 2
SQ NxPxK = - (T1 + ... + Tg ) - C - SQ N - SQ p -
5
- SQ K - SQ NxP - SQ NxK - SQ PxK
Alternativamente, podemos obter as SQs relativas ao fatorial, pelo método dos

contrastes ortogonais.
Tratamentos
(000) ( 100) (010) (001) ( 11 O) (1 Ol) (O 11) (111)
Contrastes (O) N p K NP NK PK NPK
y1 = efeito de N - + - - + + - +
y2 = efeito de P - - + - + - + +
y3 = efeito de K - - - + - + + +
y 4 = efe ito da NxP + - - + + - - +
ys = efeito da NxK + - + - - + - +
y 6 = efeito da PxK + + - - - - + +
y7 = efeito da NxPxK - + + + - - - +
No quadro de contrastes, na coluna do tratamento onde o nutriente (relativo ao

contraste) aparece, colocamos o sinal ( +) e sinal (-) onde não aparece.
Para as interações, efetuamos os produtos dos sinais correspondentes aos fatores
que as formam.
124
Os valores dos contrastes são obtidos levando-se em conta os totais de tratamentos

(R repetições :. R = 5) com o seu devido sinal.
Por exemplo:
y' = - T, + Ts - T3 - T2 + T1 + T6 - T4 + Ts
(T5 + T 6 + T 7 + T 8) - (T 1 + T2 + T 3 + T4)
As somas de quadrados são obtidas por:
SQ y.= r
1
;iA2
e~1
em que:
r = n° de repetições (R = 5)
I, cf, comi= 1, 2, ... , I, é a soma dos quadrados dos coeficientes dos contrastes.
Nesse caso, L cf == 8, V i.
Um Exemplo:
Em um experimento em blocos casualizados, no esquema fatorial 23 , foi estudada

a adubação da cultura do cafeeiro. As produções de café coco, em kg por parcela de
105 m 2 (12 covas no espaçamento 3,5 ·x 2,5 m), foram:
I II III IV VI
~
V Totais Médias
.
NoPoKo 31,8 40,5 25 , 7 25,7 37 ,2 45 , 3 206,2 34,37
NoPoK t 25,6 32,4 39,6 48,9 20,6 33, 7 200,8 33 ,47
NoP1Ko 36 ,2 37, 8 40 ,9 44,8 32,4 38,4 230,5 38,42
NoP1K1 37, I 53 , 0 36 ,4 43,0 19, 7 30,4 219,6 36,60
N,PoKo 35,3 39, 0 36 ,0 33,5 28,2 42,4 214,4 35, 73
N1PoK1 51 ,5 66, 1 51 , 7 52, 0 56,6 58,2 336,0 56,00
N1P1Ko 43 ,8 32, 7 43 , 3 41 , 8 31,9 37, 7 231 ,2 38,53
N1P1K1 47,0 49, 9 50,9 49, l 71 ,7 39,6 308,2 51,3 7
T o tai s 308,3 351,4 324, 5 338 , 8 298 ,2 325, 7 1946,9
125
Décio Barbin
A análise da variância para estes dados nos dá:

N 1 1128,11 1128,11 17,08**
p 1 21,46 21,46 0,325
K 1 692,36 692,36 10,49**
NxP 1 60,98 60,98 0,924
NxK l 962, 12 962, 12 14,57**
PxK 1 52,29 52,29 O, 792
NxPxK 1 31,85 31,85 0,482
(Tratamentos) (7) (2949, 17) (421,31) (6,3 8 **)
Blocos 5 235,45 47,09 O, 713
Resíduo 35 2310,93 66,03
Total 47 5495,55
Tabelas auxiliares:
Poc12) P, (24) Koc12) K,
No 407,0 450,1 857, 1 No 436,7 420,4 857, 1
N, 550,4 539,4 1089,8 N, 445.6 644,2 1089,8
(24) 957,4 989,5 1946,9 882,3 1064,6 1946,9
Ko K1
Po 420,6 536,8 957,4
P1 461, 7 527,8 989,5
882,3 1064,6 1946,9
1 2 (1946 9) 2
SQ N = (857,1 2 + 1089,8 ) - ' - 1128,11
24 48
2 946 9 2
SQ p = _l_ (957,4 2 + 989,5 ) - (1 ' ) - 21,46
24 48
SQ K = _l_ (882,3 2 + 1064,6 2 ) - C - 692,36

24
2 2 2 2
SQ NxP = l~ (407,0 + 450,1 +550,4 +539,4 ) - C - 1128,11- 21,46 _ 60,
98
126
1 2
SQ NxK = - - (436,7 + . .. + 644,2 2 ) - C - 1128, 11- 692,36 - 962,12
12
1 2 2
SQ PxK = - (420,6 + .. . + 527,8 ) - C - 21 ,46 - 692,36 - 52,29
12
SQ NxPxK = 2949,17 - 1128,11 - 21 ,46 - 692,36 - 60,98 -
- 962, 12 - 52,29 = 31,85
n1 = 1
Ftab.
{ n2 =35 4,12 (5%) e 7,42 (1 %) (por interpolação harmônica)
n 1 -1
Ftab {nn 1
2
=
= 30
1
4,17(5%) e7,56(1%) {ll2 -= 40 4,08(5%) e 7,3 1(1 %)
Verifica-se, pelos valores de F, que os efeitos de N, K e interação N x K, foram

significativos ao nível de 1% de probabilidade. Devemos, portanto, desdobrar graus de
liberdade da interação N x K, procurando estudar o efeito de N na ausência e na presença
de K e, alternativamente, estudar o efeito de K na ausência e na presença de N (ou seja,
Entre doses de N dentro de K0 e dentro de K 1 e, Entre doses de K dentro de N 0 e dentro
de NI' respectivamente). '
Desdobramento dos graus de liberdade da Interação NxK, mais o N.
2
1 2 2 (882 3)
SQ N d K = SQ N na aus. de K = - (436, 7 + 445,6 ) - ' - 3,30
• o 12 24
1 2 2 (1064 6) 2
SQ N d K 1
•
= SQ N na pres.de K = -12 (420,4 + 644,2 ) -
24
'
= 2086,93
127
Décio Barbin
Causa da Variação gl. QM F

Nitrogênio d. K 0 1 3,30 <l
Nitrogênio d. K 1 1 2.086,93 31 60**
Resíduo 35 66,03
'
Conclusão: O cafeeiro respondeu à adubação nitrogenada apenas na presença de uma

dose de K.
Verificando:
SQ N d. K 0 + SQ N d. K, = 3,30 + 2.086,93 = 2.090,23
= SQ N + SQ NxK = 1.128,11 + 962,12 = 2.090,23
Alternativamente, podemos ter:

Desdobramento dos graus de liberdade da Interação NxK mais o K.
Causa da Variação gl. QM F

Potássio d. No I 11,07 <1
Potássio d. N 1 1 1.643,42 24,89**
Resíduo 35 66,03
SQ K + SQ N x K = 692,46 + 962,12 = 1654,48 = SQ K d. N 0 + SQ K d. N 1
Conclusão: O cafeeiro responde à adubação potássica na presença de uma dose de N.
Vejamos como obter as somas de quadrados referentes ao fatorial por meio dos
contrastes:
Contrastes Valor do contraste
y,: N 232, 7<•>
Y2: P 32, 1
y3: K 182,3
y4: NxP -54, 1
y 5 : NxK 214,9
y6 : PxK -50, 1
y7 : NxPxK -39, 1
(*) 23217=(214,4+231,2+336,0+308,2)-(206,2+230,5+200,8+21916)=TNI -TNO
128
Planej amento e Análise Estatís:rica de E"<perimentos Agronômicos
2
SQ y 1 = SQ N = r I, e; = m2.n
<Yi) ,
6
= 1 8
2
1P8
- ,
11
SQ Y1 = SQ lnt. {NxPxK) = r,;,I, )2ct = (--639~·x1-8)2

_ v_; - = 31,85
Obs.: O coeficiente de variação deste experimento foi:
C.V. = 20,03%
Fatoriais da série 3ª. Confundimento
Introdução
Dos fatoriais da série 3º, têm grande importância os 33, muito usados nos ensaios
de adubação, onde se estudam os nutrientes N-P-K em 3 níveis (0-1-2) cada um.
Temos, portanto,
3 X 3 X 3 = 27 tratamentos
ou combinações
Vemos, portanto, que há um elevado número de tratamentos que, dependendo

do tamanho da parcela, poderá comprometer a homogeneidade dos blocos. É um caso
típico do uso do confundimento que, como vimos, consiste em se repartir, de forma
orientada, um bloco em dois ou mais sub-blocos, buscando, com isso, reestabelecer a
homogeneidade.
Vejamos, inicialmente, como fica o confundimento no fatorial 23 (pois, trata-se de
confundimento completo, de fácil entendimento).
129
Décio Barbin
Confundimento (total) no fatorial 23
Vimos, em nosso quadro de contrastes, que para a interação tripla (N x P x K)

temos:
y = [100 + O1O+ 001 + 111 ] -

7 [000 + 11 O+ l O1 + O11]
ou simplesmente os sinais:
(O) N p K NP NK PK NPK
N
p
NPK + + + +
A ideia do confundimento é a seguinte:

Como nos ensaios de adubação a interação N x P x K é, com quase certeza, um
efeito não significativo, pensou-se em se colocarem num sub-bloco os tratamentos que
aparecem com o sinal (+) no contraste referente à interação N x P x K e, no outro,
aqueles que aparecem com sinal(-).
Teríamos, portanto, a seguinte situação:
(+) Bloco (-)

Sub-bloco 1 Sub-bloco 2
100 000
010 11 O
001 101
11 1 O11
A partir deste ponto iremos chamar os blocos originais de Repetições e, os sub-

blocos, de Blocos (como se fossem blocos incompletos).
:. SQ Blocos=
1
(Tn1
2 2
+ Tn2) -
(T B 1 + T B2 ) 2
4 8
onde T 81 , é o total do sub-bloco 1 e Ts2, o total do sub-bloco 2.
130
Se fizennos 4 repetições, teremos 4 sub-blocos 1 e 4 sub-blocos 2, ou seja, 8

"blocos" ou sub-blocos, logo,
1 2 2
SQ Blocos = - (B1 + . .. + Bg)-C
4
Vemos que, a SQ Blocos= SQ y7, ou seja, a SQ Blocos e a SQ y7 (Int. N x P x

K) medem a mesma coisa, logo, estão confundidos os efeitos de blocos e da Interação
N X p X K.
Vejamos como fica o esquema da análise de um fatorial 23 com confundimento,
com 4 repetições (em blocos). Como são 4 repetições ou blocos e cada um repartido em
2 sub-blocos, teremos um total de 8 "blocos". O esquema fica:
Causa da Variação g.l.

N l
p 1
K 1
N X p 1
NxK l
PxK 1
{Tratamentos) (6)
Blocos 7
Resíduo 18
Total 31
Na tabela a seguir, confrontam-se os esquemas sem e com confundimento.
si conf. e/ conf.
Causa da Variação
g. l. g.l.
N 1 1
p 1 1
K 1 1
NxP 1 1
NxK 1 1
PxK 1 1
NxPxK 1
(Tratamentos) (7) (6)
Blocos 3 7
Resíduo 21 18
Total 31 31
Observe os g.l. para o resíduo com e sem confundimento.
131
Décio Barbin
No campo ou na área experimental os "blocos" seriam dispostos nas linhas de

nível. O sorteio é feito dentro de cada "bloco" (sub-bloco).
[TI] éIQJ ➔ 1º s ub-blo co )
1" repetição
@ [D] ➔ 2° s ub- bloco
----------------}
---------------- 2ª repetição
----------------}
---------------- 3 ª repetição
----------------}
---------------- 4 • repetição
Obs.: Iª) No caso do confundimento, as somas de quadrados de tratamentos, blocos e

resíduo são obtidas do seguinte modo:
"Blocos" Totais
"Blocos" Totais
Tratam. Tratam.
I 3 5 7 Tratam. 2 4 6 8 Tratam.
100 T1 000
010 T2 110 Ts
001 T3 101 T6
111 T4 011 T1
Totais Ts
B1 B3 Bs B1 G1 B2 84 B6 Bs G2
Bl.
Total+
G
Geral
em que: B 1 + B2 = l ª repetição ou 1º bloco original;

B 3 + B4 = 2ª repetição ou 2º bloco original;
BS + B6 = 311 repetição ou 3° bloco original;
B 7 + B8 = 4ª repetição ou 4º bloco original.
132
1 2 2
SQ "Blocos" = - (B1 + . .. + B8 ) - C
4
G2
emque: C = , G=G 1 +G2
32
SQ Trat. = 41 (TI2 + ... + Tg2) - e- 16 (G21

_l + G2)
2
_C
SQ Int. N x P x K
(conf.)
SQ Res. = SQ Total - SQ Trat. - SQ Blocos
2ª) As somas de quadrados referentes ao fatorial podem ser obtidas da maneira usual, ou
seja, por meio das tabelas de dupla entrada. Portanto, igual ao caso sem confundimento.
3ª) Um outro modo de se obterem os tratamentos que irão constituir os sub-blocos é
através da geometria finita.
No caso do 23, consideramos as equações:
Xl + X2 + X3 =Ü
{ Xl + X2 + X3 =1
em que:
x 1 = níveis de N;
Xi - níveis de P; e
x3 = níveis de K.
Admitimos o módulo 2 de modo que: soma par é zero e soma ímpar é 1, ou seja,
conforme o resto da divisão por 2 for zero ou um.
A l8 equação darâ origem aos tratamentos de um bloco (sub-bloco) e a 2 11 dará
origem aos tratamentos do outro bloco (sub-bloco).
133
Décio Barbin
x1 x2 x3 Resto Trat.
1+o+o= 1 (é ímpar) ~ 1 OO
o+ 1 +o- 1 (ímpar) ~ 1 O1 O 1º Bloco
o + o+ 1 - 1 (ímpar) ~ 1 .. o o 1 l O sub-bloco)
1 +1 +1 - 3 (ímpar) ~ 1 .. 1 1 1
o+o+o- o (par) ~ o :. o o o
1 + 1 + O- 2 (par) ~ O • 1 1 O 2º Bloco
1 + O+ 1 = 2 (par) ~ o 1 O1 (2º sub-bloco)
O+ 1 + 1 = 2 (par) ~ O · O1 1
Vemos, portanto, que obtivemos, por este método, os mesmos tratamentos em

cada sub-bloco, já obtidos pelo contraste referente a N x P x K (ZONTA, 1980).
O Confundimento no fatorial 3 3
Veremos que no 33 é feito um confundimento parcial de 2 g.l. da Int. (N x p x K)

com blocos.
É parcial porque, no 33, como vemos no esquema a seguir, a interação N x p x K
apresenta 8 g.l. e, desses, serão confundidos apenas 2; os 6 restantes continuarão
dando informação sobre a interação tripla N x P x K (parte não confundida).
o esquema da análise da variância para um fatorial 33, com 3 repetições, sem
confundimento é:
Causa da Variação g.l.

N 2
p 2
K 2
NxP 4
NxK 4
PxK 4
NxPxK 8
(Tratamentos) (26)
Blocos 2
Resíduo 52
Total 80
134
As equações usadas para a fonnação dos grupos de tratamentos que irão constituir
cada bloco (sub-bloco) são:
x 1 +x2 +x3 = 0, 1, 2
x, + 2x2 + x 3 O, 1, 2
x 1 + x2 + 2x3 o, 1, 2
Cada conjunto de equações irá dar um grupo de confundimento que Yates chamou
de grupos: W, X, Y e Z (GOMES, 1990).
Nessas condições, temos:
x 1 ➔ níveis de N (O, 1, 2)
x2 ➔ níveis de P (O, l, 2)
x3 ➔ níveis de K (O, 1, 2)
Se admitirmos o 1º conjunto de equações temos:
X1 + ,S + X3 = Ü
x 1 +JS+ 'S = I
x 1 + x2 + x3 = 2
que, como vemos, vamos supor o "módulo 3" e, com isso, cada bloco ou repetição de
27 tratamentos é subdividido em 3 sub-blocos (ou blocos) com 9 tratamentos cada
um. Ora, 3 sub-blocos (ou blocos) dão 2 g.1. que corresponderão aos g.l. tirados dos
8 da Interação N x P x K. Ou seja, estamos fazendo o confundimento parcial de 2
g.l. de N x P x K com blocos.
Trat.
O + O + O = O ~ O ( 1º sub-bloco) ➔ O O O
1 + O+ O = 1 ~ 1 (2º sub-bloco) ➔ l O O
1 + 1 + O= 2 ~ 2 (3º sub-bloco) ➔ 1 1 O
I + 1+ I =3 ~ O (1 ºsub-bloco) ➔ 1 1 I
Então, toda soma cuja divisão por 3 der resto zero, caracterizará um tratamento
do 1° sub-bloco; se o resto der 1, o tratamento será do 2° sub-bloco e se der 2, o tratamento
será do 3" sub-bloco.
135
Décio Barbin
O esque ma da análise da variância de um fatorial )3 com 3 repetições e

confundimento de 2 g.l. da interação tripla é:
C au sa d a Vari a ção g. l.
N 2
p 2
K 2
NxP 4
NxK 4
PxK 4
N X P X K (parte não c onfundida) 6 = 8-2
(Tratamentos) (parte não confundida) (24) = 26-2
Blocos 8
Resíduo 48
Total 80
Vemos que com o refinamento do controle local (blocos+ confundimento) o resíduo

passa a contar com 48 g.l. ao invés de 52, como no caso sem confundimento.
Obs.: Do ponto de vista de planejamento, o pesquisador deve escolher um dos 4 grupos
de confundimento (W, X, Y, Z) para instalar o seu experimento.
o sorteio deve ser feito dentro de cada sub-bloco que contém, como vimos, 9
tratamentos cada um.
Um Exemplo:
Tomemos, como exemplo, os dados de produção de algodão herbáceo, em kg/ha,

de um ensaio de adubação NPK, 33, com confund imento (grupo W) de 2 g.l. da interação
tripla. Foram feitas 2 repetições e o ensaio foi conduzido por CAVALCANTI (1977) em
Pernambuco. As doses usadas foram:
N: O - 40 - 80 kg/ha
P: O - 60 - 120 kg/ha geralmente são doses
K: O - 60 - 120 kg/ha equidistantes
136
Planejamento e Análise Estatistica de Experimentos Agronômicos
Obs.: Para níveis não equidistantes ver CAMPOS ( 1984).
Produção de Algodão Herbáceo, em kg/ha.

Trat. 1• Rp . 2• Rp. Totais Trat. 1• Rp . 2ª Rp . Totais Trat. t• Rp. 2• Rp. Totais
000 868 319 ll&7 001 625 764 1389 002 465 1181 1646
012 951 521 1472 010 1319 1042 236 1 O11 833 729 1562
021 694 868 1562 022 1042 729 1771 020 1069 660 1729
l O1 972 486 145 8 102 729 833 1562 100 12)5 937 2152
11 O 13 l 9 1139 2458 l 1l 764 1215 1979 112 729 1083 1812
122 812 868 1680 120 806 625 1431 12 1 660 625 1285
202 951 1076 2027 200 1285 604 1889 201 1076 972 2048
211 1493 1146 2639 212 972 1153 2125 210 1250 11 39 2389
220 1076 1215 2291 221 1042 729 177 1 222 1076 1264 2340
9136 7638 16774 8584 7694 16278 8373 8590 16.963
Fonte: CAVALCANTI (1977).
A análise da variância para esses dados fica:

Nitrogênio 2 7 11.582,37 355.791,18 6,59**
Fósforo 2 383.420,26 191.710,13 3,55*
Potássio 2 138.379,70 69. 189,85 1,28
lnt. N XP 4 147.562~96 36.890,74 0,68
IntNxK 4 68.24 1,19 17.060,30 0,32
Int. P xK 4 267.152,63 66.788,16 1,24
Int. NxP xK 6 282.311,45 47.051,91 0,88
(parte não conf.)
(Tratamentos)
(parte não conf) (24) 1.998.650,56
Blocos 5 185.195,20
Resíduo 24 1.294.817,00 53.950,71
Total 53 3.478.662,76
O C.V. = 25,08%
Valores de F (tabela)
{:: !4 ~ 3,40(5%) e 5,6 1(1%)
2,78 (5%) e 4,23(1%)
137
Décio Barbin
Obtenção das somas de quadrados:
~ 2 2 (50015) 2
SQ Total = L. Yijkr - C == (868 + ... + 1264 2 ) -
54
= 3478662~76
1 2 2
SQ Blocos=
9
(9136 + ... + 8590 ) - C = 185195,20
SQ Trat. (não conf.) = .!. (1187 2 + ... + 2340 2 ) - C -

2
2 2
- [ ~ (16774 +1621s 169632 )- e]
1
= 2012557,26 - 13906,70 = 1998650,56
SQ Resíduo = SQ Total - SQ Blocos - SQ Trat. = 1294817,00
Para a parte fatorial, vamos montar as seguintes tabelas auxiliares:
Po(6) P1 P2 Totais de
N(l8)
No 4222 5395 5062 14679
N1 5172 6249 4396 15817
N2 5964 7153 6402 19519
Totai s 15358 18797 15860 50015
de
p (18)
em que:
4222 = \. 1187 1
+ 1389 + \..
1646 )
I, de 2 pare.
000 OO 1 OO2
138
Ko(6) K1 K2
No 5277 4513 4889
N1 6041 4722 5054
N2 6569 6458 6492
17887 15693 16435
Ko(6)
5228 4895 5235
7208 6180 5409
5451 4618 5791
2
5 5
SQN= _l_ (14679 2 +15817 2 +19519 2 )- ( 00l ) _ 711582,37
18 54
2
SQP= _l_ (15358 2 +18797 2 +15860 )-C = 383420,26
18
SQK= -
1 2
(17787 +15693 +16435 )-C=
2 2
138379,70
18
SQNxP = J_ (4222 2 + ... +6402 2 )-C-SQ N - SQ P = 147562,96

6
SQNxK= _l (52772 + ... +64922 ) - C - SQ N - SQ K = 68241,19

6
SQ PxK = _l (522s2 + ... +57912 ) - C - SQ P - SQ K = 267152,63

6
SQ NxPx.K (não conf.) = SQ Trat. - SQ N - SQ P - SQ K -
- SQ NxP - SQ NxK- SQ PxK = 282311,45
139
Décio Barbin
É preferível, por se tratar de níveis quantitativos, segundo vários autores, o estudo

de regressões ao invés de testes de comparações de médias, ou seja, o estudo da resposta
da cultura aos níveis crescentes de nutrientes através de regressões, principalmente
polinomial (neste caso, com 2 g.l. teríamos as regressões linear e quadrática).
Obs.: Um outro estudo seria a aplicação da lei de Mitscherlich com a determinação da
dose economicamente recomendável (GOMES; NOGUEIRA, 1978).
Para N, P e K (mesmo este não tendo apresentado F significativo) vamos estudar
os componentes linear e quadrático, como a seguir:
SQ N' = SQ Regr. Linear p/ N =
em que: c 1 são os coeficientes do polimônio linear, obtidos em tabela;
r = nº de parcelas que deram origem aos totais N0 etc.
L cf é a soma dos quadrados dos coeficientes e que corresponde ao valor

de K, nas tabelas de coeficientes de polinômios ortogonais.
2 2
SQN'=
(L cz TNi)
.-=e---=
(TNo - 2 TN1 + TN2)
r L e~ r x 6
Para P', P", K' e K" as expressões das somas de quadrados são semelhantes;
apenas usamos os totais referentes a esses nutrientes.
Obs.: c 1 e c 2 assim como I: cf = K 1 e I: ci = K2 são obtidos em tabelas conforme
GOMES (2000).
Coefic. Totais (18)

Níveis N p K
C1 C2
o -1 1 14679 15358 17887
1 o -2 15817 18797 15693
2 1 1 19519 15860 16435
Ki 2 6
Mi 1 3
M : coeficiente a ser usado na equação de regressão e que serviu para 0

arredon~ento dos coeficiente dos polinômios.
140
2
SQ N' = [(- 1) 14679 + (O) 15817 + (1) 19519] _
650711 , 11
18 X 2
SQ N' = [(l) 14679 + (-2) 158 17 + (1) 19519]2 = 60871 ,26

18 X 6
Analogamente, obtemos:
SQ P' = 7000,11
SQ P" = 376420,15
SQ K' = 58564,00
SQ K" = 79815,70
Obs.: SQ N' + SQ N" = SQ N

SQ P' + SQ P" = SQ P
SQ K' + SQ K" = SQ K
A tabela da análise da variância fica:

N' (componente linear p/ N) 1 650711,11 6 5 0711, 11 12,06**
N" (comp. quadr. p/ N) 1 60871,26 60871,26 1, 13
P' 1 7000, 11 7000, 11 o, 13
P" 1 376420, 15 376420, 15 6,98*
K' 1 58564,00 58564,00 1,08
K" 1 79815,70 79815,70 1,48
Inter. NxP 4 147562,96 147562, 96 0,684
Inter. NxK 4 68241 , 19 68241,19 0,316
Inter. PxK 4 267152,63 267152, 63 1,24
Inter. NxPxK (não conf.) 6 282311,45 282311,45 0,872
(Tratamentos) (24) (1998650,56)
Blocos 5 185195,20
Resíduo 24 1294817,00 53950, 71
Total 53 3478662, 76
DJ = } ➔ 4,26 (5%) e 7,82 (} %)

{ =
F,ab n2 24
J4J
Décio Barbin
Como o comportamento linear para N foi significativo, isto indica que a cultura do
algodão tem uma resposta linear às doses crescentes de N, cuja equação é:
YN é a resposta, em kg/ha da cultura, às doses 0-40-80 de N;
y é a média geral da produção;
B1 =
L,. C1 TN
= coeficiente linear;
r L,. Cf
M1 é uma constante da tabela; e
X-X
p 1 =x= , é o polinômio de 1º grau,
q
em que: X = média das doses de N, X = 40;
q é a distância entre duas doses consecutivas :. q = 40.
:. y = 500l 5 = 926,20 kg/ha

54
= 4840 = 134 44
BI 36 '
_ X - 40 _ ~ _ l
pi - 40 - 40
M1 = 1
yN - 926,20 = )34,44 ( :o- -))

•• y" =-3 3610X+791 ,76
N '
equação que nos dá a produção de algodão em kg/ha, em função de doses X de N para

X e [0;80].
142
A cada kg de N, por ha, tem-se um aumento de 3,361 kg de algodão por ha.

X Yobs. YN(calc.) Desvios
O 815,50 791 ,76 23,74
40 878,72 926,20 -47,48
80 1084,39 1060,64 23,75
soma = 0,01 = I, d.1 = O
(soma nula nos diz que não houve erro)
Em que, por exemplo,
YNO= 3,36}0 X O+ 791,76 = 791,76
Y 1200
1100 YN =3,3610X + 791,76

r 2 =0,9144
•
1000
900
•
800
700
o +,- - - - , - - -- ~ - -~ -- -~
o 20 40 60 80
X
Para o fósforo, a resposta foi quadrática, isto é, uma parábola com ponto de máximo,
conforme sinal negativo de B 2 , que iremos ver. A equação de regressão quadrática é:
em que •. -y ' B
I'
M JP' I têm o mesmo significado anterior-,
B
L C2 Tp
= -==-----:e- - coeficiente quadrático; e
2 ,. L e~
M2 = 3 ' obtido em tabela.

n2 - 1
p = x2- - - - -
2 12
143
Décio Barbin
X -X X - 60 X
X = ---- = - -1
q 60 60
n = nº de níveis ou doses ⇒ n = 3
p2 = ( ~ - 1
60
)2 - 2__:___!.
12
X2 X
P2 = - - - - - + O 3334
3600 30 '
6376
B2 = -
108
= -59,0370
· Yp -926 ' 20 =13

~
94 · I ·(_!_-1J-
~ 60
B1 M1
2
- 59,0370 . 3 . x- - - X + 0,3334 )
(-
3600 30
:. y r = -0,0492 X2 + 6,1360 X+ 853,21
que é a equação de regressão quadrática que nos dá a produção de algodão, em kg/ha,

em função de doses X, de P 2O 5, e tal que X E [0;120].
y 1200 l 2
YP =-0,0492X +6,1360X +853,21
1100 i r 2 =0,9817
1000 1
900 -l Ponto de
800 ~
1
1
1
700 1
º r --~---.- ---.---
o 20 40 60 80 100 120
X
144
Planej amento e Análise Estatística de Experimentos Agronômicos
Verificação:
---:;;-,
X: - - - - , - - - - - - - - - - -
~- -- -- -D- - . --
Yobs . y cale. esv1os
o 853,22 853,21 -O , O1
60 1044, 28 1044, 25 -O , 03
120 881 , 11 881,05 -O 06
'
""
,"-,/
d=
1
-O' 1
Observação: Como o coeficiente de X2 é negativo, a função passa por um ponto de

máximo, cujas coordenadas são:
Xmu = 62,358 kg de P 20/ha e Y rn~ = 1044,523 kg de algodão/ha. No entanto,

o interesse do agricultor não é a máxima produção possível e sim a máxima produção
economicamente possível, ou seja, aquela que lhe confere a máxima renda líquida. Logo,
se chamarmos de L a renda líquida, então podemos expressá-la, segundo Gomes B
Nogueira - 1978, por:
L = l-ry-tx-m
em que:
w é o preço de uma unidade (kg, t etc) do produto agrícola;
y é a produção obtida com a dose x do nutriente;
t é o preço de l kg do nutriente;
m são os gastos fixos.
Pela teoria das derivadas obtemos x11c que é dose que levn ao tnáxitno a renda Hquidn, ou
seja,
x*==-.
1 ( ~t -b")
2â w
em que â e b" são as estimativas dos coeficientes de x1 e de x do trinô111io do 21!
grau, ajustado aos dndõs. Vê-se, por éssn expressão quê:
se !_ < b, deve-se adubar, pois â deve set negativo e
w
i ,.
se - 2 b; não se deve adubar.
w
Décio Barbin
Em nosso exemplo,
â = -0,0492 ; E= 6,136.
Se admitirmos w = R$ 1,00/kg de algodão em caroço e t = R$ 2,89/kg de P2 0 5 ( ou
P) então,
t ,..
- = 2,89 < b , logo, deve-se adubar.
w
A dose econômicamente, aconselhável é
1
x*=-
2â
(!_-E)=
w
1
2(-0,0492)
(2,89-6,136)=32,98
:. x* =33 kg de P Ojha que resulta em

2
y* = 1.002 kg de algodão/ha.
Podemos, finalmente, obter os coeficientes de determinação
SQ Regressão
r2=
SQ Nutriente
Para Nitrogênio:
650711,11 _ SQ RL = SQ N'
rf = - --
711582,37
SQ N SQ N = 0,9144
:. A produção do algodão é explicada em 91,44% pela regressão linear.
SQ N" 60871,26 = 0,0855

SQ N 711582,37
:. 91,44 + 8,55 = 99,99%
Para Fósforo:
f
r = 1,82%
146
Pla nejamento e Análise Estatística de Experimentos Agronômicos
Para Potássio :
r [ = 42,32%
2
rQ = 57,68%
Obs.:
1ª) Se houvesse interação significativa, deveríamos desdobrar os g.I. e fazer todo esse
estudo dentro de cada nível.
Por exemplo: Se N x P for significativo, temos:
N dentro de Po com 2 gl.
N ' !Po 1 gl.

N l i !Po 1 gl.
N dentro de P1 com2gl
N' /P1 1 gl.
N l i IP1 1 gl.
C1 Cz d .Po d.P 1
-1 1
o -2
1 1
2ª) A equação de regressão é sempre feita em relação à regressão de maior grau que foi
significativa.
3ª) Não tem sentido estabelecer uma equação de regressão sem que tenha havido
significância (qualquer efeito significativo).
147
Décio Barbin
Conforme comentou-se, em observação na página 140, pode-se usar a lei de

Mitscherlich para a interpretação dos resultados experimentais de ensaio de adubação.
A expressão da primeira aproximação dessa lei é
em que:
Aé a máxima produção teórica possível; é uma assíntota horizontal;
e é o coeficiente de eficácia do nutriente;
X é a dose de nutriente colocada pela adubação e
b é a quantidade de nutriente já existente no solo, sob forma assimilável pela
planta.
Essa expressão é obtida da equação diferencial
dy=k(A-y)dx
em que o aumento de produção ( dy) é proporcional à diferença entre a máxima

produção possível (A) e a produção (y) obtida com a dose X do nutriente. As estimativas
dos parâmetros (A b, e) dessa primeira aproximação, nos casos de três doses
equidistantes de um determinado nutriente são:
Tem-se que:
.Yí-.I com ; = O 1 2 são produções médias da cultura, referentes às parcelas
' ' '
testemunhas (x0 = O); parcelas com uma dose de nutriente (X1 == q)e parcelas com
duas doses de nutrientes (x2 = 2q), respectivamente, q é a diferença entre duas doses
equidistantes e consecutivas.
Por essas expressões, vemos que as restrições de uso da primeira aproximação
da lei de Mitscherlich são:
Yo < 9í < Y2; 2 Yí -(Yo + Y2) > o ;e ,f- y .y > O.
0 2
Em nosso exemplo sobre produção de algodão, sob adubação N, P, K, temos:
Yo < Yí , porém YÍ > 92 o que inviabiliza o uso da lei de Mitscherlich, no caso do fósforo
como nutriente. Para o nitrogênio, essa restrição é satisfeita mas, não é para as duas
outras.
148
Planej amento e A ná lise Estatística de Experimentos Agronômicos
Tomemos um outro exemplo de Pimentel-Gomes (2000) sobre produção de cana-

de-açúcar, em t/ha, sob adubação N , P, K, num fatorial 3J, com confundirnento e com
duas repetições.
Consideremos os dados sobre o nutriente fósforo
(x)
o 36,50
60 52,86
120 60,08
para o qual as três restrições são satisfeitas.

Temos as seguintes estimativas de parâmetros:
A== 65,8 t/ha; ê =0,0059 ha/kg; e b=59,57kg de P2O/ha.
Logo, a equação de Mitscherlich que nos dá a produção de cana-de-açúcar (y) em
t/ha, como função de doses ( X) de P2O5 , em kg/ha é
y= 65, 8[1-1 o-0,0059(x+59,57)]
Se fizermos a verificação do ajuste da curva, que neste caso é exato, pois são
três parâmetros para três doses de P 20 5, temos
Para x =O ⇒ y0 = 36,50 t/ha,
Para x =q =60 ⇒ y 1 = 52,84 t/ha e
Para x = 2q;;:: 120 => Y2 = 60,06 t/ha
Como vimos, no estudo do trinômio do 22 grau, o que interessa ao agricultor é a
dose economicamente aconselhável, ou seja ,a dose que nos dá a máxima renda líquida.
Para a primeira aproximação da lei de Mitscherlich, a dose econômica é dada por:
X
• = -xu-+ -11og w.u
2 ê t.xu
em que:
149
Décio Barbin
Xu é a diferença entre duas doses. Geralmente, toma-se Xu = X2 -X0 , ou Xu = 2q.

Uma outra alternativa, talvez preferível, é calcular x• com Xu = 2 q e com Xu = q e
depois usar a média, ou seja,
Ué o aumento da produção obtido com a dose Xu , ou seja, U= Y2 - Yo , ou

U= Yí - y0 , conforme se usou Xu =2q ou Xu =q.
w e t são, como vimos, os preços unitários do produto agrícola e do nutriente,
respectivamente.
Para o exemplo, sobre cana de açúcar, temos:
Para Xu = X2 -X0 = 120-0 = 120.
U= 92 - Yo = 60, 08-36, 50 = 23, 5 8,
w = R$ 42,00/t de cana
t = R$ 2,901kg de P 2 0 5 , que
• 120 1 l 42.23, 58
X= - - + - - - og- - --
2 0,0059 2,90.120
:.x· =136,98 ou x*=137kg de P2 0/ha
com a qual se espera obtery* =61,24 t de canalha.

Se considerarmos x• como a média dos dois possíveis valores para x•, temos
Observação: A expressão da 2n aproximação da lei de Mitscherlich, que leva em

conta o decréscimo de produção com doses muito elevadas de nutriente, é dada por
Y= A[1-1 o - c(x+b) ].1 o - k(x+b)2
em que k é o coeficiente de prejuízo (F. Pimentel-Gomes, 2000).
150
XIII - ENSAIOS EM PARCELAS SUBDIVIDIDAS ("SPLIT PLOT")
Introdução
Os ensaios em parcelas subdivididas são, muitas vezes, preferidos aos fatoriais

pelos pesquisadores, devido às facilidades de aplicação dos tratamentos no campo ou
área experimental. Isto é, há maior facilidade de instalação do ensaio sob o esquema de
parcelas subdivididas.
Estes ensaios, como os fatoriais, encerram todas as possíveis combinações de
dois fatores nos seus diversos níveis. Há, porém, diferenças na instalação de um
experimento para outro. Isto, é lógico, traz alteração no esquema da análise de variância.
Do ponto de vista estatístico, os fatoriais são, em geral, mais eficientes que os em
parcelas subdivididas, pois, enquanto nos fatoriais temos um só resíduo para todos os F e
comparações de médias, no "split-plot'' há dois resíduos, um para comparações de parcelas
e outro para subparcelas. Para parcelas, o número de g.l. geralmente é pequeno, levando
à pouca sensibilidade na análise.
Os ensaios em parcelas subdivididas podem ser instalados nos delineamentos de

blocos casualizados ou inteiramente ao acaso ou em quadrado latino etc.
O modelo matemático, supondo parcelas subdivididas em blocos, é:
em que:
m é a média geral;
t.,1 com i = 1, 2, ... , I é o efeito de tratamento T, em nível de parcela;
b., com j = l, 2, ..., J é o efeito de blocos;

J
(tb\ é o erro em nível de parcelas (Int. Trat. x Blocos);
t' com k = 1, 2, ... , K é o efeito de tratamento T', em nível de subparcela;

k'
(tt')ik é o efeito da interação de tratamentos T x T'; e
e.. k é o erro experimental em nível de subparcelas.

IJ
151
Décio Barbin
O modelo matemático para um ensaio fatorial envo1vendo os mesmos tratamentos,

nos mesmos blocos considerados, é:
Y IJ..k = m + t.1 + b.J + t' -. + (tt')ik + eIJ..k

L
Os esquemas de análises de variância para os dois casos, e, supondo-se I = 4,

J = 4 e K = 3, ficam:
Parcelas subdivididas Fatorial

Causas de Variação G.L. Q.M. F Causas de Variação G.L.
Blocos 3 V1 V1N3 Blocos 3
Tratamentos T 3 V2 V2N3 Tratamentos T 3
Resíduo (a) 9 V3 - Tratamentos T' 2
(Parcelas) (15) 1
- - Int. T x T' 6
Tratamentos T' 2 V4 v~6 Resíduo 33
Int. T X T' 6 Vs VsfV6 Total 47
Resíduo (b) 24 v6 -
Total 47
Veja-se que os 33 g.1. do resíduo, no fatorial, são a soma dos 9 g.l. Res(a)+ 24 g.l.
Res(b) da análise do "split-plot".
Fica evidente, nesses esquemas, que as comparações dos Trat. T ficam prejudicadas
no "split-plot'' em função do pequeno número de g.l. associado ao Res(a). É conveniente,
portanto, a fim de se contornar esse problema, aumentar o número de repetições e,
sempre que possível, colocar nas parcelas os tratamentos menos importantes ou aqueles
que já se sabe, apresentam maiores diferenças.
Planejamento e Instalação do Ensaio (Comparando-se com equivalente fatorial)
Consideremos os mesmos 4 tratamentos T, 3 tratamentos T' e 4 blocos.
T1
1·0 bloco T'2 T'3 T' 1 T'2 2° bloco
etc.
T'1 T'2 T'2 T'3
T'3 T'1 T'3 T' 1
152
Nas parcelas temos TI' T 2, T 3 e T 4 que são distribuídas em cada bloco por sorteio,
sendo um sorteio para cada bloco.
Dentro de cada parcela sorteada em cada bloco, fazemos o sorteio de tratamentos
T ', chamados subparcelas T' I' T' 2 e T' 3 .
No fatorial temos:
T, T'3 T4 T'1 T2 T'2 T3 T'1

1° bloco T4 T'2 T3 T'2 T1 T'2 T2 T'3 2° bloco etc.
T2T'1 T1T'1 T3T'3 T4T'3
Os tratamentos são: T 1T\, T 1 T\, T 1 T' 3 , T2T\, T 2 T'2, T 2 T' 3, ••• , T4T' 3 , num
total de 4 x 3 = 12.
Esses tratamentos são distribuídos nos blocos através de um sorteio único para
cada bloco.
Observação: Em função dos dois resíduos, podemos obter dois C.V.: um, em nível de
parcelas:
lOOx.JQMRes (a)
C.V.<a) = ,..
m
e, outro, em nível de subparcelas:
IOOx.JQMRes (b)
c.v.(b) = A
em que, m = média geral, é a mesma nos dois casos.

Desdobramento de g.I. no "split-plot' e Resíduos apropriados
Se a interação T x T' for significativa (norma geral) devemos desdobrar g.l.

numa (ou ambas) das duas alternativas.
Entre níveis de T' dentro de um mesmo nível de T
Nesse caso, usa-se para o teste F o QM Res (b) e temos:
153
Décio Barbin
Causas de variação G.L.

..,
Entre T' d. T1 2
Entre T' d. T2 2
>
2 + 6
Entre T' d. T 3 2 j, j,
Entre T ' d. T 4 2 .,
T' Tx T'
Resíduo (b) 24
Consulta-se F tabela com n 1 = 2 g.l. e n2 = 24 g.1.

Se for feito um teste de comparações de médias, como por exemplo, o Tukey,
temos q com n = 3 médias e n'= 24 g.l.
em que: r = divisor usado no cálculo das médias de tratamentos T' dentro de cada nível T.
Entre níveis de T dentro de um mesmo nível de T'

Esse caso envolve os dois resíduos, logo há que se compor um novo resíduo (médio
entre Res(a) e Res (b)) para se efetuar o teste F, bem como usá-lo na comparação de
médias. Esse resíduo composto é dado por:
1
QMRes composto = -[QM Res(a)+(K-l)QM Res(b)]
K
ao qual estão associados n' g.1. que são obtidos pela fórmula de Satterthwaite cuja
expressão é:
2
[QM Re s( a)+(K-l)QM Res(b)]
n'= 2
[QM Re s(a)] 2 [(K-/) QM Re s(b)]
~ -- - - - + - -- -- - - -
Nº g./. Res(a) Nºg.l.Res(b)
[n0 = nº g.1. res(a) e I\ = nº g.l. res(b)].
K é o número de subparcelas, e, em nosso exemplo, K = 3.

Em nossas considerações fica :
154
Planejam ento e Aná lise Estatística de Experimentos Agronômicos
Causas de variação G.L.

'
Entre T d. T' 1 3 3 + 6=9
Entre T d. T' 2 3 ).
J, J,
Entre T d. T ' 3 3 T Tx T'
~
Resíduo Composto n'➔ por Satterthwaite
Consulta-se a tabela de F com n 1 = 3 g.1. e n2 = n'g.l., obtidos por Satterthwaite.

De modo análogo, na comparação de médias de tratamentos T d. T' k' pelo teste Tukey,
temos q, com n = 4 médias e n' = nº de g.1. por Satterthwaite.
... u-q
• _ JQMRes.Composto
r
em que, r = divisor usado na obtenção das médias de tratamentos T d. T'.
Observação:
1ª) Nos casos de:
a) compararem-se médias gerais de tratamentos T, usa-se o resíduo (a);
b) compararem-se médias gerais de tratamentos T', usa-se o resíduo (b).
2ª) Veja-se, pelo quadro que se segue, que, realmente, médias de T dentro de T' envolvem
os dois resíduos.
T2 T4 T1 T3
2 3 2
3 3
3 2 2 !]]
3ª) Quando dentro de cada subparcela introduzimos, através de sorteio, outro tipo de
tratamento, temos os ensaios em parcelas sub-subdivididas ou em "split-split-plot" e,
assim, sucessivamente. Teríamos, então, 3 resíduos.
li
T1"
li
T3 T2
155
Décio Barbin
Um Exemplo
Num ensaio de adubação fosfatada em milho, realizado no esquema de parcelas

subdivididas, em delineamento de blocos ao acaso, foram utilizadas as seguintes doses:
O, 40, 80, 120 em kg de P2Ojha. Para cada dose foram considerados 3 tipos de aplicação:
covas, sulcos e a lanço.
As produções, em kg/ha, foram:
Blocos
I II m IV Totais
cova 3778 3618 2164 3996 13556
o sulco 3467 4284 3733 3280 14764
lanço 3422 3760 2747 2853 12782
Totais 10667 11662 8644 10129 41102
cova 3302 2671 2782 2502 11257
40 sulco 3653 2653 3529 2258 12093
lanço 3711 3284 2556 3284 12835
Totais 10666 8608 8867 8044 36185
cova 2938 2813 2560 3049 11360
80 sulco 3800 4356 3560 4013 15729
lanco 2702 3520 3382 3524 13128
Totais 9440 10689 9502 10586 40217
cova 3013 3787 3142 3604 13546
120 sulco 3338 336"9 2507 4200 13414
lanço 3156 436·9 2831 4222 14578
Totais 9507 11525 8480 12026 41538
Fonte: Estação Experimental- Osório, RS.
É importante salientar que no caso da testemunha, nas subparcelas: em covas e

em sulco, realizaram-se essas operações, ou seja, foram feitos os sulcos e as covas e, é
claro, nada foi colocado em relação ao fósforo.
A análise da variância, para esses dados, apresenta o seguinte resultado:
Causas de variação G.L. SQ QM F

Blocos 3 2.245.707,42
Doses de P20s (D) 3 1.495 .976,75 498.658,92 1,16 (n.s.)
Resíduo (a) 9 3.878 .137, 75 430.904,19
(Parcelas) (15) (7.619.821,92)
Formas de apl. (F) 2 1.241.793,87 620.896,93 3,58*
lnt. D X F 6 2. 186.767,63 364.461,27 2,10 (n.s.)
Resíduo (b) 24 4.1674187,83 173.632,83
Total 47 15.215.571,25
156
As Somas de Quadrados foram obtidas da seguinte forma:
~
D
o
I
10667
II
11662
III
8644
IV
10129
Totais
41102
40 10666 8608 8867 8044 36185
80 9440 10689 9502 10586 40217
120 9507 11525 8480 12026 41538
Totais 40280 42484 35493 40785 159042
1
SQBlocos = -(40.280 2 + ... +4O.785 2 )-C= 2.245.707,42
12
1 2 .
SQDoses = - (41.102 + ...)-C=l.495.976,75
12
1 2
SQParcelas == -(10.667 +...)-C =7.619.821,92
3
SQRes(a) = SQParc - SQBlocos - SQDoses
Para obtenção da interação D x F, fazemos uma tabela de dupla entrada, como a

segwr:
Aplicação
Cova Sulco Lanço Totais
Doses
o 13556 14764 12782 41102
40 11257 12093 12835 36185
80 11360 15729 13128 40217
120 13546 13414 14578 41538
Totais 49719 56000 53323 159042
157
Décio Barbin
1
SQFormas =
16 ( 2
49.719 + ...)- C =1.241 .793,87
SQint. D x F = _!_ (13.556 2 + ...)- C-SQDoses -SQFormas

4
2
SQTotal = (3.778 + ... + 4.222 2 ) - C =15.215.571 ,25
SQRes(b) = SQTotal - SQParc. - SQFomas - SQint. D x F
Ftabela
5% 1%
ll1 =3 e ll2 = 9 3,86 6,99
n1 =2 e Il2 = 24 3,40 5,61
llJ = 6 e Il2 = 24 2,51 3,67
Logo, como houve significância apenas para "Formas de Aplicação", conclui-

se que:
l) Não houve resposta da cultura do milho à adubação fosfatada.
2) o comportamento das doses de P2O5 independe das formas de aplicação

(interação não-significativa) ou vice-versa, isto é, se uma forma de aplicação foi melhor
numa dose de P 2O 5 , ela o foi também em qualquer outra dose.
3) Com mais de 95% de probabilidade deve existir pelo menos um contraste entre
médias de formas de aplicação que difere de zero.
Há necessidade de se aplicar um teste de comparação de médias. Considere-se 0

teste de Tukey:
158
q = 3,53 (n = 3 médias e n' = 24 g.l.)
:. ~ = 3,53 173.632,83 =367 kg/ha

16
mcova = 3.107 kg/ha + 104 kg/ha
Ôl sulco = 3 .500 kg/ha + 104 kg/ha
mlanço =3.333 kg/ha +104 kg/ha~
erro-padrão das médias
Logo, verifica-se que apenas msuco

I difere de mcova ao nível de 5% de probabilidade,
ou seja, a adubação em sulco proporciona o melhor resultado na produção. Não há
diferença estatística nos demais casos.
Observação:
_ 100,J430.904,19 -19 80'¼

C.V.(a)- 3.317 - ' o
m= 159_042 == 3 _317
em que: 48
100 .J173.6'.>2,83
e C.V.(b)=----- =12,60%
' 3.317
159
Décio Barbin
Médias
cova sulco lanço
o 3425 ± 189
40 3015 ± 189
80 335 1 ± 189
120 3462 ± 189
3107 3500 3333
Formas de apl.- s(m) =104 kg/ha.
Análise de Regressão no Ensaio em Parcela Subdividida
Tabela Auxiliar
Doses de Totais
C( C2 C3
P2Os Doses (12) F 1(4) F2(4) F3(4)
o -3 -1 41102 13556 14764 12782
40 -1 -1 3 36185 11257 12093 12835
80 1 -1 -3 40217 11360 15729 13128
120 3 1 41538 13546 13414 14578
K 20 4 20
M 2 1 10/3
n=4níveis
Causas de Variação G.L. SQ QM F

Blocos 3
RL 1 11 8.815,00 118.8 15,00 0,276
RQ 1 810.680,08 810.680,08 1,88
RC 1 566.4 18,67 566.418,67 1,32
Doses (D) (3) (1.495.976,75) 498.658,92
Res (a) 9 430.094,19
(Parcelas) (15)
Formas de Apl. (F) 2
l nt. F x D 6
Res (b) 24
Tolal 47
160
2 2
SQRL = (I. C1 T O ) ((-3) -41.102 + (-1) · 36.185 + (1) · 40.217 + (3) · 41.538]
rK 1 12-20
= 118.815,00
[I,c 2 T ] 2
SQRQ = o =810.680,08
rK 2
Como os valores calculados do teste F não foram significativos, isso indica que
não há uma equação de regressão que explique o comportamento dos dados, considerando-
se as médias de produção para as doses.
Desdobramento de Doses dentro de Formas de Aplicação:
Embora a Int. FXD não tenha sido significativa, muitas vezes é aconselhável fazer-
se o desdobramento dos graus de liberdade, pois pode-se detectar algum efeito significativo
que na média (interação) fica diluído.
Causas de variação G.L. SQ QM F

RL 1 66,61 66,61 0,0002
RQ 1 1.257.201,56 1.257.201,56 4,85*
RC 1 1.272,01 1.272,01 0,0049
(Doses d. F1) (3) ( 1.258.540, 18)
RL 1 2.142,45 2.142,45 0,0082
RQ 1 7.921,00 7.921,00 0,0305
RC 1 1.878.232,05 1.878.232,05 7,24*
(Doses d. F2) (3) (1.888.295,50)
RL 1 403.422,01 403.422,01 1,56
RQ 1 121.975,56 121.975,56 0,470
RC 1 10.511,11 10.511,11 0,041
(Doses d. F3) (3) (535.908,68)
Resíduo Composto 259.389,95
161
Décio Barbin
2
1 (49.719)
SQDoses d. F1 =-(13.556 2 + ... + 13.546 2 )- __;__--= 1.258.540,18
4 16
SQDoses d. F2 =1.888.295,50 SQDoses d. F3 = 535.908,68
SQDoses d. F 1 + SQDoses d. F 2 + SQDoses d. F3 = SQDoses + SQint. F x D
Somas de quadrados de regressões dentro de F 1:
2
SQRL = (LC1 Tpl ) = ((-3)13.556+(-1)11.257 +(l)l 1.360+(3)(13.546)] 2
rK 1 4-20
732
= =66 61
80 '
2
(L e 2 T ) 4485 2
SQRQ = Fi - = 1.257.201,56
rK 2 16
2
(LC 3 T )
SQRC = Fi = 1.272,01
rK 3
O QMRes. utilizado como denominador para o teste F é, neste caso, o QMRes.

Composto, dado por:
1
QM Re s.Comp. = - [QM Re s(a) + (k- l)QM Res(b)]
K
em que, K = nº de formas e aplicação.
1
QMRes.Comp. = [430.904,19+(3-1)173.632,83] = 259.389,95
3
com n' g.l. dado por:
162
n, = [Q MRes(a) + (K -1 )QMRes(b)] n'=23,60 , logo

[QM Re s(a)] 2 [(K-l)QMRes(b)] 2 n'= 24 g.l.
- ---.....:...._ + - -- - - --
g.l.Res(a) g.l.Rcs(b)
Equações de Regressão:
a) Dentro de F 1:
A regressão quadrática (2° grau) apresentou-se como significativa, logo, a equação
de regressão correspondente é dada por:
"
y-y = B1M1P1 + B2M2P2
em que:
"
Y: produção média calculada de milho em kg/ha, em função das doses de P2O5 ,
considerando-se aplicação em covas;
Y = média da produção observada dentro de F 1•
49 719
Y= · ==3.107,4375
16
B 1: coeficiente angular.
X-X X= 0+40+80+ 120 = 60

M 1 =2 P1 =x=--
q 4
q: equidistância das doses.
X
_ X-60 =~-l,S :. P1 =--1,5
X- 40 40 40
163
Décio Barbin
M2 = 1
Portanto, a equação fica:
2
X
Y =3107,4375+0,9125 · 2· --15
A ) +280 3125-1 -( -X- - +
( 1,5X
1))
40 ' ' 1600 20
Y = 0,1752·X 2 -20,9778X+3385,0125,
paraXE [O; 120]
Doses de Produções Médias (kg/ha)

P2O5 Obs. Cale. Desvios
o 3389,00 3385,01 3,99
40 2814,25 2826,22 -11,97
80 2840,00 2828,07 -11,93
120 3386,50 3390,56 -4,06
Ponto de Mínimo (coeficiente de X2 é positivo)
=
2 · 0,1752X - 20,9778 = O => X= 59,87 60 kg de P 2 0 5 / ha
Logo, a produção mínima de milho é dada por:
f(60) = 0,1752-60 2 -20,9778-60+ 3385,0125 = 2757,06kg/ ha
164
b) Dentro de F 2:
Neste caso, a regressão cúbica é que foi significativa, logo,

"
y - y = B1M1P1 + B2M 2P2 + B3M3P3
56000
Y= =3500' 00
16
10
M 1 =2 M2 = 1 M=
3
-3
X
P1 =--1,5; p
2
= X2 - 1,5 X+ 1 O
40 1600 20 '
3n 2 -7 X
P3 = x - 3
x, em que x = -1,5
20 40
X2 4,SX2 + 94 X-O 300

:. p3 = 64000 16000 800 '
.-. y =-0,00798X 3 +1,4504X 2 -61,9406X +3691,00 ,

para X E [o; 120] .
165
Décio Barbin
Doses de Produções Médias (kg/ha)

P2Os Obs. Cale. Desvios
o 3691,00 3691,00 0,00
40 3023,25 3023,30 -O 05
'
80 3932,25 3932,55 -O 30
'
120 3353,50 3354,45 -O 95
'
Pontos de Máximo e de Mínimo
Derivando-se Y e igualando-se a zero:
- 3 · 0,00798X 2 + 2 · 1,4504- 61,9406 = O
X= 27,67 =28 ⇒ f(28) = 2918,60 kg/ha (prod.mínima)

X= 93,50 =94 ⇒ f(94) =4056,26 kg/ ha (prod.máxima)
Vejamos, a seguir, um exemplo de parcelas subdivididas no tempo ("split-plot

intime").
Os dados de produção de laranja, em kg/planta (médias de duas plantas), referem-
se a um ensaio em blocos ao acaso de competição de porta-enxertos para a laranjeira
Valência realizado na Estação Experimental de Limeira. Os porta-enxertos utilizados
foram:
E 1 - Tangerineira-Sunlci
E 2 - Limoeiro-rugoso-nacional
E 3 - Limoeiro-rugoso da Flórida
E4 - Tangerineira Cleópatra
E5 - Citrange-troyer
As colheitas foram realizadas de 1970 a 1975.
166
Pona-cnxcrtos Anos Blocos

I li 111
1970 169,0 76,0 130,0 375,0
1971 145,0 156,5 180,2 48 1,7
1972 288,5 300,0 219,1 807,6
E1
1973 155.5 173,5 102,3 431,3
1974 330,4 335,3 366,6 1032,3
1975 337,9 24 1, 1 279,3 858,3
Totais 1426,3 1282,4 1277,5 3986,2
1970 196,0 90,0 94,5 380,5
1971 104,5 184,0 80,5 369,0
1972 181,4 161,2 93,7 436,3
E2
1973 152,4 181,0 105,3 438,7
1974 195,3 207,2 127,6 530,1
1975 173,6 193,0 161 ,5 528,I
Totais 1003,2 1016,4 663,1 2682,7

1970 128,0 114,0 148,0 390,0
1971 108,5 111,0 129, l 348,6
1972 148,2 193,5 171,0 512,7
E3
1973 156,1 142,6 131,0 429,7
1974 256,8 268,5 245,3 770,6
1975 187,5 24 1,7 233,0 662,2
To~ 985,1 107 1,3 1057,4 3 113,8
1970 110,5 97,5 48,5 256,5
1971 74,0 134,8 171,0 379,8
1972 222,0 167,5 233,4 622,9
E~
1973 81,0 139,5 96,7 317,2
1974 286,6 268,3 274,2 829,1
1975 239,I 306,6 301,4 847,1
Totais 1013,2 1114,2 11 25,2 3252,6
1970 149,0 132,0 89,0 370,0
1971 171,5 203,5 130,5 505,5
1972 232,7 261,9 159,2 653,8
Es
1973 125,3 162,7 107,5 395,5
1974 266,8 306,2 252,5 825,5
1975 267,8 128,9 23 1,8 628,5
1213,l 11 95,2 970,5 3378,8
167
Décio Barbin
Tabelas auxiliares
~ E1(6) E2 E3 E4 Es Totais
s
I 1426,3 1003,2 985,1 1013,2 1213,1 5640,9
II 1282,4 1016,4 1071,3 1114,2 1195,2 5679,5
m 1277,5 663,1 1057,4 1125,2 970,5 5093,7
Totais 3986,2 2682,7 3113,8 3252,6 3378,8 16414,1

Médias 221,46 149,04 172,99 180,70 187,71
~
s
1970
E1
375,0
E2
380,5
E3
390,0
E4
256,5
Es
370,0
Totais
1772,0
1971 481,7 369.0 348,6 379,8 505,5 2084,6
1972 807,6 436,3 512,7 622,9 653,8 3033,3
1973 431,3 438,7 429,7 317,2 395,5 2012,4
1974 1032,3 530,1 770,6 829,1 825,5 3987,6
1975 858,3 528,1 662,2 847,1 628,5 3524,2
Totais 3986,2 2682,7 3113,8 3252,6 3378,8 16414,1
1 2 2 2
SQ.Blo cos =- [5640,9 + 5679,5 + 5093,7 ]- C
30
1 (16.4141) 2
= -90027346,70 - ' = 7143,85
30 90
1 2 2
SQ.P.Enxertos =- [3986,2 + ... + 3378,8 ]- C
18
= _l 54 782102,82 - C = 49682,45
18
168
1
SQ.Parcelas =- [1426,3 2 + ... + 970,5 2 J - e
6
1
=- 18403622,54 - e= 73502,12
6
SQ.Anos = -1 [1772,0 2 + ... + 3524,2 2 ] - C

15
= _l 49060667,66 - C = 276943,48
15
SQ.ExA=_!.(375,0 2 +481,7 2 + ... +628,5 2 ]-C - SQA- SQE

3
= _!.10147602,06- C - SQA - SQE =

3
= 388. 766,32 - SQA- SQE = 62.140,39
SQ.Total = 3.466.134,74- C = 472.367,04
Tabela da Análise da Variância
Causas da variação G.L. S.Q. Q.M . F.

Blocos 2 7.1 43,85 3.571,92
Porta-Enxerto s (E) 4 49.682,45 12.420,61 5,96*
Res. (a) 8 18.676,42 2.084,55
(Parcelas) ( 14) (73.502,72)
Anos(A) 5 276.943,48 55.388 ,70 46,33**

Interação E x A 20 62.140,39 3.107,02 2,60**
R es. (b) 50 59.780,45 1.195 ,61
Total 89 472.367,04
169
Décio Barbin
Análise de regressão - Tabela auxiliar
C1 C2 Er(3) E2(3) E3(3) E4(3) Es(3)

1970 -5 5 375,0 380,5 390,0 256,5 370,0
1971 -3 -1 481,7 369,0 348,6 379,8 505,5
1972 -1 -4 807,6 436,3 512,7 622,9 653,8
1973 1 -4 431,3 438,7 429,7 317,2 395,5
1974 3 -1 1032,3 530,l 770,6 829,1 825,5
1975 5 5 858,3 528,1 662,2 847,1 628,5
K 70 84
M 2 312
Desdobramento: dentro de E 1
1 2 2 3986,7 2
SQ.A d. E1 = -[375,0 + ... +858,3 ]- - - =121705,08
3 18
(-5 · 375,0-3 · 481,7-1-807,6+431,3+ 3 · 1032,3+5. 858 3) 2

RL=
SQ. '
3·70
3694 5 2
=( , ) = 64996 81
3-70 '
(5 · 375,0-481,7-4· 807,6-4· 431,3-1032,3 + 5-858 3) 2

SQR.Q= ,
3-84
=(-300,6) 2 =358,57
3-84
Desdobramento: dentro E 2
1 2 2 (2682,7) 2
SQ.Ad.E 2 ==-[380,5 + ... +528,1 ] - - - ~ ==8057 46
3 18 '
170
(1223 7) 2
SQR.L = ' = 7130 67
3-70 '
2
SQR.Q -- -
(143,9)
- - =8217
3-84 '
Desdobramento: dentro E3
82
SQ A d. E 3 = _!_ [390,0 2 + ... +662,2 2 ] - 3113' = 45833,38
3 18
2544
SQR.L = ( )2 =30818 74
3 · 70 '
3 72 2 2
SQR.Q = ( ' ) = 549 73
3-84 '
1 2 2 3252,6 2
SQ A d E 4 = [256,5 + ... +847,1 ]- = 113470,43
3 18
2
3995 2
SQR.L = ( , ) = 76007,73
3 -70
548 7 2
SQR.Q = ( ' ) = 1194,73
3-84
2
1 2 3378,8 2
SQ A d. E 5 = (370,0 + ... +628,5 ]- =50017,51
3 18
2 2
_(1 994, ) =1893730
SQR.L- 3-70 '
= (-535,7)2 = 1138,79
SQR.Q 3-84
171
Décio Barbin
Tabela da Análise da Variância com Análise de Regressão

Causas da Variação G. L. S.Q. Q.M. F F e/ Desvios
Blocos 2 7143,85 3571,92
Porta-Enxertos 4 49682,45 12420,6 1 5,96*
Res. (a) 8 16676,42 2084,55
(Parcelas) (14) (73502,72)
R. L. 1 64996,81 64996,81 54,36** 3,46
R.Q. 1 358,57 358,57 0,300
Desvios de regressão 3 56349,70 18783,23 15,71 *
Anos d. E1 (5) (121705,08)
R.L. 1 7130,67 7130,67 5,96* 25,33*
RQ. 1 82,17 82,17 0,069
Desvios de regressão 3 844,62 281,54 0,235
Anos d. E2 (5) (8057,46)
RL. 1 30818,74 30818,74 25,78** 6,39
RQ. 1 549,73 549,73 0,460
Desvios de regressão 3 14464,91 4821,64 4,03*
Anos d.E3 (5) (45833,38)
RL. 1 76007,73 76007,73 63,57** 6,29
RQ. 1 l 194,73 1194,73 0,999
Desvios de regressão 3 36267,97 12089,32 10,11**
Anos d. E4 (5) (113470,43)
RL. 1 18937,30 18937,30 15,84** 1,90
R.Q. 1 1138,79 1138,79 0,952
Desvios de regressão 3 29941,42 9980,47 8,35**
Anosd.Es (5) (50017,51)
Res. (b) 50 59780,45 1195,61
Total 89 472367,04
C.V. parcelas = 25,03%

C.V. Sub-parcelas = 18,96%
Observação:
Ao se fazer o estudo dos componentes de regressão, pode ocorrer que além de

alguns dos componentes principais (RL, RQ, RC) os desvios de regressão apresentem
também teste F significativo. Isto indica que algum ou alguns outros componentes de
grau superior ao 3° têm influência no comportamento do tratamento ao longo dos anos
(tempo).
Como primeira alternativa podemos procurar, pelo desdobramento dos g.l. dos
desvios, qual ou quais componentes são significativos.
Se for algum de interesse prático, mesmo que menos importante que os principais,
pode-se obter a sua equação de regressão.
172
Como segunda alternativa, principalmente, se o(s) grau(s) significativo(s) for(em)

elevado(s), é recomendável paitir-se para uma análise harmônica.
Finalmente, como terceira alternativa, e, possivelmente, a mais importante, deve-
se fazer o teste F dos componentes principais significativos com desvios de regressão.
Com isso estaremos verificando se o comportamento é predominantemente linear
ou quadrático ou cúbico, ou seja, sendo F significativo, o componente em estudo é
significativamente superior aos componentes dos desvios, isto é, ele é mais importante
na explicação do fenômeno que os componentes dos desvios. Nesse caso, justifica-se a
obtenção da equação de regressão para esse componente.
Nesse exemplo, nos casos em que Desvios de Regressão apresentou teste F
significativo, não houve nenhum caso da Regressão Linear ser significativa em relação aos
Desvios. Portanto, não se justifica estabelecer equações de regressões para esses casos.
A equação só seria possível para Regressão Linear dentro de E2 (Limoeiro rugoso nacional):
Y = 11,66X + 108,22
para X E [I; 6].
Essa equação nos diz que, a cada ano, a produção subiu 11,66 kg/planta.
173
Décio Barbin
XIV - ANÁLISE DE GRUPOS DE EXPERIMENTOS
Introdução
A análise de grupos de experimentos tem importância prática quando se desejam

recomendações para toda uma região. Por exemplo, podemos citar a indicação de alguns
cultivares de determinadas espécies como os mais produtivos para uma região, ou o
caso de fórmulas de adubação para uma determinada cultura para toda uma região etc.
Com esse objetivo, devem-se instalar experimentos por toda a região que deverão ser os
mais simples possível. Além disso, deverão ser os mesmos experimentos por toda a área,
isto é, deverão obedecer ao mesmo delineamento, bem como incluir os mesmos
tratamentos e, com o mesmo número de repetições, se possível. Esse procedimento irá
facilitar bastante a análise de variância conjunta. De preferência, ainda, esses ensaios
deverão se repetir por vários anos.
Como boa norma, os tratos culturais deverão ser os mesmos em todos os ensaios.
Yijr = m + ti + l j + br(j) + tlij + eijr , em blocos

Yijr = m + ti + l j + tl ij + e ijr , inteiramente ao acaso
Os ensaios em cada local de uma determinada região são realizados, geralmente,
nos delineamentos inteiramente ao acaso e em blocos ao acaso. Em qualquer deles,
porém, o esquema da análise da variância conjunta é o seguinte, supondo-se I tratamentos,
J locais e R repetições em cada local.
Causas da variação G.L.

Tratamentos (T) I-1
Locais (L) J-1
Int. T x L (l-l)(J-1)
Resíduo médio N
em que,
N = soma dos g.l. dos resíduos de cada análise individual (por local).
Então, se em cada local o ensaio foi inteiramente ao acaso, temos (por local):
174

Tratamentos I-1
Resíduo I(R-1)
Total RI-1
Logo, N = ll(R-1 ).
No caso de blocos casualizados, temos:

Tratamentos (T) I-1
Blocos R-1
Resíduo (I-l)(R-1)
Total RI-1
Logo, N = J(I-l)(R-1).
Com esse procedimento de se obter o número de g.l. do resíduo, dispensa-se, na

análise conjunta, a obtenção da SQTotal.
De modo análogo, àquele que se usou para o número de g.l. do Resíduo, obtém-se
o QMRes na análise conjunta, a partir dos QMRes. das análises de cada local.
, . QMRes.L 1 + ... +QMRes.L 1
QMRes.med10 = J
Porém, deve-se ter certos cuidados nesse procedimento . (Isso é válido também
para g.l.).
Como reunir os ensaios para uma análise conjunta
Em primeiro lugar, deve-se fazer todas as análises individuais, isto é, análise para
cada local. A seguir, deve-se examinar as grandezas dos QMRes.
a) Se forem homogêneos, (segundo BOX (1954), um QMRes. pode ser superior a outro
até 4 vezes) todos os locais poderão ser incluídos na análise conjunta, sem restrições.
b) Em casos contrários, deve-se:
b. l) Organizarem-se sub-grupos com QMRes. homogêneos. Análises conjuntas serão
feitas para cada sub-grupo.
175
Décio Barbin
b.2) Alternativamente, podem-se reunir todos esses locais numa só análise conjunta,
porém, realizando-se o ajuste do número de g.l. de acordo com o método proposto por
COCHRAN (1954). Neste caso, faz-se a análise de variância conjunta, como no caso
de QMRes. homogêneo: número de g.l. ajustado para consulta de tabelas de F e de
testes de comparações de médias.
Para o resíduo médio:
[QMRes.{L ) + ... + QMRes.(L1 )]2

n = - -- -- 1-- - - - - -- --2
r {QM Res.L 1 ) 2 {QM Res.L )
- - -- - - + ... + - - - 1
em que:
nr = nº aproximado de g.l. para o resíduo médio; e
n 1 = nº de g.l. res. do L 1 etc.
Para a Interação T x L
2
(1-l)(J-1) V/
Ilt1 =
(J-2)V2 +Vi2
em que:
n t1 =nº aproximado de g.l. para a int. T x L;
I = nº de tratamentos; e
J = nº de locais.
QMRes.L 1 + ... +QMRes.L1 -QMR ,d.

vi = J - e s. me 10
2
[QMRes.LiJ 2 + ... +[QMRes.L1 ]
V2 = J
Um Exemplo
Os dados que se seguem referem-se a alturas (em metros, médias de 25 plantas/

parcela) de plantas de Eucaliptus grandis, com 7 anos de idade (em 1980) de três
ensaios em blocos ao acaso, sob 6 tratamentos (progênies).
176
Tabela I - E nsaio em Araraquara
~
T
T1
I
20,3
II
19,6
III
23,5
IV
19,1
Totais
82,5
T2 21,7 19,3 16,7 18,5 76,2
T3 22,0 24,9 24,4 20,8 92,1
T4 20,8 23,0 21,3 24,9 90,0
T5 21,5 22,3 22,1 21,9 87,8
T6 19,6 17,7 18,7 22,0 78,0
Totais 125,9 126,8 126,7 127,2 506,6
Fonte: Instituto Florestal - Tupi, SP
Tabela II - Ensaio em Bento Quirino
~
I II III IV Totais
T
T1 10,2 11,7 9,1 8,1 39,1
T2 16,1 10,8 10,9 10,3 48,1
T3 17,7 13,1 14,2 11,0 56,0
T4 13,5 14,4 11,2 12,8 51,9
T5 20,5 12,5 11,3 12,2 56,5
T6 12,0 13,0 12,3 10,6 47,9
Totais 90,0 75,5 69,0 65,0 299,5
Fonte: Instituto Florestal - Tupi, SP
177
Décio Barbin
Tabela Ili - Ensaio em Mogi-Guaçu
~ I II III IV Totais
o
T1 22,7 21,4 22,9 22,0 89,0
T2 22,6 21,4 20,7 20,8 85,5
T3 21,4 21,7 22,5 19,4 85,0
T4 25,0 23,6 23,3 24,8 96,7

Ts 26,4 26,4 28,0 27,3 108,1
T6 20,6 23,5 19,4 21,9 85,4

Totais 138,7 138,0 136,8 136,2 549,7
Fonte: Instituto Florestal-Tupi, SP
T1 : Pretoria (Procedente da África do Sul)

T 2 : 63 7 (Progênie Rio Claro)
T 3 : 2093 (Progênie Rio Claro)
T4 : 2094 (Progênie Rio Claro)
T5 : 9559 (Procedente da Austrália)
T6 : 9575 (Procedente da Austrália)
As análises individuais (para cada local) apresentaram os seguintes resultados:
Q.M.
Causas da variação G.L. Araraquara Bento Quirino Mogi Guaçu
Blocos 3 0,0494 20,0660 0,2138
Tratamentos 5 10,7007 10,4324 21,2114**
Resíduo 15 3,7831 3,7560 1,4354
To ta 1 23
Verifica-se que a relação entre o maior QMRes. e o menor é, aproximadamente,

2,6. Logo, segundo BOX ( 1954), os três ensaios poderão ser reunidos numa única análise
conjunta, sem restrições. O resultado dessa análise fica:
Causas da variação G.L. S.Q. Q.M. F

Tratamentos (T) 5 135,1511 27,0302 3,53*
Locais (L) 2 1490,9453 745,4726 97,36**
Interação (TxL) 10 76,5714 7,6571 2,56*
45(+) - 2,9915 (++)
Resíduo médio
178
e) 45 = 15+15+15
(++) 2 9915 = 3,7831 + 3,7560+ 1,4354

' 3
Observação:
Na análise conjunta, os testes F para tratamentos e para locais são feitos com o
QM. Int. TxL no denominador; para a Interação TxL usa-se o QMRes. médio.
Ill = 5 g.l. 3,33 (5%) 5,64 (1 %)

Ftab {
n 2 =1Og.l. (Int.)
4,10 (5%) 7,56 (1 %)
1,98 (5%).
Por interpolação harmônica, como a seguir:
1 1
- - - ➔ 2,04-1,95
40 60
1 1
---➔ d
40 45
:. valor de F = 2,04 - d = 2,04-0,06 = 1,98 (5%).
Por interpolação linear, seria:
60-40 ➔ 0,09 d= l 5 · 0,0 9 =0 0675

20 '
60-45 ➔ d
:. F=2,04-0,0675 = 1,9725:: 1,97.
179
Décio Barbin
Como a interação T x L foi significativa, isto indica que o comportamento dos

tratamentos difere com os locais, logo um procedimento a tomar seria pura e simplesmente
considerarem-se os resultados obtidos nas análises individuais, porém, o F para tratamentos
também foi significativo indicando que deve haver algum(uns) tratamento(s) que foi
(foram) melhor(es) em todos os locais. Nesse caso, deve-se aplicar um teste de
comparação de médias de tratamentos.
Alternativamente, dada a significância da Interação, pode-se desdobrar os g.l.
estudando-se tratamentos d. local, com a vantagem, sobre as análises individuais, de
contar com maior número de g.l. para o resíduo, portanto, análise mais sensível.
O teste de Tukey nos dá:
QMTratamentos)
(pois, o valor de F foi obtido por
QM.TxL
n=6 =491
,
qtab(5%) { n'=lOg.l
:. Li=3,92m
Médias de tratamentos (ordem descrescente)
m5 = 21,03m m6 =17,61m
m4 =15,88m m1 =17,55m
m 3 = 19,42m m2 = 17,48m
O teste de Tukey não acusa nenhum contraste entre duas médias de tratamentos
que difira de zero. Como não se detectou nenhuma diferença estatisticamente significativa
entre médias de tratamentos, e considerando-se o fato da interação T x L ter sido
significativa (indicando que o comportamento dos tratamentos difere de local para local)
deve-se seguir uma das alternativas:
1º) Consideram-se os resultados obtidos nas análises individuais, isto é, nas análises de
cada local. Então, não se podem fazer recomendações gerais, valendo as conclusões
ou indicações para cada local em separado.
180
2º) Desdobram-se os graus de liberdade relativos a tratamentos + Inter. T x L. Nesse

caso, há a vantagem, em relação à primeira alternativa, de se dispor de um maior número
de g.l. para o resíduo (45 contra 15 em cada análise; com 45 g.l. o teste fica mais
sensível).
O desdobramento nos dá o seguinte resultado:
Causas da variação G.L. S.Q. Q.M. F

Locais (L) 2 1490,9453 - -
Tratamentos d. L 1 5 53,5033 10,7007 3 , 58**
Tratamentos d. L 2 5 52, 1621 10,4324 3 49**
'
Tratamentos d. L 3 5 106,0571 21,2114 7,09**
Resíduo médio 45 - 2,9915
2,39 (5%) 3,38 (1 %)
Como a análise foi mais sensível devido ao maior número de g.l. para o resíduo,
obtiveram-se F significativos de tratamentos para os locais em que na análise individual
não eram. Como houve significância para os três valores de F, vamos aplicar o teste de
Tu.key na comparação de médias de tratamentos de cada local.
n = 5 ⇒ q = 4,21
Ll. = 4 21
'
✓ 2•9915
4
=3 64
'
4tab (5%)
{ n'=45
a) Dentro do Local 1 (Araraquara)
ll13=14,12 m5 =21,95 m6 =19,so

m4 =22 ,50 m, =20,62 1112 =19,05
181
Décio Barbin
b) DentTo do Local 2 (Bento Quirino)
IT15 = 14,12 m4 = 12,98 1116 = 11,98

1Tl 3 = 14,00 m2 =12,02 m1 = 9,78
c) Dentro do Local 3 (Mogi-Guaçu)
= 27,02
m. 5 ffi1 =22,25 & 6 = 21,3s
m4 = 24,18 lll.2 = 21,38 m.3 = 21,25
A média 3(m3 ) que no local (1) foi a melhor, no local 3 foi a piore isso é uma das
causas da Int. T x L ter dado significativa.
3º) Formar grupos de ensaios que, por motivos conhecidos do pesquisador, levam a
grupamentos mais homogêneos. Esses motivos ou fatores são: tipo de solo, tipo de clima
etc. Nesse exemplo, porém, como são apenas 3 locais, não é possível o uso dessa
alternativa.
182
XV - TABELAS
Tabela 1 - Limites superiores para a razão s 2 máx

baseados em k estimativas de
s 2 mín
variâncias com v graus de liberdade cada uma.
5%
~ 2 3 4 5 6 7 8 9 10 11 12
2 39,0 87,5 142 202 266 333 403 475 550 626 704
3 15,4 27,8 39,2 50,7 62,0 72,9 83,5 93,9 104 I 14 124
4 9,60 15,5 20,6 25,2 29,5 33,6 37,5 41,1 44,6 48,0 51,4
5 7,15 10,8 13,7 16,3 18,7 20,8 22,9 24,7 26,5 28,2 29,9
6 5,82 8,38 10,4 12,1 13,7 15,0 16,3 17,5 18,6 19,7 20,7
7 4,99 6,94 8,44 9,70 10,8 11,8 12,7 13,5 14,3 15,1 15,8
8 4,43 6,00 7, 18 8,12 9,03 9,78 10,5 11, 1 11,7 12,2 12,7
9 4,03 5,34 6,3 1 7,11 7,80 8,41 8,95 9,45 9,91 10,3 10,7
10 3,72 4,85 5,67 6,34 6,92 7,42 7,87 8,28 8,66 9,01 9,34
12 3,28 4,16 4,79 5,30 5,72 6,09 6,42 6,72 7,00 7,25 7,48
15 2,86 3,54 4,01 4,37 4,68 4,95 5, 19 5,40 5,59 5,77 5,93
20 2,46 2,95 3,29 3,54 3,76 3,94 4,10 4,24 4,37 4,49 4,59
30 2,07 2,40 2,61 2,78 2,91 3,02 3,12 3,21 3,29 3,36 3,39
60 1,67 1,85 1,96 2,04 2,11 2,17 2,22 2,26 2,30 2,33 2,36
00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
1%
~ 2 3 4 5 6 7 8 9 10 11 12
2 199 448 729 1036 1362 1705 2063 2432 2813 3204 3605
3 47,5 85 120 151 184 21(6) 24(9) 28(1) 3 1(0) 33(7) 36(1)
4 23,2 37 49 59 69 79 89 97 106 113 120
5 14,9 22 28 33 38 42 46 50 54 57 60
6 11,1 15,5 19, 1 22 25 27 30 32 34 36 37

7 8,89 12,1 14,5 16,5 18,4 20 22 23 24 26 27
8 7,50 9,9 11,7 13,2 14,5 15,8 16,9 17,9 18,9 19,8 21
9 6,54 8,5 9,9 11, 1 12,l 13, I 13,9 14,7 15,3 16,0 16,6
10 5,85 7,4 8,6 9,6 10,4 11, l 11,8 12,4 12,9 13,4 13,9
12 4,91 6,1 6,9 7,6 8,2 8,7 9, 1 9,5 9,9 10,2 10,6
15 4,07 4,9 5,5 6,0 6,4 6,7 7, 1 7,3 7,5 7,8 8,0
20 3,32 3,8 4,3 4,6 4,9 5, 1 5,3 5,5 5,6 5,8 5,9
30 2,63 3,0 3,3 3,4 3,6 3,7 3,8 3,9 4,0 4, 1 4,2
60 1,96 2,2 2,3 2,4 2,4 2,5 2,5 2,6 2,6 2,7 2,7
00 1,00 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0
Fonte: DAVID, H.A. Upper 5 and 1% points ofmaximum F-ratio. Biometrika, v.39, p.422-424, 1952.
Obs.: O terceiro dígito entre parêntesis é apenas aproximado.
183
Décio Barbin
Tabela 2 - Limites unilaterais de F ao nível de 5% de probabilidade, para n, graus de

liberdade de tratamentos e n 2 graus de liberdade do resíduo.
~ 1 2 3 4 5 6 7 8 9 10 li 12 13
1 161,45 199,50 215,71 224,58 230, 16 233,99 236,77 238,88 240,54 241,88 242,98 243,90 244,69
2 18,5 1 19,00 19, 16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,42
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 8,73
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 5,89
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 4,66
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 3,98
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 3,55
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 3,26
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 3,05
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 2,89
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 2,76
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 2,66
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 2,58
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 2,51
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 2,45
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 2,40
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 2,35
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 2,31
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 2,28
20 4,35 3,49 3,10 2,87 2,71 2,60 2,5 1 2,45 2,39 2,35 2,31 2,28 2,25
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 2,22
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 2,20
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 2,18
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 2,15
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 2,14
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 2,12
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 2,10
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 2,09
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 2,08
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 2,06
40 4,08 3,23 2,84 2,6 1 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,99 1,95 1,92
60 4,00 3, 15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89
70 3,98 3,13 2,74 2,50 2,35 2,23 2,14 2,07 2,02 1,97 1,93 1,89 1,86
80 3,96 3, 11 2,72 2,49 2,33 2,2 1 2,13 2,06 2,00 1,95 1,91 1,88 1,84
90 3,95 3,10 2,71 2,47 2,32 2,20 2, 11 2,04 1,99 1,94 1,90 1,86 1,83
100 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,97 1,93 1,89 1,85 1,82
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,87 1,83 1,80
150 3,90 3,06 2,66 2,43 2,27 2,16 2,07 2,00 1,94 1,89 1,85 1,82 1,79
200 3,89 3,04 2,65 2,42 2,26 2,14 2,06 1,98 1,93 1,88 1,84 1,80 1,77
00 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,72
Continua ...
184
Tabela 2 - Limites unilaterais de F ao nível de 5% de probabilidade, para n 1 graus de
liberdade de tratamentos e °i graus de liberdade do resíduo (continuação).

14 15 16 17 18 19 20 25 30 40 60 120 00
1 245,36 245,95 246,47 246,92 247,32 247,69 248,02 249,26 250, 10 251,14 252,20 253,25 254,31
2 19,42 19,43 19,43 19,44 19,44 19,44 19,45 19,46 19,46 19,47 19,48 19,49 19,50
3 8,71 8,70 8,69 8,68 8,67 8,67 8,66 8,63 8,62 8,59 8,57 8,55 8,53
4 5,87 5,86 5,84 5,83 5,82 5,8 1 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 4,64 4,62 4,60 4,59 4,58 4,57 4,56 4,52 4,50 4,46 4,43 4,40 4,37
6 3,96 3,94 3,92 3,91 3,90 3,88 3,87 3,83 3,81 3,77 3,74 3,70 3,67
7 3,53 3,51 3,49 3,48 3,47 3,46 3,44 3,40 3,38 3,34 3,30 3,27 3,23
8 3,24 3,22 3,20 3, 19 3,17 3,16 3,15 3,11 3,08 3,04 3,01 2,97 2,93
9 3,03 3,01 2,99 2,97 2,96 2,95 2,94 2,89 2,86 2,83 2,79 2,75 2,71
10 2,86 2,85 2,83 2,81 2,80 2,79 2,77 2,73 2,70 2,66 2,62 2,58 2,54
11 2,74 2,72 2,70 2,69 2,67 2,66 2,65 2,60 2,57 2,53 2,49 2,45 2,40
12 2,64 2,62 2,60 2,58 2,57 2,56 2,54 2,50 2,47 2,43 2,38 2,34 2,30
13 2,55 2,53 2,51 2,50 2,48 2,47 2,46 2,41 2,38 2,34 2,30 2,25 2,21
14 2,48 2,46 2,44 2,43 2,41 2,40 2,39 2,34 2,31 2,27 2,22 2,18 2,13
15 2,42 2,40 2,38 2, 37 2,35 2,34 2,33 2,28 2,25 2,20 2,16 2,11 2,07
16 2,37 2,35 2,33 2,32 2,30 2,29 2,28 2,23 2,19 2,15 2,11 2,06 2,01
17 2,33 2,31 2,29 2,27 2,26 2,24 2,23 2,18 2,15 2,10 2,06 2,01 1,96
18 2,29 2,27 2,25 2,23 2,22 2,20 2,19 2,14 2,11 2,06 2,02 1,97 1,92
19 2,26 2,23 2,21 2,20 2,18 2,17 2, 16 2,11 2,07 2,03 1,98 1,93 1,88
20 2,22 2,20 2,18 2,17 2,15 2,14 2,12 2,07 2,04 1,99 1,95 1,90 1,84
21 2,20 2,18 2,16 2,14 2,12 2,ll 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 2,17 2,15 2,13 2,11 2,10 2,08 2,07 2,02 1,98 1,94 1,89 1,84 1,78
23 2,15 2,13 2,11 2,09 2,08 2,06 2,05 2,00 1,96 1,91 1,86 1,81 1,76
24 2,13 2,11 2,09 2,07 2,05 2,04 2,03 1,97 1,94 1,89 1,84 1,79 1,73
25 2,11 2,09 2,07 2,05 2,04 2,02 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26 2,09 2,07 2,05 2,03 2,02 2,00 1,99 1,94 1,90 1,85 1,80 1,75 1,69
27 2,08 2,06 2,04 2,02 2,00 1,99 1,97 1,92 l,88 1,84 1,79 1,73 1,67
28 2,06 2,04 2 ,02 2,00 1,99 1,97 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29 2,05 2,03 2,01 1,99 1,97 l,96 1,94 1,89 1,85 1,81 1,75 1,70 1,64
30 2,04 2,01 1,99 1,98 1,96 1,95 1,93 1,88 1,84 1,79 1,74 1,68 1,62
40 1,95 1,92 1,90 1,89 1,87 1,85 1,84 1,78 1,74 1,69 1,64 l ,58 l ,51
50 1,89 1,87 1,85 1,83 1,81 1,80 1,78 1,73 1,69 1,63 1,58 1,51 1,44
60 1,86 1,84 1,82 1,80 1,78 1,76 1,75 1,69 1,65 1,59 1,53 1,47 1,39
70 1,84 1,81 1,79 1,77 1,75 1,74 1,72 1,66 1,62 1,57 1,50 1,44 1,35
80 1,82 1,79 1,77 1,75 1,73 1,72 1,70 1,64 1,60 1,54 1,48 1,41 1,32
90 1,80 1,78 1,76 1,74 1,72 1,70 1,69 1,63 1,59 1,53 1,46 1,39 1,30
100 1,79 1,77 1,75 1,73 1,71 1,69 1,68 1,62 1,57 1,52 1,45 1,38 1,28
120 1,78 1,75 1,73 1,71 1,69 1,67 1,66 1,60 1,55 1,50 1,43 1,35 1,25
150 1,76 1,73 1,71 1,69 1,67 1,66 1,64 1,58 1,54 1,48 1,41 1,33 1,22
200 1,74 1,72 1,69 1,67 1,66 1,64 1,62 1,56 1,52 l,46 1,39 1,30 1, 19
00 1,69 1,67 1,64 1,62 1,60 1,59 1,57 1,51 1,46 1,39 1,32 1,22 1,00
185
Décio Barbin

liberdade de tratamentos e~ graus de liberdade do resíduo.
1 2 3 4 5 6 7 8 9 10 11 12 13
1 4052,18 49()(),34 5403,53 5624,26 576396 5858,95 5928,33 5980,95 6022,40 ro55,93 6083,40 61()),68 6125,77
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 99,42
3 34,12 30,82 29,46 28,71 28,24 27,9 1 27,67 27,49 27,34 27,23 27,13 27,05 26,98
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 14,31
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 9,82
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 7,66
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 6,41
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 5,61
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 5,05
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 4,65
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 4,34
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, 10
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 3,91
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 3,75
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 3,61
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 3,50
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 3,40
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 3,32
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 3,24
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 3,18
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 3,12
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 3,07
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 3,02
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 2,98
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 2,94
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 2,90
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 2,87
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 2,84
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 2,81
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 2,79
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 2,61
5,06 4,20 3,72 3,41 3,19 3,02 2,89 2,78 2,70 2,63 2,56 2,51
50 7,17
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,44
7,01 4,92 4,07 3,60 3,29 3,07 2,91 2,78 2,67 2,59 2,51 2,45 2,40
70
4,88 4,04 3,56 3,26 3,04 2,87 2,74 2,64 2,55 2,48 2,42 2,36
80 6,96
4,85 4,01 3,53 3,23 3,01 2,84 2,72 2,61 2,52 2,45 2,39 2,33
90 6,93
100 6,90 4,82 3,98 3,51 3,21 2,99 2,82 2,69 2,59 2,50 2,43 2,37 2,31
4,79 3,95 3,48 3, 17 2,96 2,79 2,66 2,56 2,47 2,40 2,34 2,28
120 6,85
150 6,81 4,75 3,91 3,45 3,14 2,92 2,76 2,63 2,53 2,44 2,37 2,31 2,25
200 6,76 4,71 3,88 3,41 3,11 2,89 2,73 2,60 2,50 2,41 2,34 2,27 2,22
00 6,64 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,25 2,18 2,13
Continua...
186
Planejamento e A nálise Estatística de Experimentos Agronômicos

liberdade de tratamentos e n 2 graus de liberdade do resíduo (continuação).
14 15 16 17 18 19 20 25 30 40 60 120 00
l 6143,00 6156,97 6170,0l 6181,19 6191,43 6200,75 6208,66 6239,86 6260,35 6286,43 6312,97 6339,51 6366,00
2 99,43 99,43 99,44 99,44 99,44 99,45 99,45 99,46 99,47 99,48 99,48 99,49 99,50
3 26,92 26,87 26,83 26,79 26,75 26,72 26,69 26,58 26,50 26,41 26,32 26,22 26,13
4 14,25 14,20 14,15 14, 11 14,08 14,05 14,02 13,91 13,84 13,75 13,65 13,56 13,46
5 9,77 9,72 9,68 9,64 9,61 9,58 9,55 9,45 9,38 9,29 9,20 9, 11 9,02
6 7,60 7,56 7,52 7,48 7,45 7,42 7,40 7,30 7,23 7,14 7,06 6,97 6,88
7 6,36 6,31 6,28 6,24 6,21 6,18 6, 16 6,06 5,99 5,91 5,82 5,74 5,65
8 5,56 5,52 5,48 5,44 5,41 5,38 5,36 5,26 5,20 5,12 5,03 4,95 4,86
9 5,01 4,96 4,92 4,89 4,86 4,83 4,81 4,71 4,65 4,57 4,48 4,40 4,31
10 4,60 4,56 4,52 4 ,49 4,46 4,43 4,41 4,31 4,25 4,17 4,08 4,00 3,91
11 4,29 4,25 4,21 4,18 4,15 4,12 4,10 4,01 3,94 3,86 3,78 3,69 3,60
12 4 ,05 4 ,01 3,97 3,94 3,91 3,88 3,86 3,76 3,70 3,62 3,54 3,45 3,36
13 3,86 3,82 3,78 3,75 3,72 3,69 3,66 3,57 3,51 3,43 3,34 3,25 3,17
14 3,70 3,66 3,62 3,59 3,56 3,53 3,51 3,41 3,35 3,27 3,18 3,09 3,00
15 3,56 3,52 3,49 3,45 3,42 3,40 3,37 3,28 3,21 3,13 3,05 2,96 2,87
16 3,45 3,41 3,37 3,34 3,31 3,28 3,26 3,16 3,10 3,02 2,93 2,84 2,75
17 3,35 3,31 3,27 3,24 3,21 3,19 3,16 3,07 3,00 2,92 2,83 2,75 2,65
18 3,27 3,23 3,19 3,16 3,13 3,10 3,08 2,98 2,92 2,84 2,75 2,66 2,57
19 3,19 3,15 3,12 3,08 3,05 3,03 3,00 2,91 2,84 2,76 2,67 2,58 2,49
20 3,13 3,09 3,05 3,02 2,99 2,96 2,94 2,84 2,78 2,69 2,61 2,52 2,42
21 3,07 3,03 2,99 2,96 2,93 2,90 2,88 2,79 2,72 2,64 2,55 2,46 2,36
22 3,02 2,98 2,94 2,91 2,88 2,85 2,83 2,73 2,67 2,58 2,50 2,40 2,31
23 2,97 2,93 2,89 2,86 2,83 2,80 2,78 2,69 2,62 2,54 2,45 2,35 2,26
24 2,93 2,89 2,85 2,82 2,79 2,76 2,74 2,64 2,58 2,49 2,40 2,3 1 2,21
25 2,89 2,85 2,81 2,78 2,75 2,72 2,70 2,60 2,54 2,45 2,36 2,27 2,17
26 2,86 2,81 2,78 2,75 2,72 2,69 2,66 2,57 2,50 2,42 2,33 2,23 2,13
27 2,82 2,78 2,75 2,71 2,68 2,66 2,63 2,54 2,47 2,38 2,29 2,20 2, 10
28 2,79 2,75 2,72 2,68 2,65 2,63 2,60 2,5 1 2,44 2,35 2,26 2,17 2,06
29 2,77 2,73 2,69 2,66 2,63 2,60 2,57 2,48 2,41 2,33 2,23 2,14 2,03
30 2,74 2,70 2,66 2,63 2,60 2,57 2,55 2,45 2,39 2,30 2,2 1 2,11 2,01
40 2,56 2,52 2,48 2,45 2,42 2,39 2,37 2,27 2,20 2,11 2,02 1,92 l ,80
50 2,46 2,42 2,38 2,35 2,32 2,29 2,27 2,17 2, 10 2,0 1 l ,91 1,80 1,68
60 2,39 2,35 2,31 2,28 2,25 2,22 2,20 2,10 2,03 1,94 1,84 1,73 1,60
70 2,35 2,31 2,27 2,23 2,20 2, 18 2,15 2,05 1,98 1,89 1,78 1,67 1,54
80 2,31 2,27 2,23 2,20 2,17 2,14 2,12 2,01 1,94 1,85 1,75 1,63 1,49
90 2,29 2,24 2,21 2,17 2,14 2,1 1 2,09 1,99 1,92 1,82 1,72 1,60 1,46
100 2,27 2,22 2,19 2,15 2,12 2,09 2,07 1,97 1,89 1,80 1,69 l,57 1,43
120 2,23 2,19 2,15 2,12 2,09 2,06 2,03 1,93 1,86 1,76 1,66 1,53 1,38
150 2,20 2, 16 2,12 2,09 2,06 2,03 2,00 1,90 1,83 1,73 1,62 1,49 1,33
200 2,17 2,13 2,09 2,06 2,03 2,00 1,97 1,87 1,79 1,69 1,58 1,45 l ,28
00 2,08 2,04 2,00 1,97 1,93 1,90 1,88 1,77 1,70 1,59 1,47 1,32 1,00
187
Décio Barbin
Tabela 4 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, aos
níveis de 10%, 5% e 1% de probabilidade.
n - número de tratamentos
n - número de graus de liberdade do resíduo
11 a 2 3 4 5
li
li 12 13
6 7 8 9 10
0,10 8,93 13,44 16,36 18,49 20,15 21,50 22,64 23,62 24,47 25,24 25,92 26,54
o.os 17,97 26,98 32,82 37,08 40,41 43,12 45,40 47,36 49,07 50,59 51,96 53,19
0,01 89,98 135,04 164,25 185,56 202,19 2 15,74 227, 14 236,93 245,50 253,10 259,93 266,11
0,10 4, 13 5,73 6,77 7,54 8,14 8,63 9,05 9,41 9,72 10,01 10,26 10,49
2 0,05 6,08 8,33 9,80 10,88 11,73 12,43 13,03 13,54 13,99 14,39 14,75 IS,08
0,01 14,03 19,02 22,29 24,72 26,63 28,20 29,53 30,68 31,69 32,59 33,39 34,13
0,10 3,33 4,47 5,20 5,74 6,16 6,51 6,81 7,06 7,29 7,49 7,67 7,83
3 0,05 4,50 5,91 6,82 7,50 8,o4 8,48 8,85 9,18 9,46 9,72 9,95 10 ,15
0,01 8,26 10,62 12,17 13,32 14,24 15,00 15,64 16,20 16,69 17,13 17,52 17,88
0,10 3,01 3,98 4,59 5,03 5,39 5,68 5,93 6,14 6,33 6,49 6,65 6,78
4 0,05 3,93 5,04 5,76 6,29 6,71 7,05 7,35 7,60 7,83 8,03 8,21 8,37
0,01 6,51 8,12 9,17 9,96 10,58 11,10 11,54 11,93 12,26 12,57 12,84 13,09
0,10 2,85 3,72 4,26 4,66 4,98 5,24 5,46 5,65 5,82 5,97 6,10 6,22
5 0,05 3,64 4,60 5,22 5,67 6,03 6,33 6,58 6,80 6,99 7,17 7,32 7,47
0,01 5,70 6,98 7,81 8,42 8,91 9,32 9,67 9,97 10,24 10,48 10,70 10,89
0,10 2,75 3,56 4,07 4,44 4,73 4,97 5,17 5,34 5,50 5,64 5,76 5,88
6 0,05 3,46 4,34 4,90 5,30 5,63 5,90 6,12 6,32 6,49 6,65 6,79 6,92
0,01 5,24 6,33 7,03 7,56 7,97 8,32 8,61 8,87 9,10 9,30 9,48 9,65
0,10 2,68 3,45 3,93 4,28 4,55 4,78 4,97 5,14 5,28 5,41 5,53 S,64
7 0,05 3,34 4,16 4,68 S,06 5,36 5,61 5,82 6,00 6,16 6,30 6,43 6,55
0,01 4,95 S,92 6,54 7,01 7,37 7,68 7,94 8,17 8,37 8,55 8,71 8,86
0,10 2,63 3,37 3,83 4,17 4,43 4,65 4,83 4,99 5,13 5,25 5,36 5 ,46
8 0,05 3,26 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,29
0,01 4,74 5,64 6,20 6,63 6,96 7,24 7,47 7,68 7,86 8,03 8,18 8,31
0,10 2,59 3,32 3,76 4,08 4,34 4,54 4,72 4,87 5,01 5,13 5,23 5,33
9 0,05 3,20 3,95 4,41 4,76 5,02 5,24 5,43 S,59 5,74 5,87 5,98 6,09
0,01 4,60 5,43 5,96 6,35 6,66 6,91 7,13 7,33 7,50 7,65 7,78 7,91
0,10 2,56 3;1.7 3,70 4,02 4,26 4,47 4,64 4,78 4,91 5,03 5,13 5,23
10 0,05 3,15 3,88 4,33 4,65 4,91 5,12 5,30 5,46 5,60 5,72 5,83 5,93
0,01 4,48 5,27 5,77 6,14 6,43 6,67 6,88 7,05 7,2 1 7,36 7,49 7,60
0,10 2,54 3,23 3,66 3,96 4,20 4,40 4,57 4,71 4 ,84 4,95 5,05 5,15
11 0,05 3,11 3,82 4,26 4,57 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,81
5,97 6,25 6,48 6,67 6,84 6,99 7,13
O.OI 4,39 5,15 5,62 7,25 7,36
0,10 2,52 3;1.0 3,62 3,92 4,16 4,35 4,51 4,65 4,78 4,89 4,99 5,08
12 o.os 3,08 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,39 5,51 5,61 5,71
0,01 4,32 5,05 5,50 5,84 6,10 6,32 6,5 1 6,67 6,81 6,94 7,06 7, 17
0,10 2,50 3,18 3,59 3,88 4,12 4,30 4,46 4,60 4,72 4,83 4,93 5,02
13 0,05 3,06 3,73 4,15 4,45 4,69 4,88 s,os 5,19 5,32 5,43 5,53 5,63
0,0 1 4,26 4,96 S,40 5,73 5,98 6,19 6,37 6,53 6,67 6,79 6,90 7,01
0,10 2,49 3,16 3,56 3,85 4,08 4,27 4,42 4,56 4,68 4,79 4,88 4,97
14 0,05 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,55
0,01 4,21 4,89 5,32 5,63 S,88 6,08 6,26 6,41 6,54 6,66 6,77 6,87
Continua...
188
Tabela 4 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey, aos
níveis de l 0%, 5% e 1% de probabilidade (continuação).
número de tratamentos
11
.- número
11 -
de graus de liberdade do resíduo

n a n
14 15 16 17 18 19 20 22 24 26 28 30
0, 10 27, 10 27,62 28,10 28,54 28,96 29,35 29,71 30,39 30,99 31,.54 32,04 32,.50
0,05 54,32 55,36 56,32 57,21 58,o4 58,82 59,55 60,90 62,11 63.21 64,22 65,14
0,01 271.75 276,94 281,73 286,19 290,35 294,25 297,9 1 304,64 310,70 316.20 321,22 325,86
0,10 10,70 10,89 11.07 11,24 11,39 11.54 11,68 11,93 12,16 12,:36 12,55 12,73
2 0,05 15.37 15,65 15,9 1 16,14 16,36 16,57 16,77 17,13 17,45 17,75 18,02 18,27
0,01 34.80 35,42 35,99 36.53 37,03 37,50 37.94 38,75 39,48 40, 14 40,75 41,31
0, 10 7,98 8,12 8,25 8,37 8,48 8,58 8,68 8,86 9,03 9.18 9,31 9,44
3 0,05 10,35 10,52 10,69 10,84 10,98 1 1,1 1 11,24 11,47 11,68 11,87 12,0S 12,21
0,01 18,21 18,52 18,80 19,06 19,31 19,54 19,76 20,16 20,52 20,85 21,16 21,44
0 ,10 6,91 7,02 7,13 7).3 7,33 7,41 7,50 7,6S 7,79 7,9 1 8,03 8,14
4 0,05 8,52 8,66 8,79 8,91 9,03 9,13 9,23 9,42 9,58 9,74 9,87 10,00
0 ,01 13,32 13,53 13,73 13,91 14,08 14,24 14,39 14,67 14,93 15,16 15,37 15,57
0,10 6,34 6,44 6,54 6,63 6,71 6,79 6,86 7,00 7,12 7.24 7.34 7,43
5 0,05 7,60 7,72 7,83 7,93 8,03 8,12 8).1 8.37 8,51 8,64 8,76 8,87
0,01 ll,07 11).4 11,40 11,54 11,68 11,81 11,93 12,15 12,36 12,54 12,71 12,87
0,10 5,98 6,07 6,16 6,25 6,32 6,40 6 ,47 6,59 6,71 6,81 6,91 7,00
6 0,05 7,03 7,14 7,24 7,34 7,43 7,51 1,59 7,73 7,86 7,98 8,09 8,19
0,01 9,81 9,95 10,08 10).1 10,32 10,43 10,54 10.73 10,90 11,06 11).0 11,34
0,10 5,14 5,83 5,91 5,99 6,06 6,13 6,19 6.JI M2 (i~:Z MI M9
7 0,05 6,66 6,76 6,85 6,94 7,02 7,10 7,17 7,30 7,42 7,53 7,63 7,73
0,01 9,00 9, 12 9).4 9,35 9,46 9,55 9,65 9,82 9,97 10,11 10,24 10,36
0,10 5,56 5,64 5,72 5,80 5,87 5,93 6,00 6,ll 6,21 6,31 6,39 6,47
8 0,05 6,39 6,48 6,57 6,65 6,73 6,80 6,87 7,00 7,ll 7,21 7,31 7,40
0,01 8,44 8,55 8,66 8,76 8,85 8,94 9,03 9,18 9,32 9,45 9,57 9,68
0,10 5,42 5,51 5,58 5,65 5,72 5,79 5,85 5,96 6,06 6, 15 6,23 6,31
9 0,05 6,19 6,28 6,36 6,44 6,51 6,58 6,64 6,76 6,87 6,97 7,06 7,14
0,01 8,03 8,13 8,23 8,33 8,4 1 8,50 8,57 8,72 8,85 8,97 9,07 9,18
0,10 5,32 5,40 5,47 5,54 5,61 5,67 5,73 5,83 5,93 6,02 6,10 6,17
10 0,05 6,03 6,11 6,19 6,27 6,34 6,40 6,47 6,58 6,69 6,78 6.87 6,95
0,01 7,71 7,81 7,91 7,99 8,08 8,15 8,23 8,36 8,48 8,60 8,70 8,79
0,10 5,23 5,31 5,38 5,45 5,51 5,57 5,63 5,73 5,83 5,91 5,99 6,06
11 0,05 5,90 5,98 6,06 6,13 6,20 6,27 6,33 6,44 6,54 6,63 6,71 6,79
0,01 7,46 7,56 7,65 7,73 7,8E 7,88 7,95 8,08 8,20 8,30 8,40 8,49
0,10 5,16 5,24 5,3 1 5,37 5,44 5,49 5,55 S,65 5,74 5,83 5,90 5,98
12 0,05 S,80 S,88 S,95 6,02 6,09 6,IS 6,21 6,32 6,41 6,50 6,58 6,66
0,0 1 7,26 7,36 7,44 7,52 7,59 7,66 7,73 7,85 7,96 8,07 8,16 8,25
0, 10 5,10 5,18 5,25 5,31 5,37 5,43 5,48 5,58 5,67 5,75 5,83 5,90
13 0,05 5,71 5,79 S,86 S,93 5,99 6,05 6,11 6,22 6,31 6,40 6,48 6,55
0,01 7,10 7,19 7,27 7,35 7,42 7,48 7,55 7,67 7,77 7,87 7,96 8,04
0,10 5,05 5,12 5,19 5,26 5,32 5,37 5,43 5,52 S,61 5,69 5,77 5,84
14 0,05 5,64 5,71 5,79 5,85 5,n 5,97 6,03 6,13 6,22 6,31 6,39 6,46
0,01 6,96 7,05 7,13 7,20 7,21 7,33 7,39 7,51 7,6 1 7,70 7,79 7,87
Continua ...
189
Décio Barbin
Tabela 4 - Valores da amplitude total estudentizada (q), para uso no teste de Tukey,
aos níveis de 10%, 5% e 1% de probabilidade (continuação).

n ' - número de graus de liberdade do resíduo
11 (J. 11
32 34 36 38 40 50 60 70 80 90 100
0,10 32,93 33,33 33,70 34,05 34,38 35,79 36,91 37,83 38,62 39,30 39,91
0,05 66,00 66,80 67,55 68,25 68,91 7 1,72 73,96 75,82 77,39 78,76 79,97
0,01 330,15 334,14 337,87 341,37 344,67 358,74 369,93 379,19 387,06 393,90 399,94
0,10 12,89 13,04 13, 18 13,31 13,44 13,97 14,40 14,75 15,05 15,31 15,54
2 0,05 18,50 18,72 18,92 19, 11 19,29 20,05 20,66 2 1,16 2 1,59 2 1,96 22,29
0,01 4 1,83 42,32 42,77 43,20 43,60 45,3 1 46,68 47,82 48,78 49,62 50,36
0,10 9,56 9,67 9,77 9,86 9,95 10,34 10,65 10,90 11,12 11,31 11,48
3 0,05 12,36 12,50 12,63 12,75 12,86 13,36 13,75 14,08 14,36 14,60 14,82
0,01 21 ,70 2 1,94 22,16 22,38 22,59 23,45 24,13 24,70 25,19 25,61 25,99
0, 10 8,23 8,33 8,41 8,49 8,57 8,89 9,15 9,37 9,56 9,72 9,86
4 0,05 10,12 10,23 10,34 10,44 10,53 10,92 11,24 11,50 11,73 11,92 12,09
0,01 15,75 15,92 16,08 16,23 16,37 16,97 17,46 17,86 18,20 18,51 18,78
0,10 7,52 7,61 7,68 7,76 7,82 8,12 8,35 8,55 8,71 8,86 8,99
5 0,05 8,98 9,07 9,17 9,25 9,33 9,68 9,95 10,18 10,38 10,55 10,70
0,01 13,01 13,15 13,28 13,40 13,51 14,00 14,39 14,71 14,99 15,23 15,44
0,10 7,08 7,16 7,23 7,29 7,36 7,63 7,85 8,03 8,18 8,32 8,44
6 0,05 8,28 8,37 8,45 8,53 8,60 8,91 9,16 9,37 9,55 9,70 9,84
0,01 11,46 11,58 11,69 11,79 11,89 12,3 1 12,64 12,92 13,16 13,37 13,55
0,10 6,77 6,84 6,91 6,98 7,04 7,29 7,50 7,67 7,82 7,95 8,06
7 0,05 7,81 7,90 7,97 8,04 8, 11 8,40 8,63 8,82 8,99 9,13 9,26
0,01 10,47 10,57 10,67 10,76 10,85 11,22 11,52 11,77 11,98 12,17 12,34
0,10 6,55 6,62 6,68 6,74 6,80 7,05 7,25 7,41 7,55 7,67 7,78
8 0,05 7,48 7,55 7,63 7,69 7,76 8,03 8,25 8,43 8,59 8,72 8,84
0,01 9,78 9,87 9,96 10,05 10,13 10,47 10,74 10,97 11,17 11,34 11,49
0,10 6,38 6,44 6,51 6,57 6,62 6,86 7,05 7,21 7,34 7,46 7,57
9 0,05 7,22 7,30 7,36 7,43 7,49 7,75 7,96 8,13 8,28 8,41 8,53
0,01 9,27 9,36 9,44 9,52 9,59 9,91 10, 17 10,38 10,56 10,72 10,86
0,10 6,24 6,31 6,37 6,42 6,48 6,71 6,89 7,05 7, 18 7,29 7,40
10 0,05 7,02 7,09 7, 16 7,22 7,28 7,53 7,73 7,90 8,04 8,17 8,28
0,01 8,88 8,97 9,04 9,12 9,19 9,49 9,73 9,93 10,10 10,25 10,38
0,10 6,13 6,20 6,25 6,3 1 6,36 6,59 6,77 6,92 7,05 7, 16 7,26
11 0,05 6,86 6,93 6,99 7,05 7,11 7,35 7,55 7,71 7,85 7,97 8,07
0,0 1 8,58 8,65 8,73 8,80 8,86 9,15 9,38 9,57 9,73 9,87 10,00
0,10 6,04 6,10 6,16 6,22 6,27 6,49 6,66 6,81 6,94 7,05 7,14
12 0,05 6,73 6,80 6,86 6,92 6,97 7,21 7,39 7,55 7,69 7,80 7,91
0,01 8,33 8,40 8,47 8,54 8,60 8,87 9,09 9,28 9,43 9,57 9,69
0,10 5,96 6,03 6,08 6, 14 6,19 6,40 6,57 6,72 6,84 6,95 7,04
13 0,05 6,62 6,68 6,74 6,80 6,85 7,08 7,27 7,42 7,55 7,67 7,77
0,01 8,12 8,19 8,26 8,33 8,39 8,65 8,86 9,03 9,19 9,32 9,44
0,10 5,90 5,96 6,01 6,07 6, 12 6,33 6,50 6,64 6,76 6,87
6,75 6,98 7,16 6,96
14 0,05 6,53 6,59 6,65 6,70 7,31 7,44 7,55 7,65
0,01 7,95 8,02 8,08 8,15 8,20 8,46 8,66 8,83 8,98 9, 11 9,22
Continua...
190
Planej amento e Análise Estatística de Experimentos Agronômicos
n
n a 2 3 4 5 6 7 8 9 10 11 12 13
0, 10 2,48 3,14 3,54 3,83 4,05 4,23 4,39 4,52 4,64 4,75 4,84 4,93
15 0,05 3,01 3,67 4,08 4,37 4,59 4,78 4,94 5,08 5,20 5,31 5,40 5,49
0,01 4,17 4,84 5,25 5,56 5,80 5,99 6,16 6,31 6,44 6,55 6,66 6,76
0,10 2,47 3,12 3,52 3,80 4,03 4,21 4,36 4,49 4,61 4,71 4,80 4,89
16 0,05 3,00 3,65 4,05 4,33 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,44
0,01 4, 13 4,79 5, 19 5,49 5,72 5,92 6,08 6,22 6,35 6,46 6,56 6,66
0, 10 2,46 3,11 3,50 3,78 4,00 4,18 4,33 4,46 4,58 4,68 4,77 4,86
17 0,05 2,98 3,63 4,02 4,30 4,52 4,70 4,86 4,99 5, 11 5,21 5,31 5,39
0,01 4,10 4,74 5, 14 5,43 5,66 5,85 6,01 6,15 6,27 6,38 6,48 6,57
0,10 2,45 3,10 3,49 3,77 3,98 4,16 4,31 4,44 4,55 4,65 4,75 4,83
18 0,05 2,97 3,61 4,00 4,28 4,49 4,67 4,82 4,96 5,07 5,17 5,27 5,35
0,01 4,07 4,70 5,09 5,38 5,60 5,79 5,94 6,08 6,20 6,31 6,41 6,50
0,10 2,45 3,09 3,47 3,75 3,97 4,14 4,29 4,42 4,53 4,63 4,72 4,80
19 0,05 2,96 3,59 3,98 4,25 4,47 4,65 4,79 4,92 5,04 5,14 5,23 5,31
0,01 4,05 4,67 5,05 5,33 5,55 5,73 5,89 6,02 6,14 6,25 6,34 6,43
0,10 2,44 3,08 3,46 3,74 3,95 4,12 4,27 4,40 4,51 4,61 4,70 4,78
20 0,05 2,95 3,58 3,96 4,23 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,28
0,01 4,02 4,64 5,02 5,29 5,51 5,69 5,84 5,97 6,09 6, 19 6,28 6,37
0,10 2,42 3,05 3,42 3,69 3,90 4,07 4,21 4,34 4,44 4,54 4,63 4,71
24 0,05 2,92 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,18
0,01 3,96 4,55 4,91 5,17 5,37 5,54 5,68 5,81 5,92 6,02 6,11 6,19
,.1
0, 10 2,40 3,02 3,39 3,65 3,85 4,02 4,16 4,28 4,38 4,47 4,56 4,64
30 0,05 2,89 3,49 3,85 4,10 4,30 4,46 4,60 4,72 4,82 4,92 5,00 5,08
0,01 3,89 4,45 4,80 5,05 5,24 5,40 5,54 5,65 5,76 5,85 5,93 6,01 1
0,10 2,38 2,99 3,35 3,60 3,80 3,96 4,10 4,21 4,32 4,41 4,49 4,56 1,
40 0,05 2,86 3,44 3,79 4,04 4,23 4,39 4,52 4,63 4,73 4,82 4,90 4,98
0,01 3,82 4,37 4,70 4,93 5,11 5,26 5,39 5,50 5,60 5,69 5,76 5,83
0,10 2,36 2,96 3,31 3,56 3,75 3,91 4,04 4,16 4,25 4,34 4,42 4,49
60 0,05 2,83 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 4,73 4,81 4,88
0,01 3,76 4,28 4,59 4,82 4,99 5,13 5,25 5,36 5,45 5,53 5,60 5,67
0, 10 2,34 2,93 3,28 3,52 3,71 3,86 3,99 4, 10 4,19 4,28 4,35 4,42
120 0,05 2,80 3,36 3,69 3,92 4,10 4,24 4,36 4,47 4,56 4,64 4,71 4,78
0,01 3,90 4,20 4,50 4,71 4,87 5,00 5,12 5,21 5,30 5,38 5,44 5,50
0,10 2,33 2,90 3,24 3,48 3,66 3,81 3,93 4,04 4,13 4,21 4,28 4,35
00 0,05 2,77 3,31 3,63 3,86 4,03 4,17 4,29 4,39 4,47 4,55 4,62 4,68 r'
0,01 3,64 4, 12 4,40 4,60 4,76 4,88 4,99 5,08 5, 16 5,23 5,29 5,35 '
t
Continua... 1
,1
'I
1
'I
1,
191 ,,
,,
.!'
,
Décio Barbin
n · - número de graus de liberdade do resíduo
n a. 14 15 16 17 18 19
li
20 22 24 2() 28 3õ
0,10 5,01 5,08 5,15 5,21 5,27 5,32 5,38 5,47 5,56 5,64 5,71 5,78
15 0,05 5,57 5,65 5,72 5,78 5,85 5,90 5,96 6,06 6,15 6,23 6,31 6,38
0,01 6,84 6,93 7,00 7,07 7,14 7,20 7,26 7,37 7,47 7,57 7,65 7,73
0,10 4,97 5,04 5,11 5,17 5,23 5,28 5,33 5,43 5,51 5,59 5,66 5,73
16 0,05 5,52 5,59 5,66 5,73 5,79 5,84 5,90 5,99 6,08 6,17 6,24 6,31
0,01 6,74 6,82 6,90 6,97 7,03 7,09 7,15 7,26 7,36 7,44 7,53 7,60
0,10 4,93 5,01 5,07 5,13 5,19 5,24 5,30 5,39 5,47 5,55 5,62 5,69
17 0,05 5,47 5,54 5,61 5,67 5,73 5,79 5,84 5,94 6,03 6,11 6,18 6,25
0,01 6,66 6,73 6,81 6,87 6,94 7,00 7,05 7,16 7,25 7,34 7,42 7,49
0,10 4,90 4,97 5,04 5,10 5,16 5,21 5,26 5,35 5,44 5,52 5,59 5,65
18 0,05 5,43 5,50 5,57 5,63 5,69 5,74 5,79 5,89 5,98 6,06 6,13 6,19
0,01 6,58 6,65 6,73 6,79 6,85 6,91 6,97 7,07 7,16 7,25 7,32 7,40
0,10 4,88 4,95 5,01 5,07 5,13 5,18 5,23 5,32 5,41 5,48 5,55 5,62
19 0,05 5,39 5,46 5,53 5,59 5,65 5,70 5,75 5,85 5,93 6,01 6,08 6,15
0,01 6,51 6,58 6,65 6,72 6,78 6,84 6,89 6,99 7,08 7,17 7,24 7,31
0,10 4,85 4,92 4,99 5,05 5,10 5,16 5,20 5,30 5,38 5,45 5,52 5,59
20 0,05 5,36 5,43 5,49 5,55 5,61 5,66 5,71 5,81 5,89 5,97 6,04 6,10
0,01 6,45 6,52 6,59 6,65 6,71 6,77 6,82 6,92 7,01 7,09 7,17 7,24
0,10 4,78 4,85 4,91 4,97 5,02 5,07 5,12 5,21 5,29 5,36 5,43 5,49
24 0,05 5,25 5,32 5,38 5,44 5,49 5,55 5,59 5,68 5,76 5,84 5,91 5,97
0,01 6,26 6,33 6,39 6,45 6,51 6,56 6,61 6,70 6,79 6,86 6,94 7,00
0,10 4,71 4,77 4,83 4,89 4,94 4,99 5,03 5,12 5,20 5,27 5,33 5,39
30 0,05 5,15 5,21 5,27 5,33 5,38 5,43 5,47 5,56 5,64 5,71 5,77 5,83
0,01 6,08 6, )4 6,20 6,26 6,31 6,36 6,41 6,49 6,57 6,64 6,71 6,77
0,10 4,63 4,69 4,75 4,81 4,86 4,90 4,95 5,03 5,11 5, 17 5,24 5,29
40 0,05 5,04 5,11 5, 16 5,22 5,27 5,31 5,36 5,44 5,51 5,58 5,64 5,70
0,01 5,90 5,96 6,02 6,07 6,12 6,16 6,21 6,29 6,36 6,43 6,49 6,55
0,10 4,56 4,62 4,67 4,73 4,78 4,82 4,86 4,94 5,02 5,08 5,14 5,20
60 0,05 4,94 5,00 5,06 5,11 5,15 5,20 5,24 5,32 5,39 5,45 5,51 5,57
0,01 5,73 5,78 5,84 5,89 5,93 5,97 6,01 6,09 6,16 6,22 6,28 6,33
0,10 4,49 4,54 4,60 4,65 4,69 4,74 4,78 4,86 4,92 4,99 5,04 5,10
120 0,05 4,84 4,90 4,95 5,00 5,04 5,09 5,13 5,20 5,27 5,33 5,38 5,43
0,01 5,56 5,61 5,66 5,71 5,75 5,79 5,83 5,90 5,96 6,02 6,07 6, 12
0,10 4,41 4,47 4,52 4,57 4,61 4,65 4,69 4,77 4,83 4,89 4,95 5,00
00 0,05 4,74 4 ,80 4,84 4,89 4,93 4,97 5,01 5,08 5,14 5,20 5,25 5,30
0,01 5,40 5,45 5,49 5,54 5,57 5,61 5,64 5,71 5,77 5,82 5,87 5,91
Continua...
192
aos níveis de l 0%, 5% e l % de probabilidade (continuação).
,
n - número de graus de liberdade do resíduo
n a n
32 34 36 38 40 50 60 70 80 90 100
0,10 5,84 5,90 5,96 6,01 6,06 6,27 6,43 6,57 6,69 6,80 6,89
15 0,05 6,44 6,51 6,56 6,62 6,67 6,89 7,07 7,21 7,34 7,45 7,55
0,01 7,80 7,87 7,93 7,99 8,05 8,29 8,49 8,66 8,80 8,92 9,03
0,10 5,79 5,85 5,90 5,96 6,00 6,21 6,38 6,51 6,63 6,73 6,82
16 0 ,05 6,37 6,43 6,49 6,54 6,59 6,81 6,98 7,13 7,25 7,36 7,46
0,01 7,67 7,74 7,80 7,86 7,92 8,15 8,35 8,51 8,65 8,77 8,87
0, 10 5,75 5,81 5,86 5,91 5,96 6,16 6,32 6,46 6,58 6,68 6,77
17 0,05 6,31 6,37 6,43 6,48 6,53 6,74 6,91 7,05 7,18 7,28 7,38
0,01 7,56 7,63 7,69 7,74 7,80 8,03 8,22 8,38 8,51 8,63 8,73
0, 10 5,71 5,77 5,82 5,87 5,92 6,12 6,28 6,41 6,53 6,63 6,72
18 0,05 6,26 6,32 6,37 6,42 6,47 6,68 6,85 6,99 7, 11 7,21 7,31
0,01 7,46 7,53 7,59 7,64 7,70 7,92 8,1 J 8,26 8,39 8,51 8,61
0,10 5,68 5,73 5,78 5,83 5,88 6,08 6,24 6,37 6,49 6,59 6,67
19 0,05 6,21 6,27 6,32 6,37 6,42 6,63 6,79 6,93 7,05 7,15 7,24
0,01 7,38 7,44 7,50 7,55 7,60 7,83 8,01 8,16 8,29 8,40 8,50
0 ,10 5,64 5,70 5,75 5,80 5,85 6,04 6,20 6,33 6,45 6,55 6,63
20 0,05 6,16 6,22 6,27 6,32 6,37 6,58 6,74 6,88 6,99 7,10 7,19
0,01 7,30 7,36 7,42 7,47 7,52 7,74 7,92 8,07 8,19 8,30 8,40
0, 10 5,55 5,60 5,65 5,70 5,74 5,93 6,09 6,21 6,32 6,42 6,50
24 0,05 6,03 6,08 6,13 6,18 6,23 6,42 6,58 6,71 6,82 6,92 7,01
0 ,01 7,06 7,12 7,17 7,22 7,27 7,48 7,64 7,78 7,90 8,00 8,10
0,10 5,45 5,50 5,55 5,59 5,64 5,82 5,97 6,09 6,20 6,29 6,37
30 0,05 5,89 5,94 5,99 6,04 6,08 6,27 6,42 6,54 6,65 6,74 6,83
0,01 6,83 6,88 6,93 6,98 7,02 7,21 7,37 7,50 7,61 7,71 7,80
0,10 5,35 5,40 5,44 5,49 5,53 5,71 5,85 5,97 6,07 6,16 6,24
40 0,05 5,75 5,80 5,85 5,89 5,93 6,11 6,26 6,37 6,48 6,57 6,65
0,01 6,60 6,65 6,70 6,74 6,78 6,96 7,10 7,22 7,33 7,42 7,50
0,10 5,25 5,30 5,34 5,38 5,42 5,59 5,73 5,84 5,94 6,03 6,10
60 0,05 5,62 5,66 5,71 5,75 5,79 5,96 6,09 6,21 6,30 6,39 6,46
0,01 6,38 6,42 6,47 6,51 6,55 6,71 6,84 6,95 7,05 7,13 7,21
0, 10 5, 15 5, 19 5,24 5,28 5,31 5,48 5,61 5,72 5,81 5,89 5,96

120 0,05 5,48 5,53 5,57 5,61 5,64 5,80 5,93 6,04 6, 13 6,20 6,28
0,01 6,16 6,20 6,24 6,28 6,32 6,47 6,59 6,69 6,78 6,85 6,92
0,10 5,04 5,09 5, 13 5,17 5,20 5,36 5,48 5,58 5,67 5,74 5,81
00 0,05 5,35 5,39 5,43 5,46 5,50 5,65 5,76 5,86 5,95 6,02 6,08
0,01 5,95 5,99 6,03 6,06 6,09 6,23 6,34 6,43 6,51 6,58 6,64
Esta tabela foi adaptada a partir de resultados de HARTER, H. L. Tables of Range and Studentized
Range, Ann. Math. Stat. v.31 , p.1122-1 147,1960.
193
Décio Barbin
Tabela 5 - Valores da amplitude total estudentizada (z), para uso no teste de Duncan,
aos níveis de 10°/o, 5% e 1% de probabilidade.

li a li
2 3 4 5 6 7 8 9 10 11
0,10 8,929 8,929 8,929 8,929 8,929 8,929 8,929 8,929 8,929 8,929
0,05 17,97 17,97 17,97 17,97 17,97 17,97 17,97 17,97 17,97 17,97
0,01 89,98 89,98 89,98 89,98 89,98 89,98 89,98 89,98 89,98 89,98
0,10 4,129 4,129 4,129 4,129 4,129 4,129 4,129 4,129 4,129 4,129
2 0,05 6,085 6,085 6,085 6,085 6,085 6,085 6,085 6,085 6,085 6,085
0,01 14,03 14,03 14,03 14,03 14,03 14,03 14,03 14,03 14,03 14,03
0,10 3,328 3,330 3,330 3,330 3,330 3,330 3,330 3,330 3,330 3,330
3 0,05 4,501 4,516 4,516 4,516 4,516 4,516 4,516 4,516 4,516 4,516
0,01 8,260 8,321 8,321 8,321 8,321 8,321 8,321 8,321 8,321 8,321
0,10 3,015 3,074 3,081 3,081 3,081 3,081 3,081 3,081 3,081 3,081
4 0,05 3,927 4,012 4,033 4,033 4,033 4,033 4,033 4,033 4,033 4,033
0,01 6,511 6,677 6,740 6,756 6,756 6,756 6,756 6,756 6,756 6,756
0,10 2,850 2,934 2,964 2,969 2,969 2,969 2,969 2,969 2,969 2,969
5 0,05 3,635 3,749 3,796 3,814 3,814 3,814 3,814 3,814 3,814 3,814
0,01 5,702 5,893 5,989 6,040 6,065 6,074 6,074 6,074 6,074 6,074
0,10 2,748 2,846 2,890 2,907 2,911 2,911 2,911 2,911 2,911 2,911
6 0,05 3,460 3,586 3,649 3,680 3,694 3,697 3,697 3,697 3,697 3,697
0,01 5,243 5,439 5,549 5,615 5,655 5,680 5,694 5,701 5,703 5,703
0,10 2,679 2,785 2,838 2,864 2,876 2,878 2,878 2,878 2,878 2,878
7 0,05 3,344 3,477 3,548 3,588 3,611 3,622 3,625 3,625 3,625 3,625
0,01 4,948 5,145 5,260 5,333 5,383 5,416 5,439 5,454 5,464 5,470
0,10 2,630 2,741 2,800 2,832 2,849 2,857 2,858 2,858 2,858 2,858
8 0,05 3,261 3,398 3,475 3,521 3,549 3,566 3,575 3,579 3,579 3,579
0,01 4,745 4,939 5,056 5,134 5,189 5,227 5,256 5,276 5,291 5,302
0,10 2,592 2,708 2,771 2,808 2,829 2,840 2,845 2,846 2,846 2,846
9 0,05 3,199 3,339 3,420 3,470 3,502 3,523 3,536 3,544 3,547 3,547
0,01 4,595 4,787 4,906 4,986 5,043 5,086 5,117 5,142 5,160 5,174
0,10 2,563 2,682 2,748 2,788 2,813 2,827 2,835 2,839 2,839 2,839
10 0,05 3,15 1 3,293 3,376 3,430 3,465 3,489 3,505 3,516 3,522 3,525
0,01 4,482 4,671 4,789 4,871 4,931 4,975 5,010 5,036 5,058 5,074
0,10 2,540 2,660 2,729 2,772 2,799 2,817 2,827 2,833 2,835 2,835
11 0,05 3,113 3,256 3,341 3,397 3,435 3,462 3,480 3,493 3,501 3,506
0,01 4,392 4,579 4,697 4,780 4,841 4,887 4,923 4,952 4,975 4,994
0,10 2,521 2,643 2,714 2,759 2,788 2,808 2,820 2,828 2,832 2,833
12 0,05 3,081 3,225 3,312 3,370 3,410 3,439 3,459 3,474 3,484 3,491
0,01 4,320 4,504 4,622 4,705 4,765 4,812 4,850 4,882 4,907 4,927
0,10 2,504 2,628 2,701 2,748 2,779 2,800 2,814 2,824 2,829 2,832
13 0,05 3,055 3,200 3,288 3,348 3,389 3,419 3,441 3,458 3,470 3,478
0,01 4,261 4,442 4,560 4,643 4,706 4,754 4,793 4,824 4,850 4,871
Continua ...
194
Planej amento e Análise Estatísti ca de Experimentos Agronômicos
11
n a 19 20
12 13 14 15 16 17 18
0,10 8,929 8,929 8,929 8,929 8,929 8,929 8,929 8,929 8,929
1 0,05 17,97 17,97 17,97 17,97 17,97 17,97 17,97 17,97 17,97
0,01 89,98 89,98 89,98 89,98 89,98 89,98 89,98 89,98 89,98
0,10 4,129 4 ,129 4 ,129 4,129 4,129 4,129 4,129 4,129 4,129
2 0,05 6,085 6,085 6,085 6,085 6,085 6,085 6,085 6,085 6,085
0,01 14,03 14,03 14,03 14,03 14,03 14,03 14,03 14,03 14,03
0,10 3,330 3,330 3,330 3,330 3,330 3,330 3,330 3,330 3,330
3 0,05 4 ,516 4,516 4,516 4,516 4,516 4,516 4,516 4,516 4,516
0,01 8,321 8,321 8,321 8,321 8,321 8,321 8,321 8,321 8,321
0,10 3,081 3,081 3,081 3,081 3,081 3,081 3,081 3,081 3,081
4 0,05 4 ,033 4,033 4,033 4,033 4,033 4,033 4,033 4,033 4,033
0,01 6,756 6,756 6,756 6,756 6,756 6,756 6,756 6,756 6,756
0,10 2,969 2 ,969 2,969 2,969 2,969 2,969 2,969 2,969 2,969
5 0,05 3,814 3,814 3,814 3,814 3,814 3,814 3,814 3,814 3,814
0,01 6,074 6,074 6,074 6,074 6,074 6,074 6,074 6,074 6,074
0,10 2,911 2,911 2,911 2,911 2,91 1 2,911 2,911 2,911 2,911
6 0,05 3,697 3,697 3,697 3,697 3,697 3,697 3,697 3,697 3,697
0,01 5,703 5,703 5,703 5,703 5,703 5,703 5,703 5,703 5,703
0,10 2,878 2,878 2,878 2,878 2,878 2,878 2,878 2,878 2,878
7 0,05 3,625 3,625 3,625 3,625 3,625 3,625 3,625 3,625 3,625
0,01 5,472 5,472 5,472 5,472 5,472 5,472 5,472 5,472 5,472
0,10 2,858 2,858 2,858 2,858 2,858 2,858 2,858 2,858 2,858
8 0,05 3,579 3,579 3,579 3,579 3,579 3,579 3,579 3,579 3,579
0,01 5,309 5,313 5,317 5,317 5,317 5,317 5,317 5,317 5,317
0,10 2,846 2,846 2,846 2,846 2,846 2,846 2,846 2,846 2,846
9 0,05 3,547 3,547 3,547 3,547 3,547 3,547 3,547 3,547 3,547
0,01 5,185 5,193 5,202 5,205 5,206 5,206 5,206 5,206 5,202
0,10 2,839 2,839 2,839 2,839 2,839 2,839 2,839 2,839 2,839
10 0,05 3,525 3,525 3,525 3,525 3,525 3,525 3,525 3,525 3,525
0,01 5,087 5,098 5,112 5,117 5,120 5,122 5,123 5,124 5,112
0,10 2,835 2,835 2,835 2,835 2,835 2,835 2,835 2,835 2,835
li 0,05 3,509 3,510 3,510 3,510 3,510 3,510 3,510 3,510 3,510
. 0,01 5,009 5,021 5,039 5,045 5,050 5,054 5,057 5,059 5,039
0,10 2,833 2,833 2,833 2,833 2,833 2,833 2,833 2,833 2,833
12 0,05 3,495 3,498 3,498 3,498 3,498 3,498 3,498 3,498 3,498
0,01 4,944 4,957 4,978 4,986 4,993 4,998 5,002 5,005 4,978
0,10 2,832 2,832 2,832 2,832 2,832 2,832 2,832 2,832 2,832
13 0,05 3,484 3,488 3,490 3,490 3,490 3,490 3,490 3,490 3,490
0,01 4,889 4,904 4,927 4,936 4,944 4,950 4,955 4,960 4,927
Continua ...
195
Décio Barbin
n' - número de graus de liberdade do resíduo
n (X n
2 3 4 5 6 7 8 9 10 11
0, 10 2,491 2,616 2,689 2,739 2,771 2,794 2,810 2,820 2,827 2,831
14 0,05 3,033 3,178 3,268 3,328 3,371 3,402 3,426 3,444 3,457 3,467
0,01 4,210 4,390 4,508 4,591 4,654 4,703 4,743 4,775 4,802 4,824
0,10 2,479 2,605 2,681 2,730 2,764 2,788 2,805 2,817 2,825 2,830
15 0,05 3,014 3,160 3,250 3,312 3,356 3,389 3,413 3,432 3,446 3,457
0,01 4,167 4,346 4,463 4,547 4,610 4,660 4,700 4,733 4,760 4,783
0,10 2,469 2,596 2,672 2,723 2,759 2,784 2,802 2,814 2,824 2,830
16 0,05 2,998 3,144 3,235 3,297 3,343 3,376 3,402 3,422 3,437 3,449
0,01 4,131 4,308 4,425 4,508 4,572 4,622 4,662 4,696 4,724 4,748
0,10 2,460 2,587 2,665 2,717 2,753 2,779 2,798 2,812 2,822 2,829
17 0,05 2,984 3,130 3,222 3,285 3,331 3,365 3,392 3,412 3,429 3,441
0,01 4,099 4,275 4,391 4,474 4,538 4,589 4,630 4,664 4,692 4,717
0,10 2,452 2,580 2,659 2,711 2,749 2,776 2,795 2,810 2,821 2,829
18 0,05 2,971 3,117 3,210 3,274 3,320 3,356 3,383 3,404 3,421 3,435
0,01 4,071 4,246 4,361 4,445 4,509 4,559 4,601 4,635 4,664 4,689
0, 10 2,445 2,574 2,653 2,706 2,744 2,772 2,793 2,808 2,820 2,828
19 0,05 2,960 3,106 3,199 3,264 3,311 3,347 3,375 3,397 3,415 3,429
0,01 4,046 4,220 4,335 4,418 4,483 4,533 4,575 4,610 4,639 4,664
0,10 2,439 2,568 2,648 2,702 2,741 2,769 2,791 2,807 2,819 2,828
20 0,05 2,950 3,097 3,190 3,255 3,303 3,339 3,368 3,390 3,409 3,423
0,01 4,024 4,197 4,312 4,395 4,459 4,510 4,552 4,587 4,617 4,642
0,10 2,416 2,546 2,628 2,685 2,726 2,758 2,782 2,800 2,815 2,827
25 0,05 2,913 3,059 3,154 3,221 3,271 3,310 3,341 3,366 3,386 3,403
0,01 3,942 4,112 4,224 4,307 4,371 4,423 4,466 4,502 4,532 4,559
0,10 2,400 2,532 2,615 2,674 2,717 2,750 2,776 2,796 2,813 2,826
30 0,05 2,888 3,035 3,131 3,199 3,250 3,290 3,322 3,349 3,371 3,389
0,01 3,889 4,056 4,168 4,250 4,314 4,366 4,409 4,445 4,477 4,504
0,10 2,370 2,504 2,590 2,652 2,698 2,735 2,764 2,788 2,808 2,825
50 0,05 2,841 2,988 3,084 3,154 3,208 3,251 3,286 3,315 3,340 3,362
0,01 3,787 3,948 4,057 4,138 4,202 4,254 4,297 4,335 4,367 4,395
0,10 2,363 2,497 2,584 2,646 2,693 2,731 2,761 2,786 2,807 2,825
60 0,05 2,829 2,976 3,073 3,143 3,198 3,241 3,277 3,307 3,333 3,355
0,01 3,762 3,922 4,031 4,111 4,174 4,226 4,270 4,307 4,340 4,368
0, 10 2,348 2,483 2,571 2,635 2,684 2,723 2,755 2,782 2,805 2,824
100 0,05 2,806 2,953 3,050 3,122 3,177 3,222 3,259 3,290 3,317 3,341
0,01 3,714 3,871 3,978 4,057 4,120 4,172 4,215 4,253 4,286 4,315
Continua...
196
n' - número de graus de liberdade do resíduo
n a n
12 13 14 15 16 17 18 19 20
0,10 2,833 2,833 2,833 2,833 2,833 2,833 2,833 2,833 2,833
14 0,05 3,474 3,479 3,484 3,484 3,484 3,484 3,484 3,484 3,484
0,01 4,843 4,859 4,884 4,894 4,902 4,909 4,916 4,921 4,884
0,10 2,833 2,834 2,834 2,834 2,834 2,834 2,834 2,834 2,834
15 0,05 3,465 3,471 3,476 3,478 3,480 3,480 3,480 3,480 3,480
0,01 4,803 4,820 4,834 4,846 4,857 4,866 4,874 4,881 4,887
0,10 2,833 2,835 2,836 2,836 2,836 2,836 2,836 2,836 2,836
16 0,05 3,458 3,465 3,470 3,473 3,476 3,477 3,477 3,477 3,477
0,01 4,768 4,785 4,800 4,813 4,825 4,835 4,843 4,851 4,858
0,10 2,834 2,837 2,838 2,838 2,838 2,838 2,838 2,838 2,838
17 0,05 3,451 3,459 3,465 3,469 3,472 3,474 3,475 3,475 3,475
0,01 4,737 4,755 4,771 4,785 4,797 4,807 4,816 4,824 4,832
0,10 2,834 2,838 2,840 2,840 2,840 2,840 2,840 2,840 2,840
18 0,05 3,445 3,454 3,460 3,465 3,469 3,472 3,473 3,474 3,474
0,01 4,710 4,729 4,745 4,759 4,771 4,782 4,792 4,801 4,808
0,10 2,834 2,839 2,841 2,843 2,843 2,843 2,843 2,843 2,843
19 0,05 3,440 3,449 3,456 3,462 3,466 3,469 3,472 3,473 3,474
0,01 4,686 4,705 4,722 4,736 4,749 4,760 4,771 4,780 4,788
0,10 2,835 2,839 2,843 2,845 2,845 2,845 2,845 2,845 2,845
20 0,05 3,435 3,445 3,452 3,459 3,463 3,467 3,470 3,472 3,473
0,01 4,664 4,684 4,701 4,716 4,729 4,741 4,751 4,761 4,769
0,10 2,836 2,843 2,849 2,853 2,856 2,858 2,859 2,860 2,860
25 0,05 3,417 3,429 3,439 3,447 3,454 3,459 3,464 3,468 3,471
0,01 4,582 4,603 4,621 4,638 4,652 4,665 4,677 4,688 4,698
0,10 2,837 2,846 2,853 2,859 2,863 2,867 2,869 2,871 2,873
30 0,05 3,405 3,418 3,429 3,439 3,447 3,454 3,460 3,466 3,470
0,01 4,528 4,550 4,569 4,586 4,601 4,615 4,628 4,640 4,650
0,10 2,839 2,851 2,862 2,871 2,879 2,885 2,891 2,896 2,901
50 0,05 3,380 3,396 3,410 3,423 3,434 3,444 3,453 3,461 3,468
0,01 4,421 4,443 4,464 4,482 4,499 4,515 4,529 4,542 4,554
0,10 2,840 2,853 2,864 2,874 2,883 2,890 2,897 2,903 2,908
60 0,05 3,374 3,391 3,406 3,419 3,431 3,441 3,451 3,460 3,468
0,01 4,394 4,417 4,437 4,456 4,474 4,489 4,504 4,518 4,530
0,10 2,841 2,856 2,869 2,881 2,891 2,901 2,909 2,917 2,924
100 0,05 3,361 3,380 3,396 3,411 3,424 3,436 3,447 3,457 3,467
0,01 4,341 4,364 4,385 4,405 4,422 4,439 4,454 4,468 4,482
197
Décio Barbin
Tabela 6 - Valores de t de Student em níveis 100 a % de probabilidade

a
GL 0,5 0,4 0,3 0,2 O, 1 0,05 0,02 0,01 0,001
1 1,000 l ,376 1,963 3,078 6,314 12,706 31,821 63,656 636,578
2 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 31,600
3 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 12,924
4 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 8,610
5 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 6,869
6 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 5,959
7 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 5,408
8 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 5,041
9 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 4,140
15 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,922
19 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,850
21 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,819
22 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,792
23 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,768
24 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,745
25 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,725
26 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,689
28 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,674
29 0,683 0,854 1;055 1,311 1,699 2,045 2,462 2,756 3,660
30 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,646
40 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 3,551
60 0,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 3,460
120 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 3,373
00 0,675 0,842 1,036 1,282 1,645 1,960 2,327 2,576 3,291
198
Planejamento e Análise Estatística de Experimentos Agronô micos
XVI - EXERCÍCIOS
1. Os dados, a seguir, referem-se à altura, em metros, de Pinus elliottii, var. elliottii,

com 1O anos de idade, no espaçamento de 2,0 x 2,5m.
8,46 7 , 50 8,84 l 0,85 8,97

7,28 9,00 8, 7 7 9,08 1 l ,7 3
13 ,6 0 9,06 9 ,2 l l 0,09 l 0, 23
10, 3 8 11 , 00 8,03 10, 83 6,45
10,2 7 8,00 5,20 l 0,94 7, 76
12,3 7 1O, 17 9,5 8 6,68 12,39
9,89 9, 60 5,90 9,13 8,01
9,92 9, 15 12, 06 11,63 8,22
11,65 6,30 10,08 8, 73 7,02
1O, 72 10,97 7 ,53 10,46 8,89
Pede-se:
1.1. Calcular a média, a mediana, a variância, o desvio padrão, o erro padrão da
média, o coeficiente de variação e o intervalo de confiança para a média com
um nível de confiança de 95% de probabilidade.
1.2. Calcular os desvios em tomo da média e colocá-los em um gráfico.
1.3. Eliminar os dados 5,20 e 5,90 e repetir os cálculos de 1. 1 e 1.2.
1.4. Sortear uma amostra de 1O dados e repetir os cálculos de 1.1 e 1.2.
1.5. Discutir os resultados obtidos nos itens 1.3 e 1.4 em relação aos da amostra inicial.
2. Obter informações sobre tamanho de parcelas para experimentos com as seguintes

espécies:
2.1. Vegetais: algodão, soja, eucalipto, abacaxi, manga, fumo, sorgo granífero, alface,
repolho e espécies floríferas.
2.2. Animais: gado bovino de corte, coelhos, frangos e ovinos.
3. Os dados que se seguem referem-se a notas (médias de 6 frutos) atribuídas à

podridão mole de manga (fruto) sob diferentes tratamentos térmicos, de um
experimento inteiramente ao acaso, realizado pelo Prof. Vladimir R. Sampaio, do
Departamento de Horticultura, ESALQ-USP.
199
Déc io Barbin
REPETIÇÃO
TRATAMENTOS
1 2 3 4
TI 1,6 1,7 1,3 1,4
T2 1,2 1,6 1,5 1,1
T3 1,8 1,4 1,2 1,4
T4 2, 1 2,0 1,8 1,5
T5 1,4 1,7 1,8 1, 7
T6 2,6 2,2 1,5 2, 1
T7 1,8 2,5 2,3 1,6
Pede-se:
3.1. Calcular a média, a variância, o desvio padrão e o coeficiente de variação do ensaio.
3.2.Calcular a média, a variância e o coeficiente de variação para cada tratamento.
3 .3. Calcular os desvios em relação ao modelo e construir um gráfico dos resíduos
padronizados.
3.4.Calcular o Fmáximo e verificar sua significância;justifique o resultado.
3.5.Fazer a análise de variância e discutir os resultados.
4. Considere a análise da variância dos dados de podridão mole de manga referente ao

item3.5:
4.1.Aplique o teste de Tukey, ao nível de 5% de probabilidade, na comparação das
médias de tratamentos.
4.2.Obtenha as probabilidades (l-a.l- 1, de que não apontemos, como significativa,
uma diferença realmente nula, entre duas médias de tratamentos, caso fosse
aplicado o teste de Duncan. (Use a= 0,05).
4.3 .Decomponha a SQTratamentos num grupo de 6 contrastes ortogonais e verifique
a significância do teste F para esses contrastes, sabendo-se que:
T 1: imersão por 3 minutos em solução à temperatura ambiente, contendo Kasumim 0,2%;
T 2 : idem, porém com Kasumim 0,3%;
T 3 : idem, porém com Kasumim 0,4%;
T4: imersão por 3 minutos em solução à temperatura ambiente, contendo Botran 0,100%;
T 5 : idem, porém com Botran O, 125%;
T 6: idem, porém com Botran 0,150%; e
T 7 : controle, lavagem dos frutos em água corrente.
4.4. Calcule o nível de significância conjunto [1- (1- a)"]= na, para essa decomposição.
200
5. Considere os dados do exercício 3, referentes às notas atribuídas à podridão mole

da manga, de um ensaio inteiramente ao acaso.
Pede-se:
5.1. Montar as matrizes X X' X M 13" e X' Y·
' ' ' '
5.2. Obter as estimativas da média geral e dos efeitos de tratamentos;
5.3. Obter
SQTrat. = L ti 1';
i
SQResíduo = iY;~ -
1,J
SQParâmetros
5.4. Verificar se os erros (e..IJ) têm distribuição normal, através do teste de Lilliefors.
Se não houver normalidade, o que você sugere?
6. Considere a análise de variância dos dados originais de podridão mole de manga, em que:
SQTrat. = 2,1286, com 6 g.l. e
SQRes. = 1,9100, com 21 g.l.
Pede-se:
6.1. Aplicar o teste t na verificação de significância dos 6 contrastes ortogonais
estabelecidos ao desdobrar a S.Q.Trat. (item 4.3).
6.2. Aplicar o teste de Scheffé aos contrastes
Discuta a conclusão obtida para este 2º contraste, em relação à obtida pelo Tukey.
6.3. Verificar se os quadrados dos valores do teste t, obtidos no item 6. 1, dão os valores
do teste F, do item 4.3.
7. Considere os mesmos dados sobre podridão mole da manga, exercício 3, e suponha

que foram perdidas a observação do tratamento 6 na 1ª repetição e a do tratamento
3 na 2ª repetição.
201
Décio Barbin
Pede-se:
7.1. Fazer a análise de variância e obter o C.V. do ensaio.

7.2. Aplicar o teste de Tukey na comparação das médias de tratamentos, ao nível de
5% de probabilidade.
8. Os dados, a seguir, referem-se às alturas, em cm, de mudas de E. saligna Sm., de

um ensaio inteiramente casualizado, de controle químico de "Damping-off'conduzido
por KRUGNER (1971).
REPETIÇÕES
TRATAMENTOS
I II III
T1 = Vapan s / fungicida 4 , 65 5 , 18 5,52
T2 = Vapan + Dithane M-45 4 , 86 4, 81 4 , 51
T3 = Vapan + Thiran 4,54 4 , 39 5,20
T4 = Brometo de metila si fungicida 4,55 5 , 16 6,00
T s = Brometo de metila + Dithane M-45 4,73 5,51 5,09
T6 = Brometo de metila + Thiran 4,54 5 , 81 4,77
T 1 = Basamid si fungidida 3,89 4,74 5 , 43
Ts = Basamid + Dithane M-45 3, 91 5, 75 4 , 52
T9 = Basamid + Thiran 5,61 5,40 5, 1O
T 10 = PCNB si fungicida 2 ,68 2,65 2,56
T 11 = PCNB + Dithane M-45 2,90 2 , 71 2,93
T 12 = PCNB + Thiran 2,78 2,84 2,30
T 13 = Testemunha si fungicida 3,48 2,75 3,06
T14 = Testemunha+ Dithane M -45 2,65 2,4 7 2,83
T 15 = Testemunha + Thiran 2,50 2,60 2,66
202
Pede-se:
8.1. Fazer a análise da variância e obter o C.V. do experimento.
8.2. Fazer o desdobramento dos graus de liberdade de tratamentos sabendo-se que:
- Os fungicidas Vapan, Brometo de Metila, Basamid e PCNB são aplicados no solo
(para matar o agente causador da doença).
- Vapan, Brometo de Metila, Basamid são fumigantes (poder residual pequeno no
solo) enquanto que o PCNB é não fumigante (poder residual grande no solo).
- Vapan é líquido, Brometo de Metila é líquido sob pressão e Basamid é granulado.
- Os fungicidas Dithane + Thiran (carbamatos) são de pulverização foliar.
- Na prática não há interesse na comparação entre fungicidas de solo e de parte aérea.
8.3. Obter a probabilidade de se declarar significativo pelo menos um contraste por simples
acaso, isto é, a' = 1 - (1 - a y , em que: n = nº de contrastes ortogonais testados.
9. Num ensaio de competição de 13 clones de laranja Pera-do-Rio, conduzido pelo Dr.

Joaquim Teófilo Sobrinho, na Estação Experimental de Limeira, do IAC, foram obti-
dos os seguintes resultados de produção, em kg de frutos/planta, no ano de 1987
(plantas com 16 anos de idade):
BLOCO 1 BLOCO 2 BLOCO 3

TRATAMENTOS
PLT 1 PLT 2 PLT 1 PLT 2 PLT 1 PLT 2
Umbigo 36,50 32,40 28, 1O 35,60 39,80 45,l O
Pé Franco 71,40 109,70 62,80 57,00 102,60 23 , 1O
Prem un ízada l 04,90 72,00 59,20 89,20 38,70 103 ,10
Ipiguá CV 2 71 ,20 58,00 91,60 93,60 44,30 26,20
Messias CV 73,20 47,20 47,80 50,00 50,40 29,90
Stª. Irene CN 87,70 41,3 O 45,70 73 ,00 49,20 70,20
Tardia CV 4 74,20 5,60 18,20 20, 1O 23,40 28,30
Ipiguá CV 1 41,60 57 ,30 41,50 26,00 32,50 27,20
Bianchi 85,20 66,30 79,00 82, 1O 51 ,20 98,60
St'. Tereza 36,90 30,1 O 29,60 28, 1O 31,30 31,80
Paulo Rosa 57,30 23,00 29,50 0,00 14 ,50 34,20
Tardia CV 3 10 ,00 12,1 O 4,40 15 ,SO 4,00 9,50
Cassiano 2 59,70 33,80 2,40 11 ,3 O 10,20 14,40
Obs.: Duas plantas/parcela; PLT = planta.
Pede-se:
9 .1. Fazer a análise da variância, incluindo a causa de variação: "Entre plantas d. parcela";
9.2. Estimar os componentes de variância eu; a;
e concluir sobre o tamanho da parcela;
9.3. Fazer a análise da variância com as produções médias das parcelas;
9.4. Aplicar o teste de Tukey na comparação das médias de Tratamentos (clones).
203
Décio Barbin
1O. Os dados, a seguir, referem-se à produção média (2 plantas) de frutos, em kg/planta,

da laranjeira Pera-do-Rio, enxertada sobre I 3 clones, de um ensaio em Blocos
Casualizados, com duas parcelas perdidas:
TRATAMENTOS BLOCO l BLOCO2 BLOCO3
Umbigo 34,45 31,85 42,45

Pé Franco 90,55 59,90 62,85
Premunizada 88,45 74,20 70,90
Ipiguá CV 2 64,60 92,60 35,25
Messias CV 60,20 48,90 40,15
St'. Irene CN 64,50 59,35 59,70
Tardia CV 4 X 19, 15 25,85
Ipiguá CV 1 49,45 33,75 29,85
Bianchi 75,75 80,55 74,90
St'. Tereza 33,50 28,85 31,55
Paulo Rosa 40,15 y 24,35
TardiaCV3 11,05 9,95 6,75
Cassiano 2 46,75 6,85 12,30
Pede-se:
10.1 . Fazer a análise da variância e comparar as médias pelo teste de Tukey.
10.2. Calcular a média harmônica do número de repetições e aplicar o teste de
Tukey na comparação das médias de tratamentos.
11. Considere, para os dados do experimento de competição de 13 clones de laranja

Pera-do-rio, que se perdeu a parcela relativa ao clone Tardia cv 3, no 2º bloco
(quadro de médias).
Pede-se:
11.1. Fazer a análise de variância para a produção média, em kg por parcela, usando
as expressões de y (estimativa da parcela perdida) e de U (correção da
SQTratamentos).
11.2. Aplicar o teste de Tukey na comparação das médias de tratamentos usando a
expressão da V(Y) em que y inclui a média do Tratamento onde ocorreu a
parcela perdida.
11.3. Fazer a mesma análise usando o método para dados não balanceados e
comparar resultados obtidos pelos dois métodos.
204
P lanejamento e Aná lise Estatística de Experi mentos Agronômicos
12. Os dados, a seguir, referem-se aos ganhos de peso, em kg, de suínos, num período de
252 dias. O experimento foi em quadrado latino e foram testados 4 tratamentos:
A - Castração aos 56 dias de idade;
B - Animais inteiros (sem castração);
C - Castração aos 7 dias de idade; e
D - Castração aos 21 dias de idade.
Os dados são adaptados do livro de GOMES, 2000.
COLUNAS (Pesos dos Leitões)

LEITEGADA 1 2 3 4
1 93,0(A) 108,6(B) 108,9(C) 102,0(D)
2 l 15,4(B) 96,S(D) y(A) 100,2(C)
3 102,l(C) 94,9(A) l 16,9(D) 96,0(B)
4 117,6{D} 114,l(C} 118,7(B} 97,6(A}
Obs.: Cada parcela era constituída de 1 leitão.
Sendo y uma parcela perdida, pede-se:

Fazer a análise da variância e comparar as médias de tratamentos, pelo teste de Tukey,
sabendo-se que:
r(L+C+T)-2G
y=
(r-J)(r-2)
onde L, C e T, são respectivamente, os totais das parcelas existentes para linha, coluna
e tratamento, onde ocorreu a parcela perdida; ré o número de repetições ou tratamentos
e G é o total geral das parcelas existentes.
U
= (!..::J)
r
1
[
y
_ r(L + C)-G]
(r-1)1
1
é a correção da SQ Tratamentos;
· · [2
V(Y) = ; + -(r---1(-,.-_2-) I ] QM Res. ,
é a estimativa da variância da estimativa do contraste que envolve uma média de

tratamento qualquer e a média do tratamento onde ocorreu a parcela perdida.
205
Décio Barbin
13. Os dados que se seguem referem-se a diâmetro médio ( cm), aos 5 anos de idade,
das plantas úteis de cada parcela, de um ensaio fatorial 2 x 4, em blocos casualizados
com 3 repetições, conduzido por H.A. Mello e outros. Mogi-Guaçu ( 1966-1971 ).
Espéci es B lo cos Totais

Espaça mento
1 II III
E. salign a (3,0 X 1,5 m) l 0 ,69 l 0 ,05 l 0 ,31 31,05
E. salign a (3,0 X 2,0 m) 12,95 10,99 12,37 36 ,31
E. grandis (3,0 X 1, 5 m) 9,68 l 0 ,58 10 ,44 30 ,70
E. grandis 3,0 X 2,0 m) l l ,78 12,28 12,82 36,88
E. alba (3,0 X 1,5 m) 9,59 9, 78 l O, 17 29,54
E. alba (3,0 X 2,0 m) l 1,46 10,89 10,97 3 3 ,32
E. propinqua (3,0 X 1,5 m) 9,40 7 ,50 8,66 25,56
E. propinqua (3,0 X 2,0 m) l 0,02 l 0,45 1o, 71 3 1, I 8
Totais 85,57 82,52 86,45 254,54
Pede-se:
13 .1. Verificar graficamente se existe interação entre espécies x espaçamento.
13.2. Fazer a análise da variância com desdobramento do número de graus de liberdade
de tratamento no esquema fatorial e tirar conclusões sobre o teste F.
13.3. Fazer o desdobramento do número de g.1. de espécies (S) mais o da interação
(S x E). Tirar conclusões.
13.4. Fazer o desdobramento do número de g.1. de espaçamentos (E) mais o da
Interação (S x E). Tirar conclusões.
13.5. Obter o C.V. do ensaio.
13.6. Fazer o teste de Tukey, ao nível de 5% de probabilidade, para comparação das
médias duas a duas (Obs: Se a interação não foi significativa para as médias marginais;
se a interação foi significativa para as médias de um fator dentro do outro).
14. Os dados que se seguem referem-se à produção de milho, em kg/ha, de um ensaio de

adubação NPK, 23, em blocos ao acaso, realizado em Limoeiro, PE.
BLOCOS
TRATAMENTOS 1 li III Totais
000 1084 1640 1667 4391
001 9 45 2363 722 4030
010 111 2 1307 13 89 3808
011 1807 1446 1667 4920
100 3614 1918 2 76 8 8300
1O1 1918 2419 2139 6476
J IO 3558 328 0 2917 9755
111 283 6 2419 2278 7533
TOTAIS 16874 16792 15547 49213
206
Pede-se:
14. l. Fazer a análise da variância e concluir sobre os testes F.
Obter a' = [1-(1- a)"], em que n = nº de contrastes.
14.2. Desdobrar o número de g.l. da interação NxK mais o de N e tirar conclusões.
Obter a' .
14.3. Desdobrar o número de g.l. da interação Nx.K mais o de K e tirar conclusões.
Obter a ' .
Obs.: Dosagens usadas (kg/ha):
N: 0 - 50
~O: 0-30
15. Os dados abaixo referem-se às produtividades de algodão herbáceo, em kg/ha, de

um ensaio de adubação NPK, 33 , com confundimento (grupo w), com uma só repe-
tição, realizado em Pernambuco.
lºBLOCO 2ºBLOCO 3ºBLOCO

Trat. Prod. Trat. Prod. Trat. Prod.
000 2014 001 1250 002 2222
012 1944 010 1944 011 1944
021 1458 022 1875 020 1736
101 1736 102 2292 100 1597
110 1875 111 1667 112 1944
122 2569 120 1458 121 1805
202 2639 200 1597 201 2361
211 2153 212 2083 210 1468
220 1597 221 1667 222 1667
Pede-se:
15.1. Fazer a análise de variância e concluir sobre o teste F.

15.2. Fazer análise de regressão polinomial para N, P e K.
15.3. Discutir os resultados.
15.4. Construir um novo grupo de confundimento, tomando
x 1+ x2+ ·x, = o, l, 2 .
207
Décio Barbin
Doses:
N= O, 40, 80
P= o, 60, 120
K= o, 60, 120
16. Os dados que se seguem referem-se à produtividades (t/ha) de cana-de-açúcar,

cultivar CB-43-5, obtidos de 2 sistemas de plantio nos dois primeiros cortes (cana
planta e cana soca) em um ensaio em ''split-plot" - Inteiramente ao acaso.
Cortes
Totais
Cana Plant a Cana Soca
92, 9 84,5 177 ,4
12 8, 6 86,7 215 , 3
121 , 7 84,5 206,2
122,8 77, 0 199,8
Sulcos 1 18, 1 88, 1 206,2
Simple s 115, 7 82,4 198, 1
121,4 84, 0 205 , 4
126,9 88,8 215 , 7
118 , 1 85, 7 203 , 8
122,4 78,8 201,2
Totais 1188,6 840, 5 2029, 1
122, 5 84,5 207,0
110, 0 85,0 195 , 0
115,0 85 ,5 200,5
125,0 88 , 0 213 , 0
Sulcos 105,0 86, 7 191, 7
Duplos 110, 0 80, 7 190, 7
1 15, O 88,3 203,3
105 , 0 89,3 194,3
108,5 94,3 202,8
118, 3 90,0 208,3
Totais 1134, 3 872,3 2006,6
Fonte: Superintendência Geral do Planalsucar, Piracicaba.
Obs: Espaçamento entre sulcos simples: 1,40 m

Espaçamento entre sulcos duplos: 0,60 m x 1,40 m
Pede-se:
16.1. Fazer a análise da variância.
16.2. Fazer os possíveis desdobramentos de número de graus de liberdade.
16.3. Tirar conclusões.
208
Planejamento e Análise Estatística de Experimentos Agronômicos.
17. Os dados de produtividade de ta.ranja, e111 kg/planta (média de 2 plantas), referem-se

a um ensaio em blocos ao acaso de espaçamento de larnnjeira Valência (clone novo)
sobre trifo-l iata reali,zado na Estação Experimental de Limeira (IAC)_ Os
espaçamentos ( em m) utilizados foram: 6x2, 6x3, 6x4, 6x.5, 6x6. As.colheitas foram
realizadas de 1975 a 1979.
Anos Esp . Btocos, 1
Tetaiis
1 n nr tV 1
1
6X2 i 9,01 5,25 8, 7,Q: J , 50 1 2:6,4-5
:
6:d i 4,2.5 2',25 2',60 7',J.'j E6,415
1975 6x4 1 7,.00, 5., L0 8.,0,0! 3,85 1
n.,s
6x5 5,50: 4,80, 3', JO 6 ,4.5, 20,05
6x6 , 4,015 3:,85 9,, 50 3,75 ZI , 15
Totais 1
29•,8:Q\ 2t.25 J2,l0 2~.9:0i : 108:. 05
6x2 , t s:, 25 2I,80 2(i),,401 20,,25 1 80,70
6-x 3 1
16, 3'0: Et. rs. U2,J5 24,E0 1 63-,90
1976 6x4 i 21 .40, n,55 ~9.rs. n ·,J.s 1
76,45
6x5 17, 05 13',J:5 1s.rn Ls·, 90 1 64,40
6x6
Totais
19.301
92, 301
14.15
78 ,.oo.
24\ 301
91I,30·
13,25 .
94,8:5
·ºº
7, i
J.56,45,
6x2 ' 32', 5()1 J.6,6,5 22,70 1
8,l5 S0, 60
1: 6x.3 23,05 2'6,EO: 2f,9J5 2:S., 6',0 96,70
1 1
19'·7 7 6x4 18, 05 23,JO 27!,S.5 26,&0 95.70
6x.5 , 22. 05 2:I,25 16.,25, 15,,JO 74.85
' ó x:6, 1
1 28.1!5 28,.55 29'.rn t8 .50 1 ro4.JO
Totais· · 123,80 l 15.8:5 EE7'.55 94,95 1 452 , 15
6x2 ' 48 . 90 56/ 15 48'.,2:0 68.,40
1
1
222,25
6x3 ' 55,35 41,&5 47.~5 54,35 1'>8.. 70
1' 978 6.x4 60,, 60 57,70 6,1,2:0, 53',05 1 232,55
' 6x.5 51,80, 59,.45 4$,0'5,
1
1
58. 45 1 2f1, 75
6x6 70,50 58,55 67, 00 49,3'5 . 245,40
Totais 28 7, 15 274,3'0 271 , 60 28'3 ,60 1116,65
6x.2 12,00 23,H 26,35 19,15 80,65
6x3 3'5,35 24,25 36,,7i5 19,.75 Et6,!0
1979 6x:4 n .1s 25, 00' 35, 001 2:t,75 ' 99,50
6-x5 34,00 11,9,0 J.2,00, 8 ,50 · 86,40
1
1
6x6 27 , 50 29,85 22,501 22,75 102,60
Totais 126,60 l 14,,L 5, 152, 60, 91,,90 ' 485,25
Pede-se:
17.1. Fazer a análise de variância conjunta.

17.2. Obter os coeficientes de variação.
17.3. Fazer o desdobramento do número de g.l. de anos mais o da interação AxE.
17.4. Fazer a análise de regressão até 2°·grau para anos dentro de cada Espaçamento.
Estabelecer as equações de regressão e obter os coeficientes de determinação.
209
Décio Barbin
18. Os dados que se seguem referem-se à altura (em m) de plantas de eucalipto com 3
anos de idade de ensaios inteiramente ao acaso com 5 repetições e 4 tratamentos
(espécies) conduzidos pelo Instituto Florestal, Tupi, SP. Todos os ensaios receberam
uma calagem e uma adubação completa.
Ensaio 1 - Araraquara
~
T
E. sa ligna
1
3,6
2
3,2
3
3,4
4
3,7
5
4,0
Totais
17,9
E. tere ticornes 3,8 3,9 3,7 4,1 4,2 19,7
E. Alba 4,1 3,8 3,4 4,3 4,1 19,7
E. citriodora 2,5 2,8 2,3 2,4 2,2 12,2
69,5
Ensaio 2 - Mogi-Guaçu
----- ...__-!,_ep etições
Tratam en to s -.........______
1 2 3 4 5 Totais
E. saligna 4,3 4,1 3,9 4,2 3,8 20,3

E. tereticornes 3,9 4,2 3,8 4,0 3,9 19,8
E. Alba 4,2 415 3,7 4,0 3,9 20,3
E. citriodora 3,0 2,8 3, 1 2,6 2,7 14,2
74,6
Ensaio 3 - São Joaquim da Barra

---- ---~ e peti ções
1 2 3 4 5 Totais
Tratamentos
E. saligna ----- ----- 3,5 3,3 4,0 3,6 3,5 17,9
E. tereticornes 4,2 4,0 3,4 3,9 3,9 19,4
E. Alba 4,3 4,4 3,9 4,0 4, 1 20,7
E. citriodora 2,4 2,9 2,5 2,7 2,3 12,8
70,8
Ensaio 4 - São Simão
~
T
E. saligna
1
3,4
2
3,2
3
3,8
4
3,7
5
3,6
Totais
17,7
E. tereticor11es 4,0 3,9 4,1 3,8 3,9 19,7
E. Alba 4,5 3,9 4,2 4, 1 4,0 20,7
E. citriodora 2,6 2,3 2,5 2,4 2,2 12,0
70, 1
210
Ensaio 5 -Araras
T
~
E. saligna
1
3,4
2
3,4
3
3,9
4
3,7
5
3,6
Tota is
18,o
E. tereticornes 4,3 4, 1 3,7 3,9 4,0 20,0
E. Alba 4,2 4,5 4,1 4,0 4,2 21,0
E. citriodora 2, 1 2,6 2,3 2,7 2,4 12,1
71,1
Pede-se:
18.1. Fazer as análises da variância individuais.

18.2. Fazer a análise da variância conjunta.
18.3. Tirar conclusões.
21 l
Décio Barbin
XVII - BIBLIOGRAFIA
BO~ G.E.P. Some them~ems on quadratic forms applied in the study of analysis of
variance problems, I. Ann. Math. Stat. v.25, p.290-302, 1954.
BO~ G.E.P.; CO~ D.R. An analysis oftransfonnation. Journal ofthe Royal

Statistical Society, B, London, v.26, p.211-243, 1964.
CAMPOS, H. Estatistica experime111.ta1 não-paramétrica. 4. ed. Piracicaba:

FEALQ, 1983. 349 p.
CAMPOS, H. Estatística aplicada á ex,perinienLação com cana-de-açúcar.

Piracicaba: FEALQ, il.'984. 292 p.
CAVALCANTI, F.B. A ad111bação mineral na cultura do algodão ( Gossypium

hirsutum L.) no Estado de Pernambuco. 1977. l 05 p. Dissertação (Mestrado) -
Escola Superior de Agricultura •HLuiz de Queiroz"/lJS~ Piracicaba, 1977.
COCHRAN, W.G. Toe combination of ·estiro.ates from different experiments.

Biometricsv.10,p.101-129:, 1954.
COCHR.AN" W.G.; 00~ G.M Experimental designs. 2. ed. New York: John
Wtley, 1957. 611 p.
DAVID" H.A. Upper 5 and 1% points of maximum F-ratio. Biometrika, London,, v.39,
p.422-424., 1952.
DEMÉTRIO" C.G.B. Transformação de dados. Efeitos sobre a análise da variância.

Piracicaba, 1978. 113 p. Dissertação (Mestrado) - Escola Superior de Agricultura
4
'Luiz de Queiroz"AfSP, Piracicaba, 1978.
FEDERER., W.T. Experimental design. New York: Mcmillan, 1955. 543 p.
GOMES, F. P. Curso de Estatística Experimental. 14. ed. Piracicaba: Nobel, 2000.

477p.
GOMES, F.P.; NOGUE~ LR. Análise Matemática. Piracicaba; Ave Maria, 1978.
371 p.
HARTE~ H. L. Tables of range and studentized range. Annals of Mathematical

Statistic. Baltimore, v.31, p. 1122-1147, 1960.
212
KRUGNER, T.L. Controle quimico do "damping-off' em eucalipto. Piracicaba, 1971.

60p. Dissertação (Mestrado) - Escola Superior de Agricultura " Luiz de Queiroz"/USP,
Piracicaba, 1971.
PARENTE, R.C.P. Aspectos da análise de resíduos. 1984. 139 p. Dissertação

(Mestrado) - Escola Superior de Agricultura "Luiz de Queiroz"/USP, Piracicaba,
1984.
PERES, C. de A.; SALDIVA, C.D. Planejamento de experimentos. ln: Simpósio

Nacional de Probabilidade e Estatística, 5., São Paulo, 1982.
RAMALHO, M.A.P.; FERREIRA, D.F.; OLIVEIRA, A.C. Experimentação em

Genética e Melhoramento de Plantas. Lavras, MG UFLA, 2000. 303p.
SAS/STAT User's Guide, Version 6. 4. ed. Cary, 1994. 2v.
SCOTT, A. J ; KNOTT, M. A. Cluster Analysis Method for Grouping Means in the

Analysis ofVariance. Biometrics, Raleign, v. 30, n. 3, p. 507-512, 1974.
SIMÕES, J.W.; MELLO, H.A.; BARBIN, D . Eficiência dos aparelhos e influência

do operador na medição de altura total das árvores. O Solo, Piracicaba, v.2, p.57-63,
1967.
STEEL, RG.D.; TORRIE, J.H. Principies and procedures .o f Statistics. New York:
McGraw Hill, 1960. 481 p.
TEÓFILO SOBRINHO, J. Comportamento da laranjeira valência ( Citrus sinensis L.,

Osbeck) sobre diferentes porta-enxertos. 1972. 67 p. Tese (Doutorado)- Escola
Superior de Agricultura "Luiz de Queiroz"/USP, Piracicaba, 1972.
ZAMBÃO, J.C.; SAMPAIO, V.R.; BARBIN, D. Enraizamento de estacas herbáceas

de pessegueiro (Prunus persica L.). Anais da E.S.A. "Luiz de Queiróz", Piracicaba,
v.39,p.1039-1045, 1982.
ZONTA, E.P. Um método de confundimento nos experimentos fatoriais. 1980. 176 p.

Dissertação (Mestrado) - Escola Superior de Agricultura "Luiz de Queiroz"/USP,
Piracicaba, 1980.
213

Planejamento e Analise Estatistica de Experimentos Agronomicos Decio

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Planejamento e Analise Estatistica de Experimentos Agronomicos Decio

Enviado por

Direitos autorais:

Formatos disponíveis

DÉCIO BARBIN

PLANEJAMENTO E ANÁLISE ESTATÍSTICA

EDITORA MECENAS LTDA.

Todos os direitos reservados.

Capa, Projeto gráfico e Editoração eletrônica

Catalogação na publicação elaborada pela Bibliotecária

Dados Internacionais de Catalogação na Publicação (CIP)

B237p Barbin, Décio

1. Estatística Agrícola. 2. Experimentos Agronômicos.

II UNIDADE EXPERIMENTAL OU PARCELA ............................................. 18

m PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO ................................... 21

IV ENSAIOS INTEIRAMENTE AO ACASO .................................................... 23

V TESTES DE COMPARAÇÕES MÚLTIPLAS (OU TESTES DE COMPA-

VII ENSAIOS DE BLOCOS CASUALIZADOS ................................................. 67

VIII ENSAIOS EM BLOCOS CASUALIZADOS COM UMA PARCELA

Deduções das Expressões de y, U e V ( Y), 83

IX ENSAIOS EM BLOCOS CASUALIZADOS COM DUAS PARCELAS ... 91

X ENSAIOS EM QUADRADOS LATINOS ................................................... 101

XII ENSAIOS FATORIAIS DAS SÉRIES 2" E 3" ............................................................................... 121

XIlI ENSAIOS EM PARCELAS SUBDIVIDIDAS ("SPLIT PLOT") .............. 151

XIV ANÁLISE DE GRUPOS DE EXPERIMENTOS ........................................ 174

XV TABELAS ....................................................................................................... 183

XVIl BIBLIOGRAFJ"A ............................................................................................ 212

Este livro contém parte de nossa experiência em assessorias e consultorias em

PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Variação do acaso é toda variação devida a fatores não controláveis. Consideremos

Se chamarmos de y 1. os va lores ou dados observados, de 111 a média verdadeira

Da comparação dos dois gráficos pode-se verificar que na amostra 2 houve

Além dessa visualização gráfica, é possível quantificarmos a variabilidade dos

Variância e Desvio Padrão

Quando se conhece a média verdadeira, a variância é obtida por:

Porém, o mais comum é dispormos de uma estimativa de média e, neste caso,

em que, e; são os desvios,

Em nossas amostras temos:

s~ = 25,67 cm2 e s 2 =4 67 cm2

mostrando que na amostra 2 a variabilidade é menor, ou seja, que na amostra 2 a variação

Uma expressão mais usada para variância é:

em que, yi são os valores observados.

Em nossas amostras temos:

É importante salientar que, na análise da variância, as estimativas de variância

Variância da Média e Erro Padrão da Média

A estimativa da variância da média estimada é calculada pela expressão:

em que, n é o número de observações; e

A estimativa do erro padrão da média é a raiz quadrada da estimativa da

variância da média estimada, logo,

Em nossas amostras temos:

c01n s, (m) =1,91 cm e,

O coeficiente de variação é calculado pela expressão:

CV 100 . 5,07 = 2 ,53% para a primeira amostra, e

lim C.Y.= °"

Será + oo se m tender a zero pela direita e - oo, se tender pela esquerda.

lim C.V.= O. (é uma assíntota horizontal)

Sejam os dados: 1, 2, 3, 4, 5, para os quais temos:

C.V. (%) 52,70 12, 15 2,98 1,53

Observe o que ocorreu com s 2 e com o C.V.

Intervalo de Confiança para a Média

O Intervalo de Confiança para a média nos dá ideia da precisão da estimativa

t é o valor do teste t, obtido em tabelas bilaterais, com (n-1) g.1 . e em um nível a

s( m) é o erro padrão da média.

Em nossas amostras temos:

200 ± 2,45 . 0,82 cm, ou,

com a= 0,05 ou 5% de probabilidade.

II - UNIDADE EXPERIMENTAL OU PARCELA

Unidade Experimental (ou parcela) são os indivíduos (plantas ou animais) aos