Você está na página 1de 31

1 - INTRODUO

Na pesquisa agronmica, a Estatstica experimental uma ferramenta que pode e deve ser utilizada pelos pesquisadores na elucidao de princpios biolgicos e na soluo de problemas agrcolas; para empreg-la eficientemente essencial uma completa compreenso do assunto na qual se vai aplic-la. Desse modo, as consideraes prticas so to importantes como os requisitos tericos, para a determinar o enfoque estatstico ao problema. 1.11.1.1 CONSIDERAES GERAIS Alguns Conceitos

A Estatstica experimental a parte da Matemtica aplicada aos dados experimentais obtidos de experimentos.

Os experimentos ou ensaios so pesquisas planejadas para obter novos fatos, negar ou confirmar hipteses ou resultados obtidos anteriormente. Em outras palavras, so pesquisas planejadas, que seguem determinados princpios bsicos, com o objetivo de fazer comparaes dos efeitos dos tratamentos. Os ensaios podem ser: absoluto quando tem apenas um tratamento e comparativo quando possui mais de um tratamento. Tratamento o objeto da pesquisa, ou seja, a condio imposta a parcela cujo efeito desejamos medir ou comparar em um experimento. Por exemplo: variedade, frmula de adubao, espaamento, densidade, etc. Parcela a unidade em que feita a aplicao casualizada do tratamento, de modo a fornecer os dados experimentais que devero refletir seu efeito. Em outras palavras, a menor poro do material experimental onde os tratamentos so avaliados. Por exemplo, uma parcela pode ser: uma nica planta ou grupo delas, uma rea de terreno com plantas, um lote de sementes, um vaso, uma caixa de madeira, uma gaiola, uma baia, etc. De modo geral, o nmero de indivduos ou rea de uma parcela depende do grau de heterogeneidade do material a ser pesquisado - quanto maior for a heterogeneidade, maior dever ser o nmero de indivduos, a fim de bem representar o tratamento.

Prof: Msc Regiane Slongo Fagundes

O estudo de experimentos, desde o seu planejamento at o relatrio final, constitui o objetivo da Estatstica Experimental.

1.2-

Classificao dos experimentos.

Os experimentos so classificados em aleatrios e sistmicos. Aleatrios: So aqueles cujo no planejamento entra o acaso. Os mais importantes so: Delineamento Inteiramente Casualizado, Delineamento em Blocos

Casualizados e Delineamento em Quadrado Latino. Sistmicos: So aqueles em que os tratamentos a serem avaliados so colocados juntos. Usam apenas o princpio da repetio, o que pode levar a um erro experimental muito grande. 1.3Tipos de Experimentos

Existem trs tipos de experimentos: Preliminar: aquele conduzido dentro de estaes experimentais para a obteno de novos fatos. cientifico, mas apresenta baixa preciso. Prprio para ensaios de introduo de variedades de espcies cultivadas, ou quando se dispe de um elevado nmero de tratamentos e necessrio fazer uma triagem. Crtico: aquele que tem por objetivo negar ou confirmar um hiptese obtida no experimento preliminar e conduzido dentro ou fora das fronteiras das estaes experimentais, Demonstrativo: aquele lanado pela rede de extenso rural. de cunho demonstrativo, pois tem por objetivo demonstrar junto aos agricultores os melhores resultados do experimento crtico. 1.4Tipos de variaes

Na experimentao agrcola ocorrem trs tipos de variaes. Variao premeditada: Se origina dos diferentes tratamentos, deliberadamente introduzidos pelo pesquisador, com o propsito de fazer comparaes.

Prof: Msc Regiane Slongo Fagundes

Variao externa: Ocorre devido a variaes intencionais de causas conhecidas, que agem de modo sistemtico. Por exemplo: heterogeneidade de solo, umidade, temperatura, etc. Variao acidental: que de causa desconhecida, de natureza aleatria e que no est sob o controle do pesquisador. Tal variao que constitui o chamado erro experimental. Esta variao promove diferena entre as parcelas que recebem o mesmo tratamento. Entre as variaes acidentais podemos citar: diferena na constituio gentica das plantas ou animais; ligeiras variaes de espaamento, profundidade da semeadura, quantidade de adubos aplicados, quantidade de rao administrada, etc. Os efeitos da variao acidental, sempre presentes no podem ser conhecidos individualmente e alteram, pouco ou muito, os resultados obtidos experimentalmente. Em virtude disso, o pesquisador tem a obrigao de fazer de tudo o que for possvel para reduzir o erro experimental, a fim de no incorrer resultados dessa natureza. Cabe a ele, pois, verificar se as diferenas observadas no experimento tem ou no valor, ou seja, se so significativas ou no significativas.

1.5-

Forma da parcela

A fim de reduzir o efeito da variao acidental nos experimentos, o pesquisador deve dar ateno especial aos seguintes pontos: forma da parcela, tamanho da parcela, orientao das parcelas, efeito bordadura entre as parcelas, falhas de plantas nas parcelas, nmero de repeties dos experimentos, delineamentos experimentais e a forma de conduo do experimento.

1.5.1 Forma da Parcela

A forma da parcela refere-se razo entre o comprimento e a largura da parcela. A melhor forma da parcela ser, para cada caso, a que melhor controle as variaes acidentais e a que se adapte natureza dos tratamentos a estudar. Tratando-se de parcelas pequenas, a forma tem pouca ou nenhuma influncia sobre o erro experimental. Em parcelas grandes, a forma tem uma influncia notvel. Em geral, as parcelas longas e estreitas so as mais recomendveis: assim, as parcelas de uma repetio tendero a participar de todas as grandes manchas de fertilidade do

Prof: Msc Regiane Slongo Fagundes

terreno que ocupam, e tambm, quando for grande o nmero de tratamentos, o bloco no se afastar muito da forma quadrada, que outra recomendao para se diminuir o efeito da variao ambiental. 1.5.2 Tamanho da Parcela

O tamanho da parcela compreende no apenas a rea colhida, mas toda a rea que recebeu o tratamento. O melhor tamanho da parcela ser aquele que proporcione uma menor variao acidental, desde que no afete a preciso do experimento. Alguns cuidados importantes devem ser tomados, como: a) Tipo do experimento: As prticas relacionadas ao experimento podem determinar o tamanho da parcela. Ensaios com fertilizantes requerem parcelas maiores que estudos de avaliao de cultivares. Experimentos com irrigao ou com prticas de preparo do solo requerem parcelas ainda maiores. b) Heterogeneidade do solo: Quando a heterogeneidade do solo do tipo em retalhos, isto , quando a correlao entre produtividade de reas adjacentes baixa, uma grande parcela deve ser usada. c) Efeito bordadura: Quando tal efeito grande, o tamanho da parcela deve ser maior, para possibilitar que algumas fileiras externas sejam descartadas. d) Disponibilidade de recursos: Se a disponibilidade de recursos for limitada, como por exemplo pequena quantidade de sementes, rea experimental reduzidas, etc., forosamente, as parcelas devero ser menores. e) Caractersticas Avaliadas: Quando diversas caractersticas devem ser medidas, o pesquisador pode necessitar de muitas plantas adicionais para amostragens, especialmente quando a avaliao requer destruio de plantas nos estgios iniciais de crescimento. 1.5.3 Orientao das Parcelas

A orientao das parcelas refere-se escolha da direo ao longo da qual os comprimentos das parcelas sero colocados. A orientao das unidades experimentais pode reduzir ou aumentar os efeitos dos gradientes de fertilidade do campo. Se o terreno tem um gradiente de fertilidade

Prof: Msc Regiane Slongo Fagundes

conhecido, por exemplo, as parcelas de cada repetio ou bloco devem ser colocadas com sua maior dimenso no sentido paralelo ao gradiente. 1.5.4 Efeito da Bordadura entre as Parcelas

Denomina-se efeito bordadura diferena em comportamento entre plantas ao longo dos lados ou extremidades de uma parcela e as plantas do centro dessa parcela. Essa diferena pode ser medida pela altura da planta, resistncia s pragas e molstias, rendimentos de gros e frutos, etc. O efeito bordadura pode ocorrer: quando um espao no plantado deixado entre blocos e entre parcelas; quando determinados tratamentos influenciam nocivamente no comportamento dos tratamentos vizinhos, como por exemplo experimento de competio de cultivares, experimentos com fungicidas, herbicidas, inseticidas, etc. Para minimizar o efeito bordadura, o pesquisador deve tomar as seguintes precaues: a) Evitar o uso de reas no-plantadas para separar parcelas experimentais; b) O nmero de ruas no experimento deve se reduzir ao mximo. c) No medir caracteres agronmicos em fileiras-bordadura que provavelmente, sofreram os efeitos de competio entre parcelas. d) Plantar uma poucas fileiras de um gentipo uniforme ao redor do permetro do experimento, para minimizar o efeito de bordos no-plantados sobre parcelas localizadas ao longo dos lados do campo experimental. e) Quando as variedades a serem avaliadas diferem bastante quanto ao hbito de crescimento, escolher um delineamento experimental que permita agrupamento de variedades homogneas, particularmente pela altura. f) A quantidade de fileiras a excluir depende do tipo de efeito bordadura. Quando houver dvida e quando o tamanho da parcela for bastante grande, excluir pelo menos duas fileiras. No que pese todas as precaues anteriores, o pesquisador deve ter conscincia que, no caso de experimentos de competio de variedades as parcelas experimentais devem ter, no mnimo, trs fileiras, de modo que se possa efetuar a colheita apenas na fileira central, a qual denominada rea til. Alm disso, devem-se eliminar as cabeceiras, plantas estar que se localizam nas extremidades da fileira.

Prof: Msc Regiane Slongo Fagundes

A recomendao acima se fundamenta em resultados experimentais obtidos na literatura em diversas culturas, onde se mostram que, em geral: a) Existe competio entre variedades, na maioria dos estudos. b) A competio, usualmente, confinada a uma fileira de cada lado da parcela. c) A competio entre variedades de hbitos de crescimento semelhantes desprezvel. d) Uma variedade altamente produtiva usualmente, um forte competidor. e) A competio complexa e varia com as condies ambientais. f) Os rendimentos de fileiras no-competitivas so menores variveis que os rendimentos de fileiras competitivas.

1.5.5 - Falhas de Plantas nas Parcelas

Pode-se dizer que uma parcela experimental apresenta falhas quando ela possui um Stand reduzido em relao ao inicial. As falhas de plantas nas unidades experimentais uma das principais causas do erro experimental. Contudo nem todas as falhas influem no erro experimental, s aquelas extrnsecas aos tratamentos so as que influem, tal o caso de morte de plantas devidas as pragas e doenas, empoamento de gua em virtude de desnveis do terreno, etc. Mas apesar de todas as precaues possveis, tomadas pelo experimentador, ocorrem falhas em alguns experimentos, que podem ser de pequena ou grande monta. Se so de pequena monta, digamos de 5% em geral, no constituem um fator srio. Porm, se estiverem no intervalo de > 5% 30%, necessrio recorrer a mtodos de correo de falhas. Se as falhas so maiores de 30% da populao de plantas, prefervel repetir o experimento. Alguns mtodos de correo de falhas so apresentados a seguir: a) Ausncia de correo: O pesquisador ignora a presena de falhas e determina o rendimento da parcela com base na rea escolhida. Aqui assumido que o rendimento de uma falha totalmente compensado pelo aumento em rendimento das covas vizinhas. b) Regra de trs: O pesquisador considera que o rendimento de uma falha igual ao rendimento mdio das outras covas na parcela. Por esse mtodo, admite-se que a presena de uma ou mais falhas no afetam a performance das plantas vizinhas.

Prof: Msc Regiane Slongo Fagundes

c) Regra de trs, considerando a colheita apenas das plantas competitivas: Por esse mtodo, admite-se que a presena de uma ou mais falhas afeta a performance das plantas vizinhas. Dessa forma, todas as plantas

imediatamente a uma falha sero eliminadas e o rendimento da parcela obtido considerando-se apenas as plantas competitivas. d) Uso de frmulas: Por esse mtodo, utilizam-se frmulas para efetuar a correo dos pesos de gros provenientes de parcelas com falhas. Com essa finalidade, vrios Estatsticos desenvolveram tais frmulas de correes de stands de plantas cultivadas. Por exemplo, Zuber (1942) e Leng e Finley (1957) desenvolverm, respectivamente, as seguintes frmulas de correo de stands de milho:

CW = ( H 0, 3M / H M ) FW
CW = peso corrigido; FW = peso de campo; M = nmero de falhas; H = stand inicial.

CW = (1 + 0, 6 M / H ) FW , onde

Todavia, torna-se impossvel o estabelecimento de qualquer formula confivel, para a correo de stands de plantas cultivadas, pois a porcentagem de aumento de rendimento de gros rodeando uma falha varia com a cultivar, o espaamento, o nvel de fertilidade do solo, a poca de plantio, etc. e) Anlise de covarincia: A Anlise de covarincia um mtodo estatstico que combina os conceitos da anlise de varincia e da regresso, de maneira a fornecer uma anlise mais discriminatria do que qualquer um desses mtodos isoladamente. Ele envolve duas variveis concorrentes e correlacionadas as quais, no presente caso, so o rendimento e o nmero de plantas por parcela. Tal mtodo envolve conhecimento de anlise de varincia e de regresso. Contudo, se as pressuposies da anlise de covarincia forem satisfeitas, ela , provavelmente, o melhor procedimento de ajuste de stands.

1.5.6 Nmero de repeties

O nmero de repeties de um experimento depende de vrios fatores: variabilidade do meio em que se realiza o experimento; nmero de tratamentos em

Prof: Msc Regiane Slongo Fagundes

estudo; recursos financeiros, fsico, humano, etc. Quanto maior a variabilidade do meio, maior deve ser o nmero de repeties. O nmero ideal de repeties em um experimento pode ser determinado por meio de ensaios de uniformidade ou por meio de mtodos baseados em resultados anteriores. Tais meios so trabalhosos e nem sempre chegam a resultados satisfatrios. Uma regra prtica, que tem surtido bons resultados na experimentao agrcola e zootcnica, a de que os ensaios devem ter, no mnimo, 20 parcelas e/ou 10 graus e liberdade para o resduo ou erro experimental. 1.5.7 Forma de Conduo dos Experimentos

A escolha do terreno: Para reduzir o erro experimental, necessrio escolher o terreno mais uniforme possvel Plantio: Evitar diferenas nas parcelas, uniformizando o trabalho das mquina e dos homens que sero empregados nas diferentes operaes culturais, evitando diferena de profundidade de semeadura, adubao desproporcional, amontoa, etc. Interrupo de trabalho: Se por algum motivo h necessidade de suspender os trabalho para continuar no dia seguinte, deve-se ter o cuidado de no interromper o trabalho at que haja terminado o servio iniciado em determinado bloco. Conhecimento dos produtos estudados (usados): Conhecer a procedncia de cada um dos produtos estudados e usados no experimento, frmulas qumicas, concentraes e demais caractersticas. Experimentos com rvores frutferas e florestais: Evitar o emprego de rvores provenientes de sementes, pois provavelmente a populao se tornar mais heterognea do que a que provem de enxertia. Quando isso no possvel, ento deve-se selecionar no campo rvores da mesma variedade, idade e vigor, para conduzir o experimento, nem que as mesmas acabem ficando intercaladas com as no selecionadas. Coleta dos dados: O prprio pesquisador dever faz-lo, pois assim, o mesmo ter mais confiana nos dados coletados, ao mesmo tempo que poder tomar conhecimento de fatos imprevistos, que podem explicar resultados finais inesperados.

Prof: Msc Regiane Slongo Fagundes

1.6-

Qualidade de um Bom Experimento

As qualidades de um bom experimento so: a) Simplicidade de execuo No planejamento do experimento, o pesquisador deve ser claro e objetivo, de modo que qualquer pesquisador possa conduzi-lo em alguma eventualidade. b) No apresentar erros sistemticos Evitar erros na demarcao das parcelas e das fileiras de plantas, de modo a proporcionar condies de igualdade para todos os tratamentos no experimento; c) Ter alta preciso Quanto maior a preciso do experimento, menor ser o erro experimental e as concluses obtidas tero maior crdito. d) Ser exato Quando os dados experimentais esto muito prximos dos valores verdadeiros. e) Fornecer amplos resultados o experimento deve fornecer amplos resultados, de modo que as concluses tiradas beneficiem a agricultura e justifiquem os recursos e tempo empregados. 1.7Qualidade de um Bom Pesquisador

Um bom pesquisador deve: ter conhecimento do material que ir trabalhar, da regio que ir desenvolver a pesquisa, e dos princpios da experimentao, pois, caso contrrio, no ir resolver os problemas da regio, nem to pouco tirar concluses que beneficiem a agricultura; ter dedicao, persistncia; ser observador, pois muitas descobertas para agricultura resultaram do senso de observao de muitos

pesquisadores, alem de servir para explicar resultados inesperados na pesquisa; fazer uso do bom senso e ser tico acima de tudo.

Prof: Msc Regiane Slongo Fagundes

ANLISE DE VARINCIA

Um problema que se apresenta com maior freqncia do que outro na analise estatstica o de avaliar se duas ou mais amostras diferem significativamente com relao a alguma varivel. Em funo disso, necessrio um mtodo estatstico para solucionar problemas dessa natureza. Um dos mtodos mais utilizados para solucionar tais problemas conhecido como anlise de varincia. A anlise de varincia foi introduzida por Fischer e essencialmente um processo baseado na decomposio da varincia total existente entre uma srie de observaes, em partes que podem ser atribudas a causas conhecidas e numa parte devida a causas desconhecidas ou no suscetveis de controle. 2.1 Suposies da Anlise de Varincia

Uma anlise de varincia s deve ser aplicada a um conjunto de dados quando este atender quatro pressuposies: aditividade, independncia, normalidade e homocedasticidade dos erros. Para que a aditividade ocorra, os efeitos dos fatores que ocorrem no modelo matemtico devem ser aditivos, ou seja, os efeitos

m , ti e eij devem ser aditivos.

Para que a independncia seja garantida os erros ou desvios eij, devidos ao efeito de fatores no controlados, devem ser independentes para isso, necessrio que as parcelas tenham sido escolhidas levando-se em considerao os critrios de aleatorizao, delineamento e esquema amostral. Para analisar a normalidade dos dados, estes devem se ajustar a uma distribuio normal de probabilidades, ou seja, os erros ou desvios eij, devidos ao efeito de fatores no controlados, devem possuir uma distribuio normal de probabilidade. Quando se verifica a falta de normalidade dos dados, usamos transformaes matemticas, distribudos. Estudando a Homocedasticidade, ou seja, a homogeneidade de varincias, verificaremos que os erros ou desvios eij devidos ao efeitos no controlados, devem possuir uma varincia comum 2. Isto significa que a variabilidade das para que os mesmos sejam normalmente

Prof: Msc Regiane Slongo Fagundes

10

repeties de um tratamento deve ser semelhante outros tratamentos, isto , os tratamentos devem possuir varincias homogneas. Constatada a hetorecedasticidade, devemos verificar se ela regular ou irregular. Regular: devida a falta de normalidade dos dados; Irregular: devida a grande variabilidade dos dados ou tratamentos. Se a hetorecedasticidade for regular, devemos buscar transformaes tal que os dados possam apresentar uma distribuio normal. As transformaes utilizadas so: Transformao de raiz quadrada Transformao angular - arcsen Transformao logartmica -

x;

x / 100 ;
ou

log x

ln x

Se a hetorecedasticidade for irregular, devemos eliminar os dados ou tratamentos discrepantes.

2.2

Testes de Hipteses

A retirada de concluses sobre uma ou mais populaes feita atravs da estimao de parmetros ou pelos testes de hipteses. A estimao de parmetros (a mdia, o desvio padro, etc.) feita por diversos mtodos. Quanto aos testes de hipteses, os mesmos so usados pelos pesquisadores para decidir sobre a aceitao ou rejeio de hipteses. Hipteses so suposies acerca dos parmetros de uma ou mais populaes. Antes de aplicar tais testes, devemos formular as hipteses estatsticas. Podemos considerar duas hipteses, so elas: Para a analise consideraremos as seguintes hipteses: H0: Os Tratamentos Ti = 0, ou seja, no existe efeito tratamento (Hiptese de Nulidade). versus H1: Ti 0, para pelo menos um Tratamento, ou seja, existe efeito Tratamento (Hiptese alternativa). A rejeio de H0 implica a aceitao da hiptese alternativa H1. Ao testarmos as hipteses podemos cometer dois tipos de erros, os quais so: rejeitar H0, quando ela verdadeira (erro tipo I) ou aceitar H0, quando ela falsa (erro tipo II).

Prof: Msc Regiane Slongo Fagundes

11

Dos dois tipos de erros o mais importante o do tipo I. A probabilidade de cometermos o erro do tipo I chamada de nvel de significncia (). Os nveis de significncia mais usuais na rea agrcola so 5% e 1%. O quadro a seguir resume a natureza dos erros envolvidos no processo de deciso quando testamos as hipteses: H0 Verdadeira Rejeio H0 Aceitao H0 Erro do Tipo I Deciso correta H1 Falsa Deciso correta Erro Tipo II

Na execuo de um teste de hiptese estatstica, para que o mesmo tenha validade, devemos levar em considerao as seguintes etapas: Formulao das hipteses; Especificao do nvel de significncia; Escolha do teste estatstico; Determinao da regio crtica; Deciso final.

2.3

A Tabela de Anlise de Varincia

A anlise de varincia uma tcnica que consiste na decomposio da varincia total (e dos graus de liberdade) em partes atribudas a causas conhecidas e independentes (fatores no controlados) e a uma poro residual de origem desconhecida e natureza aleatria (fatores no controlados). Na tabela ANAVA, o valor F, obtido por SNEDECOR, tem por finalidade comparar as estimativas das varincias, utilizando-se do teste de hipteses. Tabela 1: Tabela de anlise de varincia (ANAVA) Causas de variao GL SQ Tratamento Resduo Total k-1 n-k n-1 SQTr SQR SQT

QM QMTr QMR

F F

P-valor

a) Os graus de liberdade: De tratamentos: k - 1 Do total: n-1, com n = kr Do resduo: (n-1)-(k-1) = n-k

Prof: Msc Regiane Slongo Fagundes

12

b) O valor de C, dado pelo total geral elevado ao quadrado e dividido pelo nmero de observaes. O valor de C conhecido como correo:

C=
c) A soma do quadrado total:

( y ) 2 n

SQT = y 2 C
d) A soma do quadrado dos tratamentos

SQTr
e) A soma do quadrado do resduo

T =
r

SQR = SQT SQTr


f) O quadrado mdio de tratamentos

QMTr =
g) O quadrado mdio de resduo

SQTr k 1

QMR =
h) O valor de F

SQR nk QMTr QMR

F=

Para fazermos a anlise e verificar se os Tratamentos so significativos, podemos utilizar a estatstica F ou o P-valor.

Estatstica F Se Fcalculado F
(tabelado),

(*) - rejeitamos a hiptese H0 e verificamos ao nvel de % de

significncia que: Ti 0, para pelo menos um Tratamento, ou seja, existe efeito Tratamento e eles so significativos.

Se Fcalculado < F (tabelado), (ns) - aceitamos a hiptese H0 e verificamos ao nvel de % de

significncia que: Ti = 0, ou seja, no existe efeito Tratamento e eles no so significativos.


P- valor Se P-valor < %, (*) - rejeitamos a hiptese H0 e verificamos ao nvel de % de significncia que: Ti 0, para pelo menos um Tratamento, ou seja, existe efeito Tratamento e eles so significativos. Se P-valor %, (ns) - aceitamos a hiptese H0 e verificamos ao nvel de % de

significncia que: Ti = 0, ou seja, no existe efeito Tratamento e eles no so significativos.

Prof: Msc Regiane Slongo Fagundes

13

EXEMPLO: 1. Em um experimento planejado para verificar o efeito de alguns porta-enxertos para citros no desenvolvimento da laranjeira Pra, MOURO FILHO ensaiou vrias medidas, como a altura das rvores, volume da copa, dimetro do tronco, produo de frutos, etc. Foram utilizados 5 porta-enxertos, que so os tratamentos: T1 = Limoeiro Cravo T2 = Laranjeira Caipira T3 = Laranjeira Trifoliata T4 = Tangerineira Clepatra T5 = Limoeiro Volkamericano A varivel que estudaremos ser a medida do volume das copas, em m3. Os dados se encontram no quadro a seguir: Quadro 1: Volume da Copa (m3) de laranjeira Pra enxertada sobre 5 porta-enxertos. Cultivar Repeties Total T1 5,73 8,97 8,46 9,26 32,42 T2 4,25 7,4 6,45 6,29 24,39 T3 4,43 3,4 4,38 3,78 15,99 T4 12,75 11,9 11,58 15,05 51,28 T5 10,97 11,24 11,91 12,23 46,35 170,43 a) Identifique: O fator; Os nveis; A unidade de anlise; A varivel resposta; O nmero de parcelas;

b) Quais as hipteses a serem testadas sobre o experimento. Complete a Tabela de Anlise de varincia e faa as comparaes das hipteses citadas. Tabela 2: ANLISE DE VARINCIA FV GL cultivar erro Total SQ QM Fc

Prof: Msc Regiane Slongo Fagundes

14

2.4

Os Testes de Comparao de Mdias

A anlise de varincia, como feita usualmente, pressupe a independncia dos efeitos dos diversos tratamentos utilizados no experimento. Quando esse efeito significativo para uma varivel qualitativa, devemos prosseguir para um teste de comparao de mdias. A seguir, ser citado os principais testes utilizados:

2.4.1- Teste de t (LSD) O teste de t, conhecido por LSD (Least Significant Difference), o que menos controla a taxa de erro por experimento e s deve ser usado para realizar comparaes previamente estabelecidas. Uma alternativa para isso, foi proposta por Fisher, que afirma que o teste de t poderia ser usado se fosse detectado um F significativo na anlise de varincia. Este procedimento conhecido por t protegido de Fisher. No entanto, conveniente salientar que muitas vezes ao realizar um experimento, pelo menos um tratamento difere dos demais. Assim o valor de F ser certamente

Prof: Msc Regiane Slongo Fagundes

15

significativo em todos estes casos. Ao realizar o teste de t em situaes como esta, extremamente comum no dia a dia do pesquisador, a taxa de erro por experimento seria elevada, pois temos uma situao de H0 parcial, em que o teste no apropriado. 2.4.2- Teste de TUKEY O teste de Tukey serve para testar qualquer contraste que envolva duas mdias. Por ser um teste rigoroso, geralmente, o teste de Tukey aplicado ao nvel de 5% de probabilidade. Atualmente, o teste de Tukey o teste mais utilizado para comparaes das mdias de um experimento. A diferena mnima significativa estimada para o teste dada por:

dms = = q
em que:

QMR r

representa a diferena mnima significativa (dms) a uma taxa nominal de significncia definida por , geralmente de 5%; q representa o quantil da amplitude estudentizada, que depende do nmero de tratamentos (k) e dos graus de liberdade do resduo (n-k). QMR o quadrado mdio do resduo (ANAVA); r o nmero de repeties, ou de unidades experimentais, com que se estimou cada mdia de tratamento.

2.4.3- Teste SCOTT e KNOTT Este procedimento utiliza um teste de razo de verossimilhana para particionar os nveis de tratamentos em grupos. Estes grupos so bem definidos e no apresentam a ambigidade dos demais PCM. Detalhes deste procedimento podem ser visto em Scott e Knott (1974), Silva (1998), Silva, Ferreira e Bearzoti (1998) e Ramalho, Ferreira e Oliveira (1998). Silva (1998) trabalhando com simulao verificou que o teste tem praticamente o dobro do poder para detectar pequenas diferenas (de at dois erros padro) entre mdias de tratamentos. Por outro lado, o procedimento mostrou ser adequado para controlar a taxa de erro tipo I por comparao, mas mostrou um indicio de no controlar totalmente a taxa de erro tipo I por experimento sob H0 parcial, apesar de controlar adequadamente esta taxa de erro sob H0 total.

Prof: Msc Regiane Slongo Fagundes

16

2.4.4- Teste de DUNCAN O teste de Duncan mais trabalhoso do que os testes anteriores porque exige o clculo de diversas diferenas mnimas significantes. Para aplicar o teste de Duncan preciso ordenar as mdias. Calcula-se ento a diferena mnima significante(d.m.s.) para comparar a mdia maior com a menor. Sempre que duas mdias no so estatisticamente diferentes, no se pode testar as diferenas entre as mdias que esto no intervalo delimitado por aquelas duas mdias. Para fazer o teste usual escrever as mdias em linha e em ordem crescente. Toda vez que a diferena mdia entre duas mdias no significante, sublinha-se o intervalo delimitado por essas duas mdias. Cada comparao no significante deve ser indicada por uma linha, distinta das demais; mdias sublinhadas por uma mesma linha no so estatisticamente diferentes e as diferenas entre elas podem ser testadas. 2.4.5- Teste de DUNNETT O teste de Dunnett deve ser aplicado toda vez que se pretende comparar as mdias dos tratamentos apenas com a mdia do controle ou testemunha. Para se obter a diferena mnima significativa, aplica-se a frmula:

=d
em que:

2 QMR r

representa a diferena mnima significativa (d.m.s.) a uma taxa nominal de significncia definida por %; d representa um valor tabelado, que depende do nmero de graus de liberdade do resduo (n-k), e do nmero de grupos tratados; QMR o quadrado mdio do resduo; r o nmero de repeties, ou de unidades experimentais, com que se estimou cada mdia de tratamento.

Exemplo: Aplicar o teste de comparao de mdias no exerccio anterior.

Prof: Msc Regiane Slongo Fagundes

17

3 TIPOS DE DELINEAMENTOS E ESQUEMA DE DISTRIBUO DE PARCELAS

3.1 - Delineamento Inteiramente Casualizado

O delineamento inteiramente casualizado o mais simples de todos os delineamentos experimentais, e os experimentos instalados de acordo com este delineamento so denominados de experimentos inteiramente casualizados ou experimentos inteiramente ao acaso. Este delineamento apresenta as seguintes caractersticas: Utiliza-se apenas dos princpios da repetio e da casualizao; Os tratamentos so designados s parcelas de forma inteiramente casual com nmeros iguais ou diferentes de repetio; Para a instalao deste experimento em campo, devemos ter certeza da homogeneidade das condies ambientais e material experimental. Freqentemente este experimento mais utilizado em experimentos de laboratrio e nos ensaios com vasos, realizados dentro de casa de vegetao, nos quais as condies experimentais podem ser perfeitamente controladas. Em experimentos realizados em vasos, estes podem ser constantemente mudados de posio, de forma inteiramente casual, para evitar influencias externas sempre sobre os mesmos vasos. O delineamento inteiramente casualizado apresenta, em relao aos outros delineamentos, as seguintes vantagens: um delineamento bastante flexvel; O nmero de repeties pode ser diferente de um tratamento para o outro, embora o ideal que sejam iguais; A anlise estatstica simples; O nmero de graus de liberdade para o resduo o maior possvel; Em relao aos outros delineamentos experimentais, este apresenta as seguintes desvantagens: Exige homogeneidade total das condies amostrais; Pode conduzir a uma estimativa de varincia residual bastante alta, por no usar o principio do controle local; Neste delineamento, as parcelas que recebero cada um dos tratamentos so determinadas de forma inteiramente casual, por meio de um sorteio, para que cada

Prof: Msc Regiane Slongo Fagundes

18

unidade experimental tenha a mesma probabilidade de receber qualquer um dos tratamentos estudados, sem nenhuma restrio de casualizao. Exemplo: Um engenheiro florestal pretende testar a aplicao de vermiculita na formao de mudas de Pinus oocarpa . Foi comparado o efeito de 5 tratamentos, que so: 1 Solo de cerrado (SC) 2 - Solo de cerrado + cama de avirio (SC + CA) 3 Solo de cerrado + cama de avirio + NPK (SC + CA + NPK) 4 - Solo de cerrado + Vermiculita (SC + V) 5 - Solo de cerrado + Vermiculita + NPK (SC + V+ NPK) Para obter resultados bem gerais, que delineamento dever utilizar? Descreva como montaria o experimento.

3.2 Delineamento em Blocos Casualizados

O Delineamento em blocos casualizados tambm denominado de Delineamento em blocos ao acaso ou ainda de Delineamento em blocos completos casualizados e se constitui no mais utilizado de todos os delineamentos experimentais. Sempre que no houver homogeneidade das condies experimentais, devemos utilizar o principio do controle local, estabelecendo, ento subambientes homogneos (blocos) e instalando, em cada um deles, todos os tratamentos, igualmente repetidos. Este experimento utiliza-se de trs princpios bsicos da experimentao: repetio, casualizao e controle local.

Prof: Msc Regiane Slongo Fagundes

19

As principais caractersticas deste delineamento so: a) As parcelas so distribudas em grupos ou blocos (principio do controle local), sendo as mais uniformes possveis, dentro de cada bloco; b) O nmero de parcelas por blocos deve ser mltiplo do nmero de tratamentos; c) Os tratamentos so designados s parcelas de forma casual, sendo esta casualizao feita dentro de cada bloco. No campo recomendvel que os blocos se apresentem com uma forma aproximadamente quadrada, embora muitas vezes eles sejam instalados de forma retangular ou irregular, para que possam apresentar homogeneidade nas suas parcelas. As principais vantagens deste delineamento so: Controla as diferenas que ocorrem nas condies experimentais, de um bloco para outro; Permite utilizar qualquer nmero de tratamentos e de blocos; Conduz a uma estimativa mais exata para a varincia residual; A anlise de varincia relativamente simples, sendo apenas um pouco mais demorada. As principais desvantagens deste delineamento so: Pela utilizao do principio do controle local, h uma reduo no nmero de graus de liberdade do resduo; A exigncia de homogeneidade das parcelas dentro de cada bloco limita o nmero de tratamentos, que no pode ser muito elevado. Exemplo: Um pesquisador dispe de terra de dois tipos distintos, embora semelhantes (de lombada e de encosta). O mesmo deseja fazer um experimento com 4 frmulas de adubao. Para obter resultados bem gerais, que delineamento dever utilizar? Descreva como montaria o experimento.

Prof: Msc Regiane Slongo Fagundes

20

3.3 Delineamento em Quadrado Latino

O delineamento em quadrado latino, apesar de sua alta eficincia, constitui-se no delineamento estatstico menos utilizado na pesquisa agronmica por ter uma flexibilidae muito menor que a dos outros, ou seja, exige que o nmero de tratamentos seja igual ao nmero de repeties. Devido a isso no se usam quadrados latinos no caso de termos mais de 8 tratamentos, pois ento o nmero de repeties seria alto. Por outro lado quadrados latinos 3x3 e 4x4 encerram to poucas parcelas que s podem ser usados se o experimento incluir vrios quadrados latinos. O quadrado latino leva em considerao os trs princpios bsicos da experimentao: repetio, casualizao e controle local. Contudo, possui um controle local mais eficiente que o delineamento em blocos casualizados (controle na horizontal e na vertical). Os tratamentos so distribudos de tal forma que apaream somente uma s vez em cada linha e em cada coluna. As principais vantagens deste delineamento so: Controla a heterogeneidade do ambiente onde ser conduzido; Conduz a estimativa menos elevada do erro experimental. As principais desvantagens so: A anlise estatstica mais demorada; Exige que os blocos fiquem num mesmo local da rea experimental; Exige que o nmero de tratamentos seja igual ao nmero de repetioes; Apresenta o nmero menor de grau de liberdade para o resduo; Exige que o quadro auxiliar da analise de varincia esteja completo para podes efetuar a analise estatstica; H uma reduo de graus de liberdade para o resduo, pela utilizao do principio do controle local;

Exemplo: Um zootecnista quer experimentar 5 Fontes de adubaes nitrogenadas na recomposio de pastagens (F1, F2, F3, F4, F5) com 5 capins distintos (C1, C2, C3, C4, C5) usados para pastagens. Monte o croqui utilizando o delineamento em quadrado Latino.

Prof: Msc Regiane Slongo Fagundes

21

3.4 Experimentos fatoriais

Quando desejamos estudar vrios fatores simultaneamente, utilizamos os experimentos fatoriais, que so aqueles nos quais so estudados, ao mesmo tempo, os efeitos de dois ou mais tipos de tratamentos ou fatores. Cada subdiviso de um fator denominada nvel do fator e os tratamentos nos experimentos fatoriais consistem de todas as combinaes possveis entre os diversos fatores, nos seus diferentes nveis. Os experimentos fatoriais no constituem um delineamento experimental, mas sim um esquema de arranjo de tratamentos, que devero ser distribudos por um delineamento. Devemos sempre fazer uma anlise de varincia preliminar em funo do delineamento utilizado para posteriormente considerarmos: _ Efeito simples de um fator; _ Efeito principal de um fator; _ Efeito da interao entre os dois fatores. As principais vantagens de um experimento fatorial so: Com um nico experimento, podemos estudar os efeitos simples e principais dos fatores e os efeitos das interaes entre eles; Todas as parcelas so utilizadas no clculo dos efeitos principais dos fatores e dos efeitos das interaes, razo pela qual o nmero de repeties elevado ; As desvantagens so: A anlise estatstica mais trabalhosa que nos experimentos simples, e a interpretao dos resultados se torna mais difcil medida que aumentamos o nmero de nveis e de fatores; Dificuldade de uso de Blocos em funo do nmero muito elevado de tratamentos.

EXEMPLO: Um pesquisador pretende estudar os efeitos de 2 variedades (V1, V2) de trigo submetidas a 3 fontes de adubao nitrogenada (A0, A1, A2). Monte o croqui para um experimento fatorial.

Prof: Msc Regiane Slongo Fagundes

22

3.5 Experimentos em parcelas subdivididas

Conhecido como split-splot, estuda ao mesmo tempo os efeitos de dois ou mais fatores (tratamentos). Neste esquema a casualizao dos nveis dos fatores feita em dois estgios que so denominadas parcela que so divididas em parte menores e iguais, denominadas de subparcelas (que constituem a unidade bsica para fins de anlise estatstica). No constitui um delineamento experimental, mas sim um esquema de arranjo de tratamentos, que devero ser distribudos por um delineamento. Sua principal caracterstica que a casualizao feita em dois estgios: Num primeiro estgio, casualizamos os nveis de um fator, nas parcelas (denominados Tratamentos Primrios, Principais ou A); Num segundo estgio, casualizamos os nveis do outro fator, nas subparcelas de cada parcela (denominados Tratamentos Secundrios, Subtratamentos ou B); Nesse delineamento, temos dois resduos: Resduo A: Base de comparao dos Tratamentos Principais, Blocos, Linhas e Colunas; Resduo B; Base de comparao dos tratamentos Secundrios e da Interao dos Tratamentos Principais * Tratamentos Secundrios; Sempre que possvel, deve-se fazer a opo pelo esquema fatorial, para no diminuirmos o grau de liberdade residual dos fatores testados.

Exemplo: Um pesquisador pretende estudar os efeitos de 2 variedades (V1, V2) de trigo submetidas a 3 fontes de adubao nitrogenada (A0, A1, A2). Monte o croqui para um experimento Split-Splot.

Prof: Msc Regiane Slongo Fagundes

23

3.6 Experimentos em faixas

Este experimento constitui uma variao dos experimentos em parcelas subdivididas e so, tambm conhecidos, como split-block designs. Nestes experimentos, os tratamentos das subunidades, em vez de serem casualizados, independentemente, dentro de cada parcela, so casualizados em faixas, dentro de cada bloco. Este experimento pode ser conveniente para facilitar operaes fsicas em experimentos de campo, em que necessrio testar ambos fatores em reas relativamente amplas. Este esquema sacrifica a preciso dos efeitos principais dos fatores para propiciar maior preciso da interao. Como o nmero de grau de liberdade para estimar os dois fatores so, geralmente pequenos, o delineamento no recomendado, ao menos que as consideraes prticas indiquem seu uso.

EXEMPLO: Um pesquisador pretende estudar os efeitos de 2 variedades (V1, V2) de trigo submetidas a 3 fontes de adubao nitrogenada (A0, A1, A2). Monte o croqui para um experimento Split-block designs.

Prof: Msc Regiane Slongo Fagundes

24

EXERCICIO RESOLVIDO 1 - Vamos considerar os dados de um experimento,inteiramente casualizado,com quatro repeties, no esquema fatorial 3x2, para testar o efeito de 3 Recipientes (R1, R2, R3) para a produo de mudas e 2 espcies de eucaliptos (E1 e E2), quanto ao desenvolvimento das mudas. Os Recipientes e as Espcies estudados foram: R1 = saco plsticos pequenos E1 = Eucalyptus citriodora R2 = saco plsticos grande E2 = Eucalyptus grandis R3 = Laminado Tratamentos R1E1 R1E2 R2E1 R2E2 R3E1 R3E2 1 26,4 24,8 25,7 19,6 22,8 19,8 2 26,0 24,6 26,3 21,1 19,4 21,4 3 25,0 26,7 25,1 19,0 18,8 22,8 4 25,4 25,2 26,4 18,6 19,2 21,3 Totais 102,6 101,3 103,5 78,3 80, 2 85,3

= 1

= 2

Tukey para o desdobramento de Recipientes dentro da codificao: 1 Tratamentos Mdias Resultados do teste 3 20.05 a1 1 25.73 a2 2 25.88 a2 Tukey para o desdobramento de Recipientes dentro da codificao: 2 Tratamentos Mdias Resultados do teste 2 19.58 a1 3 21.33 a1 1 25.32 a2

Anlise do desdobramento de Espcies dentro de cada nvel de:Recipientes TABELA DE ANLISE DE VARINCIA FV GL SQ QM Fc Especies /1 1 0.32 0.320000 0.245 Especies /2 1 79.38 79.380000 60.834 Especies /3 1 3.25 3.251250 2.492 Resduo 18 23.49 1.304861 Codificao usada para o desdobramento cod. Recipientes 1 = 1 2 = 2 3 = 3 Tukey para o desdobramento de Espcies dentro da codificao: 1 Tratamentos Mdias Resultados do teste 2 25.33 a1 1 25.73 a1 Tukey para o desdobramento de Espcies dentro da codificao: 2 Tratamentos Mdias Resultados do teste 2 19.58 a1 1 25.88 a2 Tukey para o desdobramento de Espcies dentro da codificao: 3 Tratamentos Mdias Resultados do teste 1 20.05 a1 2 21.33 a1

TABELA DE ANLISE DE VARINCIA FV GL SQ Tratamentos 5 175,70 erro 18 23,09 Total corrigido 23 198,79 TABELA DE ANLISE DE VARINCIA FV GL Recipientes 2 Espcies 1 Recipientes*Espcies 2 erro 18 Total corrigido 23 CV (%) = 4.97 Mdia geral: 22.9791667

QM 35,14 1,28

Fc 27,45

SQ QM 94.38 47.190417 19.62 19.620417 63.33 31.665417 23.49 1.304861 200.819583

Fc 36.165 15.036 24.267

Nmero de observaes:

24

Anlise do desdobramento de Recipientes dentro de cada nvel de: Espcies TABELA DE ANLISE DE VARINCIA FV GL SQ QM Fc Recipientes /1 2 88.21 44.11 33.801 Recipientes/ 2 2 69.50 34.75 26.631 Resduo 18 23.49 1.30 Codificao usada para o desdobramento cod. Espcies

R1 E1 E2

R2

R3

Prof: Msc Regiane Slongo Fagundes

25

2 - Consideremos os dados de um experimento em blocos casualizados no esquema fatorial 3x2x2, com os fatores Cultivares de Trigo (C1: BR20 Guat, tolerante ao alumnio; C2: BR-36 Ianomani, sensvel ao alumnio; e C3: BR40 Tuica, moderadamente sensvel ao alumnio), calagem (Ca0: 0 t/ha; e Ca1: 4,4t/ha de calcrio) e fosfatagem (P0: 0 mg de P/kg de solo; e P1: 87 mg de P/kg de solo), no qual foi estudada a eficincia da cultura na utilizao do fsforo, obtida pelo quociente do teor de matria seca da parte area pela quantidade de fsforo absorvida

Anlise do desdobramento de Cultivar dentro de cada nvel de:Calagem Fsforo TABELA DE ANLISE DE VARINCIA FV GL SQ QM Fc Cultivar /1 2 418266.17 209133.08 15.704 Cultivar /2 2 22288.67 11144.33 0.837 Cultivar /3 2 167474.67 83737.33 6.288 Cultivar /4 2 15320.67 7660.33 0.575 Resduo 33 439467.02 13317.18 Codificao usada para o desdobramento cod. Calagem Fsforo 1 = 0 0 2 = 0 1 3 = 1 0 4 = 1 1

Quadro1: Resultado da eficincia na utilizao de Fsforo


Blocos Tratamentos 1-C1Ca0P0 2- C1 Ca0 P1 3- C1 Ca1 P0 4- C1 Ca1 P1 5- C2 Ca0 P0 6- C2 Ca0 P1 7- C2 Ca1 P0 8- C2 Ca1 P1 9- C3 Ca0 P0 10- C3 Ca0 P1 11- C3 Ca1 P0 12- C3 Ca1 P1 1 1255 556 714 417 1428 625 769 370 1660 526 625 526 2 1250 476 770 454 1444 526 911 476 1662 714 909 556 3 908 588 667 454 1667 667 1000 417 1667 588 909 400 4 1431 500 667 385 1428 526 1254 357 1667 714 667 476

Tukey para o desdobramento de Cultivar dentro da codificao: 1 Teste Tukey para a FV Cultivar Tratamentos Mdias Resultados do teste 1 2 3 1211.000000 a1 1491.750000 a2 1664.000000 a2

Tukey para o desdobramento de Cultivar dentro da codificao: 2 Teste Tukey para a FV Cultivar Tratamentos Mdias Resultados do teste 1 530.000000 a1 2 586.000000 a1 3 635.500000 a1

TABELA DE ANLISE DE VARINCIA FV GL Cultivar 2 Calagem 1 Fsforo 1 Cultivar*Calagem 2 Cultivar*Fsforo 2 Calagem*Fsforo 1 Cultivar*Calagem*Fs 2 Blocos 3 erro 33 Total corrigido 47 CV (%) = 13,98 Mdia geral: 825.48 SQ QM 280979.29 140489.64 1810798.52 1810798.52 4709400.52 4709400.52 101204.29 50602.14 144533.79 72266.89 722016.02 722016.02 96632.79 48316.39 23001.72 7667.24 439467.02 13317.18 8328033.979167 N6 observaes: Fc 10.550 135.975 353.633 3.800 5.427 54.217 3.628 0.576

Tukey para o desdobramento de Cultivar dentro da codificao: 3 Teste Tukey para a FV Cultivar Tratamentos Mdias Resultados do teste 1 704.500000 a1 3 777.500000 a1 2 983.500000 a2

Tukey para o desdobramento de Cultivar Teste Tukey para a FV Cultivar Tratamentos Mdias 2 405.000000 1 427.500000 3 489.500000

dentro da codificao: 4 Resultados do teste a1 a1 a1

48

Prof: Msc Regiane Slongo Fagundes

26

Anlise do desdobramento de Calagem dentro de cada nvel de:Cultivar Fsforo TABELA DE ANLISE DE VARINCIA FV GL SQ QM Fc alagem /1 1 513084.50 513084.50 38.53 Calagem /2 1 21012.50 21012.50 1.58 Calagem /3 1 516636.13 516636.13 38.79 Calagem /4 1 65522.00 65522.0 4.90 Calagem /5 1 1571764.50 1571764.50 118.03 Calagem /6 1 42632.00 42632.00 3.20 Resduo 33 439467.020833 13317.182449 Codificao usada para o desdobramento cod. Cultivar Fsforo 1 = 1 0 2 = 1 1 3 = 2 0 4 = 2 1 5 = 3 0 6 = 3 1 Tukey para o desdobramento de Calagem dentro da codificao: 1 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 704.500000 a1 0 1211.000000 a2

Tukey para o desdobramento de Calagem dentro da codificao: 6 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 489.500000 a1 0 635.500000 a1

Tukey para o desdobramento de Calagem dentro da codificao: 2 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 427.500000 a1 0 530.000000 a1

Anlise do desdobramento de Fsforo dentro de cada nvel de:Cultivar Calagem TABELA DE ANLISE DE VARINCIA FV GL SQ QM Fc Pr>Fc Fsforo /1 1 927522.00 927522.00 69.649 Fsforo /2 1 153458.00 153458.00 11.52 Fsforo /3 1 1640766.12 1640766.12 123.21 Fsforo /4 1 669324.50 669324.50 50.26 Fsforo /5 1 2115624.50 2115624.50 158.86 Fsforo /6 1 165888.00 165888.00 12.46 Resduo 33 439467.02 13317.18 Codificao usada para o desdobramento cod. Cultivar Calagem 1 = 1 0 2 = 1 1 3 = 2 0 4 = 2 1 5 = 3 0 6 = 3 1

Tukey para o desdobramento de Calagem dentro da codificao: 3 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 983.500000 a1 0 1491.750000 a2

Tukey para o desdobramento de Fsforo dentro da codificao: 1 Teste Tukey para a FV Fsforo Tratamentos Mdias Resultados do teste 1 530.000000 a1 0 1211.000000 a2

Tukey para o desdobramento de Fsforo dentro da codificao: 2 Teste Tukey para a FV Fsforo Tratamentos 1 0 Mdias Resultados do teste 427.500000 a1 704.500000 a2

Tukey para o desdobramento de Calagem dentro da codificao: 4 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 405.000000 a1 0 586.000000 a2

Tukey para o desdobramento de Calagem dentro da codificao: 5 Teste Tukey para a FV Calagem Tratamentos Mdias Resultados do teste 1 777.500000 a1 0 1664.000000 a2

Tukey para o desdobramento de Fsforo dentro da codificao: 3 Teste Tukey para a FV Fsforo Tratamentos Mdias Resultados do teste 1 586.000000 a1 0 1491.750000 a2

Prof: Msc Regiane Slongo Fagundes

27

Tukey para o desdobramento de Fsforo dentro da codificao: 4 Teste Tukey para a FV Fsforo Tratamentos Mdias Resultados do teste 1 405.000000 a1 0 983.500000 a2

Tukey para o desdobramento de Fsforo dentro da codificao: 5 Teste Tukey para a FV Fsforo Tratamentos Mdias Resultados do teste 1 635.500000 a1 0 1664.000000 a2

Tukey para o desdobramento de Fsforo dentro da codificao: 6 Teste Tukey para a FV Fsforo Tratamentos Mdias Resultados do teste 1 489.500000 a1 0 777.500000 a2

Prof: Msc Regiane Slongo Fagundes

28

Exerccios para Laboratrio: 1 O pesquisador Alberto Baeta dos Santos, da Embrapa Arroz e Feijo, em 2001, em um estudo sobre adubao nitrogenada na cultura do arroz irrigado, testou quatro formas de aplicao deste macronutriente: A1 = 80 kg/ha no plantio; A2 = 40 kg/ha no plantio e 40 kg/ha 40 dias aps a emergncia (DAE); A3 = 13,2 kg/ha no plantio e 66,8 kg/ha aos 40 DAE; e A4 = 13,2 kg/ha no plantio e 33,4 kg/ha aos 40 e aos 60 DAE. O experimento tinha oito repeties, e os dados de produo de gros em kg/ha esto na tabela a seguir: Tabela 1: Dados de produo de arroz irrigado, em kg/ha, no delineamento inteiramente casualizado, com quatro tratamentos e oito repeties Repeties tratamentos 1 2 3 4 5 6 7 8 A1 6276 6035 6086 5594 6321 6746 5751 6191 A2 7199 6890 6586 7149 6657 6210 6128 6393 A3 6457 6174 6612 6087 5797 5865 6498 6486 A4 7202 7173 7169 6590 6444 6740 6370 7270 Fazer uma anlise estatstica completa (Estatstica descritiva, teste de normalidade, Anava e teste de comparao de mdias) para todos os dados da Tabela 1 e estabelea concluses ao nvel de 5% de significncia. 2 - Num experimento visando ao controle do pulgo (Aphis Gossypii Glover) em cultura de pepino, Macedo utilizou 6 repeties dos tratamentos: A Testemunha; B Azinflis etlico; C Supracid 40 CE dose 1; D - Supracid 40 CE dose 2; E - Diazinon 60 CE. O experimento adotado foi inteiramente casualizado, e os dados referentes ao nmero de pulges coletados aps a pulverizao, so apresentado na tabela a seguir: Tabela 2: Nmero de pulges coletados aps a pulverizao

Fazer uma anlise estatstica completa (Estatstica descritiva, teste de normalidade, Anava e teste de comparao de mdias) para todos os dados da Tabela 1 e estabelea concluses ao nvel de 5% de significncia.

Prof: Msc Regiane Slongo Fagundes

29

3 - Vamos considerar os dados de um experimento,inteiramente casualizado,com quatro repeties, no esquema fatorial 3x2, para testar o efeito de 3 Recipientes (R1, R2, R3) para a produo de mudas e 2 espcies de eucaliptos (E1 e E2), quanto ao desenvolvimento das mudas. Os Recipientes e as Espcies estudados foram: R1 = saco plsticos pequenos E1 = Eucalyptus citriodora R2 = saco plsticos grande E2 = Eucalyptus grandis R3 = Laminado Tabela 2: Altura das mudas, em cm, aos 80 dias de idade Tratamentos 1 2 3 4 R1 E1 26,4 26,0 25,0 25,4 R1 E2 24,8 24,6 26,7 25,2 R2 E1 25,7 26,3 25,1 26,4 R2 E2 19,6 21,1 19,0 18,6 R3 E1 22,8 19,4 18,8 19,2 R3 E2 19,8 21,4 22,8 21,3 Fazer uma anlise estatstica completa (Estatstica descritiva, teste de normalidade, Anava e teste de comparao de mdias) para todos os dados da Tabela 1 e estabelea concluses ao nvel de 5% de significncia.

3 - Consideremos os dados de um experimento em blocos casualizados no esquema fatorial 3x2x2, com os fatores Cultivares de Trigo (C1: BR20 Guat, tolerante ao alumnio; C2: BR-36 Ianomani, sensvel ao alumnio; e C3: BR40 Tuica, moderadamente sensvel ao alumnio), calagem (Ca0: 0 t/ha; e Ca1: 4,4t/ha de calcrio) e fosfatagem (P0: 0 mg de P/kg de solo; e P1: 87 mg de P/kg de solo), no qual foi estudada a eficincia da cultura na utilizao do fsforo, obtida pelo quociente do teor de matria seca da parte area pela quantidade de fsforo absorvida Quadro 1: Resultado da eficincia na utilizao de Fsforo Blocos Tratamentos 1 2 3 4 1-C1Ca0P0 1255 1250 908 1431 2- C1 Ca0 P1 556 476 588 500 3- C1 Ca1 P0 714 770 667 667 4- C1 Ca1 P1 417 454 454 385 5- C2 Ca0 P0 1428 1444 1667 1428 6- C2 Ca0 P1 625 526 667 526 7- C2 Ca1 P0 769 911 1000 1254 8- C2 Ca1 P1 370 476 417 357 9- C3 Ca0 P0 1660 1662 1667 1667 10- C3 Ca0 P1 526 714 588 714 11- C3 Ca1 P0 625 909 909 667 12- C3 Ca1 P1 526 556 400 476

Prof: Msc Regiane Slongo Fagundes

30

4 - Na Tabela 1 so apresentados os resultados da produo de palha de trigo em um experimento em blocos casualizados com parcelas subdivididas. Neste experimento temos, 4 fontes de nitrognio aplicado as parcelas, em cobertura (fator A), e 3 fertilizantes comerciais aplicado nas subparcelas(fator B), estando as 12 parcelas disponveis em 5 blocos. Tabela 3. Produo de palha de trigo em um experimento em blocos casualizados com parcelas subdivididas. Tratamentos Blocos A B 1 2 3 4 5 A1 = 0 B1 54,712 53,049 51,776 52,966 51,905 B2 35,699 36,942 36,445 32,427 35,138 B3 19,211 20,040 16,017 15,679 18,819 A2 = 15 B1 41,862 43,558 41,416 38,540 41,045 B2 33,590 30,560 32,080 30,358 29,193 B3 22,561 26,985 23,383 23,770 20,754 A3 = 30 B1 25,959 26,162 22,805 24,290 22,852 B2 29,329 27,258 28,460 23,916 27,415 B3 32,610 33,179 32,738 29,426 28,835 A4 = 45 B1 14,508 15,920 14,668 8,945 11,646 B2 24,320 26,145 24,976 23,479 22,419 B3 36,944 40,016 39,112 35,908 35,104 Fazer uma anlise estatstica completa (Estatstica descritiva, teste de normalidade, Anava e teste de comparao de mdias) para todos os dados da Tabela 1 e estabelea concluses ao nvel de 5% de significncia.

Prof: Msc Regiane Slongo Fagundes

31