Universidade Federal do Maranhão – UFMA

Centro de Ciência agrárias e ambientais – CCAA

Coordenação de Engenharia Agrícola - UAEA

5ª AULA
Experimentação agrícola delineamento inteiramente
casualizado (DIC)

Prof. Patrício Gomes Leite

Delineamento inteiramente casualizado - DIC
Sinônimos: delineamento inteiramente ao acaso;
delineamento completamente aleatorizado (ALEATORIO).
Delineamento inteiramente casualizado - DIC
Principais vantagens do DIC :

 Proporciona grande flexibilidade de trabalho;

 ( Número de repetições diferentes entre tratamentos)
 Nos proporciona o maior número possível de GL para o
resíduo.

Desvantagens do DIC :
 Exige homogeneidade das
parcelas experimentais;

 Geralmente nos conduz a

uma estimativa bastante alta
para a variância residual .
 Caracterização
 Para utilização desse delineamento, devemos ter certeza da
homogeneidade das condições experimentais.
 Este delineamento é muito utilizado em ensaios de laboratório,
em que as condições experimentais podem ser bem controladas.
 A principal característica deste delineamento é a distribuição
casual dos tratamentos a todas as parcelas do experimento.
 Exemplo. Considere um experimento inteiramente casualizado
com 5 tratamentos (A, B, C, D e E) e 4 repetições.

 A casualização dos tratamentos é

feita sorteando-se para cada uma das
20 parcelas uma combinação de
tratamento e repetição.
 Caracterização
 Todo delineamento experimental possui um modelo matemático
que representa cada uma das observações obtidas.
 Para aplicação da Análise de Variância de um experimento
em um determinado delineamento, devemos levar em
consideração o modelo matemático desse experimento e
atender algumas hipóteses básicas.
 No DIC, que possui como causas de variação apenas os efeitos
de tratamentos e do acaso, o modelo matemático é dado por:
Hipóteses básicas para aplicação da ANOVA

 Aditividade: Os efeitos dos fatores que ocorrem no modelo

matemático devem ser aditivos;

 Independência: Os erros ou desvios devido aos efeitos dos

fatores não controlados devem ser independentes;

 Homocedasticidade ou Homogeneidade de variâncias: Os

erros ou desvios devido aos fatores não controlados ou acaso,
devem possuir uma variância comum;

 Normalidade: Os erros ou desvios devem possuir

distribuição normal de probabilidade.
Hipóteses básicas para aplicação da ANOVA
 Nem sempre todas as hipóteses são satisfeitas:

 Um dos casos mais frequentes é o da heterogeneidade de

variâncias.
 Neste caso, uma transformação adequada deve ser
aplicada aos dados originais para tornar as variâncias
homogêneas o suficiente, possibilitando a realização
da Análise de Variância.
 Algumas transformações, considerando 𝒌 uma
constante fixa:
 Obtenção da Análise de Variância
 Considere um experimento inteiramente casualizado com 𝐼
tratamentos e J repetições.
 Os valores observados, que se referem à característica
em estudo, podem ser agrupados conforme o quadro
abaixo:
Obtenção da Análise de Variância
Obtenção da Análise de Variância
 Teste F para Análise de Variância
 Resumindo o critério do teste:
EX:

1. Num experimento inteiramente casualizado, de competição

de variedades de mandioca, realizado numa área
“perfeitamente homogenia” quanto às condições
experimentais, foram utilizados 5 tratamentos (cultivares)
com 5 repetições
Croqui da área
 Croqui da área
Produções expressas em t/ha de cada parcela
Coleta de dados e Tabulação
 ORGANIZAÇÃO DOS DADOS

Repeticões
Tratamento total
1 2 3 4 5

IAC 5 38,9 25,4 20,3 25,7 29,3 139,6

IAC 7 20,9 26,2 32,3 28,3 28,7 136,4

IAC 11 28,1 27 25,8 26,9 22,3 130,1

IRACEMA 38,7 43,2 41,7 39 40,3 202,9

MANTIQUEIRA 47,8 47,8 44,7 50,5 56,4 247,2

TOTAL           856,2

As hipóteses que desejamos testar são:

 H0 : as variedades de mandioca testadas não diferem entre si quanto à
produção.
 H1: As variedades de mandioca testadas diferem entre si quanto à
produção.
 Cálculo das somas de quadrados

Fator de Correção:

  C=2   =

Soma de Quadrados Totais:

38,92 + 25,42 + ... + 56,42 = 31832,6 - 𝟐𝟗.𝟑𝟐𝟑,𝟏𝟒

2.509,462
 Cálculo das somas de quadrados
Soma de Quadrados de Tratamentos:

  𝟐𝟗𝟑𝟐𝟑 , 𝟏

 -

= 31.459,08 − 29.323,14 = 2.135,94

 Cálculo das somas de quadrados
Soma de Quadrados do Resíduo:

2.509,462 - 2.135,94

373,52
 Quadro de análise de variância (ANOVA)

28,59

CONCLUSÃO: O teste foi significativo ao nível de 1% de probabilidade,

indicando que devemos rejeitar 𝐻0 em favor de 𝐻1 e concluir que as
variedades diferem entre si em relação à produção de mandioca, com um
grau de confiança superior a 99% de probabilidade.
Calculo das médias de cada tratamento e
erros padrões
 Aplicação do Teste de Tukey a 5%

 Estimativas dos contrastes entre duas médias

𝑚5=49,5𝑎
𝑚4=40,6𝑏 Portanto, a melhor variedade é a
𝑚1=27,9𝑐 Mantiqueira, pois difere de todas
𝑚2=27,3𝑐 as outras pelo teste Tukey e
𝑚3=26,0𝑐 apresenta a maior produção.
Coeficiente de variação do experimento
Exemplo de aplicação
1. Num experimento inteiramente casualizado, foram
utilizadas 4 repetições para estudar o efeito dos 6 tratamentos
seguintes no controle de mosca branca do feijoeiro (Bemisia
tabaci).
1- Cytrolane dose 1
2- Cytrolane dose 2
3- Cytrolane dose 3
4- Fertion
5- Dimetoato
6- Testemunha