Análise de variância de um DIC com três tratamentos

Delineamento Experimental
Delineamento de Amostragem
• População pré-estabelecida;
• Estimar quantidades e qualidades;
• Estimação por ponto e por intervalo: média, erro de amostragem e intervalo de confiança.
• Planejamento do experimento;
• Comparação entre efeitos de tratamentos (quantitativos (diferentes níveis) e qualitativos);
• Teste de hipóteses para comparação.
Princípios básicos da experimentação:
1) Repetição;
2) Casualização;
3) Controle local.
1) Repetição: aumenta a precisão do experimento e possibilita o calculo do erro experimental.

Ex: avaliação da produção (m3/ha) de dois clones em 1 parcela experimental.
A B
200 m3/ha 220 m3/ha A<B?

Se fossem feitas repetições (mais parcelas experimentais) ter-se-ia a média das produções dos clones A e B,
podendo-se concluir sobre a superioridade ou igualdade da produção dos clones avaliados.
A A A A B B B B
Mesmo assim não teríamos a certeza de um clone ser melhor do que o outro porque as parcelas experimentais
estão agrupadas.
2) Casualização: evita com que um determinado tratamento seja continuamente favorecido ou desfavorecido,
conforme figura anterior. Com isso o erro experimental seria independente.
3) Controle local: consiste eliminar do erro experimental variações entre grupos de parcelas.
Ex: variação de fertilidade ao longo do terreno declivoso.
A B B A B A B A
B A A B B A B A
Delineamento Inteiramente Casualizado (DIC)
Envolve dois princípios: repetição e casualização. As condições locais são homogêneas e não tem efeito
significativo sobre os tratamentos
Modelo estatístico:
yij = m + ti + eij
em que
yij é o valor observado da característica estudada, no tratamento i (i =1, 2, ..., I ) e na repetição j ( j =1, 2, ..., J ) .
m é a média geral (de todas as observações) do experimento.
ti é o efeito do tratamento i .
eij é o erro associado à observação yij , ou efeito dos fatores não-controlados sobre a
I = tratamentos
observação yij .
J= repetições
Análise de variância (ANOVA) do DIC:
Para realizar a análise de variância de um delineamento inteiramente casualizado é necessário que:

• A variável Y tenha distribuição normal -> teste Lilliefors;
• As variâncias dos tratamentos sejam homogêneas -> Teste de Hartley, teste de Cochran, teste de
Bartlett...
Se as duas pressuposições não forem atendidas, é necessário transformar os dados para contornar este
problema, por meio das transformações raiz quadrada, angular e logarítmica, ou utilizar de estatísticas
não paramétricas nas análises. Se forem atendidas, procede-se a Análise de Variância e as demais
análises.
As hipóteses deste delineamento seriam:
Ho : os tratamentos têm os mesmos efeitos, ou seja, t1 = t2 = ... = tI .
Ha : pelo menos dois tratamentos têm efeitos diferentes.
Banco de dados:
A ANOVA seria:
Exemplo 1 (com dois tratamentos qualitativos):
Seja um experimento em DIC no qual avaliou-se a produção em volume de madeira aos 3 anos de idade
de dois clones (I=2) em 10 parcelas experimentais (J=10).
Clone
Repetição A B
1 35 31
2 19 36 I=2 (Tratamentos)
3 31 39 J=10 (Repetições)
4 15 27 IJ=20 (Observações)
5 20 20
6 30 29
7 40 45 Σyij = 604
8 35 30 Σyij2 = 19616
9 18 28
10 33 43
Soma (Ti) 276 328
(Ti) 2 76176 107584
Soma (Ti)2 183760
A ANOVA será: (assumindo que as pressuposições foram atendidas)
FV GL SQ QM Fcalc
Tratamento 1 135,20 135,20 1,96
Residuo 18 1240,00 68,89
Total 19 1375,20
Regra de decisão:
Ftabelado (5%; 1 e 18gl) = 4,41
Fcalculado (1,96) < Ftabelado => Aceita-se Ho, pelo teste F, a 5% de significância, ou seja, os tratamentos têm os
mesmos efeitos.

Seja um experimento semelhante ao anterior (em DIC) no qual avaliou-se a produção em volume de
madeira aos 3 anos de idade de dois clones (I=2) em 10 parcelas experimentais (J=10).
Clone
Repetição A B
1 13 31
2 19 36 I=2 (Tratamentos)
3 31 39 J=10 (Repetições)
4 15 27 IJ=20 (Observações)
5 20 26
6 30 29
7 22 45 Σyij = 570
8 35 30 Σyij2 = 17720
9 18 28
10 33 43
Soma (Ti) 236 334
(Ti) 2 55696 111556
Soma (Ti)2 167252
FV GL SQ QM Fcalc
Tratamento 1 480,20 480,20 8,69
Residuo 18 994,80 55,27
Total 19 1475,00
Regra de decisão:
Ftabelado (5%; 1 e 18gl) = 4,41
Fcalculado (8,69) > Ftabelado => Rejeita-se Ho, pelo teste F, a 5% de significância, ou seja, os dois tratamentos têm
efeitos diferentes.
OBSERVAÇÕES:
• Como se tem apenas dois tratamentos, o teste F é conclusivo, ou seja, os dois tratamentos têm o mesmo
efeito ou não.
• Alternativamente, ao invés de utilizar a análise de variância para testar os tratamentos poderia se utilizar o
teste “t” para dados independentes, com o teste “F” para avaliar a homogeneidade de variâncias e depois o
teste “t” propriamente dito para avaliar se as médias dos tratamentos são iguais ou não. Para 1 grau de
liberdade para tratamento na ANOVA (2 tratamentos) tem-se que t calc2 = Fcalc.
Para o exemplo 2, aplicando-se o teste “t” para amostras independentes, tem-se:
Hipóteses:
Ho:. =
Ha:. >
A estimativa da estatística F, será:
Ftabelado (5%; 9 e 9gl) = 3,18
Fcalc < Ftabelado => Aceita-se Ho, pelo teste F, a 5% de significância, ou seja, as variâncias são homogêneas.
1) Calcular variância comum:
2) Proceder o teste “t”:

Ho:. μ1 = μ2
Ha:. μ1 ≠ μ2 (teste bilateral)
t(5%; 18gl) =2,10

Regra de decisão:
ttabelado (5%; 18gl) = 2,10
tcalculado (2,95) > ttabelado => Rejeita-se Ho, pelo teste t, a 5% de significância, ou seja, a média dos volumes
do clone A é diferente estatisticamente da média do clone B.
Verificação se tcalc2 (teste “t” - amostras independentes) = Fcalc (ANOVA).
tcalc2 = (2,94758)2 = 8,69

Fcalc = 8,69
Para casa:
Seja um DIC com dois tratamentos (I=2) e 6 repetições (J=6) onde se avaliou dois tipos de adubo na produção de
biomassa florestal (toneladas por hectare) após certo período de tempo.
Considerando um nivel de significância de 5%, faça a ANOVA e conclua, com base no teste F, sobre a igualdade ou
não dos dois adubos sobre a produção de biomassa.
Dados:
Resposta: Fcalc=6,95
Exemplo 3 (com três tratamentos qualitativos):
Seja um experimento semelhante ao anterior (em DIC) no qual avaliou-se a produção em volume de
madeira aos 3 anos de idade de três clones (I=3) em 10 parcelas experimentais (J=10).
Clone
Repetição A B C
1 31 35 13
2 36 19 19 I=3 (Tratamentos)
3 39 31 31 J=10 (Repetições)
4 27 15 15 IJ=30 (Observações)
5 23 20 16
6 41 30 33
7 45 40 22 Σyij = 855
8 30 35 35 Σyij2 = 26805
9 28 19 18
10 43 33 33
Soma (Ti) 343 277 235
(Ti) 2 117649 76729 55225
Soma (Ti) 2 249603
FV GL SQ QM Fcalc
Tratamento 2 592,80 296,40 4,34
Residuo 27 1844,70 68,32
Total 29 2437,50
Regra de decisão:
Ftabelado (5%; 2 e 27gl) = 3,35
Fcalculado (4,34) > Ftabelado => Rejeita-se Ho, pelo teste F, a 5% de significância, ou seja, pelo menos dois
tratamentos têm efeitos diferentes.
Como saber, então, quais tratamentos são iguais ou diferentes?
Por meio de testes estatísticos que se baseiam na diferença mínima significativa (DMS) entre as
médias, a um dado nível de significância.
1) Teste Tukey:
A estatística deste teste (DMS) é:

sendo q(α%; I(tratamentos) e gl do resíduo)
Ou no caso do mesmo número de repetições:
Para o exemplo anterior (exemplo3), o valor tabelado de q(5%; 3 e 27gl) = 3,51, J = 10 e QMResíduo =
68,32, tem-se:
Traduzindo: se a diferença entre duas médias for de até 9,17 elas serão estatisticamente iguais.
Formas de verificar isso:

a) Por combinação de tratamentos
A=B e B=C
b) Ordenado as médias, comparando e colocando letras

a
ab
b A=B e B=C
2) Teste Duncan:

sendo Z(α%; n e n’ gl );
n= numero de médias abrangidas e n’= graus de liberdade do resíduo

Comparação envolvendo três médias:
Para o exemplo anterior (exemplo3), o valor tabelado de Z(5%; 3 e 27gl) = 3,05, J = 10 e QMResíduo =
68,32, tem-se:
Traduzindo: se a diferença entre três médias for de até 7,96 elas serão estatisticamente iguais.
(> 7,96) =>

Comparação envolvendo duas médias:
Para o exemplo anterior (exemplo3), o valor tabelado de Z(5%; 2 e 27gl) = 2,95, J = 10 e QMResíduo =
68,32, tem-se:
Traduzindo: se a diferença entre duas médias for de até 7,59 elas serão estatisticamente iguais.
(< 7,59) =>

(< 7,59) =>
Comparação envolvendo duas médias:
Desta forma, tem-se que:

a
ab
b A=B e B=C
3) Teste Dunnet:
Este teste compara um tratamento controle em relação aos demais, não havendo interesse na
comparação dos tratamentos entre si.

sendo d(α%; I-1 (Tratamentos -1) e gl do resíduo);

Assumindo o clone A como o controle:
Para o exemplo anterior (exemplo3), o valor tabelado de d(5%; 2 e 27gl) = 2,33, J = 10 e QMResíduo =
68,32, tem-se:
Traduzindo: se a diferença entre o controle e os demais tratamentos for de até 6,08 elas serão
estatisticamente iguais.
(A ≠ B)
(A≠C)
Traduzindo:
Os tratamentos (clones) B e C são estatisticamente diferentes do tratamento controle (clone A), pelo
teste de Dunnet, a 5% de significância.
Complemento:
Além dos testes citados, ainda existem na literatura outros testes como:
• Teste de Scheffé
• Teste de Scott-Knott
• Teste de Bonferroni, etc
Para casa:
Sejam os dados de um experimento em DIC, com três tratamentos (I=3) e 6 repetições (J=6), cujos valores da
produção de biomassa foram transformados para atender as pressuposições de normalidade e homocedasticidade.
Assim sendo, pede-se para efetuar a ANOVA e, em caso de rejeição da hipótese Ho, aplicar o teste Tukey e Dunnet,
considerando 5% de significância.
Resposta: Fcalc = 123,63; DMS (Tukey)=0,2262; DMS(Dunnet)=0,1504
DIC com tratamentos quantitativos
Os tratamentos podem ser considerados níveis de um determinado fator que pode ou não ter influência sobre uma
determinada variável de interesse.
Ex: doses de adubo (g/planta)

temperaturas de germinação de sementes
tempo de germinação de sementes, etc
O número de níveis (tratamentos) é importante para definir o comportamento da curva da variável resposta (y) em
função destes níveis (x). Pelo menos 4 níveis!
Exemplo 4 (com quatro tratamentos quantitativos):
Seja um experimento em DIC, no qual tem-se 4 níveis de adubação de um nutriente (em miligramas) e
cinco repetições, em que se avaliou o peso das plantas (em gramas) de uma determinada espécie
florestal dentro das parcelas experimentais, após certo período de tempo. Assim, tem-se:
Doses (mg)
Repetição 2850 2950 3050 3150
1 230,0 192,7 148,2 148,7 I=4
2 242,2 169,2 211,8 145,6 J=5
3 206,1 164,5 208,0 128,0 IJ=20
4 192,1 216,0 192,0 142,0
5 216,0 235,2 163,8 168,0 Σyij = 3720,1
Ti 1086,4 977,6 923,8 732,3 Σyij2 = 714257,65
Ti^2 1180265,0 955701,8 853406,4 536263,3
3525636,5
Sob condições de normalidade e de homocedasticidade, seja a resolução do exemplo.

Hipótese:
Ho:. não existe efeito significativo dos níveis de adubação do nutriente sobre o peso das plantas.
Ha:. existe efeito significativo dos níveis de adubação do nutriente sobre o peso das plantas.
Resolvendo:
A ANOVA será:
FV GL SQ QM Fcal
Trat 3 13170,09 4390,03 7,69
Res 16 9130,36 570,6475
Total 19 22300,45 F(5%; 3 e 16gl) = 3,24
Fcalc (7,69) > Ftabelado => Rejeita-se Ho, pelo teste F, a 5% de significância, ou seja, existe efeito significativo
dos níveis de adubação do nutriente sobre o peso das plantas, a 5% de significância.
Como se trata de efeito de níveis de adubação (X) sobre o peso das plantas (Y), temos que estabelecer
uma relação funcional para explicar a variação de Y em relação a X. Para isso, inicialmente elaboramos
um gráfico de dispersão de Y em relação a X para podermos definir o modelo estatístico mais apropriado
à distribuição dos dados.
300.0
250.0
200.0 f(x) = − 0.22322 x + 855.665

R² = 0.55858928314427
Peso (g)
150.0
100.0
50.0
0.0
2800 2850 2900 2950 3000 3050 3100 3150 3200
Doses (mg)
Exemplo 4 (com quatro tratamentos quantitativos)
Ajuste da equação com os seguintes dados:
F(5%; 1 e 18gl) = 4,41

Exemplo 4 (com quatro tratamentos quantitativos)
Como existem dados repetidos para um mesmo valor de X (veja dados anteriores), pode-se efetuar o
teste para falta de ajustamento.
Considerando as duas ANOVAs realizadas, podemos utilizar as somas de quadrados para proceder o
teste:
FV GL SQ QM Fcal
Trat 3 13170,09 4390,03 7,69
Res 16 9130,36 570,6475
Total 19 22300,45
F(5%; 2 e 16gl) = 3,63. Fcalc < Ftabelado => Aceita-

se Ho, o modelo não apresenta Falta de
Ajustamento.
Para casa:
Sejam os seguintes dados de um experimento em DIC, com 4 tratamentos e 5 repetições (apostila da
Profa da Silvana Lages Ribeiro Garcia e do Prof Helio Garcia – pg169) :
Niveis de energia das rações
Após análises iniciais, não houve a necessidade de transformação dos dados pelo atendimentos das
pressuposições de normalidade e homocedasticidade.
Para casa:
Proceder a ANOVA (DIC) e se existir efeito significativo dos níveis de energia das rações sobre o peso das
rãs touro, ajustar um modelo linear: Y=β0 + β1X e proceder a análise de falta de ajustamento.
Resposta:
F(5%; 2 e 16gl) = 3,63.

Análise de variância de um DIC com três tratamentos

Enviado por

Dados do documento

Título original

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

Análise de variância de um DIC com três tratamentos

Enviado por

Direitos autorais:

Formatos disponíveis

Delineamento Experimental

1) Repetição: aumenta a precisão do experimento e possibilita o calculo do erro experimental.

200 m3/ha 220 m3/ha A<B?

Para realizar a análise de variância de um delineamento inteiramente casualizado é necessário que:

Exemplo 2 (com dois tratamentos qualitativos):

Ftabelado (5%; 1 e 18gl) = 4,41

A estimativa da estatística F, será:

Ftabelado (5%; 9 e 9gl) = 3,18

2) Proceder o teste “t”:

t(5%; 18gl) =2,10

ttabelado (5%; 18gl) = 2,10

Verificação se tcalc2 (teste “t” - amostras independentes) = Fcalc (ANOVA).

tcalc2 = (2,94758)2 = 8,69

Ftabelado (5%; 2 e 27gl) = 3,35

Como saber, então, quais tratamentos são iguais ou diferentes?

A estatística deste teste (DMS) é:

Ou no caso do mesmo número de repetições:

Formas de verificar isso:

b) Ordenado as médias, comparando e colocando letras

A estatística deste teste (DMS) é:

n= numero de médias abrangidas e n’= graus de liberdade do resíduo

Ou no caso do mesmo número de repetições:

(> 7,96) =>

(< 7,59) =>

Desta forma, tem-se que:

A estatística deste teste (DMS) é:

Ou no caso do mesmo número de repetições:

Ex: doses de adubo (g/planta)

Sob condições de normalidade e de homocedasticidade, seja a resolução do exemplo.

200.0 f(x) = − 0.22322 x + 855.665

F(5%; 1 e 18gl) = 4,41

F(5%; 2 e 16gl) = 3,63. Fcalc < Ftabelado => Aceita-

Niveis de energia das rações

F(5%; 2 e 16gl) = 3,63.

Você também pode gostar