Manual Experimentação Agrária UEM

UNIVERSIDADE EDUARDO MONDLANE
Manual Experimentao Agrria

Gilead Mlay, Prof. Associado, Departamento de Produo e Proteco Vegetal,
Faculdade de Agronomia e Engenharia Florestal

Srgio Dista, Assistente Estagirio, Departamento de Matemtica e Informtica,
Faculdade de Cincias
e

Incio C. Maposse, Prof. Auxiliar, Departamento de Produo e Proteco
Vegetal, Faculdade de Agronomia e Engenharia Florestal

Experimentao Agrria
CAPITULO I: INTRODUO

Experimento um inqurito planeado para obter factos novos ou para confirmar resultados de estudos
prvios. O objectivo final da experimentao a produo de informao que pode ser usada na tomada
de decises. O problema com experimentos biolgicos a existncia de grande variao que inerente s
nas unidades experimentais. Esta variao incontrolvel influencia os efeitos experimentais que se
pretende estudar.

Exemplo: Ensaios para comparar variedades da mesma cultura (ex: variedades de milho). Para fazer a
comparao, a rea experimental dividida em parcelas, e sementes das variedades so semeadas em
mais de uma parcela por variedade. No fim do experimento, podemos fazer comparaes das variedades
com base em variveis medidas. Contudo, experincia mostra que quando a mesma variedade
produzida em todas as parcelas existir ainda a variao da produo entre parcelas. As caractersticas
principais desta variao so:

i. Parcelas vizinhas tm resultados mais semelhantes do que parcelas distantes (afastadas).
ii. Pode existir um gradiente de factores de crescimento(ex: fertilidade do solo) que vai criar
diferenas na expresso das variveis medidas nas parcelas.
iii. Se o mesmo ensaio for repetido em anos diferentes ou em campos diferentes, pode haver
mudanas significativas na produo mdia.

Com a situao acima referida, coloca-se a questo: como podemos planificar um experimento de modo a ser
possvel separar os efeitos experimentais da variao incontrolvel? Como podemos analisar os dados do ensaio de modo que
possamos tirar concluses, e/ou decises vlidas?

Uma abordagem cientfica de experimentao inclui os seguintes elementos:
i. O Plano de Pesquisa:
a. Reconhecimento que existe um problema
b. Formulao do problema. Precisa de identificar as causas principais do problema
c. Os objectivos de pesquisa. O que que o investigador pretende estudar e porqu?
ii. Escolha de factores e seus nveis
iii. Especificao de variveis a medir
iv. Definio do espao de inferncia para o experimento
v. Escolha das unidades experimentais
vi. Escolha de delineamento experimental
vii. Colocao aleatria dos tratamentos s unidades experimentais
viii. Esboo da anlise que corresponde ao delineamento escolhido, incluindo o modelo
estatstico que a base de ANOVA
ix. Coleco de dados
x. Anlise de dados
xi. Interpretao de Resultados e Concluses

Manual de Experimentao Agrria
2
Experimentao Agrria
Uma proposta de pesquisa (A Research Proposal)

1. Introduo
Uma descrio breve sobre o assunto de pesquisa, incluindo antecedentes
Definio do problema e breve reviso da literatura sobre o mesmo
Objectivos da pesquisa
Questes principais da pesquisa

2. Reviso bibliogrfica detalhada
Qual estado de conhecimento sobre o problema de pesquisa? (Aspectos tericos/ metodolgicos e
empricos)

3. Metodologia
Teoria (Quadro terico ou Quadro Conceptual)
Delineamento do estudo incluindo materiais
Variveis que sero medidas
Mtodos de anlise

4. Calendrio das actividades

5. Oramento

6. Lista de Referncias

Os objectivos desta disciplina so os de estudar:

(i) princpios bsicos para planificar experimentos biolgicos;
(ii) delineamento simples com muitas aplicaes na agricultura e silvicultura;
(iii) mtodos de anlise de dados na base dos delineamentos em (ii);
(iv) interpretao de resultados de anlise estatstica.

3
Experimentao Agrria
CAPITULO II: CONSIDERAES BSICAS NA
EXPERIMENTAO

Definies de alguns termos

(a) Um experimento um inqurito planeado para obteno de novos factos ou para confirmar
resultados de estudos prvios e para gerar informaes a serem usadas na tomada de decises.
Exemplo:
recomendao de uma nova variedade de milho;
mtodos qumicos para tratamento de madeira
recomendao de fertilizantes para uso numa cultura
recomendao de uma dieta para uma classe de animais.

Quer em agricultura, quer em florestas, os experimentos so conduzidos para responder a questes
chave cuja resoluo se afigura necessria para incrementar a produo e/ou assegurar uma boa
utilizao de produtos agrcolas e florestais.

(b) Unidade experimental: este o mais pequeno material experimental no qual o tratamento fixado
em casualizaes singulares.

Exemplos:
Talho/parcela de terra em experimentos de fertilizantes e variedades
Um pedao de madeira num experimento de tratamento qumico
Um cercado com animais em pastoreio

(c) Tratamento: Este um procedimento ou uma condio aplicada unidade experimental que,
efectivamente est para ser dimensionada ou comparada com outras.

Exemplos
Mtodos de tratamento de madeira com um dado agente qumico
Variedades de uma dada cultura.
Nveis de fertilizante nitrognio aplicados a uma variedade de milho
poca de sementeira de uma cultura
Mtodos de pastoreio

(d) Factor: Quando um conjunto de tratamentos est concebido em nveis diferentes, isto referido
como um factor.

Exemplo: Quatro nveis (0,Kg/ha, 50kg/ha, l00 Kg/ha e l50 Kg/ha) do fertilizante Sulfato de Amnia
em experimentos de fertilizao no milho. Os quatro nveis juntos formam o factor "fertilizante".

(e) Erro experimental: Esta a dimenso da variao entre unidades experimentais igualmente tratadas.
Esta variao devida variabilidade inerente s unidades experimentais e ao falhano das unidades
experimentais em serem processadas ou avaliadas identicamente (por erro do observador, limitaes dos
instrumentos usados, etc.).

A presena do erro experimental em experimentos biolgicos d uma justificao aplicao de tcnicas
estatsticas. Na ausncia do erro experimental, tcnicas estatsticas no so necessrias, desde que a
observao singular em cada tratamento seja adequada para determinar se existem diferenas entre
4
Experimentao Agrria
tratamentos. Delineamentos dos experimentos e mtodos estatsticos fornecem meios para dimensionar
o erro experimental e tambm para o seu controlo.

Fontes do erro experimental para experimentos de campo
variabilidade de plantas
variabilidade sazonal
variabilidade de solo
variabilidade de animais
defeitos nos instrumentos de medio

(f) Exactido (Accuracy) e Preciso (Precision)
Exactido refere-se a contiguidade duma estimativa ao valor verdadeiro (parmetro). uma medida
relacionada com vis (Bias)

Vis = E (X)

Preciso e repetibilidade de medio esto relacionadas com o erro experimental

Princpios de Delineamento Experimental

Introduo
Quando um experimento conduzido e uma diferena notada entre as mdias dos tratamentos,
preciso ter-se uma base para atribuio do efeito aos tratamentos, desde que se torne claro que tambm,
a diferena seja devida inerente variabilidade nas unidades experimentais ou falta de uniformidade na
conduo fsica do experimento. Igualmente, se no for revelada alguma diferena entre tratamentos,
preciso, ter-se uma base para dizer que no existem efeitos dos tratamentos desde que seja possvel que
diferenas entre tratamentos no tenham sido detectadas devido a um maior erro experimental. Neste
caso, o experimento falhou na deteco das diferenas que, de facto, existem.

Uma outra considerao importante em experimentao so os limites do seu espao de inferncia. Isto
, deve-se definir com antecedncia, os limites dentro dos quais os resultados do experimento sero
aplicveis.

Replicao (repeties)

Quando o tratamento aparece mais do que uma vez, diz-se que foi replicado. Replicaes tm as
seguintes funes.

(i) Elas permitem a estimao do erro experimental que necessrio para avaliar a significncia das
diferenas entre as mdias dos tratamentos.

Exemplo:
Suponha que duas variedades A e B so comparadas em termos de produo de gro. Dois talhes do
mesmo tamanho so estabelecidos e a variedade A semeada no primeiro talho enquanto a variedade B
semeada no segundo talho.

No fim do experimento, o rendimento em kg de cada talho registado e a variedade com o mais
elevado rendimento considerada como a melhor. Assim, a concluso no deve ser verdadeira desde que
isto presume que, qualquer diferena entre os rendimentos causada pela variedade e nada mais. Isto,
nunca pode ser correcto, mesmo se a mesma variedade fosse semeada em ambos os talhes, os
rendimentos iriam diferir por causa de variao inerente aos talhes e falta de uniformidade na conduo
5
Experimentao Agrria
fsica do experimento. Por isso, necessrio isolar tal variao da variao total. Isto pode ser atingido se
o experimento for replicado.

(ii) Replicao melhora a preciso do experimento devido reduo do erro padro das mdias dos
tratamentos. Se r igual ao nmero de repeties, o erro padro das mdias dos tratamentos definido
como
r
Obviamente quando o r aumenta, o erro padro das mdias dos tratamentos reduzido.
Note: Deve manter um balano entre melhoramento da preciso dum experimento e o aumento dos
custos do experimento.

(iii) Dentro das replicaes possvel aumentar o mbito de inferncia do experimento, por seleco e
uso apropriado de uma gama de unidades experimentais.

Exemplo:
Um ensaio de variedades pode ser conduzido de tal modo que um nmero suficiente de replicaes
introduzido para cobrir o tipo de solos da rea de estudo. Tambm, no sentido de contabilizar de ano
para ano a variabilidade atmosfrica, o experimento pode ser repetido de acordo com o nmero de anos.

O nmero de replicaes depende de:
- modelo e magnitude (extenso) da variabilidade de solos no campo experimental
- tamanho da diferena entre as mdias dos tratamentos
- nvel de significncia estabelecido
- nmero de tratamentos
-recursos disponveis

Determinao de nmero de repeties

Na comparao de dois tratamentos necessrio que o experimento seja suficientemente largo para
garantir se existe uma diferena verdadeira entre os tratamentos, o experimento obter resultados
significativos.

O nvel de preciso dum experimento medido pela varincia do erro ('error variance'). Portanto, o nvel
de preciso desejvel pode ser especificado em duas maneiras:

-pelo tamanho da diferena verdadeira entre as mdias dos tratamentos,
-pela largura do intervalo de confiana

Seja d igual diferena verdadeira especificada pelo investigador. Seja
j i
x x
r
igual diferena entre as
duas mdias amostrais.
Se
j i
x x >
d, a diferena significativa
Se <
j i
x x d, a diferena no significativa

O tamanho da amostra desejvel pode ser determinado com a seguinte frmula

r
s
x x
t
j i
2
2

6
Experimentao Agrria

Substitua
j i
x x por dpara obter:

r
s
d
t
2
2
| |
=

Portanto,

2
2 2
2
d
s t
r

=

Outra regra:

3
d
s
j i
x x
=

ou
O d pelo menos igual a 3 erros padres. Isto garante dois erros padres para atingir o nvel de
significncia de 5% e mais um erro padro para medir o risco de no detectar diferena verdadeira.
Em termos gerais, o nmero de repeties varia de 4 a 8

Casualizao/Aleatorizao: Este o procedimento para fixar os tratamentos nas unidades
experimentais de tal maneira que, cada tratamento tenha probabilidade igual de ser destinado a qualquer
unidade experimental (favorvel ou no favorvel). As razes de fazer casualizao:
-Para eliminar vis atravs de controlo dos erros sistemticos
-Para garantir que as observaes sejam independentes.

Exemplo:

Suponha que duas variedades A e B de milho; cada uma semeada em 4 talhes como se mostra a
seguir:

1 2 3 4 5 6 7 8
A A A A B B B B
>

A fertilidade decresce no sentido indicado pela seta.

Se o campo tiver um gradiente de fertilidade com uma reduo gradual da produtividade da esquerda
para direita, a variedade B estar ento em desvantagem porque ela est sempre direita da variedade A.
Por isso, a comparao do rendimento atingido ser a favor da variedade A.

Para minimizar tais problemas, as variedades precisam de ser fixadas aleatoriamente s unidades
experimentais. A casualizao pode ser efectuada com o uso de tabelas de nmeros aleatrios. Porm,
mesmo com a casualizao o problema pode persistir, pois no h garantia de que as duas variedades
7
Experimentao Agrria
estaro igualmente expostas s condies ambientais. preciso considerar outras medidas, como a
formao de blocos (blocking), que veremos adiante. Essas outras medidas so colectivamente
referidas como controlo local.

Controlo local
O controlo local refere-se s tcnicas de delineamento ou anlise que so usadas para reduzir ou
controlar o erro experimental. O controlo local assim, a seleco dum delineamento e/ou anlise da
covarincia.

(i) "Blocking": Este consiste no esboo dum experimento entretanto, algumas das variaes naturais ao
longo da coleco das unidades experimentais so fisicamente manipuladas, tal que, elas no faam uma
contribuio ao erro experimental. Esta tcnica envolve a priori, agrupamento de unidades experimentais
em grupos homogneos, conhecidos como blocos. Os blocos so fixados desta maneira como forma de
maximizar as diferenas entre eles, enquanto se minimizam as diferenas dentro deles. Os tratamentos
so assim aleatoriamente fixados dentro dos blocos.

As diferenas observadas entre os tratamentos dentro dos blocos so largamente devidas aos efeitos de
tratamentos e so menos vistas como tendo sido devido variao aleatria. As diferenas entre blocos
no so includas no erro experimental reduzindo-se assim, a magnitude do erro experimental.
Especificamente, as razes de 'blocking' so:
para aumentar a preciso do experimento
para que as comparaes entre os tratamentos sejam mais uniformes devido ao facto de as
comparaes entre os tratamentos serem feitas dentro de blocos com parcelas homogneas.
para aumentar o mbito de inferncia.
Os blocos no devem ser vistos necessariamente como entidades fsicas, pois o agrupamento de
unidades experimentais pode ser feito com entidades de outra natureza como espao de tempo,
idade, raa, etc.

(ii) Anlise de covarincia: Quando variao dentro das unidades experimentais for em parte devido
variao em algumas caractersticas no suficientemente controladas para ser til na fixao das unidades
experimentais em blocos, assim, o erro experimental pode ser reduzido pelo uso da anlise de
covarincia. O mtodo preciso do uso de observaes suplementares. Para tal, deve se assegurar que a
covarivel no sofre efeitos dos tratamentos e que medida antes da aplicao dos tratamentos.
8
Experimentao Agrria
CAPITULO III: DELINEAMENTO COMPLETAMENTE CASUALIZADO

Quando usar o delineamento?
O delineamento til quando as unidades experimentais so essencialmente homogneas. Isto , quando
a variao entre as unidades experimentais pequena.

Vantagens e desvantagens do delineamento

Vantagens

O delineamento flexvel no sentido de que o nmero de tratamentos e repeties constrangido
apenas pela disponibilidade de unidades experimentais. Neste delineamento, o nmero de repeties
pode variar entre os tratamentos, embora, o mesmo nmero de repeties para todos tratamentos
seja prefervel.
A anlise estatstica simples.
A perda de informao quando h talhes perdidos menor relativa aos outros delineamentos.
O nmero de graus de liberdade para estimar o erro experimental mximo.

Desvantagens

O delineamento no eficiente. Dado que a aleatorizao no restringida, o erro experimental
inclui a variao inteira entre as unidades experimentais, menos a variao devida aos tratamentos.

Casualizao e 'layout'

Assuma que um investigador pretende avaliar 5 variedades de milho. Ele conseguiu um terreno
homogneo que suficiente para conduzir o ensaio utilizando 4 repeties para cada variedade. A
homogeneidade do terreno permite o uso do delineamento completamente casualizado. Faa
casualizao e apresente o 'layout'.

Passo 1
Divida o terreno em 20 parcelas segundo as dimenses do investigador. Enumere as parcelas de 1 a 20.

1 5 9 13 17
2 6 10 14 18
3 7 11 15 19
4 8 12 16 20

Passo 2
Seleccione vinte nmeros da tabela de nmeros aleatrios usando um ponto de partida aleatoriamente
escolhido. O nmero de dgitos deve ser mais um acima do nmero de dgitos para o nmero total de
parcelas. No exemplo, o nmero de dgitos que ser utilizado 3 j que o nmero de dgitos para o
nmero total de parcelas 2.
9
Experimentao Agrria

N.A Seq. N.A Seq. N.A Seq. N.A Seq. N.A Seq.

523 1 863 5 371 9 910 13 785 17
676 2 376 6 783 10 727 14 178 18
243 3 043 7 063 11 461 15 908 19
929 4 062 8 514 12 332 16 718 20

N.A= Nmero aleatrio
Seq.=Sequncia. (A sequncia dos nmeros aleatrios na tabela)

Passo 3
Ordene os nmeros aleatrios de menor para maior

Seq. Ord. Seq. Ord. Seq. Ord. Seq. Ord. Seq. Ord.

1 11 5 17 9 07 13 19 17 16
2 12 6 08 10 15 14 14 18 04
3 05 7 01 11 03 15 09 19 18
4 20 8 02 12 10 16 06 20 13

Seq.= Sequncia, Ord = Ordem.

A sequncia ir representar os tratamentos e a ordem, a parcela onde um tratamento especfico ser
colocado. No exemplo, sequncia 1-4 representa a 1 variedade, 5-8 a 2 variedade, 9-12 a 3 variedade,
13-16 a 4 variedade e 17-20 a 5 variedade. No caso da 1 variedade, ser colocada nas parcelas 11, 12, 5,
e 20. A mesma coisa pode ser repetida para as outras variedades.

Passo 4

Utilizando a informao do passo 3 o seguinte 'layout obtido

1
V2
5
V1
9
V4
13
V5
17
V2
2
V2
6
V4
10
V3
14
V4
18
V5
3
V3
7
V3
11
V1
15
V3
19
V4
4
V5
8
V2
12
V1
16
V5
20
V1

10
Experimentao Agrria
Anlise de varincia: Qualquer observao que feita numa unidade experimental pode ser
representada por um modelo linear aditivo.

O Modelo Linear Aditivo (Uma observao por unidade experimental):

; i=1,2,...,t; j=1,2,...,r
ij i ij
Y + + =
i

Onde:
ij
=O termo erro correspondente ao tratamento i na repetio j e
ij
~ iidN (0,
2
) (iid = identicamente
e independentemente distribudas)

Y
ij
= O valor observado na unidade experimental j que recebeu o tratamento i.
= A mdia geral que igual a

= =
=
t
i
i i
t
i
i i
e r n onde r
n
1 1
;
1
a mdia verdadeira para o tratamento i

i
=
i
(Efeito do tratamento i )

Para especificar o modelo completamente, precisa-se de apresentar os pressupostos sobre os efeitos dos
tratamentos (
i
)

(a) Modelo Fixo

Os
i
so fixos e
=
=
t
i
i i
r
1
0

Os tratamentos so deliberadamente seleccionados, e a repetio do experimento ir trazer no
experimento exactamente os mesmos tratamentos significando os mesmos
i
. Assim, no modelo fixo os
i
so constantes fixos e o interesse de fazer inferncia apenas sobre os tratamentos que sero testados.

(b) Modelo Aleatrio
No modelo aleatrio, os tratamentos testados so uma amostra aleatria duma populao de tratamentos
e a repetio do experimento ser trazer novos tratamentos. Neste caso o interesse de fazer inferncia
sobre a populao de tratamentos e no apenas sobre os tratamentos que sero testados. No modelo
aleatrio, assume-se que
i
~ iidN (0,
2
) e so independentes dos
ij
.

11
Experimentao Agrria
Notao

Tratamento Observaes

1 2 3 ... j ... r
i
Total Mdia

1 Y
11
Y
12
Y
13
... Y
1j
... Y
1r1
Y
1.

. 1
Y
2 Y
21
Y
22
Y
23
... Y
2j
... Y
2r2
Y
2.

. 2
Y
3 Y
31
Y
32
Y
33
... Y
3j
... Y
3r3
Y
3.

. 3
Y .
. . . . ... . ... . . .
. . . . ... . ... . . .
. . . . ... . ... . . .
i Yi
1
Yi
2
Yi
3
... Yij ... Y
Iri
Yi
.

. i
Y
. . . . ... . ... . . .
. . . . ... . ... . . .
. . . . ... . ... . . .
t Y
T1
Y
T2
Y
T3
... Ytj ... Y
trt
Yt
.

. t
Y

Note
n = (O nmero total de observaes)
=
t
i
i
r
1

Y.. (O valor total para todas as observaes)

= = =
= =
t
i
i
t
i
r
j
ij
Y Y
i
1
.
1 1

..
Y .
=

= = =
= =
t
i
t
i
i
r
j
ij
n
Y
Y
n
Y
n
i
1
..
1
.
1
1 1

(A mdia para todas as observaes)

. i
Y = (O valor total para tratamento i)
=
i
r
j
ij
Y
1

. i
Y =
i
i
i
r
j
ij
r
Y
r
Y
i
.
1
=
=
(Mdia para tratamento i)

(i) Variao total (Soma dos Quadrados Totais -SQT)

( )

= = = =
= =

= =
t
i
r
j
t
i
r
j
t
i
r
j
ij
ij ij
i i
i
n
Y
Y Y Y SQT
1 1 1 1
2
1 1
2
2
..

12
Experimentao Agrria

Onde
( )
2
ij
Y
n
factor de correco (FC) e n o numero total de observaes para o ensaio

Ou

2
..
1 1
2
Y n Y SQT
t
i
r
j
ij
i
=
= =

(ii) Os diferentes componentes da variao total

A variao total pode ser apresentada pela seguinte identidade:

( ) ( ) ( ) ( ) ( )( )

= = = = = = = = = =
+ + +
t
i
r
j
t
i
r
j
t
i
r
j
t
i
r
j
i i ij i i ij i i ij
t
i
r
j
ij
i i i i i
Y Y Y Y Y Y Y Y Y Y Y Y Y Y
1 1 1 1 1 1 1 1
.. . .
2
.. .
2
.
2
.. . .
1 1
2
..
2

Podemos apresentar o terceiro termo da identidade da maneira seguinte:

( )( ) ( ) ( )

= = = =
=
i i
r
j
i ij
t
i
i i
t
i
r
j
i ij
Y Y Y Y Y Y Y Y
1
.
1
.. . .. .
1 1
.

mas
( ) 0
1
=
=
i
r
j
i ij
Y Y

Portanto: 2 ( )( ) 0
.. .
1 1
.
=
= =
Y Y Y Y
i
t
i
r
j
i ij
i

Ento

( ) ( ) ( ) ( )

= = = = = = = =
+ +
t
i
r
j
t
i
r
j
t
i
r
j
i i ij i i ij
t
i
r
j
ij
i i i
Y Y Y Y Y Y Y Y Y Y
1 1 1 1 1 1
2
.. .
2
.
2
.. . .
1 1
2
..
i

( )
n
Y
r
Y
Y Y
t
i i
i
t
i
r
j
i ij
i
2
..
1
2
.
1 1
2
.
+

= = =

SQT SQE + SQTrat

SQT = Soma dos Quadrados Totais, Variao Total
SQE = Soma dos Quadrados do Erro, variao de cada observao da mdia do tratamento
correspondente (variao dentro da populao), variao devido ao erro.
SQTrat = Soma dos Quadrados dos Tratamentos, variao das mdias dos tratamentos da mdia geral
(variao entre tratamentos), variao devido aos tratamentos
13
Experimentao Agrria
Note: =
i i
o efeito verdadeiro do tratamento i e o seu estimador
..
Y Y
i i
= . Assim, a
SQTrat poder ser apresentada da seguinte maneira:

= = =
= =
t
i
r
j
t
i
i i i
i
r SQTrat
1 1 1
2 2

Tabela de Anlise de Varincia para os Delineamentos Completamente Casualizados
Fonte de G.l SQ QM Quadrado Mdio Esperado

__________________________________
Modelo fixo Modelo Casual

Tratamentos t-1 SQTrat
1 t
SQTrat

2
1
2 2
1
1
i
t
i
i
r
t

=
+
2
0
2

r +

Erro n-t SQE
t n
SQE

Total n-1 SQT

Onde
1
1
2
0
=
t
n
r
n
r
t
i
i

14
Experimentao Agrria
Inferncias sob o modelo de efeitos fixos

Um teste de igualdade simultneas de todas as mdias

0 ... :
2 1 0
= = = =
t
H
Ha: A hiptese nula no verdadeira (pelo menos um
i
diferente de zero

A hiptese nula acima pode ser apresentada tambm da seguinte forma:

Ho:
1
=
2
=...=
t

Ha: A hiptese nula no verdadeira

A hiptese nula est a dizer que no h diferena entre as mdias das populaes. Num experimento
qualquer, espera-se que haja algumas diferenas entre as mdias amostrais. Quanto desta variao
devida amostragem e aos factores no controlveis (variao casual)? De outra maneira, at que ponto
podemos dizer que a variao to grande que no pode ser atribuda inteiramente aos factores casuais,
mas tambm s diferenas entre as mdias dos tratamentos? A resposta depende muito do tamanho da
varincia entre as populaes (
2
).

F =
QMT
QME
~ F
n-t, t-1
se a hiptese nula fr verdadeira. ;

Se a hiptese nula for verdadeira, significa que r
i
i
2
igual a zero e E(QMT)=E(QME) e F=1. Se a
hiptese nula no for verdadeira, r
i
i
2
>0 e E(QMT)>E(QME) e F>1. Efeitos significativos dos
tratamentos so indicados apenas quando o valor da estatstica F suficientemente maior que 1. Por
outras palavras, se o valor de F calculado for inferior ao valor de F critico (que se pode encontrar na
tabela de F), quer dizer que a hiptese nula no falsa. No existe variao significativa nos efeitos dos
tratamentos.

Na prtica valores de F menores que 1 podem ser encontrados. Tais valores sero justificados pelas
seguintes razes:
Flutuao de amostragem aleatria ('Random sampling fluctuation'). Devido a tais flutuaes,
sempre existe uma possibilidade do QMT ser um valor subestimado enquanto que o QME
uma estimativa exagerada.
Um modelo linear no correcto. Uso dum modelo no correcto pode gerar valores de F
menores que 1 por causa do erro experimental incluir a variao que um modelo correcto pode
tirar.

15
Experimentao Agrria
EXEMPLOS PARA O MODELO FIXO

(1) Quando o nmero de repeties igual para todos os tratamentos

Foi conduzido um ensaio para comparar o rendimento de duas variedades estrangeiras de Soja (A e B)
com uma variedade local (C). O delineamento completamente casualizado com 10 repeties foi
utilizado para o ensaio. Os dados do ensaio so em baixo apresentados em termos de rendimento de
gro em kg por talho.

Variedade
(i)
Repeties (j)

. i
y
. i
y
A 3,0 2,9 2,7 3,0 2,8 3,1 2,9 3,0 3,0 3,1 29,5 3,0
B 2,6 2,4 2,4 2,3 2,6 2,6 2,6 2,9 2,3 2,5 25,2 2,5
C 3,1 3,2 2,9 3,1 3,0 3,0 3,0 3,0 3,1 3,1 30,5 3,1

.. 3, 0 2, 9,..., 3.1 85, 2
ij
Y Y = = + =
.. 85, 2
.. 2, 84
10*3
Y
Y
rt
= = =

Pressupostos para a Anlise de Varincia
A anlise de Varincia apoia-se em vrios pressupostos, sendo:
- homogeneidade de varincias
- distribuio normal dos resduos
- linearidade e aditividade de componentes do modelo

O teste de Homogeneidade das varincias

Antes de fazer a anlise de varincia, necessrio verificar se as varincias das trs populaes so
homogneas ou no.

Ho:
2
3
2
2
2
1
= =

Para testar as hipteses, o teste de Hartley pode ser usado.

(a) O teste de Hartley
t v
F
S
S
F
, 2
min
2
max
~ =

Onde:
Max( )=a varincia mxima
2
i
S
Min( )=a varincia mnima
2
i
S
F
v, t
=o valor da tabela de Hartley. O v so os graus de liberdade associados a . Se o v no for
constante para todas as varincias, use o v mnima. O t representa o nmero de tratamentos.
2
i
S

16
Experimentao Agrria
Se o valor calculado menor do que o valor crtico, no se pode rejeitar a hiptese nula. Se o valor
calculado maior do que o valor crtico a hiptese nula rejeitada.

Do exemplo:
2
1
s

= 0,0161
2
2
s

= 0,0329
2
3
s

= 0,0072

0, 0329
4, 569
0, 0072
F = =
F
9,t=3, =0,05
= 5,34

Dado que o valor calculado menor do que o valor crtico, no se pode rejeitar a hiptese nula. Isto
significa que no h evidncia que mostra que as varincias so heterogneas e assim, o pressuposto de
homogeneidade das varincias mantido.

(b) O teste de Bartlett

( )
( )
2
1
2
10
~
1
) 1 3
1
1
log 3026 , 2
=
t
p
A
D
t
C S A
M se a hiptese nula for verdadeira

onde:
i
t
i
i
f f A ;
1
=
= - so os graus de liberdade para a a varincia amostral associada ao tratamento i
=
=
t
i
i i
S f B
1
2

=
=
t
i
i i
S f C
1
2
10
log
=
=
t
i i
f
D
1
1
;
) 1 ( ... ) 1 ( ) 1 (
) 1 ( ... ) 1 ( ) 1 (
2 1
2 2
2 2
2
1 1 2
+ + +
+ + +
= =
t
t t
p
r r r
S r S r S r
A
B
S

Pode-se usar a frmula seguinte se o nmero de repeties constante:

2
1
1
2
10
2
10
~
3
1
1
log log 3026 , 2
+
+

=

t
t
i
i p
tf
t
S S t f

Onde:
t = o nmero de tratamentos
f = graus de liberdade para cada varincia
17
Experimentao Agrria
t
S
S
t
i
i
p
=
=
1
2
2

Do exemplo

0187 , 0
3
0072 , 0 0329 , 0 0161 , 0
1
2
2
=
+ +
= =

=
t
s
s
t
i
i
p

7281 , 1 log
2
10
=
p
s

4187 , 5 log log log log
2
3 10
2
2 10
2
1 10
1
2
10
= + + =
=
s s s s
t
i
i

( ) ( ) [ ]
082 , 4
9 * 3 * 3
1 3
1
4187 , 5 7281 , 1 3 * 9 * 3026 , 2
=
+
+

= m

2
2, =0,05
=5,99

Dado que o valor calculado menor do que o valor crtico no se pode rejeitar a hiptese nula.

O resultado do teste de homogeneidade mostra que as inferncias estatsticas baseadas na anlise de
varincia sero vlidas.

Anlise de Varincia

i. Factor de Correco (CF)

968 , 241
10 * 3
2 , 85
2
1 1
= =
= =
rt
y
FC
t
i
r
j
ij

ii. Soma dos Quadrados Totais (SQT)

092 , 2 968 , 241 1 , 3 ... 9 , 2 0 , 3
2 2 2
1 1
2
= + + + = =
= =
FC y SQT
t
i
r
j
ij

18
Experimentao Agrria
iii. Soma dos Quadrados dos Tratamentos (SQTrat)

586 , 1 968 , 241
10
5 , 30 2 , 25 2 , 29
2 2 2
1
2
.
=
+ +
= =

=
FC
r
y
SQTrat
t
i
i

iv. Soma dos Quadrados do Erro (SQE)
SQE = SQT SQtrat
=2,092-1,586
=0,506

Tabela da Anlise de Varincia

Fonte de variao G.L SQ QM F
cal
F
27,2;=0,05
F
27,2;=0,01
Variedades 2 1,586 0,793 41,737 3,35 5,49
Erro 27 0,506 0,019
Total 29 2,092

Coeficiente de Variao (CV):
Expressa o nvel de preciso dum experimento.

100 *
..
y
QME
CV =

Nos experimentos agrcolas o valor do CV considerado:
Baixo - CV<10%
Mdio - 10%<CV<20%
Alto - 20%<CV<30%
Muito alto - CV>30%

H ensaios que por natureza tm coeficientes de variao elevados devido variabilidade do material
experimental. Este problema comum em ensaios de pastoreio e de alimentao de animais. Nos
ensaios de pastoreio contribuem para o erro experimental a variao entre cercados uma vez que so
maiores que parcelas usadas para ensaios agronmicos; a variao entre animais. Nos animais
procura-se sempre considerar a idade e a raa para minimizar o erro experimental, mas h outros
factores difceis de controlar, como o estado fisiolgico do animal.

Do exemplo anterior,

100 *
..
y
QME
CV = =4,9%

O nvel de preciso do ensaio alto e portanto as inferncias baseadas nos dados do ensaio sero
seguras.

19
Experimentao Agrria
Da tabela da anlise de varincia, h evidncia suficiente ao nvel de significncia de 1% para concluir que
os rendimentos mdios das trs variedades no so iguais.

Quando uma tabela da anlise de varincia mostra efeitos significativos dos tratamentos, um investigador
pode apresentar uma tabela de diferena entre as mdias com o erro padro das diferenas.

s i Y Y
s i
;
. .
um estimador no enviesado ('unbiased estimator') de
i
-
j
e com o erro padro
correspondente de :

+ =
s i
Y Y
r r
QME S
s i
1 1
. .
se r
i
igual a r
s
a formular ser
r
QME
S
s i
Y Y
2
. .
=

Do exemplo

A
y =3,0
B
y =2,5
C
y =3,1

062 , 0
10
019 , 0 * 2 2
. .
= = =
r
QME
s
s i
y y

A Tabela de Diferenas entre as Mdia

Variedades Diferena Erro padro

A e B 0,5 0,062
A e C -0,1 0,062
B e C -0,6 0,062

O teste de DMS
Para responder ao objectivo do ensaio, os rendimentos mdios das variedades estrangeiras sero
comparados com o rendimento mdio da variedade local, usando o teste de DMS.

127 , 0 062 , 0 * 052 , 2 *
. .
025 , 0 2 / , 27 025 , 0 2 /
= = =
= =
s i
y y
s t DMS

Se
. . s i
y y >DMS
/2
significa que a diferena entre as duas mdias significativa.
Se
. . s i
y y <DMS
/2
significa que no h diferena significativa entre as duas mdias.

Os resultados do ensaio mostram que existe uma diferena significativa em rendimento mdio entre a
variedades estrangeira B e a variedade local C (p<0,05). A variedade local significativamente superior na
produo mdia de gro do que a variedade estrangeira B. No h diferena significativa entre a
variedade estrangeira A e a variedade local C em termos de rendimento mdio de gro.
20
Experimentao Agrria

21
Experimentao Agrria
(2) Quando o nmero de repeties varia entre os tratamentos

Os dados abaixo apresentados so de contedo de cido ascrbico de trs variedades de pssegos
maduros. O contedo de cido ascrbico medido em mg por 100g. Faa anlise de varincia e o teste F
ao nvel de significncia de 0,05.

Variedade
(i)
Replicaes
. i
y
. i
y

=
i
r
j
ij
y
1
2
A 5,34 5,58 5,26 5,47 5,39 5,50 5,42 5,47 5,71 5,62 54,76 5,48 300,0284
B 7,12 6,89 6,93 6,82 7,06 6,80 6,91 6,76 55,29 6,91 382,2331
C 6,28 6,01 6,27 6,15 6,38 6,40 6,12 6,24 6,31 6,37 62,53 6,25 391,1433

(a) Teste de homogeneidade das varincias

Ho:
2
3
2
2
2
1
= =

O teste de Hartley

2
1
s

= 0,0181

2
2
s

= 0,0157

2
3
s

= 0,0159

t v
F
S
S
F
,
2
min
2
max
~ = se a hiptese nula for verdadeira
F
cal
0, 0181
1, 15
0, 0157
= = F
v=7, t=3==0,05
= 6,94

Dado que o valor calculado menor do que o valor crtico, no se pode rejeitar a hiptese nula.

O teste de Bartlett

Quando os graus de liberdade no so iguais a seguinte formula usada.
( )
( )
2
1
2
10
~
1
) 1 3
1
1
log 3026 , 2
=
t
p
A
D
t
C S A

22
Experimentao Agrria
onde:
i
t
i
i
f f A ;
1
=
= - so os graus de liberdade para a a varincia amostral associada ao tratamento i
=
=
t
i
i i
S f B
1
2

=
=
t
i
i i
S f C
1
2
10
log
=
=
t
i i
f
D
1
1
;
) 1 ( ... ) 1 ( ) 1 (
) 1 ( ... ) 1 ( ) 1 (
2 1
2 2
2 2
2
1 1 2
+ + +
+ + +
= =
t
t t
p
r r r
S r S r S r
A
B
S

A = 25
B = 0,4159
C = -44,1874
D = 0,3651
2
p
s =0,0166
log( )=-1,7790
2
p
s

m = 0,0483

2
2,=0,05
=5,99

Dado que o valor calculado menor do que o valor crtico, no se pode rejeitar a hiptese nula.

Anlise de varincia

i. Factor de Correco (FC)

( )
7081 , 1063
28
53 , 62 29 , 55 76 , 54
2
2
1 1
=
+ +
=
=

= =
n
y
FC
t
i
r
j
ij
, onde n = r
1
+ r
2
+ r
3

ii. Soma dos Quadrados Totais (SQT)
6957 , 9 7081 , 1063 37 , 6 ... 58 , 5 34 , 5
2 2 2
1 1
2
= + + + = =
= =
FC y SQT
t
i
r
j
ij

iii. Soma dos Quadrados dos Tratamentos (SQTrat)

2798 , 9 1081 , 1063
10
53 , 62
8
29 , 55
10
76 , 54
2 2 2
1
2
.
= + + = =
=
FC
r
y
SQTrat
t
i i
i

23
Experimentao Agrria
iv. Soma dos Quadrados do Erro (SQE)

SQE = SQT SQTrat
= 9,6957-9,2798
= 0,4159

Quadro da Anlise de Varincia

Fonte de variao G.L SQ QM F
cal
F
27,2;=0,05
F
27,2;=0,01
Variedades 2 9,2798 4,6399 279,51 3,39 7,77
Erro 25 0,4159 0,0166
Total 27 9,6957

CV = 2,1%

O nvel de preciso do ensaio alto e portanto, as inferncias baseadas nos dados do ensaio sero
seguros.

Comparao simultnea das mdias dos Tratamentos
Ho:
1
=
2
=
3
Ha: A hiptese nula no verdadeira.

Dado que o valor de F calculado maior do que o valor crtico, existe efeitos significativos das
variedades de pssegos sobre o contedo do acido ascrbico (p<0,01).

24
Experimentao Agrria
EXEMPLO PRTICO:
Foi realizado um ensaio para saber se os tratamentos com qumicos diferem no rendimento da
cultura de couve. Foram testados 3 tratamentos (A, B, C), com 8 repeties. Os dados so
apresentados na tabela seguinte e esto em Kg/talho.

Variedade
(i)
Repeties (j)
A 4 5 5 4 6 6 4 5
B 4 5 4 3 4 5 3 3
C 5 3 3 3 3 3 4 5

Faa anlise de varincia ao nvel de significncia de 5%.

Resoluo:
Ho:
A
=
B
=
C

Tratamento A B C
Totais 39 31 29 99

Factor de correco (FC):

FC=
( )
375 , 408
3 * 8
29 31 39
*
2
2
1 1
=
+ +
=
= =
t r
y
t
i
r
j
ij

Soma dos quadrados totais (SQT):

625 , 22 375 , 408 5 ... 5 4
2 2 2
1 1
2
= + + + = =
= =
FC y SQT
t
i
r
j
ij

25
Experimentao Agrria
Soma de quadrados dos tratamentos (SQTrat):

0 , 7 375 , 408
8
29 31 39
2 2 2
1
2
.
=
+ +
= =

=
r
y
SQTrat
t
i
i

Soma de quadrados do erro (SQE)

625 . 15
0 . 7 625 . 22
=
=
=
SQE
SQE
SQTrat SQT SQE


Fonte de variao GL SQ QM F
cal
F
21,2,0.05
Tratamento 2 7.0 3.5 4.7 3.47
Erro 21 15.625 0.744
Total 23 22.625

F
cal
> F
crit
Rejeita-se Ho.
Com base no teste e no nvel de significncia, temos evidncia suficiente para rejeitar a Ho. Ento, os
tratamentos qumicos aplicados do diferentes rendimentos em Kg/talho da cultura de couve.

Teste DMS

Tratamento A B C y
..
Totais 39 31 29 99
Mdias 4,875 3,875 3,625

897 , 0
8
744 , 0 * 2
* 080 , 2
2
*
2
*
05 , 0 , 21 ) 1 (
= = = =
=
r
QME
t
r
QME
t DMS
r t

26
Experimentao Agrria

Tratamentos a serem comparados Diferena das mdias DMS Deciso
A B 1.0 0.897 Significativo
A C 1.25 0.897 Significativo
B C 0.25 0.897 No significativo

Exerccios

1. Desejamos saber se 4 tratamentos de pesticidas para broca de milho diferem na eficcia.
Um talho foi sujeito a diferentes tratamentos. No fim de um determinado perodo especfico foi-se
medir a eficcia do tratamento, e obtiveram-se resultados seguintes:

T1
64
T3
74
T4
80
T2
80
T4
88
T1
71
T4
95
T2
70
T1
72
T3
60
T1
79
T3
75
T2
76
T1
88
T3
66
T4
87
T2
75
T4
85
T3
58
T4
90
T2
90
T1
80
T3
82
T2
82

a) Use = 0.05
b) Use = 0.01

2. Um experimento foi conduzido para comparar trs mtodos de empacotamento duma certa
comida congelada.
O critrio foi o contedo de cido Ascrbico (mg/100mg) depois de um determinado tempo. Os
dados obtidos foram as seguintes:

Mtodo de empacotamento
A B C
14.29 20.06 20.04
19.10 20.64 26.23
19.09 18.00 22.74
16.25 19.56 24.04
15.09 19.47 23.37
16.61 19.07 25.02
19.63 18.38 23.27

a) Fornea evidncia suficiente a nvel de significncia de 0.01 que os dados indicam uma diferena
no mtodo de empacotamento
b) Use = 0.05

27
Experimentao Agrria
3. Trs grupos de animais foram usados num experimento para comparar o tempo de resposta, em
segundos, a trs diferentes estimulantes. Os resultados obtidos foram os seguintes:

Estimulante
I II III
16 6 8
14 7 10
14 7 9
13 8 10
13 4 6
12 8 7
12 9 10
17 6 9
17 8 11
17 6 11
19 4 9
14 9 10
15 5 9
20 5 5

Fornea evidncia suficiente que os dados indicam uma verdadeira diferena no meio da populao?
a) Use = 0.05
b) Use = 0.01
c) Com base no teste DMS, compare as mdias.

4. Um estudante do 5 ano pretende avaliar quatro variedades de feijo. A faculdade atribu u - lhe
um terreno homogneo e ele decide conduzir o ensaio utilizando trs repeties para cada variedade.
Faa casualizao e apresente o layout do ensaio.

5. Acredita-se que a concentrao de colesterol de alta densidade (HDL) no plasma sanguneo esteja
associada ao reduzido risco da doena da artria coronria. Para investigar os mecanismos que
contribuem para a baixa incidncia da doena do corao em atletas da modalidade de longa
distncia, mediram-se concentraes de HDL (ml de HDL por 100 ml de plasma sanguneo) para 20
atletas de elite, 8 atletas considerados bons e 72 no praticantes da modalidade. Usar os dados
sumarizados para testar a possibilidade que a prtica da modalidade aumenta a concentrao de
HDL?

Elite
(n=20)
Bom
(n=8)
No
(n=72)
Mdia 56 52 49
Varincia 146.41 118.81 110.25

a) Formular as Hipteses.
b) Com teste DMS compare todos pares possveis de mdia.

6. Em 5 vasos, cada um com adubao diferente, cultivou-se algodo. Determinou-se a resistncia
traco em 3 fibras retiradas ao acaso em cada vaso. Investigar se a adubao produz efeitos sobre a
caracterstica do algodo que foi observada. Os resultados constam do quadro que se segue.

28
Experimentao Agrria
Adubao com K
2
O em kg/ha
0 50 100 150 200
7.62 8.14 7.76 7.17 7.46
8.00 8.15 7.73 7.57 7.68
7.93 7.87 7.74 7.80 7.21

7. Investigadores desejam comparar 4 programas de sade fsica para agricultores. 30 agricultores
foram casualizados e destinados a um dos 4 programas. A tabela que se segue mostra resultados das
diferenas entre a sade dos agricultores antes e depois da participao no programa.

Programa
A B C D
13 11 12 22
24 13 19 26
19 20 9 22
18 14 14 22
9 11 21 26
21 21 7 19
17 14 6
22 8
24

a) Podemos concluir com estes dados que os 4 programas diferem na sua eficcia? ( = 0.05)
b) faa o teste DMS, para comparar as mdias.

29
Experimentao Agrria
8. Deseja-se estudar as alturas, em metros, das rvores de 3 tipos de povoamento florestal. Do
levantamento que se fez resultou a tabela seguinte:

Povoamentos Tipo 1 tipo 2 tipo 3
1 23.4 22.5 18.9
2 24.4 22.9 21.1
3 24.6 23.7 21.2
4 24.9 24.0 22.1
5 25.0 24.4 22.5
6 26.2 24.5 23.6
7 26.3 25.3 24.5
8 26.8 26.0 24.6
9 26.8 26.2 26.2
10 26.9 26.4 26.7
11 27.0 26.7 -
12 27.6 26.9 -
13 27.7 27.4 -
14 - 28.5 -

a) Com base nestes dados verificar se existe diferena significativa de um tipo para outro.

9. Um editor deseja escolher uma capa dentre 3 possveis para um novo livro. Para testar as trs
capas, recolheu uma amostra aleatria de 15 consumidores e remeteu cada capa a 5 dentre eles
tomados aleatoriamente. Seguidamente pediu a cada um deles para atribuir uma nota de 1 a 20. Eis os
resultados obtidos.

C
1
C
2
C
3
14 16 14
6 14 16
12 8 14
10 8 14
8 14 12

a) Com base nestes resultados tirar as concluses apropriadas.

Resultados

2. F
cal
= 20.83
7. F
cal
= 6.48
9. F
cal
= 2.31
30
Experimentao Agrria
CAPITULO IV: DELINEAMENTO DE BLOCOS COMPLETOS CASUALIZADOS

Quando usar o delineamento

Este delineamento usa-se para reduzir o erro experimental, atravs da eliminao da contribuio das
fontes de variao conhecidas nas unidades experimentais. Isto , se as unidades experimentais no
forem homogneas mas podendo ser significativamente agrupadas, de modo que a variabilidade dentro
de cada grupo (bloco) seja minimizada e a variabilidade entre blocos seja maximizada ento este
delineamento torna-se apropriado para uso.

Definio
Um bloco um grupo de unidades experimentais que fornecem efeitos homogneos numa varivel de
resposta. Um bloco completo um grupo homogneo de unidades experimentais nas quais cada um dos
tratamentos aparece o mesmo nmero de vezes (que no caso normal cada tratamento aparece s uma
vez).

Portanto a noo de 'Blocking' refere a agrupamentos especficos de unidades experimentais nas quais
subconjuntos de unidades experimentais homogneas so identificadas.

Exemplos de casos em que (DBCC) apropriado:

(a) Num experimento com animais: onde os animais so agrupados na base de caractersticas como:
peso, sexo, idade, estgio de aleitamento, raa, etc.

(b) Ensaio de culturas ou rvores no campo onde cada bloco consiste em agrupamento de talhes.

Experimentos no campo devem tomar em conta os seguintes aspectos para o processo da formao de
blocos:

Seleco de fonte de variabilidade a ser usada como base na formao dos blocos;
Seleco do tipo de bloco e sua orientao.

Uma fonte ideal de variao a ser usada como base para o processo "BLOCKING" aquela que larga
(ampla) e prognosticvel tal como:

(i) A heterogeneidade do solo no caso dum ensaio de variedades ou dum ensaio de fertilizantes onde o
rendimento a caracterstica de interesse primria.

(ii) Declive do campo num estudo da reaco da planta ao stress hdrico.

31
Experimentao Agrria
Tipo de blocos a usar

(a) Quando o gradiente for unidireccional use blocos que so longos e estreitos. A orientao dos blocos
deve ser de modo que o seu comprimento seja perpendicular direco do gradiente como se mostra
abaixo.

Direco do gradiente.

(b) Quando o gradiente de fertilidade ocorre em duas direces; ambos de igual tamanho e
perpendiculares um do outro usa-se blocos quadrados ou blocos estreitos (rectangulares), com o seu
comprimento perpendicular direco de um dos gradientes; e a tcnica de covarincia para outro
gradiente. Alternativamente usa-se o delineamento dos quadrados latinos.

Bloco Estreito e Comprido
Bloco quadrado

Se o modelo de variabilidade no for conhecido os blocos devem ser quadrados.

Layout e Casualizao
O nmero de unidades experimentais (talhes) dentro do bloco deve corresponder ao nmero de
tratamentos como se mostra no exemplo abaixo:

Ensaio com 6 tratamentos e quatro repeties (replicaes)

Gradiente

1 4

2 5

3 6

Bloco I Bloco II Bloco III Bloco IV

32
Experimentao Agrria

Como se mostra acima, a rea experimental dividida em 4 blocos. O tipo e a orientao dos blocos so
baseados nas indicaes previamente apresentadas. Cada bloco dividido em 6 talhes representando o
nmero de tratamentos.

Casualizao

Esta feita separadamente para cada bloco.

Passo 1: Enumere cada talho consecutivamente de cima para baixo como se apresenta para o bloco 1.

Passo 2: Seleccione seis nmeros da tabela de nmeros aleatrios usando um ponto de partida
aleatoriamente escolhido:

Nmero Aleatrio Sequncia de seleco
36 1
55 2
09 3
30 4
56 5
81 6

Passo 3: Ordene os nmeros aleatrios do menor para o maior como se mostra abaixo.

Nmero aleatrio Sequncia Ordem

36 1 (A) 3
55 2 (B) 4
09 3 (C) 1
30 4 (D) 2
56 5 (E) 5
81 6 (F) 6

Passo 4: Conceda os seis tratamentos para os seis talhes, usando a sequncia em que ocorreram os
nmeros aleatrios como os nmeros dos tratamentos e a correspondente ordem como nmero do
talho para o qual o particular tratamento est para ser fixado (assinado).

Se os tratamentos so A, B, C, D, E, e F, a concesso ser como se mostra abaixo

1 C

4 B

2 D

5 E

3 A

6 F

Repita as quatro fases para os blocos restantes, separadamente.
33
Experimentao Agrria

Anlise de varincia

O Modelo Linear Aditivo (Uma observao por unidade experimental):

Y
ij
= +
i
+
i
+
ij
;
ij
~ iidN(0,)

onde:
Y
ij
= o valor observado no bloco j que recebeu o tratamento i (i=1,2, ...,t ; j = 1,2,...,r)
= mdia geral

i
=
i
.- efeito do tratamento i

j
=
.j
- o efeito do bloco j

ij
= Erro ( a parte de variao devido a factores no controlados).

Antes da anlise deve-se decidir o tipo de modelo que se tem: modelo fixo, modelo casual (aleatrio) ou
modelo misto.

Modelo fixo: Neste caso tanto os tratamentos e blocos so seleccionados, e no casuais (aleatrios);
Significa que todos os tratamentos em que as suas inferncias esto para ser consideradas so includos
no ensaio (experimento). O mesmo aplica-se para os blocos. Neste caso, efeitos de blocos e tratamentos
podem ser testados pelo quadrado mdio do erro.

Para este modelo, um pressuposto adicional :

i
=
j
=0, significa que os efeitos dos tratamentos e dos blocos so medidos como desvio da
mdia geral.

Modelo Aleatrio: Neste caso os tratamentos e blocos, includos no ensaio (experimento) so amostras
casuais das respectivas populaes dos tratamentos e dos blocos. Inferncias neste caso so tomadas
acerca da populao dos tratamentos e blocos em simultneo no ensaio, e no separadamente. Ambos
efeitos de blocos e tratamentos podem ser testadas pelo uso do quadrado mdio do erro.

Para este modelo, os pressupostos adicionais so:

i
~

iidN(0,
2
)

j
~ iidN(0,
2
)

E 's 's e 's so independentemente distribudos

Modelo Misto: Este tipo de modelo aplicvel onde um dos factores (bloco ou tratamento) aleatrio e
o outro fixo. Muitas vezes os blocos so casuais e os tratamentos so fixos nos casos onde este modelo
vlido.
34
Experimentao Agrria
Formato de Anlise

Blocos
Tratamento Totais Mdias
1 2 ... j ... r Y
i.

. i
Y

1 Y
11
Y
12
... Y
1j
... Y
1r
Y
1.

. 1
Y

2 Y
21
Y
22
... Y
2j
... Y
2r
Y
2.

. 2
Y
.
.
.
i Y
i1
Y
i2
... Y
ij
... Y
ir
Y
i..

. i
Y
.
.
.
t Y
t1
Y
t2
... Y
tj
... Y
tr
Y
t..

. t
Y

Totais de Blocos Y
.1
Y
.2
... Y
.j
... Y
.r

..
Y
(Y
.j
)
Mdias de Blocos
1 .
Y
2 .
Y ...
j
Y
.
...
r
Y
.

..
Y
) (
. j
Y

Onde: e
..
1 1
..
= =
=
t
i
r
j
ij
Y Y
..
1 1
..
rt
Y
Y
t
i
r
j
ij
= =
=

Os estimadores de efeitos dos tratamentos e dos blocos so:
.. .
Y Y
i i
=
.. .
Y Y
j j
=

Anlise de Varincia
(i) Factor de Correco (FC): FC=
rt
Y
t
i
r
j
ij
2
1 1

= =

(ii) Soma dos Quadrados Totais (SQT): SQT = FC Y
t
i
r
j
ij

= = 1 1
2

35
Experimentao Agrria
(iv) Soma dos Quadrados dos Blocos (SQB): SQB = FC
t
Y
r
j
j
=1
2
.

(v) Soma dos Quadrados dos Tratamentos (SQTrat): SQTrat = FC
r
Y
t
i
i
=1
2
.

(vi) Soma dos Quadrados do Erro (SQE): SQE = SQT SQB SQTrat

Quadro de Anlise de Varincia

Fonte GL SQ QM F Quadrados Mdios Esperados

Modelo Fixo Modelo Aleatrio
Blocos r-1 SQB

1 r
SQB

QME
QMB
---- ----
Tratamentos t-1 SQTrat
1 t
SQtrat

QME
QMT

2
+

=
t
i
i
t
r
1
2
1

2
+r
2
Erro (r-1)(t-1) SQE

) 1 )( 1 ( t r
SQE
-
2
Total rt-1 SQT - - . .

1. Erro padro da mdia dum tratamento

r
QME
S
i
Y
=
.

2. Erro padro da diferena entre duas mdias

r
QME
S
s i
Y Y
2
. .
=

3. Coeficiente de Variao (CV)
100
..
x
Y
QME
CV =

36
Experimentao Agrria
Exemplo

Um ensaio para avaliar o rendimento de 5 variedades de milho produziu os resultados apresentados
abaixo. Os rendimentos foram medidos em kg por 100m
2

Blocos Variedades
1 2 3 4 5
Total

A 34 26 33 36 31 160
B 26 37 42 34 36 175
C 37 45 39 41 53 215
D 23 28 30 37 35 150
Total 120 136 144 148 152 700

Faa Anlise de Varincia e d concluses?

Resoluo:
Passo 1: Faa um teste de homogeneidade das varincias
=

=
=
r
j
r
j
ij
ij i
r
y
y
r
s
1
2
1
2 2
1
1

3 , 31 ; 0 , 40 ; 0 , 34 ; 5 , 14
2 2 2 2
= = = =
D C B A
s s s s

2 2 2 2
:
D C B A o
H = = =
:
a
H A hiptese nula no verdadeira

Fcal= 76 , 2
5 , 14
0 , 40
2
min
2
max
= =
s
s
5 , 25
05 , 0 : 5 , 4
=
=
F

Dado que o F
cal
e inferior ao F
crit
, no se pode rejeitar a hiptese nula. Conclui-se com base no teste
de Hartley ao nvel de significncia de 0,05 no h evidencia que mostre que as varincias so
diferentes.

Passo 2: Faa a anlise de varincia com base nos dados amostrais sem transformao (Dado que o
pressuposto de homogeneidade das varincias no foi violado)


Soma de quadrados totais (SQT):
2
700
24500
20
FC = =

2 2 2
34 26 32 24500
950
SQT
SQT
= + + +
=
K
2
2 2 2
160 175 215 150
24500
5
490
SQTrat
SQTrat
+ + +
=
=
37
Experimentao Agrria
Soma de quadrados do tratamento (SQTrat):

Soma de quadrados dos blocos (SQB)
2 2 2 2 2
120 136 144 148 152
24500
4
160
SQB
SQB
+ + + +
=
=

Soma de quadrados do erro (SQE)

uadrado mdio do tratamento (QMTrat):
uadrado mdio do bloco (QMB)
(QME):
a tratamentos:

cal
F
12,3,0.05
950 490 160
300
SQE
SQE
=
=
Q

Q

Quadrado mdio do erro
490
3
163.33
QMTrat
QMTrat
=
=
160
4
40
QMB
QMB
=
=

300
QME =

Clculo de F par
3* 4
25 QME =
163.33
6.53
cal
F =
25
cal
= F

Bloco 4 160 40
Tratamento 3 6.53 3.49 490 163.3
Erro 12 300 25
Total 19 950

38
Experimentao Agrria
Com bas ste F e no nvel de significncia de 5%, o agr mo pode ento concluir que as
ariedades estudadas no tm, em mdia, a mesma produo.
e no te no
v

39
Experimentao Agrria
Exemplo prtico
Um ensaio foi conduzido para comparar seis propores de sementeira de arroz, variedade IR8. O
ensaio foi desenhado num DBCC com 4 repeties (replicaes). Do ensaio resultaram os seguintes
dados que se apresentam abaixo:

Rendimento do gro de arroz variedade IR8

Rendimento do gro, kg/ha
Tratamento
kg Semente/ha Total Mdia
Rep I RepII RepIII RepIV
. i
y
. i
y

25 5.113 5.398 5.307 4.678 20.496 5.124
50 5.346 5.952 4.719 4.264 20.281 5.070
75 5.272 5.613 5.483 4.749 21.217 5.304
100 5.164 4.831 4.986 4.410 19.391 4.848
125 4.804 4.848 4.432 4.748 18.832 4.708
150 5.254 4.542 4.919 4.098 18.813 4.703

Totais dos
blocos 30.953 31.184 29.846 26.947 ) (
. j
y
Mdias dos
Blocos ) (
. j
y 5.159 5.197 4.974 4.491
Total de todas as observaes 118.930 ) (
..
y
Mdia geral ) (
..
y 4.955

Factor da Correco (FC)

FC = 704 . 347 . 589
6 * 4
030 . 1190
2 2
..
= =
rt
y

Soma de Quadrados Totais (SQT)

= =
=
t
i
r
j
ij
FC y SQT
1 1
2

=(5.113+5.398+...+4.098)-589.347.704
= 4.659.968

Soma de Quadrados dos blocos (SQB)

FC
t
y
SQB
r
j
j
=

=1
2
.

40
Experimentao Agrria
= 728 . 894 . 1 704 . 347 . 589
6
9475 . 26 ... 284 . 31 953 . 30
2 2
=
+ + +

Soma dos Quadrados dos Tratamentos (SQTrat)

FC
r
y
SQTrat
t
i
i
=

=1
2
.

= 481 . 131 . 1 704 . 347 . 589
4
813 . 18 ... 281 . 20 496 . 20
2 2 2
=
+ + +

Soma dos Quadrados do Erro (SQE)

SQE = SQT SQB SQTrat
=4.659.968-1.894.728-1.131.481
=1.633.759

Tabela de Anlise de Varincia

F
crt.

Fonte de Variao GL SQ QM F
cal
=0,05 =0,01

Blocos 3 1.894.728 631.576 5,80** 3,29 5,42
Tratam. 5 1.131.481 226.296 2,08 2,90 4,56
Erro 15 1.633.759 108.917 - - -
Total 23 4.659.968

CV = % 7 , 6 100
..
= x
y
QME

Concluso

Tratamentos:
Desde que o valor do F calculado seja menor do que o valor do F tabelado ao nvel de significncia
de 5% conclui-se que no h evidncia que mostre que as seis propores de sementeira so
diferentes em termos de rendimento de arroz.

b) Blocos:
A pesar de se fazer clculos da Soma de Quadrados, Quadrado Mdio e valor de F para os Blocos, o
teste dos efeitos deste no tem qualquer utilidade, uma vez no constituir uma hiptese de interesse.
Por outro lado tal teste viola regras estatsticas uma vez que os blocos no esto replicados. Portanto,
a incluso dos blocos nas fontes de variao serve apenas para se absorver a variao que de outro
modo seria includa no Erro Experimental.

Eficincia de Formao de Blocos
41
Experimentao Agrria

O clculo da Eficincia Relativa (E R) envolve a determinao da magnitude de reduo do erro
experimental devido a formao de blocos. Isto , ganho de eficincia atingido no processo de
formao de blocos em relao ao delineamento completamente casualizado. Calcula-se da seguinte
maneira:
QME rt
QME t r QMB r
ER
) 1 (
) 1 ( ) 1 (
+
=

Onde:
QME= Quadrado Mdio do Erro no DBCC
QMB= Quadrado Mdio dos Blocos

Se os graus de liberdade do erro forem menores que 20 o valor ER ajustado com a seguinte
frmula:

( )( ) [ ] ( ) [ ]
( )( ) [ ] ( ) [ ] 1 1 3 1 1
3 1 1 1 1
+ +
+ +
=
r t t r
r t t r
k

Do exemplo:

63 , 1
917 . 108 * ) 1 24 (
917 . 108 * 5 * 4 576 . 631 * 3
=
+
= ER

Mas note que os graus de liberdade do erro so 15, por isso necessrio usar um factor de ajuste K:

[ ][ ]
[ ][ ]
882 , 0
1 3 * 6 3 5 * 3
3 3 * 6 1 5 * 3
=
+ +
+ +

60 , 1 982 , 0 * 63 , 1 * = = = ER k ER
ajustada

O resultado mostra que o uso do DBCC em vez do DCC aumentou a preciso do ensaio em 60
porcento.

42
Experimentao Agrria
O teste de DMS

(i) O Erro padro duma mdia (
. i
Y
S )

r
QME
S
i
Y
=
.

Do exemplo

kg/ha 013 . 165
4
917 . 108
.
= =
i
y
s

(ii) O Erro padro duma diferena entre duas mdias (s
yi-yl
)

r
QME
S
s i
Y Y
2
. .
=

Do exemplo,

ha kg s
s i
y y
/ 36 . 233
4
917 . 108 * 2
. .
= =

Assumindo que a proporo de sementeira de 50Kg/ha um sistema padro na rea de estudo e o
experimento teve como objectivo a comparao deste sistema padro com os outros, o teste de DMS
ser apropriado para tal.

080 , 409 36 , 233 * 753 , 1 *
. .
05 , 0 ), 1 )( 1 ( 05 , 0
= = =
= =
s i
y y t r
s t DMS

Pares comparados Diferenas entre as Deciso
mdias

(25kg e 50Kg) 5.124 - 5.070 = 54 no significativa
(75Kg e 50Kg) 5.279 - 5.070 = 209 " "
(100Kg e 50Kg 4.848 - 5.070 = 222 " "
(125Kg e 50Kg) 4.708 - 5.070 = 362 " "
(150Kg e 50Kg) 4.703 - 5.070 = 367 " "

Na base do teste DMS ao nvel de significncia de 0,05 no existem diferenas significativas em
produo mdia entre o sistema padro e os outros. Isto , a diminuio ou o aumento da proporo
de sementeira da proporo padro no tem efeito significativo na produo de arroz.

Anlise de Varincia com Talho Perdido

Suponha que no experimento com arroz foi perdido o talho com tratamento 4 no bloco II. Para
fazer anlise de varincia necessrio estimar o valor para o talho perdido. Tal valor artificial e no
43
Experimentao Agrria
contribui com informao adicional. Para fazer anlise de varincia com talho perdido, use o
procedimento seguinte;

Passo l
Use a frmula seguinte para estimar o valor perdido.

( )( )
0 0
1 1
rB tT G
y
r t
+
=

Onde:
y = estimativa do valor perdido.
B
0
= total dos talhes restantes no bloco em que figura o talho perdido.
r = nmero de repeties
t = o nmero de tratamentos
T = o valor total do tratamento do talho perdido nos outros blocos
G
0
= o total dos talhes disponveis.

Do exemplo

245 . 5
) 1 6 )( 1 4 (
099 . 114 ) 560 . 14 ( 6 ) 353 . 26 ( 4
=

+
= y

Passo 2
Substitua o valor y no lugar do dado perdido e faa anlise de varincia.
Do exemplo obtemos os resultados seguintes.

Tabela de Anlise de Varincia

Fonte GL SQ QM

Blocos 3 2.116.459 705.486
Tratamentos 5 1.078.040 215.608
Erro 15 1.526.706 101.780
Total 23 4.721.205

Passo 3
Faa as seguintes modificaes nos resultados de Anlise de Varincia do passo 2:

(a) Subtraia 1 nos graus de liberdade tanto para o total como para o erro

(b) Calcule o factor de correco, usando a frmula seguinte:

[ ] [ ]
546
) 1 6 ( 6
) 245 . 5 )( 1 6 ( 353 . 26
) 1 (
) 1 (
2
0
=

=
t t
y t B
B

(c) Subtraia o factor B da soma dos quadrados totais e da soma dos quadrados dos tratamentos.

44
Experimentao Agrria
Portanto,

SQT
Adjustado
= SQT - B
= 4.721.205-546
= 4.720.659

SQTtrat(Adjustado) = SQTtrat - B
=1.078.040 - 546
=1.077.494

Ento a tabela de anlise de varincia final :

Fonte de variao G.L SQ QM Fcal
05 , 0 =
F
01 , 0 =
F
Blocos 3 2.116.459 705.486
Tratamentos 5 1.077.494 215.499 1,98 2,96 4,69
Erro 14 1.526.706 109.050
Total 22 4.720.659

Passo 4
Para fazer comparaes entre mdias onde um tratamento tem um valor perdido, use a frmula
seguinte:

( )( ) ( ) ( )
ha kg
t r r
t
r
s s
s i
y y
/ 79 , 255
1 6 * 1 4 * 4
6
4
2
050 . 109
1 1
2
2
. .
=

+ =

+ =

7 , 548 79 , 255 * 145 , 2 *
. .
05 , 0 , 14 05 , 0
= = =
= =
s i
y y
s t DMS

45
Experimentao Agrria

Exerccio

1. Trs sistemas de servio de comida foram testados em 5 hospitais. A variabilidade de interesse foi
o tempo (em minutos) utilizado por refeio servida. A refeio do meio dia foi servida por cada
hospital e por cada mtodo, com seguintes resultados.

Hospital Mtodo
A B C Total
1 7.56 9.68 11.65 28.89
2 9.98 9.69 10.69 30.36
3 7.23 10.49 11.77 29.49
4 8.22 8.55 10.72 27.49
5 7.59 8.30 12.36 28.25
total 40.58 46.71 57.19 144.48

Depois de eliminados os efeitos dos hospitais, sugere a estes dados uma diferena entre os mtodos
em tempos mdios por cada refeio servida.
Use nvel de significncia de 5%.

2. Dezasseis (16) obesos participaram num estudo para comparar 4 regimes de perda de peso. Os
obesos foram agrupados consoante ao peso inicial e cada 4 obesos de cada grupo de peso inicial
foram casualmente destinados para um dos 4 regimes. No fim do perodo experimental, as seguintes
perdas de peso ( em libras) foram registados.

Peso inicial Regime
(em libras) A B C D TOTAL
150-174 12 26 24 23 85
175-199 15 29 23 25 92
200-225 15 27 25 24 91
>225 18 38 33 31 120
TOTAL 60 120 105 103 388

D evidncia ao nvel de significncia de 0.01 que os dados do uma diferena nos regimes.

3. Quatro variedades participaram num experimento para comparar 3 mtodos de alvio de stress
hdrico. Cada variedade foi colocada numa situao de stress em trs diferentes ocasies. Os
diferentes mtodos para a reduo do stress foram usados para cada variedade. Os resultados que
esto na tabela so quantidades de decrscimo do nvel de stress, medido antes e depois dos
tratamentos.

Tratamento
Variedade A B C
1 16 26 22
2 16 20 23
3 17 21 22
4 28 29 26

Faa a tabela de ANOVA e faa o teste F com nvel de significncia de 5% para tirar concluses.

46
Experimentao Agrria
4. Foi conduzido um ensaio para estudar o efeito da rega e de adubao na capacidade de reteno de
gua pelas folhas de alface. Para isso foram usados dois nveis de rega (nvel baixo R
0
e mdio R
1
) e
dois nveis de adubao ( 0kg/ha - N
0
; 50kg/ha - N
1
). O delineamento usado foi o de blocos
completos casualizados. Os resultados do ensaio esto apresentados na tabela abaixo.

Blocos
Tratamento I II III IV totais
R
0
N
0
10.4 8.0 15.6 7.4 41.4
R
0
N
1
15.6 12.3 20.0 23.8 71.7
R
1
N
0
23.1 33.8 23.1 46.9 126.9
R
1
N
1
19.0 31.5 21.2 28.3 100.0
Totais 68.1 85.6 79.9 106.4 340

a) D o modelo estatstico para o ensaio.
b) Assumindo homogeneidade das varincias, faa Anlise das Varincia e o teste F ao nvel de
significncia de 0.05.
c) Faa comparaes apropriadas para os componentes significativos
d) Sumarize as suas concluses sobre o ensaio.

5. Os delineamentos de blocos completos casualizados, so muito usados na investigao
agronmica. Porm, tm as suas vantagens e desvantagens e limitaes.
a) Em que casos aconselhvel o seu uso?
b) Quais so as suas limitaes e vantagens?

47
Experimentao Agrria
6. Foi realizado um ensaio para comparar 6 variedades de feijo vulgar ( A, B, C, D, E, F ). Para isso
foi usado o Delineamento de Blocos Completos Casualizados. Os dados do ensaio so apresentados
abaixo em termos de rendimento de gro em Kg/parcela.

A
60
E
65
C
66
F
59
D
59
B
56
Bloco I

F
45
A
55
C
59
E
58
D
50
B
57
Bloco II

B
55
C
51
E
43
D
54
A
45
F
50
Bloco III

a) Faa o teste apropriado ao nvel de significncia de 5%
b) Com base no teste DMS, faa a comparao das variedades A e B com a variedade D. D
concluses.
c) Calcule a eficincia do uso de blocos em relao ao DCC. A que concluses voc chega?

7. Imagine agora que no mesmo ensaio acima, o rendimento do tratamento D no bloco II foi perdido
devido a inundaes.

A
60
E
65
C
66
F
59
D
59
B
56
Bloco I

F
45
A
55
C
59
E
58
D
?
B
57
Bloco II

B
55
C
51
E
43
D
54
A
45
F
50
Bloco III

8. A tabela abaixo apresenta dados sobre a produo de milho da SEMOC em ton/ha, de quatro
variedades de milho em cinco tipos de solo.

Tipo de solo Variedade
A B C D Totais
Arenoso 4.00 4.00 5.52 3..76 17.28
Areno-limoso 4.48 4.72 4.72 4.00 17.92
franco 4.16 5.28 5.44 4.32 19.2
Areno-argiloso 4.40 4.72 5.76 4.96 19.84
Argiloso 5.76 5.28 5.76 4.96 21.76
Totais 22.8 24 27.2 22 96

a) Faa um teste apropriado ao nvel de significncia de 5% e tire as concluses sobre a produo de
milho na SEMOC?

48
Experimentao Agrria
9. O Departamento de Florestas da Faculdade de Agronomia e Engenharia Florestal tem um estudo
sobre o crescimento de trs variedades de Eucaliptus spp em diferente regies. Para o estudo usou-se o
Delineamento de blocos completos Casualizados. A tabela mostra os resultados em metros/dia

Regio variedade
A B C Totais
Maputo 50 57 60 167
Beira 54 60 62 176
Nampula 58 61 58 177
Quelimane 49 59 56 164
Totais 211 237 236 684

a) Faa Anlise de Varincia e o teste F ao nvel de significncia de 5%.
b) Faa o teste DMS para comparar as mdias.
c) Tire algumas concluses.

10. So dados os pesos de trs ratos aos 30, 34, 38, 42, 46 dias de idade.
Considere que cada animal um bloco e que as idades so tratamentos.
a) Faa Anlise de Varincia e interprete os resultados.
b) Critique a concepo deste ensaio, no que respeita aos tratamentos.

Idade
Rato 30 34 38 42 46
1 83 86 103 116 132
2 63 69 79 81 98
3 55 61 79 79 91

Resultados
1. F
cal
= 13.17
3. F
cal
= 3.74
9. a) F
cal
= 8.68
9. b) A-B - significativo; A-C - significativo; A-D - no significativo

49
Experimentao Agrria
CAPITULO V: DELINEAMENTO DOS QUADRADOS LATINOS (DQL)

Quando usar o delineamento?

O delineamento de Quadrados Latinos (DQL) usado nas situaes em que existam duas fontes de
variao conhecidas dentro das unidades experimentais. As duas fontes de variao so assim usadas
como critrio no processo de "BLOCKING". As duas direces do "blocking" so comumente
referidas como o "blocking" das linhas e o "blocking" das colunas.

Neste delineamento cada tratamento ocorre somente uma vez em cada bloco da coluna e em cada
bloco da linha. Com este procedimento torna possvel estimar a variao dentro dos blocos da linha,
assim como dos blocos das colunas, removendo-os do erro experimental.

Exemplo:

A B C D
B A D C
C D A B
D C B A

Nota-se acima, que cada tratamento aparece somente uma vez em cada coluna e linha, sendo o
nmero das replicaes (repeties) igual ao nmero de tratamentos.

O uso do delineamento depende das seguintes condies:

i. O nmero de tratamentos deve ser igual ao nmero de replicaes.
ii. No pode haver uma interaco entre as duas fontes de variao e os tratamentos.
iii. A casualizao dos tratamentos deve ser feita de tal modo que cada tratamento aparea apenas
uma vez em cada coluna e linha.

Exemplos onde DQL pode ser usado

(i) Campos de experimentao onde existam dois gradientes de fertilidade do solo orientados
perpendicularmente um do outro.

(ii) Experimento em que a direco de sombreamento perpendicular ao gradiente de fertilidade do
solo dominante no local do experimento.

(iii) Experimentos de processamento de alimentos em que h variao na qualidade do produto final
ao longo dos dias teis da semana e em que h diferentes operadores de mquinas de
processamento, trabalhando em igual nmero de turnos.

50
Experimentao Agrria
Vantagens e Desvantagens do Delineamento

Vantagem

Permite-se o controlo de duas fontes de variao

Desvantagens

Os graus de liberdade para o erro so reduzidos
Ensaios envolvendo um largo nmero de tratamentos aparecem como impraticveis por causa
do largo nmero de replicaes requerido.

Na prtica, o delineamento usado quando o nmero de tratamentos estiver compreendido entre 4
e 8.

Aleatorizao e Layout

(i) Faz-se um plano inicial ou selecciona-se um plano inicial dum livro de experimentao (ex.
Cochrane e Cox, Experimental Designs 1957) como se mostra abaixo para quadrado latino de 5x5
onde A,B,C,D,E so os tratamentos.

Plano 1

A B C D E
B A E C D
C D A E B
D E B A C
E C D B A

Note que cada letra (tratamento) aparece apenas uma vez na linha e na coluna.

(ii) Casualize a organizao das linhas do plano inicial usando os nmeros aleatrios. Neste caso,
faz-se a seleco de nmeros aleatrios com dois dgitos, da tabela de nmero aleatrios como se
mostra abaixo.

Ns aleatrios Sequncia Ordem

92 1 5
16 2 1
72 3 4
49 4 2
70 5 3

Onde: A sequncia representa como os nmeros foram ordenados na tabela.

Ordem= A magnitude relativa dos nmeros.

51
Experimentao Agrria
Use a ordem para representar as linhas do plano inicial e a sequncia para representar as linhas do
plano novo. Para o exemplo acima, linha 5 do plano inicial torna-se a linha 1 de plano novo, linha 1
torna-se a linha 2, etc como se mostra abaixo.

Plano 2

E C D B A
A B C D E
D E B A C
B A E C D
C D A E B

(iii) Casualize as colunas do 2 plano usando os mesmos passos acima descritos. Da tabela de
nmeros aleatrios:

N aleatrio sequncia Ordem

02 1 1
41 2 3
16 3 2
65 4 5
49 5 4

Da tabela acima, a coluna 1 do plano 2 torna-se coluna 1 do plano 3, coluna 3 torna-se coluna 2, etc
como o plano que se mostra abaixo:

Plano 3: Plano final

E D C A B
A C B E D
D B E C A
B E A D C
C A D B E

52
Experimentao Agrria
Anlise de Varincia

Modelo estatstico (modelo fixo)

Y
ij(k)
= +
i
+
j
+
(k)
+
ij
;

Onde:
Y
ij(k)
= o valor observado da interseco da i
sima
linha e j
sima
coluna e associado com o
k
simo
tratamento. (i = 1, 2 , ..., t; j = 1, 2 , ..., t; k = 1, 2, ..., t)

i
= efeito da linha i

j
= efeito da coluna j

(k)
= efeito do tratamento k

ij
= erro.

Pressupostos do modelo
- Os componentes do modelo so aditivos
-
ij
~ iidN (0,)
- 0 e 0 ; 0
1
) (
1 1
= = =

= = =
t
k
k
t
j
j
t
i
i

Estimao e os Clculos para o DQL

Apenas dois subscritos (ij) so necessrios para identificar uma observao qualquer porque s um
tratamento aparece para uma dada linha e coluna. O terceiro subscrito (k) ser necessrio para
indicar qual o tratamento que foi aleatoriamente colocado na clula (i,j). Os totais usados na
estimao de parmetros e na Anlise de Varincia so:

i. O valor total para todas as observaes

= =
=
t
i
t
j
ijk
Y Y
1 1
...

ii. O valor total da linha i

=
=
t
j
ijk i
Y Y
1
..

iii. O valor total da coluna j

=
=
t
i
ijk j
Y Y
1
. .

iv. O total do tratamento k: Y
..k

v. Estimador de efeitos dos tratamentos:

... ..
Y Y
k
=
53
Experimentao Agrria
Anlise de Varincia

a. O Factor de Correco (FC)

2
2
1 1
t
Y
FC
t
i
t
j
ijk
=

= =

b. A Soma dos Quadrados Totais (SQT)

FC Y SQT
t
i
t
j
ijk
=
= = 1 1
2

c. A Soma dos Quadrados das Linhas (SQL)

FC
t
Y
SQL
t
i
i
=

=1
2
..

d. A Soma dos Quadrados das Colunas (SQC)

FC
t
Y
SQC
t
j
j
=

=1
2
. .

e. A Soma dos Quadrados dos Tratamentos (SQTrat)

FC
t
Y
SQTrat
t
k
k
=

=1
2
..

f. A Soma dos Quadrados do Erro (SQE)

SQE = SQT SQL SQC SQTrat


54
Experimentao Agrria
Fonte de Variao G.L SQ QM Quadrados Mdios Esperados

Modelo Fixo Modelo Casual
Linhas t-1 SQL QML --- ---

Colunas t-1 SQC QMC --- ---
Tratamentos t-1 SQTrat QMT
+
t
k
i
t
t
1
2 2
1
1

2 2
t
Erro (t-1)(t-2) SQE QME
2
Total t
2
-1 SQT

Exemplo
Foi conduzido um ensaio da variedade de milho , envolvendo trs hbridos (A , B e D ) e uma
variedade de controlo C usando 44 DQL. O ensaio resultou em dados abaixo apresentados.

N da Rendimento do gro
linha
Col.1 Col. 2 Col. 3 Col.4 Total

1 1,640(B) 1,210(D) 1,425(C) 1,345(A) 5,620
2 1,475(C) 1,185(A) 1,400(D) 1,290(B) 5,350
3 1,670(A) 0,710(C) 1,665(B) 1,180(D) 5,225
4 1,565(D) 1,290(B) 1,655(A) 0,660(C) 5,170

Total 6,350 4,395 6,145 4,475 21,365

Da tabela acima, obtm-se totais (y
..k
) e mdias (
..k
) de tratamentos, como se mostra a seguir:

Tratamento A

1 ..
y = [1,670+1,185+1,655+1,345) = 5,855

464 , 1
4
855 , 5
4
1 ..
1 ..
= = =
y
y

Tratamento B

2 ..
y = 1,640+1,290+1,665+1,290 = 5,885

471 , 1
4
885 , 5
2
2 ..
2 ..
= = =
y
y
55
Experimentao Agrria

Tratamento C

3 ..
y =1,475+0,710+1,425+0,660 = 4,270

068 , 1
4
270 , 4
4
3 ..
3 ..
= = =
y
y

Tratamento D

4 ..
y = 1,565+1,210+1,400+1,180 = 5,355

339 , 1
4
355 , 5
4
4 ..
4 ..
= = =
y
y

Tratamento Total ( ) Mdia (
k
y
.. k
y
..
)

A 5,855 1,464
B 5,885 1,471
C 4,270 1,068
D 5,355 1,339

(i) Factor de correco (FC)

528952 , 28
16
365 , 21
4
2
2
2
4
1
4
1
= =
=

= = i j
ijk
y
FC

(ii) Soma de Quadrados Totais (SQT)

( )
413923 , 1 528952 , 28 9428746 , 29
528952 , 28 660 , 0 ... 210 , 1 649 , 1
2 2 2
4
1
4
1
2
= =
+ + + = =
= =
FC y SQT
i j
ijk

(iii) Soma de Quadrados das Linhas (SQL)

030154 , 0
4
170 , 5 225 , 5 350 , 5 620 , 5
4
2 2 2 2
4
1
2
..
=
+ + +
= =

=
FC
y
SQL
i
i

(iv) Soma de Quadrados das Colunas (SQC)

56
Experimentao Agrria
827342 , 0
4
475 , 4 145 , 6 395 , 4 350 , 6
4
2 2 2 2
4
1
2
. .
=
+ + +
= =

=
FC FC
y
SQC
j
j

(v) Soma de Quadrados dos Tratamentos (SQTrat)

426842 , 0
4
355 , 5 270 , 4 885 , 5 855 , 5
4
2 2 2 2
4
1
2
..
=
+ + +
= =

=
FC FC
y
SQtrat
k
k

(vi) Soma dos Quadrados do erro (SQE)

SQE = SQT SQL SQC SQTrat
= 1,413923 - 0,030154 - 0,827342 - 0,426842
= 0,129585


Fonte GL SQ QM F F
6,3

=0,05 =0,01

Linhas 3 0,0301554 0,010051 0,47 4,76 09,78
Colunas 3 0,827342 0,275781 12,77**
Tratamentos 3 0,426842 0,142281 6,59*
Erro 6 0,129585 0,021598
Total 15 1,413923

% 11 100
335 , 1
021592 , 0
100
...
= = = x x
y
QME
CV

O valor de CV calculado mostra que o nvel de preciso est dentro dos limites aceitveis e assim, as
inferncias baseadas nestes dados sero provavelmente seguras.

Os resultados do teste de F mostram que existem efeitos significativos das variedades no rendimento
de milho (p<0,05). Notemos, no entanto, que este teste no nos diz que variedades so
significativamente diferentes.

Erro padro duma mdia

0735 , 0
4
021598 , 0
..
= = =
t
QME
s
k
y

Erro padro duma diferena entre duas mdias

57
Experimentao Agrria
1039 , 0
4
021598 , 0 * 2 2
.. ..
= = =
t
QME
s
s k
y y

Quadro de Diferenas entre as Mdias

Variedades
s k
y y
.. ..

s k
y y
s
.. ..

A e B -0,007 0,1039
A e C 0,396 0,1039
A e D 0,125 0,1039
B e C 0,403 0,1039
B e D 0,132 0,1039
C e D -0,271 0,1039

Eficincia do Delineamento

As linhas e as colunas servem unicamente para explicar a variao que de outro modo iria
contaminar o Erro Experimental, enfraquecendo os testes. Assim, semelhana do que afirmmos
em relao aos blocos, os testes associados s linhas e s colunas no so relevantes e nem obedecem
a um rigor estatstico. Assim que se tiver usado o DQL pode-se calcular a eficincia relativa ao DCC
e DBCC.

Eficincia Relativa(ER) do DQL

-Relativa ao DCC:

QME t
QME t QMC QML
DCC ER
) 1 (
) 1 (
) (
+ +
=

Onde

QML = Quadrado Mdio da linha.
QMC = Quadrado Mdio da coluna
QME = Quadrado Mdio do erro
t = Nmero de tratamentos.

0,010051+0,275781+(4-1)(0,021598)
( ) 3.2
(4-1)(0,021598)
ER DCC = = 5

Os resultados mostram que usando o delineamento de quadrados latinos em vez do delineamento
completamente casualizado, a eficincia foi aumentada em 325%.

58
Experimentao Agrria
-Relativa ao DBCC

QME t
QME t QML
linha DBCC ER
*
) 1 (
) , (
+
=

QME t
QME t QMC
coluna DBCC ER
*
) 1 (
) , (
+
=

Quando os graus de liberdade para o erro no DQL forem menores que 20, o valor da ER ser
ajustada pelo seguinte factor.

( )( ) [ ]( ) [ ]
( )( ) [ ]( ) [ ] 1 1 3 2 1
3 1 1 2 1
2
2
+ +
+ +
=
t t t
t t t
k

Do exemplo:
ER (DBCC,linha) = 87 , 0
021598 , 0 * 4
021598 , 0 * ) 1 4 ( 010051 , 0
=
+

ER (DBCC,Coluna) = 94 , 3
021598 , 0 * 4
021598 , 0 * ) 1 4 ( 275781 , 0
=
+

Porque os graus de liberdade do erro so apenas seis, os dois valores acima necessitam de ser
ajustados:

( )( ) [ ]( ) [ ]
( )( ) [ ]( ) [ ]
93 , 0
1 1 4 3 2 4 1 4
3 1 4 1 2 4 1 4
2
2
=
+ +
+ +
= k

ER (DBCC, linha) ajustada = 0,87x0,93 = 0,81

ER (DBCC, coluna) ajustada = 3,94x0,93 = 3,66

Os resultados mostram que "blocking" por linhas no aumentou a preciso comparado com o
DBCC enquanto blocking por colunas aumentou a eficincia em 366%. A implicao global de que
o DBCC com colunas como blocos ser to eficiente como o delineamento dos quadrados latinos.

O Teste de DMS

Comparao entre as variedades hbridas com a variedade de controlo.

396 , 0 068 , 1 464 , 1 = =
C A
y y

403 , 0 068 , 1 471 , 1 = =
C B
y y

271 , 0 068 , 1 339 , 1 = =
C D
y y

DMS
=0,05
= 1,943*0,1039=0,2019
Ento

59
Experimentao Agrria

C A
y y >DMS
0,05
= significativa

C B
y y >DMS
0,05
= significativa

C D
y y >DMS
0,05
= significativa.

Os hbridos A e B so significativamente superiores variedade de controlo em termos de
rendimento mdio, enquanto que o hbrido D significativamente inferior variedade de controlo
em termos de rendimento mdio.

Anlise de Varincia com Talho Perdido

Suponhamos que no experimento com milho foi perdido o talho da 4 linha e 3 coluna (1,655
perdido).

Passo 1 Usa-se a frmula seguinte para estimar o valor perdido

( )
( )( )
2
1 2
t Lo Co To Go
y
t t
+ +
=

Onde t = nmero de tratamentos
Lo = o total de valores na linha com o valor perdido
Co = o total de valores na coluna com o valor perdido
To = o total do tratamento do valor perdido (soma do tratamento cujo valor foi perdido).
Go = total dos talhes disponveis (grande total sem o valor do talho perdido).

Do Exemplo:

[ ]
t/ha 567 , 1
2 * 3
) 710 , 19 ( 2 ) 200 , 4 490 , 4 515 , 3 ( 4
=
+ +
= y

Passo 2 : Substitua o valor y no lugar do dado perdido e faa Anlise de Varincia. Do exemplo,
obtemos os resultados seguintes:

Quadro de Anlise de Varincia

Fonte G.L SQ QM

Linha 3 0,039142 0,013047
Coluna 3 0,793429 0,264476
Tratamentos 3 0,405689 0,1352297
Erro 6 0,126658 0,0211097
Total 15 1,364918

Passo 3 Faa as seguintes modificaes para os resultados da anlise de varincia em passo 2

-Subtraia 1 grau de liberdade tanto para o total como para o erro.
-Calcule o factor de correco como:

60
Experimentao Agrria

[ ]
[ ]
[ ]
[ ]
022251 , 0
) 2 4 )( 1 4 (
200 , 104 4 ( 490 , 4 515 , 3 710 , 19

) 2 )( 1 (
) 1 (
2
2
2
2
0 0 0 0
=

=

=
t t
T t C L G
B

Subtraia o factor B da soma dos quadrados totais e da soma dos quadrados dos tratamentos
Portanto:

SQ T(ajustada) = SQTB
= 1,364918-0,022251
= 1,342667

SQTrat(ajustada) = SQTrat B
= 0,405689-0,022251
= 0,383438

Ento o quadro da Anlise de Varincia final ser:

Fonte de variao G.L SQ QM F F
5,3

=0,05 =0,01

Linha 3 0,039142 0,013047 <1 - -
Coluna 3 0,793429 0,264476 10,44* 5,41 12,06
Tratamentos 3 0,383438 0,127813 5,05 5,41 12,06
Erro 5 0,126658 0,025332
Total 14 1,342667

Para fazer comparao entre mdias onde um tratamento tem valor perdido, use a frmula seguinte
para calcular o erro padro duma diferena entre duas mdias:

+ =
) 2 )( 1 (
1 2
2
.. ..
t t t
s s
s k
y y

Do Exemplo

12995 , 0 12995 , 0
) 2 4 )( 1 4 (
1
4
2
025332 , 0
.. ..
=
=

+ =
s k
y y
s

Exemplo prtico

Pretende-se estudar o rendimento na produo das sementes da rvore de Leucaena com duas
fontes de variao: tipo de solo e perodo de sementeira. Os dados so apresentados na tabela
seguinte (n de sementes/rvore).

61
Experimentao Agrria
Perodo de sementeira Tipo de
solo 1 2 3 4 5 totais
1 A58 D80 B78 E74 C66 356
2 C60 A62 D81 B81 E70 354
3 E64 C65 A67 D89 B74 359
4 B68 E69 C68 A70 D80 355
5 D68 B70 E70 C70 A65 343
totais 318 346 364 384 355 1767

Faa Anlise de Varincia e o teste F ao nvel de significncia de 5%.

Resoluo


2
1767
124891.56
25
FC = =
Soma de quadrados totais (SQT):
2 2 2 2
58 60 80 65
1319.44
SQT FC
SQT
= + + + +
=
K

Soma de quadrados dos tratamentos (SQTrat):
2
2 2 2 2
322 371 329 398 347
5
784.24
SQTrat FC
SQTrat
+ + + +
=
=

Soma de quadrados das linhas (SQL)

2
2 2 2 2
356 354 559 355 343
5
29.84
SQL FC
SQL
+ + + +
=
=

62
Experimentao Agrria
Soma de quadrados das coluna (SQC)

oma de quadrados do erro (SQE)
uadrado mdio do tratamento (QMTrat):
(QMC)
(QME):
tratamentos:
1319.44 29.84 471.84 784.24
33.52
SQE
SQE
=
=
2 2 2 2 2
318 346 364 384 355
5
471.84
SQC FC
SQC
+ + + +
=
=

S

Q

784.24
4
196.06
QMTrat
QMTrat
=
=
29.84
4
QML =
Quadrado mdio da linha (QML)
7.46 L = QM

Quadrado mdio da coluna

Quadrado mdio do erro

Clculo de F para

33.52
12
QME =
471.84
4
QMC =
117.96 QMC =
2.793 QME =
196.06
2.793
70.19
cal
F =
cal
F =
63
Experimentao Agrria
cal
F
4,12,0.05
Linhas 4 29.84 7.46 2.67 3.26
Coluna 4 471.84 117.96 42.23* 3.26
Tratamento 4 784.24 196.06 70.19* 3.26
Erro 12 33.52 2.793
Total 24 1319.44

Com base no teste F e ao nvel de significncia de 5%, pode-se concluir que as variedades no
tm a mesma produo de sementes por rvore.

Exerccio

1. Um investigador pretende avaliar o dimetro do caule (em cm) da Zea mays em diferentes
pontos da zona norte do Pas. Segundo o investigador, as zonas seriam definidas em funo da
altitude: 10m, 80m, 240m. O investigador acha que o perodo de cultivo seria importante para o
seu estudo.
a) Faa a casualizao e apresente o Layout.
b) Faa o esqueleto da ANOVA e diga qual seria o problema do Delineamento
escolhido?
c) D o modelo estatstico e os seus pressupostos.

2. Muitas vezes os investigadores usam Delineamento de Quadrados Latinos para verificar se
existem diferenas significativas entre tratamentos.
a) Quando recomendaria o seu uso?
b) Qual a diferena entre o DQL e DBCC?
c) Quais so os indicadores que mostram que no prximo Experimento seria
aconselhvel ou no o uso do DQL? Justifique como?

3. O INIA (Instituto Nacional de Investigao Agronmica) realizou um experimento usando o
Delineamento de Quadrados Latinos. O ensaio consistia em avaliar o efeito de 5 tipos de
tratamento e num determinado perodo. Os resultados esto apresentados na tabela seguinte:

VARIEDADE
PERODO 1 2 3 4 5
1 A10 B14 C16 D19 E21
2 B12 C18 D13 E23 A19
3 C14 D23 E11 A22 B15
4 D13 E20 A15 B13 C11
5 E12 A17 B8.0 C18 D9.0

a) Faa Anlise de Varincia e o teste F ao nvel de significncia de 5%.
b)Tire concluses.

4. Um estudante do 5 ano da Faculdade de Agronomia e Eng Florestal pretende verificar se
existem diferenas significativas entre as variedades de tomate se aplicados adubos em diferentes
condies de solo.

Condies Adubo
64
Experimentao Agrria
do solo N P K Orgnico Totais
1 D20 A28 B27 C30 105
2 A27 B30 C34 D14 105
3 B31 C38 D20 A23 112
4 C35 D18 A30 B20 103
Totais 113 114 111 87 425

a) D o modelo estatstico para o ensaio?
b) Assumindo que as varincias so homogneas, faa Anlise de Varincia e o teste F ao nvel de
significncia de 5% e 1%.
c) Com base no teste DMS, faa comparaes entre os tratamentos
d) Aconselharia no prximo ensaio o uso de DBCC? Porqu?
e) Calcule o CV e elabore as concluses.

5. Foi realizado um ensaio para avaliar o efeito de quatro tipos de rao (A, B, C e D), sobre a
produo de leite de vaca. Para tal foi usado o Delineamento de Quadrados Latinos e, cada
animal foi submetido a cada um dos quatro tipos de rao num perodo de trs semanas e o leite
total no fim das trs semanas foi registado (em decilitros). Os resultados esto apresentados na
tabela abaixo.

VACA
perodo 1 2 3 4 totais
1 A191 B195 C292 D249 928
2 B190 D203 A218 C210 821
3 C214 A139 D245 B163 761
4 D221 C152 B204 A134 711
Totais 817 689 959 756 3221

a) Faa a Anlise de Varincia e o teste F ao nvel de significncia de 5%. Comente os seus
resultados.
b) Calcule o erro padro da diferena entre duas mdias dos tratamentos
c) Calcule o erro padro duma mdia dum tratamento.

65
Experimentao Agrria
6. Suponha agora que no ensaio da pergunta n 5, o leite colhido na 2 vaca do perodo 3
derramou no cho e o resultado ficou perdido.

VACA
Perodo 1 2 3 4 Totais
1 A191 B195 C292 D249 928
2 B190 D?? A218 C210 618
3 C214 A139 D245 B163 761
4 D221 C152 B204 A134 711
Totais 817 486 959 756 3018

a) Faa a Anlise de Varincia e o teste F ao nvel de significncia de 5%.
b) Calcule o CV e comente os seus resultados.

66

Manual Experimentação Agrária UEM

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Manual Experimentação Agrária UEM

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE EDUARDO MONDLANE

Manual Experimentao Agrria

factor de correco (FC) e n o numero total de observaes para o ensaio

Fonte de G.l SQ QM Quadrado Mdio Esperado

Fonte GL SQ QM F Quadrados Mdios Esperados

Blocos r-1 SQB

Erro (r-1)(t-1) SQE

Total rt-1 SQT - - . .

Fonte de Variao G.L SQ QM Quadrados Mdios Esperados

Linhas t-1 SQL QML --- ---

Vous aimerez peut-être aussi