35

UNIVERSIDADE FEDERAL DE VIOSA

UNIVERSIDADE FEDERAL DO CEAR
DEPARTAMENTOS DE TECNOLOGIA DE ALIMENTOS
TAL 795 Problemas especiais II: Planejamento e anlise de experimentos
2011 Jos Bencio Paes Chaves DTA/UFV

3 Princpios da experimentao
3.1 Princpio da repetio
3.1.1 Consideraes gerais definies
A experimentao em qualquer rea do conhecimento, incluindo a de cincia e
tecnologia e de engenharia de alimentos governada por alguns princpios fundamentais. Um destes princpios o da repetio.
Quando se testa dois processos (P1 e P2) de produo, no mesmo material, o
simples fato de P1 produzir mais do que P2 no suficiente para se concluir que P1
oferece maior rendimento do que P2. Isto poder ter ocorrido por simples acaso ou
por fatores acidentais. Entretanto, se o teste for repetido vrias vezes em tempos
ou em locais diferentes, em condies controladas e o processo 1 (P1) continuar,
em mdia, produzindo maior rendimento do que o processo 2 (P2), j um indcio
de sua maior produtividade.
Na experimentao em cincia e tecnologia ou engenharia de alimentos, quando normalmente se pretende testar algum tipo de hiptese, h necessidade de uma
estimativa vlida do erro experimental, com a qual se vai comparar as diferenas entre mdias de tratamentos, formulaes, marcas ou testar efeitos de fatores
quantitativos como temperatura, tempo, percentagem de ingredientes... S possvel obter estimativa de erro experimental quando se tem repetio do experimento.
Veja o exemplo a seguir de um experimento com adio de antioxidantes na
preveno de rancidez de hambrguer.

36

Valores de TBARS (substancias reativas com o cido

tiobarbitrico) de um produto adicionado de diferentes antioxidantes
Antioxidante (Tratamento)
Repetio

1
2
3
4

1,20
1,30
1,25
1,35

1,80
1,90
1,85
1,90

1,56
1,65
1,50
1,70

2,02
1,95
1,90
1,94

2,30
2,10
2,20
2,25

As diferenas nos valores de TBARS entre os antioxidantes acessam as diferenas mdias dos efeitos do antioxidante, se existir. Isto , a variao nas linhas,
na tabela anterior mede o efeito do antioxidante, se ele existir. As diferenas entre
repeties, para o mesmo antioxidante, acessam variaes aleatrias. Ou seja, a
variao nas colunas mede variao aleatria e do estimativa do erro experimental. Portanto, a repetio permite (possibilita) estimar o erro experimental. Havendo
repeties genunas a variao entre antioxidantes (entre tratamentos, nas linhas)
se deve (mede) o efeito do tratamento e da variao aleatria (erro experimental).
A variao entre repeties (intra tratamento, nas colunas) se deve (mede) o efeito
do erro experimental.
O mesmo experimento realizado apenas uma vez (uma repetio), no
permite estimativa do erro experimental. Os resultados na tabela a seguir representam este tipo de situao, para um experimento sem repetio.
Antioxidante (Tratamento)
Replicata
1
2
3
4

A
1,30
1,35
1,35
1,30

1,81
1,83
1,80
1,85

1,50
1,55
1,50
1,55

1,92
1,95
1,90
1,94

2,25
2,20
2,20
2,25

Aqui (no Quadro anterior) a variao entre antioxidantes (tratamentos, nas

linhas) se deve a diferena (efeito) do tratamento, se existir, e a variao analtica,
apenas. A variao nas colunas se deve a diferenas analticas e no servem para
estimar o erro experimental, uma vez que o experimento no tem repetio.
O erro experimental calculado a partir dos dados do quadro anterior fica subestimado, pois h, de fato, apenas uma observao.

37

Esquema da anlise de varincia do exemplo anterior

FV

GL

SQ

QM

Antioxidante (A)
Resduo/Erro (R)
Total

4
15
19

SQA
SQR

QMA
QMR

Fc
QMA/QMR

Observe que o valor F = QMA/QMR. Se o denominador est subestimado, o

valor de F fica superestimado, podendo ser declarado significativo numa situao
em que seria no significativo. O QMR (Quadrado Mdio do Resduo) a estimativa
do erro experimental - no caso do experimento realizado apenas uma vez, sem repetio, o Fc fica superestimado - inflacionado pela subestimativa do erro experimental. De fato se houver apenas uma repetio o QMR, ou seja o erro experimental no pode ser estimado.
Veja na apresentao a seguir a importncia da estimativa do erro experimental (QMR) na pesquisa.
3.1.2 Exemplos de uso da estimativa do erro experimental
Se o interesse comparar duas mdias, C = mi mj, pode-se utilizar um de
vrios procedimentos:
a) Teste LSD (dms) de t (student)
dmst = t ( ) 2(QMR / r ) ,
em que = graus de liberdade do resduo e r = nmero de observaes usadas para estimar a mdia. Qualquer diferena entre duas mdias amostrais, ou experimentais, menor do que dmst declarada no significativa, ao nvel de probabilidade.

b) Teste de amplitude total estudentizada de Tukey (teste hsd de Tukey)

dmstukey = q (k, ) QMR / r
em que q = amplitude total estudentizada, disponvel em tabelas prprias e k =
nmero total de mdias a comparar. De modo semelhante, qualquer diferena entre

38

duas mdias amostrais, ou experimentais, menor do que dmstukey declarada no

significativa, ao nvel de probabilidade.

c) Teste de amplitudes mltiplas de Duncan

dmsDi = d (i, ) QMR / r

em que i = nmero de mdias ordenadas dentro da comparao e d = amplitude
estudentizada de Duncan, disponvel em tabelas prprias. Qualquer diferena entre
duas mdias amostrais, ou experimentais, menor do que dmsDi declarada no significativa, ao nvel de probabilidade.

d) Teste de amplitudes mltiplas de Student-Newman-Keuls (SNK)

dmsSNK = q (i, ) QMR / r
em que q = amplitude total estudentizada, a mesma do teste de Tukey, disponvel
em tabelas prprias e i = nmero de mdias ordenadas dentro da comparao.

e) Testes de contrastes C =

(a .m ) / r
i =1

Fc = QMContraste/QMR
Nota: todos os procedimentos para separao de mdias listados anteriormente utilizam a estimativa do erro experimental (QMR) para determinar a dms (diferena
mnima significativa).

Em anlise de regresso
Para testar o modelo (com n unidades experimentais), havendo repeties em nmero suficiente para 10 graus de liberdade do erro puro:
Yi = 0 + 1X + 11X2 + Ei

39

Quadro da anlise de varincia da regresso

__FV_________GL______SQ________QM____Fc__
Regresso
FAjuste
Epuro

SQReg

QMReg

n-13

SQFaj

QMFaj

SQEpuro

QMEpuro

10

RRegresso
n1-2
SQRReg
QMRReg
_________________________________________
Total
n-1
Para testar a falta de ajuste do modelo proposto utiliza-se o teste F. O denominador
da estimativa deste F a estimativa do erro experimental (erro puro) que s possvel se ocorrer repetio no experimento.
FFAjuste = QMFaj/QMEpuro.

Definio de erro experimental - erro aqui no significa enganos ou falhas grosseiras, por exemplo, em lugar de usar uma soluo 0,01 M utilizou-se uma 0,001 M.
Toda medida em uma srie de repeties considerada de igual validade para a estimativa de algum valor "verdadeiro" que se deseja determinar. O erro experimental
originrio de causas aleatrias que so difceis ou antieconmico controlar. As variaes dos dados entre repeties do mesmo tratamento em condies semelhantes do origem a este erro.

3.1.3 Pergunta - Quantas repeties devo realizar neste experimento?

Esta uma questo que normalmente no tem uma resposta direta. Vrios
procedimentos tm sido sugeridos para se determinar o melhor nmero de repeties - r - nenhum deles completamente satisfatrio. Alguns exemplos:
a) Mtodo baseado na distribuio de t de "student" - necessita:
- Uma estimativa prvia do QMR (S2) do futuro experimento;
- Valores de alfa (erro tipo I) e de beta (erro tipo II) a serem usados;
- d - diferena mnima entre mdias a ser considerada significativa.
Assim,

r = [2 S2(t + t)2]/d2

40

Esta frmula fornece um processo interativo, uma vez que os valores de t e t

dependem dos graus de liberdade do resduo associados a S2, que uma estimativa
do erro experimental do futuro experimento e, portanto, depende do "r" que se quer
determinar. O valor de "d" (dms) pode ser estipulado de forma "arbitrria", em geral de 5 a 20% do valor da mdia, ou outro procedimento que o pesquisador considerar adequado.
Um exemplo: Sejam S2 = 0,00975 e a mdia geral 1,0 - Determinar o melhor nmero de repeties do experimento com 5 tratamentos.
Se, d = 20% da mdia d=0,2.
Inicia-se, por exemplo, com r=5, para 5 tratamentos.
Quadro da ANOVA
FV
GL
-----------------------TRATS.
4
RESDUO
20
-----------------------TOTAL
24

para = 1% e
= 5%, tem-se:
t0,01(20) = 2,845 e
t0,05(20) = 1,725

Da, r = [2S2(t + t)2]/d2= [2(0,00975)(2,845 + 1,725)2]/0,22

r = 10,2
Portanto, o melhor valor de "r" nesta situao est entre 5 e 10.
Testa-se r = 9, para os mesmos 5 tratamentos.
Quadro da ANOVA
FV
GL
-----------------------TRATS.
4
RESDUO
40
-----------------------TOTAL
44

t0,01(40) = 2,704 e
t0,05(40) = 1,684

41

Da, r = [2(0,00975)(2,704 + 1,684)2]/0,22= 9,39

Assim, pode-se concluir que o melhor valor de "r" est entre 9 e 10. Qualquer um
dos dois bom.
- Para esta situao de d = 0,2; = 0,01 e = 0,05 pode-se dizer que em 99% dos
casos (experimentos) deseja-se estar 95% confiante de detectar diferena de 0,2
ou superior na mdia.
O valor 1 ou 1-0,05 = 0,95 chamado de poder do teste.
Utilizando a mesma frmula, dado o nmero apropriado de repeties, pode-se
estimar d (dms).

Para = 0,01 e = 0,05; S2 = 0,00975 e r = 9, o valor de d ser:

d = S 2 / r (t + t ) => S =

S =

0,00975

t0,01(40) = 2,704 e t0,05(40) = 1,684

Assim,

d=

(0,00975 )(2 / 9) (2,704 + 1,684) = 0,204

=> d = 0,204 compara com o valor

inicial de 0,20.

b) Mtodo baseado no teste F e q de Tukey

q o valor da amplitude total estudentizada para uso no teste (hsd) de Tukey e o F
o da anlise de varincia.

42

Neste mtodo necessita-se:

- Estimativa prvia do QMR, S2 com V2 graus de liberdade, obtida em experimentos
anteriores, em condies semelhantes;
- d - diferena mnima entre mdias a ser considerada significativa;
- Valor do nvel de significncia ( ) escolhido.
Se q a amplitude total estudentizada (teste de Tukey) para o experimento a
ser feito e F o valor da Tabela do teste F, ao nvel de significncia , com V1
(graus de liberdade do novo experimento) e V2 (graus de liberdade) associados a
S2, o melhor nmero de repeties "r" dado pela frmula:
r = q2S2F/d2
Este nmero de repeties garantir uma probabilidade de que o experimento no venha comprovar (detectar) a diferena "d", ou seja uma probabilidade
1- de que seja comprovada (detectada) a diferena "d" pelo teste de Tukey, ou
outro procedimento de separao de mdia semelhante.
Os valores de q e de F utilizados na frmula dependem de "r". Portanto, a melhor soluo obtida por aproximaes sucessivas.
Exemplo:
Seja o experimento com 5 antioxidantes em um formulado. Suponha que uma
estimativa do QMR (S2) de ensaio anterior, para ndice TBA seja S2=0,0845 com V2
= 20 graus de liberdade. Considere que o novo experimento deva comprovar (detectar), pelo teste de Tukey, qualquer diferena entre mdia de TBA de 0,50 ou
maior, ao nvel de 5% de probabilidade.

43

Tentativa inicial r = 4
Quadro da ANOVA

FV
GL
----------------------Antioxidante
4
Resduo
15
-----------------------Total
19

Na Tabela do teste de Tukey q0,05(5,15) = 4,367

Na tabela do teste F

F0,05(15,20) = 2,20

S2 = 0,0845; V1 = 15 e V2 = 20 GL
Assim,
r = q2S2F/d2 = (4,367)2(0,0845)(2,20)/(0,50)2 = 14,18
r = 14
Da, conclui-se que o melhor valor de "r" est entre 4 e 14
Testa-se r = 10
Quadro da ANOVA
FV
GL
----------------------Antioxidante
4
Resduo
45
-----------------------Total
49

q0,05(5,45) = 4,039
F0,05(45,20) = 1,99
S2 = 0,0845
V1 = 45 e V2 = 20
d = 0,50

Da,
r = (4,039)2(0,0845)(1,99)/(0,50)2 = 10,97

ou

r = 11

Assim, 10 ou 11 repeties podem ser consideradas adequadas para o caso.

44

Um modo prtico, menos exato para se determinar o nmero de repeties

de um experimento seria: dados o nmero de tratamentos e o delineamento do experimento, escolhe-se um nmero de repeties que fornea um mnimo de 8 a 12
graus de liberdade para o Resduo, se se trata de medida em que o coeficiente de
variao seja de at cerca de 20% a 20%. Para medidas ou variveis resposta que
apresentem maior disperso, CV > 20%, recomenda-se aumentar o nmero de repeties. Vale salientar que o aumento do nmero de repeties melhora a estimativa do erro experimental - QMR.

As frmulas apresentadas anteriormente, alm de outras disponveis na literatura e suas modificaes, so muito teis na determinao do nmero mnimo de
repeties. Entretanto, na prtica, h outros aspectos importantes que direcionam a
escolha do valor de "r": custo do experimento, material experimental e espao disponveis, restries do laboratrio, da planta-piloto ou da linha de produo. Na tomada de deciso sobre "r" h que se analisar a questo sobre todos os aspectos "COMPROMISE" - a teoria na prtica NO diferente!

Erro experimental - Comentrios adicionais

Como foi mencionado anteriormente o erro experimental pode ser considerado
como rudo - "noise" - ou seja, mesmo que os efeitos dos tratamentos sejam considerados iguais, normal ocorrer variao nos resultados. Essas variaes, para as
quais no se tem explicao, ou antieconmico controlar, do origem ao erro experimental. H duas importantes fontes de variao associadas a este erro: a variabilidade intrnseca do material e tcnicas experimentais inadequadas. A exatido do
experimento pode ser melhorada pelo aumento do seu tamanho (aumento do nmero de repeties), pelo refinamento das tcnicas experimentais e pelo manejo do
material experimental de modo a reduzir a variabilidade dos diferentes efeitos. Nesse ponto, vale lembrar a diferena entre exatido (proximidade da observao ou
estimativa de parmetro a seu verdadeiro valor) e preciso (repetibilidade de resultados de medidas em amostras semelhantes).

45

Na experimentao escolhe-se um delineamento apropriado e realizam-se controles de modo que o QMR seja composto, tanto quanto possvel, apenas de variaes casuais - erro experimental.
Em resumo, a repetio em experimentao tem pelo menos trs
propsitos:
a) Fornecer uma estimativa do erro experimental - sem a qual no h teste de
hipteses. A repetio possibilita a obteno de mais de uma observao em
vrias unidades experimentais que receberam um mesmo tratamento.
b) Aumentar a exatido das medidas (observaes) pela reduo do erro padro.
Lembre-se de que o EPM (erro padro da mdia) dado por
S( Y ) = S/ r
c) Ampliar a base de dados para as inferncias. A medida que se aumenta "r", maior nmero de unidades experimentais so utilizadas no experimento. Isto pode levar a maior amplitude de condies sobre as quais os resultados experimentais
(concluses) se aplicam.

3.2 Principio da casualizao

A casualizao assegura que os tratamentos sejam aplicados aleatoriamente
nas unidades experimentais, ou seja, cada unidade tem a mesma chance de ser selecionada como membro do grupo que receber o tratamento. A repetio torna
possvel estimar o erro experimental, enquanto a casualizao torna vlida esta estimativa, pela reduo ou eliminao de causas de variaes sistemticas e de tendncias pessoais. Assim, a casualizao assegura estimativa no-tendenciosa das
diferenas entre mdias de tratamentos. O objetivo da casualizao garantir que
um tratamento no seja continuamente favorecido ou desfavorecido nas sucessivas
repeties, por alguma fonte estranha de variao, de origem conhecida ou desconhecida. A casualizao significa que a disposio dos tratamentos nas diversas unidades experimentais feita ao acaso, isto , por meio de um mecanismo objetivo
de sorteio, por exemplo, utilizando a tabela de nmeros aleatrios. A casualizao

46

se faz necessria para que as variaes que contribuem para o erro experimental e
que no podem ser completamente casuais sejam convertidas em variveis aleatrias.
Alem de validar a estimativa do erro experimental, a casualizao permite o
usos dos testes de hipteses. A independncia de todos os erros experimentais,
uma das exigncias da anlise de varincia, alcanada por meio de uma casualizao apropriada.
Suponha que se tem 2 culturas lticas (A e B) para a pesquisa de fermentao de pepino. A cultura A foi repetida 4 vezes, enquanto a B foi repetida 3 vezes.
Considere que a distribuio das culturas nas sete UE foi inteiramente ao acaso. Assim, se qualquer UE com a cultura A produziu melhor sabor do picles que qualquer
UE com a cultura B, o calculo de probabilidades indicaria que a chance de isto acontecer por acaso :
P = (4! 3!)/7! = 1/35
e esta concluso valida independente de qualquer hiptese alem da casualizao. Isto que dizer que o resultado obtido pode de fato provir do simples acaso,
ou seja, possvel que as duas culturas lticas sejam realmente equivalentes, e que
a diferena a favor da cultura A provenha de circunstancias fortuitas, como sua
maior atividade no momento de sua aplicao ao vegetal. Mas a probabilidade de
isto ocorrer por simples acaso 1/35. Logo h uma probabilidade de 34/35 de que
o resultado obtido no tenha sido casual, isto , que se deva a um fator sistemtico,
que o melhor desempenho da cultura A.
A casualizao no assegura que todos os tratamentos ou unidades experimentais dentro do tratamento sejam tratados de forma idntica, mas sim, que
nenhum tratamento seja continuamente favorecido ou desfavorecido na distribuio
das unidades experimentais. Embora arranjos sistemticos dos tratamentos nas
unidades experimentais possam, s vezes, resultar em estimativas mais exatas das
diferenas entre seus efeitos, sua utilizao no se justifica. Quando procedimentos
sistemticos so usados, a estimativa do erro experimental no confivel e as inferncias no so possveis.
Assim, em todos os estgios do experimento, na aplicao dos tratamentos em
algum ponto ou instrumento, em que a ordem de aplicao (processamento), a ordem de medida ou coleta de dados pode influenciar os resultados, ento esta ordem

47

deve ser casualizada de forma consistente com o delineamento experimental. Se os

dados so aleatrios pode-se assumir que os erros so independentemente distribudos.
Erros associados a unidades experimentais adjacentes no tempo ou no espao
tendem a ser correlacionados, violando assim a pressuposio de independncia. A
casualizao ajuda a reduzir esta correlao de modo que as anlises de resultados
possam ser realizadas assumindo a independncia dos erros experimentais.

3.3 Formao de grupos de unidades experimentais homogneas

Quando no se tem material experimental homogneo em quantidade suficiente para a aplicao de todos os tratamentos para todas as repeties, a casualizao completa no possvel. Tambm pode ser o caso de o pesquisador ter interesse em aplicar os tratamentos em grupos heterogneos de unidades experimentais.
A formao de grupos de unidades experimentais homogneas conhecida
como o principio do controle local. Refere-se principalmente ao aspecto da seleo
de um delineamento experimental. Est associado s tcnicas (delineamento, anlises, seleo ou refinamento das anlises laboratoriais) que so utilizadas para reduzir ou controlar as fontes ou causas de variao que contribuem (do origem) para
o erro experimental. Refere-se forma em que as unidades experimentais so
agrupadas em um delineamento.
Assim, o controle local a formao de grupos homogneos (blocos) de unidades experimentais. O objetivo formar blocos (grupos) de unidades experimentais
de modo a maximizar as diferenas entre eles, entre os grupos, e minimizar as diferenas dentro dos blocos. Os tratamentos so aplicados ao acaso por blocos. Assim,
as diferenas observadas entre efeitos de tratamentos dentro dos blocos so devidas s diferenas entre eles, os tratamentos, e menos provavelmente devidas a variao casual. O efeito das diferenas entre blocos sobre as variveis respostas no
so includas na estimativa do erro experimental, reduzindo, portanto, a magnitude
dessa variao.
Por exemplo, em um experimento de 4 tratamentos (A, B, C, D) em 3 repeties, tem-se 12 unidades experimentais. Se h material experimental homogneo

48

para as 12 unidades experimentais, ento o seguinte delineamento pode ser usado.

Como a casualizao completa, ento o delineamento o inteiramente casualizado.
Quadro da ANOVA
C
B
A

FV

TRAT

RES
Total

GL

SQ

QM

SQT

QMT

SQR

QMR

11

SQTotal

Por outro lado, se no h material experimental homogneo em quantidade suficiente para as doze unidades experimentais (UE), mas para apenas 4 delas, ento a
casualizao completa no possvel. Para a aplicao dos tratamentos formam-se
grupos (blocos) de 4 UE homogneas, como no arranjo a seguir.
B1
D A C B
B2
A C D B
B3
C B D A

Quadro da ANOVA
FV
GL
SQ
QM
-----------------------------------BLOCO
2
SQB
TRAT
3
SQT
QMT
RESDUO
6
SQR
QMR
--------------------------------------TOTAL
11

Observe que com a formao dos blocos foram retirados 2 GL que seriam do
resduo para a fonte de variao blocos, juntamente com a variao (soma de quadrados) devida a blocos. Este procedimento "purifica" o resduo, tornando sua estimativa mais verdadeira, se de fato os blocos forem necessrios.

49

No caso de agrupamento de unidades homogneas (blocos), o pesquisador no

est interessado em testar a diferena entre blocos, uma vez que j sabe de antemo que a diferena existe. Apenas deseja separ-la do erro experimental. Exemplos de fator de blocos em pesquisa com materiais alimentares: leite de dias diferentes, julgadores em anlise sensorial, cortes de carne da carcaa do animal, cmaras frias...
Leite de dias diferente: dado o tipo de tratamento a ser aplicado o pesquisador entende que o leite diferente entre os dias de ordenha, ento dias sero os blocos
casualizados;
Julgadores: nos testes sensoriais com julgadores treinados, estes so considerados
blocos. A ordem de avaliao das amostras casualizada para cada julgador;
Corte de carne: dado o tipo de tratamento, o pesquisador sabe que seu efeito pode
ser diferente nos diversos corte de carne. Assim, os cortes so considerados blocos
e os tratamentos so casualizados para cada corte de carne;
Cmaras frias: o pesquisador tem razoes para compreender que o efeito do tratamento diferente entre as diversas cmaras disponveis.
As unidades experimentais podem ser agrupadas para uma nica fonte de heterogeneidade (blocos casualizados) ou para duas fontes (quadrado latino).
Em resumo, o controle local torna os testes estatsticos mais sensveis, uma
vez que reduz a estimativa do erro experimental.

3.4 Alguns conceitos adicionais

3.4.1 Unidade experimental - refere-se quela parte do material experimental em
que o tratamento aplicado uma nica vez para se obter observaes. aquela
unidade na qual um nico tratamento ou nica combinao de tratamentos aplicada em uma nica repetio do experimento. Assim em um experimento de 6 tratamentos, cada um com 5 repeties tem-se 30 UE. Neste mesmo experimento, se
for realizar uma anlise sensorial com 7 julgadores treinados (blocos casualizados)
h 30 amostras a serem testadas. Assim, para o teste sensorial tem-se 6 x 5 x 7,
ou seja, 210 UE. Noutro experimento de 5 culturas lticas utilizadas para fermentar
pepino de 4 variedades. Se o experimento for repetido 6 vezes e as anlises forem
realizadas ao longo de 5 perodos de tempo de armazenamento, ento tem-se 5 x 4

50

x 6 x 5, ou seja, 600 UE. Isto , h 600 observaes para cada varivel resposta
medida.
3.4.2 Tratamento - Combinao de nveis de fatores o termo tratamento usado
aqui para representar a condio experimental imposta unidade experimental. Por
exemplo, no experimento com antioxidante, cada tipo de antioxidante adicionado ao
material experimental um tratamento. Em cincia, tecnologia e engenharia de
alimentos comum o estudo de mais de uma varivel (fator) simultaneamente. Por
exemplo, temperatura e tempo de exposio no branqueamento de vegetais, ou tipo de embalagem (E) e temperatura (T) de estocagem. Temperatura (T) e tempo
(P) so os fatores estudados. Se cada fator for testado em dois nveis 1 e 2 - as
combinaes P1T1; P1T2; P2T1 e P2T2 dos nveis dos fatores constituem, cada
uma, um tratamento. Por extenso, os tratamentos podem ser constitudos de combinaes de mais de dois fatores. No experimento de 5 culturas lticas utilizadas para fermentar pepino de 4 variedades, repetido 6 vezes, com as anlises realizadas
ao longo de 5 perodos de tempo de armazenamento, tem-se 5 x 4 x 6, ou seja,
120 tratamentos.
Referncias bibliogrficas
.BETHEA, R.M.; DURAN, B.S. & BOULLION, T.L. Statistical methods for engineers
and scientists. 2a. Ed. Marcel Dekker, Inc., New York. P1-5.
.GACULA, Jr., M.C. & SINGH, J. 1984. Statistical methods in food and consumer
research. Academic Press, Inc., Orlando, FL. P15-18.
.GOMES, F.P. Curso de estatstica experimental. Piracicaba - SP. P19-27, p53-58.
.SOKAL, R.R. & ROHLF, F.J. Biometry: The principles and practice of statistics in biological research. 3rd. Edition. W.H Freeman and Company. New York. 1995. 859p.