Académique Documents
Professionnel Documents
Culture Documents
INTRODUÇÃO:
A estatística é a parte da matemática aplicada que se preocupa em obter conclusões a partir de dados
experimentais. Hoje são feitos experimentos em quase todas as áreas de trabalho, as técnicas experimentais
são universais e se aplicam em diferentes áreas, tais como: Agronomia, Medicina, Engenharia e Psicologia,
e os métodos são sempre os mesmos, porem as origens da Estatística Experimental são agrícolas, e se devem
a Sir Ronald A. Fischer (1890 - 1962) que formalizou boa parte do que existe hoje em Experimentação. Fis-
cher foi um estatístico que trabalhou na Estação Experimental de Agricultura de Rothamstead, Inglaterra.
Na pesquisa agronômica, a Estatística Experimental é uma ferramenta que pode e deve ser utilizada
pelos pesquisadores na solução de problemas agrícolas, e para empregá-la eficientemente faz se necessário
uma completa compreensão do assunto na qual se vai aplicá-la, portanto as considerações práticas são tão
importantes como os requisitos teóricos para determinar o enfoque estatístico ao problema.
1. CIÊNCIA E PESQUISA.
Temos várias definições de CIÊNCIA, entre elas:
“Conhecimento sistemático dos fenômenos da natureza e das leis que os regem, obtidos através da inves-
tigação pelo raciocínio e pela experimentação intensiva”
“Estudo de problemas solúveis mediante método científico.”
Como PESQUISA define-se: “Investigação e estudo sistemáticos, com o fim de descobrir ou estabele-
cer fatos ou princípios relativos a um campo qualquer de conhecimento.”
2. TIPOS DE PESQUISA.
Não se pode fazer uma pesquisa pela simples razão de fazê-la. Há a necessidade de buscar respostas a
todo um desenrolar de dúvidas. Para uma pesquisa apresentar um desenvolvimento, ela deve começar pelo
interesse do pesquisador. A motivação deve estar presente. Como a pesquisa visa um fim, ele requer plane-
jamento.
Pesquisar, é num sentido amplo, procurar uma informação que não se sabe e que se precisa saber. Po-
demos ter os seguintes tipos de pesquisa:
As hipóteses são testadas por meio de métodos de análise estatística que dependem do modo como as
observações ou dados foram obtidos e, desta forma, o planejamento de experimentos e a análise dos resulta-
dos estão intimamente ligados e devem ser utilizados em uma certa seqüência nas pesquisas científicas, co-
mo pode ser visualizado no esquema abaixo.
(1) (3)
FORMULAÇÃO DE TESTES DAS HIPÓTESES
HIPÓTESES FORMULADAS
3
(4)
DESENVOLVIMENTO
DA TEORIA
A B
Com repetição
PARCELA 1 PARCELA 2 PARCELA 3 PARCELA 4 PARCELA 5
A A A A A
B B B B B
Através da repetição é que nos é possível estimar o erro experimental. Num experimento sem repeti-
ção, não sabemos dizer se uma diferença constatada entre tratamentos pode ser explicada como uma diferen-
ça entre tratamentos ou entre parcelas experimentais.
6.2 Princípio da casualização
Apesar de ter usado a repetição, pode acontecer que a variedade A tenha produzido mais por ter sido
beneficiada por qualquer fator, como por exemplo, ter todas as suas parcelas em áreas de maior fertilidade.
Para evitar que uma das variedades seja sistematicamente favorecida por qualquer fator externo, pro-
cedemos a casualização das variedades às parcelas. Pela casualização cada tratamento tem a mesma probabi-
lidade de ser destinado a qualquer parcela experimental, seja ela favorável ou não.
A casualização tem por objetivo nos assegurar uma estimativa não viciada do erro experimental, das
médias dos tratamentos e das diferenças entre médias.
Em condições de campo, temos:
A A A A A
B B B B B
A B A B B
B A A B A
Se, após a repetição e casualização, a variedade A apresentar maior produtividade, é de se esperar que
esta conclusão seja realmente válida.
Parcela 1 Parcela 2
A B
A B B A B A
6
A B A B B A
Para podermos utilizar a metodologia estatística nos resultados de um experimento, é necessário que o
mesmo tenha considerado pelo menos os princípios da repetição e da casualização, a fim de que possamos
obter uma estimativa válida para o erro experimental, permitindo assim a aplicação dos testes de significân-
cia.
O controle local constitui restrições impostas na casualização para corrigir os efeitos da variação co-
nhecida ou suspeita do material experimental. Considerando o controle local temos os seguintes tipos de
delineamentos:
A3 C1 B4 D3
D4 B2 A1 C4
B3 D1 C3 A5
D2 C5 B5 A2
A4 C2 D5 B1
A2 C3 D2 C4 A1
B1 D3 B2 C2
D5 A4 D4 B3
B4 C1 A5 A3
B5
D1 C5
II - PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUÇÃO
O estudo dos experimentos, desde o seu planejamento até o relatório final, constitui o objetivo da Es-
tatística Experimental, ou Experimentação Agrícola.
Existem três tipos de experimentos:
1. Preliminar: é aquele conduzido dentro de estações experimentais para a obtenção de novos fatos. E
científico, mas apresenta baixa precisão. Próprio para ensaios de introdução de variedades de espécies
cultivadas, ou quando se dispõe de um elevado número de tratamentos e é necessário fazer uma triagem.
2. Crítico: é aquele que tem por Objetivos negar ou confirmar uma hipótese obtida no experimento preli-
minar e é conduzido dentro ou fora das fronteiras estações experimentais. È científico e apresenta maior
precisão que o experimento anterior. Serve para comparar vários tratamentos por meio dos delineamen-
tos experimentais, usando as técnicas estatísticas recomendadas.
3. Demonstrativo: é aquele lançado pela rede de extensão rural. E de cunho demonstrativo. o pois tem por
objetivo demonstrar junto aos agricultores os melhores resultados do experimento crítico. Geralmente é
apenas comparativo, pois compara, uma nova técnica agrícola com uma tradicional.
EXPERIMENTO
PRELIMINAR
ESTAÇÃO
9
1 2 3 4 5 6 100
7 89 2 27 VL 54 33 64 29 93
EXPERIMENTAL
EXPERIMENTO
VL 29 33 7 93 2 27 89 54 64 CRÍTICO
ESTAÇÃO
27 54 64 2 33 89 29 93 VL 7
EXPERIMENTO
DEMONSTRATIVO
FAZENDA
VL 7 64
Figura 1. Exemplo de experimentos preliminar, crítico e demonstrativo. Fonte: adaptado de Ferreira, 2000.
2. PLANEJAMENTO
Planejar o experimento é um método que visa auxiliar o pesquisador na execução de um projeto de
pesquisa, na qual se faz necessário a realização de experimentos, e têm como objetivo determinar, como
antecedência, como será o experimento e como serão analisados os dados do mesmo. A experimentação
preocupa-se com a elaboração do projeto de pesquisa porque faz parte da pesquisa experimental.
O planejamento constitui a etapa inicial de qualquer trabalho e, portanto, um experimento também
deve ser devidamente planejado, de modo a atender aos interesses do experimentador e às hipóteses básicas
necessárias para a validade da análise estatística.
Ao iniciar o planejamento de um experimento, o experimentador deve formular uma série de quesitos
e buscar respondê-los. Como exemplo, podemos citar:
Portanto, devemos definir quais as características de interesse, para que as mesmas possam ser determinadas
no decorrer do experimento.
3. ETAPAS DE UM EXPERIMENTO
11
Ela deve incluir também uma contribuição do autor, para mostrar que os trabalhos não foram meramente
catalogados, mas sim examinados e criticados objetivam ente. Deve-se incluir somente os trabalhos mais
importantes desenvolvidos sobre o assunto, dando preferência àqueles publicados nos últimos dez anos.
É sempre aconselhável referir-se somente aos assuntos que possuam relação direta e específica com os
objetivos da pesquisa.
I. Relação dos tratamentos: A relação dos tratamentos é decorrente dos objetivos. Devemos evitar incluir
tratamentos sem a devida justificativa. Quando possível, devemos incluir um tratamento testemunha ou
padrão, o qual servirá de referência para as conclusões. No caso de tratamentos quantitativos devemos,
de preferência, usar valores eqüidistantes cuja amplitude de variação reflita a realidade. A eqüidistância
entre os tratamentos quantitativos facilitará a análise da regressão e é mais adequada para os casos em
que se faz a procura do melhor modelo matemático para os dados observados. Os tratamentos podem ser
decorrentes das alternativas de um fator ou da combinação entre os níveis de dois ou mais fatores (no
13
32 m
1 2 3 4 5 6 7 8
Bloco I 10 m
T3 T2 T1 T6 T8 T4 T7 T5
- 4m -
9 10 11 12 13 14 15 16
Bloco II
T6 T8 T1 T2 T7 T3 T5 T4
14
17 18 19 20 21 22 23 24
Bloco III
T5 T2 T7 T8 T6 T3 T1 T4
G. Caderneta de campo: A caderneta de campo é uma ficha elaborada com base no croqui do experimento
cuja finalidade é anotar os dados sobre os efeitos dos tratamentos, ela deve conter os seguintes itens:
Identificação do experimento (nome, localização, e ano de execução do experimento); Relação das par-
celas e respectivos tratamentos, Controle local (testemunha) e variáveis observadas, Espaço para anota-
ções gerais, como data da semeadura, emergência e colheita, data de ocorrência de chuva, de aplicação
de irrigação, de capinas, enfim, qualquer observação que possa ser útil para auxiliar na discussão dos re-
sultados do experimento. Além da caderneta de campo podemos elaborar outras fichas de controle, tais
como de manejo cultural, de observações de campo, e de controle mensal do projeto. Na tabela 3 é apre-
sentado um modelo de caderneta de campo.
H. Orçamento: O orçamento tem como objetivo fornecer uma estimativa dos gastos a serem realizados
com materiais de consumo, mão-de-obra, serviços de terceiros, equipamentos, combustíveis, manuten-
ção de equipamentos, diárias, construções, etc. Deve-se reservar 10% do custo total do projeto para os
imprevistos.
I. Cronograma de Execução: O cronograma é uma lista com as principais atividades (etapas) da execu-
ção do experimento com as respectivas datas. A implantação de experimentos de campo deve coincidir
com a época adequada para a cultura na região considerada. Um exemplo resumido de cronograma é
apresentado na tabela 4
8 I 5
9 II 6
10 II 8
... ... ...
24 III 4
DATAS ATIVIDADES
É conveniente ressaltar que um projeto de pesquisa deve ser muito bem feito, para que a análise esta-
tística possa ser efetuada de forma adequada e nos conduza a conclusões válidas; pois de nada adianta um
experimento bem conduzido, se ele estiver baseado em um planejamento inadequado.
As instituições financiadoras de projetos, tanto públicas como privadas, possuem, geralmente, um ro-
teiro próprio com instruções específicas para montagem do projeto, devendo o pesquisador se submeter
àquele modelo.
Na instalação do experimento, o pesquisador deve seguir à risca o que consta no croqui do experimen-
to. Contudo, quando algum fator (por exemplo, condições locais de solo, topografia. etc.) impede a sua ins-
talação da forma como foi planejado, o pesquisador deve usar o bom senso para direcionar os trabalhos,
indicando a forma de instalação do experimento, sem afetar os objetivos básicos do mesmo e sem reduzir a
sua precisão.
Sempre que qualquer alteração seja feita no projeto para possibilitar a sua instalação, a mesma deve
ser transportada para o plano inicial, a fim de que o mesmo sempre represente o que está sendo executado no
campo, para possibilitar a interpretação e divulgação dos resultados, principalmente nos projetos de longa
duração.
Como a instalação do experimento constitui o início da sua fase prática, todo o cuidado é pouco por
parte do pesquisador, para se alcançar uma boa precisão do experimento. Dessa forma, ele deve evitar os
erros sistemáticos, aplicar corretamente os princípios da experimentação e usar de todo cuidado possível
para obter a maior precisão experimental.
Na instalação de experimentos de campo é interessante fazer uma lista de todo material necessário pa-
ra a instalação do mesmo, e não esquecer de incluir água potável suficiente para o pessoal que irá trabalhar,
bonés, canivetes, barbantes, vasilhames e embalagens, e até mesmo, alimentação se o trabalho for longo.
Quando instalamos o experimento devemos identificá-lo de maneira adequada, para tanto devemos
elaborar uma ficha ou placa com os dados principais do experimento e da equipe que está executando o
mesmo, lembrando que a mesma deve ser resistente a chuva. A ficha ou placa é colocada na primeira parcela
do experimento através de uma estaca. Quando identificamos as parcelas, as fichas ou placas devem ser
colocadas sempre no começo e no lado esquerdo da mesma.
Vários métodos são utilizados na análise estatística de experimentos, os quais serão objetos de estudo
no decorrer do curso. Independentemente do método a ser utilizado na análise estatística do experimento, o
pesquisador deve ter em mente os seguintes pontos:
A) Antes de efetuar a análise de variância nos dados experimentais, ele deve verificar se os mesmos aten-
dem às suposições da análise de variância (os efeitos devem ser aditivos, os erros devem ser indepen-
dentes, devem apresentar distribuição normal e as suas variâncias devem ser homogêneas), sob pena das
conclusões obtidas não terem validade.
B) No processo de análise estatística dos dados experimentais, o sistema de aproximação dos dados poderá
aumentar o erro experimental. Em função disso, não é recomendado aproximar os dados durante a análi-
se estatística, e sim no final da mesma, deixando-se no mínimo, quatro casas decimais.
C) Quando analisar quaisquer dados, deve-se dar ênfase aos resultados biológicos e não aos métodos esta-
tísticos. Não incluir no trabalho detalhes matemáticos desnecessários.
A caderneta de campo é útil para se fazer anotações dos dados experimentais, porém quando se vai fa-
zer a análise estatística dos dados deve-se tomar o cuidado de colocar os tratamentos em ordem para que se
obtenham seus totais e médias, para maior segurança podemos elaborar uma tabela com os tratamentos em
ordem numérica conforme exemplo na tabela 5.
A interpretação dos resultados experimentais submetidos à análise estatística constitui uma das etapas
fundamentais do plano de pesquisa.
Através do exame dos resultados parciais verificamos se a pesquisa está se desenvolvendo satisfatori-
amente, ou se existe algo errado e que deve ser corrigido. Por exemplo, em um experimento na cultura do
milho, o crescimento das plantas, a coloração e a turgescência das folhas, a umidade do solo, a temperatura
ambiente, as precipitações pluviais, a ocorrência de pragas e doenças nos diferentes tratamentos, etc., nos
fornecem informações muito valiosas sobre o desenrolar do experimento. A interpretação desses resultados
parciais, no momento em que ocorrem, permite melhor compreensão do fato e facilita as conclusões finais.
A exposição pura e simples dos resultados obtidos no experimento, mesmo quando acompanhados de
análise estatística, não merece o titulo de pesquisa. Para que isso ocorra, é necessário que façamos a inter-
pretação dos resultados para chegarmos a um fato novo; é necessário que cheguemos a conclusão novas, que
solucionem um problema técnico ou prático.
A interpretação de resultados que conduza somente a conclusões específicas, sem possibilidades de
generalização, indica que a pesquisa ainda não terminou, devendo serem pesquisados outros aspectos. Por
exemplo, no caso da irrigação na cultura do milho, os dados disponíveis até o momento se mostram desfavo-
ráveis a essa prática, da forma e nas condições em que vem sendo realizada. Tal pesquisa estará concluída
apenas quando, analisados e interpretados os dados de irrigação, temperatura, precipitação pluvial, etc., pu-
dermos concluir sobre os fatores que tomam a irrigação desaconselhável no lugar e nas condições em que
vem sendo realizada, e em que condições de solo e clima a irrigação na cultura de milho poderia ser econo-
micamente praticada.
Os resultados de qualquer pesquisa devem ser profunda e meticulosamente analisados e interpretados,
constituindo as conclusões e sua meta fundamental.
A. Título: Redija-o com bastante cuidado para indicar precisamente qual o conteúdo do artigo, é onde mais
se exige clareza e concisão. Deve-se evitar generalidades ou idéias vagas, conforme visto na etapa "Ela-
boração do Projeto". também, devem ser evitadas expressões supérfluas como: "investigação so-
bre","estudo de", "contribuição para", "sobre a natureza de", "aspectos de", "introdução ao estudo de",
"análise preliminar de", etc. Sugere-se não incluir nomes científicos juntamente com nomes populares,
optar por um ou por outro; abreviatura; época em que foi desenvolvido o experimento (data), a não ser
que faça parte dos objetivos; fórmulas químicas; uso de aspas, barras ou versus ( x ).
B. Autoria: O nome do autor (ou autores) deve constar logo abaixo do título, à direita do mesmo. Deve ser
iniciado, preferencialmente, pelo sobrenome todo em letras maiúsculas, seguido pelas iniciais do nome.
19
Há revistas que publicam o título do autor (ou autores), o nome da Instituição onde foi realizado o traba-
lho, ou ambos, logo abaixo do nome do mesmo. Outras preferem trazer essas indicações em rodapé. É
importante lembrar que os nomes figurando no cabeçalho de um relatório de pesquisa devem ser estri-
tamente os dos autores efetivos do trabalho aqueles que participam do planejamento, execução e inter-
pretação dos resultados são, em maior ou menor grau, autores intelectuais do trabalho. Essa classifica-
ção depende da importância da contribuição no trabalho científico, ou seja, o pesquisador que mais con-
tribuiu tem seu nome em primeiro lugar. Consentir na inclusão de seu nome em outras circunstâncias ou
a outro título, ou colocar nomes de terceiros que não preencham aqueles requisitos, é infringir a ética do
trabalho científico e contribuir para a corrupção dos costumes nesse domínio. Toda colaboração, ajuda
material, apoio moral, críticas, etc., recebidos de outras pessoas devem ser referidos nos “Agradecimen-
tos”, de uma forma clara e objetiva.
D. Abstract (Summary): O abstract (ou summaty) corresponde a tradução do resumo para o inglês, em
função da necessidade de uma língua de grande penetração nos meios especializados. Se o trabalho cien-
tífico for apresentado em língua estrangeira (que não o espanhol), esse resumo será em português.
E. Introdução: Nela deve conter, pela ordem: natureza e importância do assunto pesquisado, evolução e
situação do problema, e identificação dos objetivos do trabalho científico. Quanto à natureza e impor-
tância do assunto pesquisado, deve ser focalizado o problema com indicação daqueles fatos ou situações
que evidenciem sua importância. Por exemplo, se o assunto é aumento da proteína em milho, mostrar
porque é importante que esse cereal tenha maior teor de proteína. Na evolução e situação do problema.
deve ser feito um levantamento dos estudos já feitos sobre o problema por outros pesquisadores, (revi-
são bibliográfica) de modo que mostre a real situação do problema na literatura nacional e estrangeira.
na época em que se planejou a pesquisa. Contudo, extensas revisões da literatura não têm sentido, de-
vendo ser substituídas por referências aos trabalhos mais recentes. Na identificação dos objetivos do
trabalho científico, deve ser exposto claramente às questões que foram respondidas pela pesquisa.
F. Materiais e Métodos: O materiais e métodos deve ser feito da mesma maneira como visto na etapa
"Elaboração do Projeto", alterando apenas o tempo do verbo, do futuro para o passado. Além disso, a
20
descrição dos métodos usados deve ser breve, porém suficiente para possibilitar a outrem repetir a inves-
tigação, processo e técnicas já publicados devem ser apenas referidos por citação.
H. Conclusões: Nela devem ser colocados os principais resultados obtidos com a experimentação, de uma
forma clara, objetiva, lógica e breve. É aqui onde estão situadas as contribuições do autor (ou autores)
para o avanço da ciência, além do que elas poderão abrir perspectivas de novas pesquisas. As conclu-
sões, obviamente, têm que se basear somente em fatos comprovados. Na redação dessa parte do trabalho
científico devem ser evitadas expressões que indiquem reserva ou ressalva, tais como: houve indícios,
provavelmente, possivelmente, etc.
I. Literatura Citada: As informações citadas pelo autor (ou autores) de um trabalho científico, com o
propósito de fundamentar, de comentar ou ilustrar as asserções do texto e que já tenham sido publicadas
(ou que estejam sabidamente em publicação), deverão ser acompanhadas de referências, permitindo ao
autor comprovar os fatos ou ampliar seu conhecimento do assunto mediante a consulta nas fontes. Evi-
dentemente, essa finalidade só será atingida na medida em que a referência for correta e apresentada de
forma inequívoca para o leitor, devendo ainda atender às conveniências dos serviços de bibliografia e
bibliotecas, para evitar perda de tempo e dificuldades na localização do artigo para consulta ou reprodu-
21
ção. Para tanto deve se seguir as normas internacionais instituídas pela Organização Internacional de
Normalização e pela Associação Brasileira de Normas Técnicas. O próprio autor (ou autores) é quem
deve compilar a bibliografia que irá citar, nela incluindo os trabalhos que efetivamente consultou e na
medida em que sejam necessários à exposição de suas idéias ou resultados.
A qualidade de um experimento pode ser avaliada pela magnitude do erro experimental. O erro expe-
rimental é inevitável, no entanto, se forem conhecidas suas causas, podemos contorná-las e mantê-lo em
níveis aceitáveis. Além disso, devemos avaliar a qualidade da análise do experimento verificando se as pres-
suposições do modelo estão sendo satisfeitas.
O erro experimental consiste na variação não controlada pelo pesquisador e ocorre de forma aleatória
entre as parcelas, após subtrair os efeitos controlados no experimento (tratamento, blocos, filas, colunas,
etc.). Assim, esta variância é uma estimativa do erro experimental.
diferença significativa indica que os tratamentos avaliados são potencialmente diferentes, enquanto que uma
diferença não-significativa indica que os tratamentos avaliados são potencialmente semelhantes e que a dife-
rença observada entre eles foi devido à variação acidental.
Para que um experimento estivesse livre das variações acidentais, seria necessário realizá-lo em con-
dições inteiramente uniformes de solo, plantas com a mesma constituição genética, o mesmo número de
plantas por parcela, irrigação uniforme, ausência de pragas e doenças, adubação uniforme, etc., para o caso
dos vegetais; e animais com mesma constituição genética, o mesmo número de animais por parcela, animais
com o mesmo peso e idade, ambiente inteiramente uniforme, etc., para o caso dos animais. Todavia, isso é
impossível, e independe do local onde se está conduzindo o experimento (campo, estábulo, laboratório, casa-
de-vegetação, etc.). Em função disso, a única alternativa do pesquisador é aplicar todo o seu conhecimento
para minimizar as variações acidentais no experimento.
A fim de reduzir o efeito da variação de acaso (erro experimental) nos experimentos, deve-se observar
atentamente os seguintes pontos:
pobre. Na distribuição C, três parcelas participam da parte mais fértil. três da parte intermediária e três da
parte pobre.
Portanto, se é conhecido o gradiente de fertilidade do terreno, as parcelas devem ser colocadas no
campo com o lado mais comprido paralelo a direção de tal gradiente. Se não for possível adotar a distribui-
ção B por dificuldades de ordem prática, então deve-se adotar a distribuição C, sendo a distribuição A, a
menos recomendável.
Figura 3 Influência da forma de colocação das parcelas no bloco, quando o campo tem um gradiente de ferti-
lidade constante. As flechas indicam o sentido do gradiente de fertilidade
Figura 4. Efeito bordadura em variedades de milho devido a áreas não plantadas entre parcelas adjacentes.
sar todo o seu potencial. A presença de falhas contribui para aumentar o erro experimental, já que elas levam
à falta de uniformidade das condições experimentais.
Se ao realizar o plantio, umas parcelas são semeadas com profundidade maior que as outras, ou se
aduba, irriga, amontoa, etc., umas mais que as outras, tudo isto redundará no aumento da variabilidade e do
erro experimental. Para evitar diferenças deve-se uniformizar o trabalho das máquinas e dos homens que
serão empregados nas diferentes operações, e manter rigorosa vigilância durante toda execução do trabalho.
Deve-se evitar, que o mesmo homem seja empregado no trabalho de todas as parcelas de um mesmo
tratamento, pois pode haver diferenças na forma de trabalho dos trabalhadores, e neste caso, o operário que
melhor trabalha porá em vantagem o tratamento que lhe compete, o recomendável é trocar os operários entre
os tratamentos ao passar de um bloco a outro.
Se por algum motivo há necessidade de suspender os trabalhos para continuar no dia seguinte, deve-
mos não interromper o trabalho até que haja terminado o serviço já iniciado em um determinado bloco.
De modo geral, é importante quando se executam experimentos de adubação, variedades, inseticidas,
fungicidas, herbicidas, etc., conhecer a procedência de cada produto a ser estudado, fórmulas químicas, con-
centrações e demais características. Em experimentos de competição de variedades, deve-se determinar pre-
viamente a natureza e o poder germinativo da semente.
Todos os experimentos devem ser semeados na época propicia ao cultivo sem nunca esquecer de in-
cluir os tratamentos testemunhas.
É necessário que o próprio pesquisador colete os dados do experimento e não o capataz ou auxiliar, ao
fazê-lo, o pesquisador terá mais confiança nos dados coletados, ao mesmo tempo que poderá tomar conhe-
cimento de fatos imprevistos, que bem podem servir para explicar resultados finais inesperados.
O pesquisador deve anotar pessoalmente os dados e observações do experimento em uma caderneta de
campo e não em folhas soltas; de forma clara e ordenada que possa ser entendida por qualquer outro pesqui-
sador, para o caso de que, tenha de ausentar-se.
1. CONSIDERAÇÕES GERAIS
Na pesquisa agronômica, os pesquisadores utilizam a Estatística Experimental para obter, analisar e
interpretar dados experimentais, obtidos de experimentos, visando a elucidação de princípios biológicos bem
como a solução de problemas agrícolas.
Na elucidação de tais princípios e na solução de tais problemas, o pesquisador define quais as caracte-
rísticas que irá utilizar para avaliar os tratamentos, de modo que possa atingir os objetivos da pesquisa. Por
exemplo, no estudo de comportamento de variedades de feijão, o pesquisador pode definir as seguintes ca-
29
racterísticas: resistência a antracnose, período de maturação de vagens e rendimento (kg/ha), para avaliar
seus tratamentos. Cada característica é medida nas parcelas e é denominada de variável.
Uma variável pode ser discreta ou contínua. Variável discreta é aquela que somente pode ter certos
valores da amplitude de variação, geralmente valores inteiros. Por exemplo, número de plantas doentes por
parcela, número de sementes por fruto, número de ovos por galinha em determinado período, etc. Variável
contínua é aquela que pode assumir qualquer valor dentro da amplitude de variação. Altura e rendimento de
grãos de plantas de milho, peso e produção de leite de vacas leiteiras são exemplos desse tipo de variável.
Na linguagem estatística, uma população é um conjunto de medições, de uma única variável, efetua-
das sobre todos os indivíduos pertencentes a uma classe. No nosso caso, por exemplo, o rendimento de grãos
(kg/ha) de todos os campos de milho no Brasil, cultivados com uma variedade qualquer, BR 111, por exem-
plo constituiu uma população. As medições individuais de uma variável recebem o nome de elemento.
Uma amostra é um conjunto de medições que constitui parte de uma população. A partir da amostra
obtemos informações e fazemos inferências acerca da população. Por esta razão é importante que a amostra
seja representativa da população.
As populações são descritas mediante características denominadas parâmetros. Os parâmetros são va-
lores fixos; por exemplo, a média aritmética de todos os elementos de uma população é um parâmetro. As
amostras são descritas pelas mesmas características, mas recebem a denominação de estatístico, ou estatísti-
ca. A média de uma amostra é um estatístico. Calculamos os estatísticos das amostras para estimarmos os
parâmetros da população. Obviamente, os estatísticos variam de amostra para amostra enquanto que os pa-
râmetros têm apenas um valor.
Em Experimentação Agrícola os parâmetros utilizados são as medidas de tendência central, ou medi-
das de posição e medidas de variabilidade de dados, ou medidas de variação.
X 1 X 2 X 3 ... X N Xi
m= =
N N
30
Para o caso de AMOSTRAS de N elementos (X1, X2, X3... XN), a média aritmética será denotada por:
m̂ ou x .
A diferença entre o valor de um elemento (Xi) e a média é denominada DESVIO ou ERRO, e pode
ser denotado por “di” ou “ei”.
O valor m̂ = 88,79 é uma estimativa da produtividade média da população, que nos é desconhecida.
Observe-se como seria arriscado utilizarmos apenas 1 AMOSTRA para tirarmos as conclusões sobra a
produção estimada daquela variedade de cana.
Se considerarmos simplesmente a média de infestação por variedade, sem levar em conta o número de
talhões, a infestação média da usina será:
31
Observamos, entretanto, que este dado é muito irreal, em decorrência da grande variação do número
de talhões infestados por variedade.
Para obtermos uma informação mais real, devemos calcular a média ponderada, tomando como peso,
em cada variedade, o número de talhões.
Ponderar, significa pesar. Isto quer dizer que se devem pesar os dados para se obter a medi, que será
uma razão entre o somatório dos produtos de cada valor pelo peso respectivo ( PX ) e o somatório dos
pesos ( P )
PX
Assim, teremos: m̂ =
P
Uma propriedade importante da média aritmética é que a soma dos desvios em relação à média é igual
a ZERO, ou seja:
= ( Xi – m̂ ) = 0
Podemos observar que as amostras (1), (2), (3) e (4) têm a mesma média, mas observamos que na
amostra (1) todos os valores são iguais a 10, ou seja, igual a média aritmética, logo todos os valores estão
concentrados na média, não existindo qualquer diferença entre cada valor e a média, conseqüentemente não
existe variabilidade dos dados. Ao passo que nas outras existem diferenças em relação à média. Assim po-
32
demos dizer que na mostra (1) não existe variabilidade nos dados. havendo para todas as outras, sendo a
amostra (4) a de maior variabilidade.
Portanto, além da média, necessitamos de uma medida estatística complementar para melhor caracte-
rizar cada amostra apresentada.
As medidas estatísticas responsáveis pela variação ou dispersão dos valores de uma série são as medi-
das de variabilidade ou medidas de dispersão, e são elas:
A) AMPLITUDE TOTAL,
B) VARIÂNCIA,
C) DESVIO PADRÃO,
E) ERRO PADRÃO DA MÉDIA,
F) COEFICIENTE DE VARIAÇÃO.
At = Xma – Xme.
No nosso exemplo teremos as seguintes amplitudes totais:
Podemos concluir que as amostras 3 e 4 são as mais dispersas: No entanto, elas são bem distintas, fal-
tando, conseqüentemente, alguma informação a mais, que permita diferenciá-las.
É por isso que a amplitude total é uma medida de dispersão não muito informativa, por depender so-
mente dos valores externos da série desprezando assim os valores intermediários, o que toma insensível a
dispersão dos demais valores entre o maior e o menor.
SQD
s² = , onde:
N 1
SQD
s² (2) = =
N 1
SQD
s² (3) = =
N 1
SQD
s² (4) = =
N 1
SQD = 2 -
2 ,
N
(X ) 2
X 2
s² = N .
N 1
(X ) 2 (50) 2
X 2
(10) 2 (10) 2 (10) 2 (10) 2 (10) 2
s² (1)= N = 5 = 0,0
N 1 5 1
(X ) 2
X 2
s² (2)= N =
N 1
(X ) 2
X 2
s² (3)= N =
N 1
(X ) 2
X 2
s² (4)= N =
N 1
A vantagem deste método é que trabalhamos diretamente com os dados originais não havendo neces-
sidade de calcularmos previamente a média e os desvios em relação a ela.
É interessante observar que as amostras 3 e 4 já referidas embora não pudessem ser diferenciadas pela
amplitude total podem perfeitamente ser identificadas, através da variância. Neste caso observamos que a
amostra 4 é mais dispersa que a amostra 3.
(X ) 2
X 2
SQD N =, ou ainda s =
s= = s 2 , ou s = s2
N 1 N 1
35
s (3) = s2 = s (4) = s2 =
Também aqui as amostras (3) e (4) podem perfeitamente ser identificadas, através do desvio padrão,
continuando a amostra (4) como sendo a mais dispersa que a amostra (3).
E interessante observar que as amostras 3 e 4 já referidas, embora não pudessem ser diferenciadas pe-
la amplitude, podem perfeitamente ser identificadas através da variância ou do desvio padrão.
O quadro seguinte nos mostra seus comportamentos:
s2
s²( m̂ ) = , onde:
N
s
s ( m̂ ) = , onde:
N
36
O erro padrão nos dá uma perfeita idéia da precisão da média, isto é, quanto menor ele for, maior pre-
cisão terá a média.
Considerando os dados das amostras do exemplo temos:
s 0
s ( m̂ ) (1) = = = 0,0
N 5
s
s ( m̂ ) (2) = =
N
s
s ( m̂ ) (3) = =
N
s
s ( m̂ ) (4) = =
N
Sempre que citamos uma média devemos faze-la acompanhar de seu erro padrão. Assim, no caso das
amostras de 1 a 4 exemplificadas, quando acompanhadas de seus erros padrões ficam:
100.s
CV =
m
Como o desvio padrão e a média são expressos na mesma unidade, o coeficiente de variação não tem
100.s
CV(2) = =
m
100.s
CV(3) = =
m
100.s
CV(4) = =
m
O coeficiente de variação dá uma idéia de precisão do experimento, ou seja, quanto menor o coefici-
ente de variação maior será a precisão do experimento, então temos na tabela 1:
Espera-se que os coeficientes de variação dos ensaios agrícolas, principalmente aqueles conduzidos a
nível de campo, não ultrapassem a casa dos 30%, de modo que as conclusões obtidas de tais ensaios mere-
çam crédito perante a comunidade científica.
Quando comparamos dois ou mais tratamentos, duas variedades de milho por exemplo, temos uma va-
riação entre os tratamentos e dentro dos tratamentos, que somadas resultam na variação total presente no
experimento.
A B
12 10
15 14
21 20
38
25 23
28 26
pela fórmula:
T
Variação entre Trat’s = SQTrat’s = R i 1
( xi x..) 2
Onde:
x i = Média do tratamento i
x.. = Média geral do experimento (média de todos os dados)
R = Número de repetições de cada tratamento
T = Número de tratamentos
1
SQ Trat’s = Ti 2 C
R
Onde:
Ti 2 = Total do tratamento í ao quadrado
( x) 2
C = Correção =
N
Onde:
xi = Valor da parcela que recebeu o tratamento i
x = Média do tratamento i
É a variação de cada observação em relação a média geral. Ela engloba a variação entre tratamentos e a vari-
ação dentro dos tratamentos, ou variação casual. E dada pela fórmula:
Onde:
xi = Valor da parcela que recebeu o tratamento i
x.. = Média geral do experimento
Pode ser calculada também pela seguinte fórmula, (já vista anteriormente)
SQTOTAL = SQD = 2
-
2
,
N
O termo
2
Um exemplo:
Pede-se:
1) Calcular a variabilidade total (SQ TOTAL)
40
A análise de variância foi uma técnica desenvolvida por Fischer que teve grande repercussão na pes-
quisa científica. Esta técnica consiste na decomposição dos graus de liberdade e da variância total de um
material heterogêneo (os tratamentos), em partes atribuídas a causas conhecidas e independentes e a uma
somas de quadrados (S.Q.), sendo que cada uma das partes nos proporciona uma estimativa de variância, ou
O esquema da análise de variância para um delineamento inteiramente casualizado (DIC), onde temos
duas causas de variação, que são os tratamentos (causa conhecida ou fator controlado) e o resíduo ou erro
(causa desconhecida, de natureza aleatória, que reflete o efeito dos fatores não controlados) será:
4
Onde:
3. TESTES DE SIGNIFICÂNCIA
Um dos principais objetivos da Estatística é a tomada de decisões a respeito da população, com base
na observação de amostras retiradas dessa população, ou seja, dar informação para o todo, com base no co-
nhecimento de parte.
Entende-se por população o conjunto de elementos sobre os quais se deseja informação, e entende-se
por amostra qualquer subconjunto retirado da população.
Ao tentarmos tomar decisões, é conveniente a formulação de hipóteses relativas às populações. Essas
hipóteses, que podem ou não ser verdadeiras, são denominadas de hipóteses estatísticas.
Existem sempre duas hipóteses em questão, Por exemplo: quando comparamos duas variedades de mi-
lho (A e B), para saber se uma variedade é melhor que a outra em relação a produção, primeiro formula-se a
hipótese de que não existem diferenças entre elas, isto é, que quaisquer diferenças observadas são devidas
exclusivamente aos fatores não controlados, ou de acaso (Erro Experimental). Em segundo formula-se a
hipótese que uma das variedades é melhor que a outra.
Essa hipótese inicial é denominada de hipótese de nulidade, ou H0, e a segunda é denominada de hi-
pótese alternativa, H1, ou HA.
Então temos:
Hipótese de nulidade (H0): As produções médias das variedades A e B de milho não diferem entre si,
ou seja, as diferenças observadas entre elas são devidas exclusivamente as variações não controladas, ou de
acaso (erro experimental).
Hipótese alternativa (H1 ou HA): Existe uma diferença entre as produções médias das variedades A e
B de milho, ou seja, as diferenças observadas entre elas não são devidas as variações não controladas, ou de
acaso (erro experimental), e sim porque uma das variedades tem, realmente, maior produção que a outra.
42
Os processos que nos permitem decidir se aceitamos, ou rejeitamos uma determinada hipótese são de-
nominados de testes de hipótese, ou testes de significância.
Porém, ao tomarmos a decisão de rejeitar ou aceitar uma hipótese, estamos sujeitos a incorrer em um
dos seguintes erros:
Erro Tipo I: é o erro que cometemos ao rejeitar uma hipótese verdadeira, que deveria ser aceita.
Erro Tipo II: é o erro que cometido ao aceitar uma hipótese falsa, que deveria ser rejeitada.
De um modo geral, controlamos apenas o Erro Tipo I, através do nível de significância do teste, re-
presentado por (alfa) e que consiste na probabilidade máxima com que nos sujeitamos a correr o risco de
rejeitar uma hipótese verdadeira, ou seja, cometer um Erro do Tipo I, ao testarmos uma determinada hipótese.
Na prática, é comum fixarmos o nível de significância em 5% ou em 1%, isto é = 0,05 ou =
0,01. Se for escolhido o nível de 5% ( = 0,05), isto indica que teremos 5 possibilidades em 100 de que
rejeitemos a hipótese quando ela deveria ser aceita, ou seja, existe uma confiança de 95% de que tenhamos
tomado uma decisão correta., o que é denominado de grau de confiança do teste e é representada por 1-
, expressa em porcentagem.
Para resumir o procedimento utilizado, vamos considerar o seguinte exemplo:
Queremos comparar 5 variedades de milho em relação a produção. O primeiro passo é estabelecer as
hipóteses estatísticas, que serão:
H0: As produções médias das cinco variedades de milho não diferem entre si.
HA: Existe pelo menos uma diferença entre as produções médias das cinco variedades de milho.
1- = 0,95: Existe 95% de probabilidade de que tomamos uma decisão correta ao rejeitar H0, e da dife-
rença entre as produções médias das cinco variedades de milho não ser casual, mas sim porque uma vari-
edade é melhor que outra.
Os valores críticos de F são tabelados em função dos números de graus de liberdade (N1 e N2) das es-
timativas de variâncias, a diferentes níveis de probabilidades, para obtermos os valores F devemos consultar
a tabela da seguinte maneira: (Para o exemplo das amostras de Pinus)
G.L. Trat’s = 4 (N1)
G.L. Erro = 20 (N2)
VALOR DE F AO NÍVEL DE SIGNIFICÂNCIA DE 5%
N1 = Números de graus de liberdade do numerador (G.L. Trat’s.)
N2 = Números de graus de liberdade do denominador (G.L. Res.)
N1
N2 1 2 3 4
1
2 :
44
3 :
: :
: :
20 .......... ...... ...... 2,87
Como o valor de Fcalculado ( ) é _____ que Ftabelado ao nível de 5% de probabilidade (2,87) ad-
mitimos que a diferença foi: ________________________________________________________________
Se o Fcalculado fosse _____ que 2,87 _______H0 e diríamos que o teste foi:_____________________
Graficamente seria:
F tabelado
0 _____ _____ F
REGIÃO DE ACEITAÇÃO DE H0 (95%) REGIÃO DE REJEIÇÃO DE H0 (5%)
Para comparar a produtividade de quatro variedades de milho (A, B, C e D), um agrônomo escolheu
uma área homogênea de terreno, dividindo-a em 20 parcelas de 100m2, e fazendo o sorteio dos tratamentos
(as variedades de milho) para cada uma das parcelas.
Como a área escolhida é homogênea, não fazemos controle local, usa-se o delineamento inteiramente
casualizado, com quatro tratamentos (variedades) e cinco repetições, que terá o seguinte esquema de campo:
A C D C A
B D A B C
D A B D B
B C D C A
Obtido os resultados de produção das 4 variedades em Kg/100m2, organizamos os dados, com os totais
de cada tratamento com suas respectivas médias, que foram:
A B C D
25 31 22 33
26 25 26 29
20 28 28 31
23 27 25 34
45
21 24 29 28
TOTAL 115 135 130 155
MÉDIA 23 27 26 31
SQTotal = 2
-
2
, onde:
N
2 = indica a soma dos quadrados dos dados a serem analisados.
= indica a soma desses dados.
N = o número de dados a serem analisados, (as 20 observações)
Onde o termo:
2 , é também chamado de correção e indicado pela letra C
N
Assim temos:
T 2
SQTrat’s = C , ou SQ Trat’s = 1/r T²i – C, onde:
r
T 2 = indica a soma dos quadrados dos totais dos tratamentos
r = indica o número de repetições dos tratamentos.
C = indicada a correção = (
2
)
N
Assim temos:
Os graus de liberdade para os tratamentos e para o total são respectivamente 3 e 19, pois temos 4 tra-
tamentos (4-1) e 20 observações no total (20-1). Para obtermos o nº de graus de liberdade do resíduo, faze-
mos a diferença entre os graus de liberdade para o total e os graus de liberdade para os tratamentos, e obte-
mos (19 - 3) 16 graus de liberdade para o resíduo ou erro.
Obtido o valor de F pela análise de variância (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em função dos números de graus de liberdade dos tratamentos e do resíduo conforme o
exemplo abaixo:
VALOR DE F AO NÍVEL DE SIGNIFICÂNCIA DE 5%
N1 = Números de graus de liberdade do numerador (G.L. Trat’s.)
N2 = Números de graus de liberdade do denominador (G.L. Res.)
N1
N2 1 2 3 4 5
1
2 :
3 :
: :
: :
16 .......... ......... 3,24
Como Fc F (tabelado) (7,80 > 3,24) Aceita-se HA e rejeita-se H0,, ou seja, existe, pelo menos,
uma diferença significativa entre as produções médias das variedades de milho, ao nível de 5% de signifi-
cância.
Em termos práticos, o agrônomo pode concluir, com 95% de confiança, que as variedades A,B,C e D
não têm, em média, a mesma produção.
Se o valor de F obtido pela análise de variância (F calculado) fosse menor do que F (tabelado),
aceitaríamos a hipótese H0 e rejeitaríamos a hipótese HA ,ou seja, concluiríamos que as produções médias
das variedades de milho não apresentam diferenças significativas entre si.
47
Em termos práticos, o agrônomo poderia concluir, com 95% de confiança, que as variedades A,B,C e
D são iguais, em relação a produtividade média.
1. Abaixo temos os teores médios de Ca na matéria seca da folha da laranjeira, em 4 épocas de amostragem:
TEORES DE Ca (em %)
3 MESES 9 MESES 15 MESES 21 MESES
2,93 2,54 2,52 1,56
3,65 3,32 3,25 1,57
3,95 3,21 3,17 1,85
4,19 3,27 3,07 2,09
48
Pede-se:
2. Os dados abaixo são as produções em Kg/parcela obtidas em um experimento, em DIC, com 4 tratamen-
tos e 3 repetições em feijão. Os tratamentos foram:
Pede-se:
Idem ao 1º Exercício.
3. Em um experimento foram comparadas 4 variedades de melão em relação a produção por parcela. Foi
utilizado o DIC com 6 repetições e os resultados em Kg/parcela foram:
VARIEDADES
A 25,12 17,25 26,42 16,08 22,15 15,92
B 40,25 35,25 31,98 36,52 43,32 37,10
C 18,30 22,60 25,90 15,05 11,42 23,68
D 28,05 28,55 33,20 31,68 30,32 27,58
Pede-se:
Idem ao 1º Exercício.
Para isto precisamos de um método que forneça a diferença mínima significativa (D.M.S.) entre du-
as médias.
Toda vez que o valor absoluto da diferença entre duas médias é igual ou maior do que a diferença mí-
nima significativa (D.M.S.) as médias são consideradas estatisticamente diferentes, ao nível de significância
estabelecido.
Existem diversos testes estatísticos, que geralmente levam o nome do seu autor, não se tem um teste
“melhor” que o outro, mas sim testes adequados as diversas situações, ou formas de como se deseja fazer a
comparação de médias.
Q. M . Re s.
q , onde:
r
q = é um valor tabelado, em função do número de tratamentos e do número de graus de liberdade do resí-
duo, ou erro (G.L. Res.), geralmente ao nível de 5% de significância.
Q.M.Res. = é o quadrado médio do resíduo, ou erro, obtido na análise de variância.
r = é o número de repetições de cada um dos tratamentos.
1. Como estamos testando a produção médias das quatro variedades, é claro que estamos interessados na
maior média, então colocamos as médias em ordem decrescente.
VARIEDADES MÉDIAS
D 31
B 27
50
C 26
A 23
2. Calculo da estatística (delta), para isto recorremos a tabela de q em função do número de tratamentos e
do número de graus de liberdade do resíduo, ou erro (G.L. Res.), nível de 5% de significância.
I
N´ 1 2 3 4 5
1 :
2 :
3 :
: :
: :
16 .......... ......... .......... 4,05
Q. M . Re s. 7 ,00
q => = 4,05 => = 4,79 4,8
r 5
A estatística = 4,8 indica a diferença mínima significativa entre duas médias para que elas possam
ser consideradas iguais estatisticamente, ao nível de 5% de significância, então, quando a diferença entre
duas médias for maior que 4,8, elas serão consideradas diferentes entre si.
DMS =4,8 D B C A
D - 4,0 ns 5,0 * 8,0*
B - - 1,0 ns 4,0 ns
C - - - 3,0 ns
* = As médias são diferentes entre si.
ns = As médias são iguais entre si.
Obtidas as comparações, colocamos letras iguais para as médias consideradas iguais, e assim temos:
VARIEDADES MÉDIAS
D 31 a
B 27 a b
C 26 b
A 23 b
Médias seguidas de mesma letra não diferem entre si pelo teste de Tukey ao nível de 5% de signifi-
cância.
Pelo teste de Tukey podemos concluir que a variedade de milho que apresentou maior produtividade
média é a variedade D, sendo que a variedade B é estatisticamente igual a ela, porem a variedade B é tam-
bém igual as variedades C e A, que apresentaram desempenho inferior, desta maneira a variedade a ser esco-
lhida como a melhor é a D.
As hipóteses básicas que devemos admitir para a, validade da análise de variância são as seguintes:
A) Aditividade:
Os efeitos dos fatores que ocorrem no modelo matemático devem ser aditivos.
Nos experimentos, os vários efeitos devem ser aditivos, tanto é que para cada delineamento estatístico
existe um modelo matemático denominado modelo linear aditivo. Para o delineamento inteiramente casuali-
zado, o modelo é o visto acima, onde o valor de qualquer unidade experimental é resultante de uma média
geral, mais um efeito de tratamentos e mais um efeito do erro experimental.
B) Independência:
Os erros ou desvios eij devidos ao efeito de fatores não controlados, devem ser independentes.
Cada observação possui um erro que deve ser independente dos demais. O princípio da casualização
assegura a validade da estimativa do erro experimental, pois permite uma distribuição independente do
mesmo. A casualização evita que todas as parcelas que recebem o mesmo tratamento ocupem posições adja-
centes na área experimental, visto que as parcelas adjacentes, principalmente no campo, tendem a estar mais
relacionadas entre si do que as parcelas distribuídas aleatoriamente.
Isto implica em que os efeitos de tratamentos sejam independentes, que não haja correlação entre eles.
E isto pode não ocorrer quando os tratamentos são doses crescentes de adubos, inseticidas, fungicidas, her-
bicidas etc., nestes casos a análise de variância deve ser feita estudado-se a regressão.
C) Normalidade:
Os erros ou desvios eij devidos ao feito de fatores não controlados, devem possuir uma distribuição
normal de probabilidades. Isto implica em que os dados experimentais se ajustem a uma distribuição normal
de probabilidades.
Na análise de variância o valor do Quadrado Médio do Erro, ou Resíduo, que corresponde à estimativa
da variância do erro experimental, é utilizado nas fórmulas matemáticas dos testes de hipóteses. Tais testes
são utilizados para verificar se existe ou não diferença significativa entre os tratamentos avaliados. O Qua-
drado Médio do Erro nada mais é que a média das variâncias de cada tratamento (amostra). Assim sendo é
importante que as variâncias das diferentes amostras sejam homogêneas, de modo que os resultados obtidos
53
Se Hc> H tabelado (1%) (**) concluímos que as variâncias são estatisticamente diferentes ao nível de
1% de probabilidade ou seja, não há homogeneidade de variâncias entre os grupos.
Se Hc < H tabelado (1%), recorre-se ao níveI de 5% de probabilidade;
Se Hc > H tabelado (5%), (*) concluímos que as variâncias são estatisticamente diferentes ao nível de
5% de probabilidade, ou seja, não há homogeneidade de variâncias entre os grupos.
Se Hc < H tabelado (5%) (ns) concluímos que as variâncias não diferem estatisticamente entre si ao
nível de 5% de probabilidade, ou seja, as variâncias entre os grupos são homogêneas.
Um exemplo:
Verificar se as variâncias são homogêneas pelo teste de Hartley os dados da tabela abaixo:
Peso de 20 capulhos, em gramas, de variedades de algodão herbáceo no município de Viçosa-AL. FERREIRA, 1977
1 - AIIen 333/57
78 90 90 75 70 88 491 74,57
2 – AFC 65/5236 100 65 78 92 85 90 510 149,60
3 – IAC 13.1 102 95 102 85 80 98 562 84,27
4 - IPEANE 01 98 70 85 85 88 80 506 85,07
s 2 max 149,60
Hc= = = 2,00
s 2 min 74,57
Como Hc < H tabelado (5%), (ns) concluímos que as variâncias não diferem estatisticamente entre si
ao nível de 5% de probabilidade, ou seja, as variâncias do peso de 20 capulhos de variedades de algodão
herbáceo são homogêneas.
Uma regra prática e rápida para verificar a homogeneidade de variâncias é que a relação entre a maior
e a menor delas não pode ser superior a mais de quatro vezes para que elas sejam homogêneas.
Quando as variâncias das diferentes amostras não são homogêneas, temos dois caminhos que podemos
seguir:
1º: Podemos separar as amostras em grupos, de modo que as variâncias dentro de cada grupo sejam ho-
mogêneas. Assim, a análise de variância poderá ser efetuada para cada grupo.
2º: Podemos transformar os dados de tal forma que eles fiquem homogêneos. Este método é o mais utili-
zado na prática.
3. TRANSFORMAÇÕES DE DADOS
Uma transformação é qualquer alteração sistemática num conjunto de dados onde certas caracterís-
ticas são mudadas e outras permanecem inalteradas
nomial. Existem tabelas apropriadas para essa transformação, nas quais entramos diretamente com a porcen-
Um exemplo:
Num experimento visando o controle do pulgão (Aphis gosypii Glover) em cultura de pepino, MACEDO
(1970) utilizou 6 repetições dos seguintes tratamentos:
A - Testemunha C - Supracid 4OCE dose 1 E - Diazinon 6OCE
B - Azinfós etílico D - Supracid 4OCE dose 2
REPETIÇÕES
TRAT. TOTAIS S² (1)*
1 2 3 4 5 6
A 2.370 1.687 2.592 2.283 2.910 3.020 14.862
B 1.282 1.527 871 1.025 825 920 6.450
C 562 321 636 317 485 842 3.163
D 173 127 132 150 129 227 938
E 193 71 82 62 96 44 548
Pede-se:
s 2 max
2) Teste de Hartley dos dados originais => Hc= =
s 2 min
3) Dados transformados em:
REPETIÇÕES
TRAT. TOTAIS S² (1)*
1 2 3 4 5 6
A
B
C
D
E
s 2 max
Hc= =
s 2 min
1. INTRODUÇÃO
O delineamento em blocos casualizados (D.B.C.) é o mais comum dos delineamentos estatísticos, usa-
do praticamente para todos os tipos de experimentos, usa os princípios da repetição, casualização e controle
local, este tipo de delineamento é usado quando as condições experimentais forem heterogêneas, ou se hou-
ver dúvidas quanto a sua homogeneidade.
57
Neste tipo de delineamento, pelo fato de ter-se o princípio do controle local, temos estimativas menos
elevadas do erro experimental do que no DIC, pois isolamos do erro as variações resultantes da heterogenei-
dade das condições experimentais. Para que o experimento seja eficiente, cada bloco deverá ser o mais uni-
forme possível, porém os blocos poderão diferir bastante entre eles, e quanto maior a diferença entre os blo-
cos, melhor para os resultados experimentais.
As situações em que devemos usar o DBC são várias, por exemplo: Se desejamos estudar a produção
de alguns híbridos de milho em um terreno com certa declividade, podemos formar os blocos no sentido das
curvas de nível, procurando ter todos os tratamentos, os híbridos de milho, em todas as faixas de fertilidade,
se o objetivo é a comparação destes híbridos em uma determinada região, devemos então espalhar os blocos
por toda a região de interesse.
Nos experimentos zootécnicos, cada bloco será constituído de animais de características semelhantes,
por exemplo: Se temos interesse em estudar rações para gado leiteiro, vamos formar os blocos com as vacas
de melhor produção, com as de produção média e com as de pior produção.
Até mesmo em casas de vegetação ou estufas, onde o ambiente é tido como homogêneo, o uso de blo-
cos pode ser feito para controlar diferenças de luminosidade, por exemplo.
No campo, é recomendável que os blocos se apresentem com uma forma aproximadamente quadrada,
embora muitas vezes eles sejam instalados de forma retangular ou irregular, para que possa apresentar ho-
mogeneidade nas suas parcelas.
No que se refere à distribuição dos blocos no campo, eles podem ficar juntos ou ser espalhados por
toda a área em estudo. Porém, geralmente eles são colocados uns próximos aos outros, visando com isto uma
maior facilidade nos trabalhos de campo, durante a execução do experimento.
As principais características do DBC são:
Permite o controle de uma fonte de variação alem de tratamentos;
Cada faixa de parcelas deve ser o mais homogêneo possível, podendo variar de uma faixa para ou-
tra, sendo que cada faixa recebe o nome de bloco;
Cada bloco deverá conter uma vez cada tratamento.
Já vimos que, para podermos efetuar a análise de variância em qualquer delineamento, devemos pres-
supor um modelo matemático representativo do delineamento e aceitar algumas hipóteses básicas necessá-
rias para a validade da análise. No delineamento em blocos casualizados, controlamos uma causa de varia-
ção a mais que no delineamento inteiramente casualizado, que são os blocos, de forma que o modelo mate-
58
mático deve espelhar este controle. Logo, para o delineamento em blocos casualizados, o modelo matemáti-
co é:
Xij = m + ti + bj + eij i = 1, 2, 3, ..., i , j = 1, 2, 3, ..., j
Onde: Xij = valor observado na parcela que recebeu o tratamento i e se encontra no bloco j;
m = média da população;
ti = efeito devido ao tratamento i, que foi aplicado na parcela;
bj = efeito devido ao bloco j, em que se encontra a parcela;
eij = efeito dos fatores não controlados na parcela.
Pressuposto o modelo matemático do delineamento, as hipóteses básicas que devemos admitir pa-
ra a validade da análise de variância são as mesmas vistas no delineamento inteiramente casualizado.
Exemplo:
Suponha que temos um experimento com três tratamentos (A, B e C), com 4 repetições, o esquema de
campo seria:
I B A C II A B C
III C B A IV B C A
B 2
SQ Blocos = C , ou SQ Blocos = 1/n B²i – C, onde:
n
B 2 = indica a soma dos quadrados dos totais dos blocos
n = indica o número de tratamentos.
C = indicada a correção = (
2
)
N
59
Um exemplo: Um DBC foi realizado para se estudar o efeito do parcelamento da adubação nitrogena-
da sobre diversas características morfológicas e fisiológicas do alho. Os dados relativos à altura da planta
(em cm) foram:
TRATAMENTOS
BLOCOS P1 P2 P3 TOTAIS
I 51,84 52,47 54,17 158,48
II 52,86 53,19 55,03 161,08
III 53,66 53,26 55,18 162,10
IV 54,19 54,38 56,04 164,61
V 54,06 56,14 56,69 166,89
TOTAIS 266,61 269,44 277,11 813,16
MÉDIAS 53,32 53,89 55,42 -
Os tratamentos foram:
P1 = 250 kg de sulfato de amônio no plantio;
P2 = 1/3 no plantio e 2/3 em cobertura 30 dias após;
P3 = 1/3 no plantio, 1/3 em cobertura 30 dias após e 1/3 em cobertura 60 dias após.
Onde o termo:
2 , é também chamado de correção e indicado pela letra C
N
Assim temos:
T 2
SQTrat’s = C , ou SQ Trat’s = 1/r T²i – C, onde:
r
T 2 = indica a soma dos quadrados dos totais dos tratamentos
r = indica o número de repetições dos tratamentos.
60
C = indicada a correção = (
2
)
N
Assim temos:
B 2
SQ Blocos = C , ou SQ Blocos = 1/n B²i – C, onde:
n
B 2 = indica a soma dos quadrados dos totais dos blocos
n = indica o número de tratamentos.
C = indicada a correção = (
2
)
N
Assim temos:
Obtido o valor de F pela análise de variância (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em função dos números de graus de liberdade dos tratamentos e do resíduo, conforme já
vimos, para o caso do bloco procedemos da mesma maneira, porém levando em conta o número de graus de
liberdade dos blocos.
A decisão que tomamos em relação aos blocos é semelhante a decisão que tomamos em relação aos
tratamentos, ou seja:
Fc F (tabelado) O teste não é significativo, ou seja, o controle local não foi efetivo.
Fc F (tabelado) O teste é significativo ou seja, o controle local foi efetivo.
Na prática quando o teste não é significativo, não se justificou o uso do controle local através dos blo-
cos. O experimento poderia ter sido feito em DIC.
Para o nosso exemplo o teste foi significativo, o controle local foi efetivo, ou seja existem diferenças
significativas entre os blocos, e neste caso justifica-se o uso do controle local.
BLOCOS
VARIEDADES TOTAIS
I II III IV
1 94,0 80,6 98,5 91,0 364,1
2 95,7 83,2 75,5 69,4 323,8
3 96,5 93,4 81,6 86,8 358,3
62
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.
DOSES DE P2O5.
BLOCOS TOTAIS
0 25 50 75 100
I 8,38 7,15 10,07 9,55 9,14 44,29
II 5,77 9,78 9,73 8,95 10,17 44,40
III 4,90 9,99 7,92 10,24 9,75 42,80
IV 4,54 10,70 9,48 8,66 9,50 42,88
TOTAIS 23,59 37,62 37,20 37,40 38,56 174,37
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.
Pede-se:
a) Fazer a ANAVA
b) Tirar as conclusões de interesse.