Universidade Federal do Acre - UFAC

Bacharelado em Medicina Veterinária

Disciplina: Experimentação Animal (CCET 193)
Professor: Vinicius Silva dos Santos

2. Delineamentos Inteiramente Casualizados (DIC)

Nos experimentos inteiramente ao acaso (DIC), os tratamentos são designados às unidades experimentais por
simples sorteio. DIC pressupõe que as unidades experimentais estão sob condições homogêneas, as quais são
obtidas em locais com ambientes controlados tais como laboratórios, estufas e casas de vegetação. DIC utiliza
apenas os princípios básicos da repetição e da casualização;

Exemplo 2: Para comparar a qualidade de três tipos de ração para suinos, um zootecnista dispunha de 15
animais (unidades) similares em relação aos diversos fatores que afetam a qualidade das rações. A ração A foi
sorteada para cinco unidades (animais), a ração B para outros cinco, e a ração C para outros cinco animais.
Este é um experimento inteiramente ao acaso (DIC), com três tratamentos (tipos de ração) e cinco repetições
por tratamento (tamanho da amostra n = 15).
Existe um modelo estatístico específico para cada tipo de delineamento. O modelo estatístico identifica
quais são as fontes de variação dos valores de uma variável resposta em estudo.
Modelo estatístico para os dados de um experimento instalado em DIC: yij = m + ti + eij
yij é o valor observado para a variável resposta obtido para o i-ésimo tratamento em sua j-ésima repetição; m
é a média geral; ti é o efeito do tratamento i no valor observado yij; (ti = mi – m); eij é o erro experimental
associado ao valor observado yij
É uma técnica de análise estatística que permite decompor a variação total, ou seja, a variação existente
entre todas as observações, na variação devido à diferença entre os efeitos dos tratamentos e na variação
devido ao acaso.
No entanto, para que esta técnica seja empregada é necessário que sejam satisfeitas as seguintes
pressuposições:
• 1) os efeitos do modelo estatístico devem ser aditivos;
• 2) os erros experimentais devem ser normalmente distribuídos, independentes, com média zero
e com variância comum.
 Apesar da ANOVA exigir o cálculo de variâncias, o objetivo é comparar médias de tratamentos. A
comparação se faz por meio do teste F;
A ANOVA é, portanto, uma extensão do teste t de Student que compara duas e só duas médias. A análise
de variância (ANOVA) permite que o pesquisador compare qualquer número de médias.
• Os tratamentos A, B, C e D conduzem a médias diferentes?
• Até que ponto as diferenças observadas entre as médias dos tratamentos A, B, C e D são
suficientemente grandes para ser tomadas como evidência de que as médias desses tratamentos são,
mesmo, diferentes?
• Os valores obtidos das diferentes unidades a um mesmo tratamento variam ao acaso devido aos fatores,
conhecidos e desconhecidos, que não foram controlados no experimento;
Procedimentos para ANOVA considerando um DIC

• Para fazer a análise de variância de um experimento inteiramente ao acaso, é preciso calcular as

seguintes quantidades:
• a) os graus de liberdade:
• De tratamentos: (k-1)
• Do total: (n-1), onde n = kr
• Do resíduo: (k-1) - (n-1)
• b) o valor C, conhecido como correção:

• c) a soma de quadrados total:

• d) a soma de quadrados de tratamentos:

• e) a soma de quadrados de resíduo:

• f) o quadrado médio de tratamentos:

• g) o quadrado médio de resíduo:

• h) o valor de F:

• As quantidades calculadas são, geralmente, apresentadas numa tabela de análise de variância

• Compare, então, o valor calculado de F com o valor crítico de F, ao nível estabelecido de significância
e com os mesmos graus de liberdade. Toda vez que o valor calculado de F for maior do que o valor
crítico de F, rejeite a hipótese de que as médias são iguais.
• OBS: a soma de quadrados total (SQT) mede a "variação total", ou seja, a variação dos valores
observados em torno da média geral;
• a soma de quadrados dos tratamentos mede a "variação devida aos tratamentos“;
• a soma de quadrados de resíduo mede a "variação aleatória".
Exemplo de aplicação
• Faça a análise de variância para os dados abaixo:
Coeficiente de determinação (R𝟐 )

• Por definição, coeficiente de determinação, que se indica por R2 , é a razão entre a soma de quadrados
de tratamentos e a soma de quadrados total, isto é:
𝑆𝑄𝑇𝑟
R2 =
𝑆𝑄𝑇
• Mede a proporção da variação total explicada pela variação devida aos tratamentos. Varia entre 0 e 1
e é interpretado como uma porcentagem.
• No caso do exemplo, R2 = 0,5938, ou seja, 59,38% da variação total é explicada pela variação de
tratamentos.
• Quanto maior o R2, melhor é o modelo.
Coeficiente de variação (C.V.)
• Por definição, é a razão entre o desvio padrão (que, na análise de variância, é dado pela raiz quadrada
do quadrado médio do resíduo - QMR) e a média geral (de todos os dados):

√𝑄𝑀𝑅
𝐶𝑉 =
𝑦̅
No exemplo feito, temos um CV de 9,89%.
• O CV é utilizado para avaliação da precisão de experimentos. Quanto menor o CV mais preciso
tende a ser o experimento. Como regra geral, experimentos feitos em laboratório não devem ter CV muito
maior do que 10%. Experimentos "de campo" têm CV em torno de 30%. Mas o importante é comparar o
valor do CV obtido em determinado experimento com o resultado de outros autores.