Baixe o app para aproveitar ainda mais
Prévia do material em texto
A Estatística experimental é a parte da Matemática aplicada aos dados experimentais obtidos de experimentos. Os experimentos ou ensaios são pesquisas planejadas para obter novos fatos, negar ou confirmar hipóteses ou resultados obtidos anteriormente. Em outras palavras, são pesquisas planejadas, que seguem determinados princípios básicos, com o objetivo de fazer comparações dos efeitos dos tratamentos. A experimentação tem por objetivo o estudo dos experimentos, isto é, seu planejamento, execução, análise dos dados obtidos e interpretação dos resultados. Estudos observacional: Consiste em observar fenômenos na natureza, sem submeter os indivíduos, plantas, animais, a condições específicas -> planejamento de um estudo observacional -> uso de técnicas de amostragem -> avaliar número de espécies, altura de árvore... em uma floresta nativa Experimento: as observações são geradas comumente sob condições controladas pelo pesquisador de tal modo que os indivíduos avaliados sejam submetidos a condições específicas denominadas tratamentos. Tratamento ou fator O método, elemento o material cujo efeito desejamos medir ou comparar um experimento. Exemplos: variedade de milho, soja, café raças de gado níveis de proteína na ração. Tratamento indica o que está em comparação, tudo o que pretendemos investigar Tratamento controle ou testemunha: Caracterizado pela ausência de tratamento entre parênteses (controle negativo) ou pode um tratamento padrão conta de (onde positivo). Quando se tem apenas um fator de tratamento, com diferentes níveis esse fator constituir o próprio tratamento. Entretanto, os tratamentos podem ser compostas pelas combinações dos níveis de vários fatores. 1 fator -> é o próprio tratamento Combinação de fatores -> tratamento Como se comporta a produtividade média de três diferentes variedades de cana de açúcar V1, V2, V3. Sabor de um iogurte de maracujá devido ao uso de quatro formas de adoçar (açúcar, açúcar mascavo, mel, adoçante) -> 4 tratamentos Quantidade de animais por unidade diária, doses de remédio, idade do animal Que armadilha captura mais insetos considerando ambientes claros e escuros (3 armadilhas e 2 ambientes: 6 tratamentos) Unidades experimentais ou parcelas. A unidade que vai receber do tratamento em fornecer os dados que deverão refletir o seu efeito. Exemplos: uma fileira de plantas com 3 m de comprimento no campo, um leitão, 1 l de leite Unidade experimental ou parcela representa unidade física que receberá o tratamento 2. ALGUNS CONCEITOS BÁSICOS a. Tratamento ou fator: é o método, elemento ou material cujo efeito desejamos medir ou comparar em um experimento. Exemplos: a) variedades de milho; b) níveis de proteína na ração e c) diferentes temperaturas de pasteurização do leite. b. Unidade experimental: é a unidade que vai receber o tratamento e fornecer os dados que deverão refletir o seu efeito. Exemplos: a) uma fileira Introdução à Experimentação de plantas com 3 metros de comprimento no campo; b) um leitão e c) um litro de leite. c. Delineamento experimental: é a maneira como os tratamentos são designados às unidades experimentais. Exemplos: Delineamento Inteiramente Casualizado (DIC), Delineamento em Blocos Casualizados (DBC) e Delineamento em Quadrado Latino (DQL). É como vamos dividir, sortear os tratamentos d. Esquema: quando em um mesmo experimento são avaliados dois ou mais fatores os níveis dos fatores podem ser combinados de maneiras diferentes. O esquema é justamente a maneira utilizada pelo pesquisador ao combinar os níveis dos fatores para se obter os tratamentos. Exemplos: Esquema Fatorial e Esquema em Parcelas subdivididas. É a forma de como vamos combinar os níveis dos fatores para formar os tratamentos e. Variável resposta: é a variável mensurada (medida) usada para avaliar o efeito de tratamentos. O que está sendo medido ou observado no experimento (ex: quanto peso o animal ganhou, a altura, produção de leite...) f. Erro experimental: é o efeito de fatores que atuam de forma aleatória e que não são passíveis de controle pelo experimentador. A pesquisa científica está constantemente se utilizando de experimentos para provar suas hipóteses. É claro que o procedimento para realizar um experimento varia de acordo com a área para a qual está se fazendo uma pesquisa. Porém, todo experimento deve seguir alguns princípios básicos, para que as conclusões sejam válidas. 3. PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO São três os princípios básicos da experimentação: repetição (obrigatório), casualização (obrigatório) e controle local. Princípio da Repetição A repetição consiste em aplicar o mesmo tratamento a várias unidades experimentais, ou seja, consiste na reprodução do experimento básico. Não existe uma regra dizendo qual deve ser o número mínimo de repetições. Isto depende do conhecimento do pesquisador sobre o assunto e do conjunto de condições em que será realizado o experimento. Como regra prática, sugere-se que os experimentos tenham pelo menos 20 unidades experimentais e 10 graus de liberdade para o resíduo. Quanto maior é o número de repetições, espera-se que seja maior a precisão do experimento. Finalidade em termos estatísticos: obter uma estimativa do erro experimental (sem a medida de variação, não conseguimos ter esse erro experimental, e com esse podemos saber se essa variação se deu apenas pelo acaso ou se que essa variação que encontramos é se dá pq realmente o nosso tratamento é bom). Princípio da Casualização O princípio da casualização consiste em distribuir ao acaso os tratamentos às unidades experimentais. Este princípio tem por finalidade propiciar, a todos os tratamentos, a mesma chance de serem designados a qualquer uma das unidades experimentais, visando evitar que algum dos tratamentos seja sistematicamente favorecido ou desfavorecido por fatores fora de controle do pesquisador. Consiste um sortear/ misturar tudo Finalidade, em termos estatísticos: em um experimento obtém-se uma estimativa válida do erro experimental. Faz com que a gente torne válida a nossa estimativa Todo experimento deve conter no mínimo os princípios básicos da repetição e da casualização. Princípio do Controle na Casualização O uso do princípio do controle na casualização só é recomendado quando as unidades experimentais não são ou não estão sob condições homogêneas devido a influência de um ou mais fatores. Para utilizar este princípio, é necessário inicialmente dividir as unidades experimentais em blocos de unidades de tal forma que dentro de cada bloco haja homogeneidade e um número de unidades igual ao número de tratamentos do experimento. A distribuição dos tratamentos as unidades é feita então dentro de cada bloco. Daí o nome do princípio controle na casualização. Consiste na separação das unidades experimentais em blocos Finalidade, em termos estatísticos: é reduzir o efeito do erro experimental através do controle da variação existente entre as unidades experimentais. Espera-se que com o controle na casualização a estimativa obtida para o erro experimental seja menor. Bordadura: deve ser utilizada quando um tratamento atribuído a uma parcela pode influenciar a resposta observado na parcela vizinha são comuns em vários experimentos: cana de açúcar, fungicidas, variedades que apresentam alturas diferentes isso para evitar sombreamento Ex 1: a-) qual é a unidade de análise do experimento? Os animais b-) que suposições tem que ser feitas pra estudar esse problema? DIC Consideramos “porcos homogêneos” Fator: rações para suíns Níveis dos fatores: 6 Tratamentos: A, B, C, D, E e F Repetições: 7 repetições por tratamento Variável resposta: aumento de peso Exemplo 2: pesquisou se o efeito de dois diferentes microorganismos nas mesmascondições experimentais, na biorremedição de solos contaminados por HAP’s. Foram realizados ensaios com 10 repetições para cada microorganismo, além de um tratamento controle. Após um período de incubação de 30 dias, realizou-se a análise da concentração de HAP’s no solo, em mg/g a-) qual é a unidade de análise do experimento? Os animais: avaliar os microrganismos Quantos ensaios serão realizados? 10 repetições pra cada microrganismo b-) que suposições tem que ser feitas pra estudar esse problema? DIC houve uma homogeneidade Fator: dois diferentes microorganismos Níveis dos fatores: 6 Tratamentos: tratamento controle Repetições: 10 repetições para cada microorganismo Variável resposta: concentração 4. ANÁLISE DE VARIÂNCIA Um problema que se apresenta com maior frequência do que outro na análise estatística é o de avaliar se duas ou mais amostras diferem significativamente com relação a alguma variável. Em função disso, é necessário um método estatístico para solucionar problemas dessa natureza. Um dos métodos mais utilizados para solucionar tais problemas é conhecido como análise de variância. A análise de variância foi introduzida por Fisher e é essencialmente um processo baseado na decomposição da variância total existente entre uma série de observações, em partes que podem ser atribuídas a causas conhecidas e numa parte devida a causas desconhecidas ou não suscetíveis de controle. A retirada de conclusões sobre uma ou mais populações é feita através da estimação de parâmetros ou pelos testes de hipóteses. A estimação de parâmetros (a média, o desvio padrão, etc.) é feita por diversos métodos. Quanto aos testes de hipóteses, os mesmos são usados pelos pesquisadores para decidir sobre a aceitação ou rejeição de hipóteses. Hipóteses são suposições acerca dos parâmetros de uma ou mais populações. Antes de aplicar tais testes, devemos formular as hipóteses estatísticas. Podemos considerar duas hipóteses, são elas: H0: Os Tratamentos são iguais, ou seja, não existe efeito tratamento (Hipótese de Nulidade). H1: existe pelo menos um tratamento diferente dos demais, ou seja, existe efeito do tratamento (Hipótese alternativa). A rejeição de H0 implica na aceitação da hipótese alternativa H1. Para fazermos a análise e verificar se os Tratamentos são significativos, podemos utilizar a estatística F ou o valor-p. Estatística F Se Fcalculado≥ F (tabelado) , (*) - rejeitamos a hipótese H0 e verificamos ao nível de α% de significância que para pelo menos um Tratamento, ou seja, existe efeito Tratamento e eles são significativos. Por outro lado, se Fcalculado < F (tabelado) , (ns) – não rejeitamos a hipótese H0 e verificamos ao nível de α% de significância que não existe efeito Tratamento e eles não são significativos. Valor-p Se valor-p < α%, (*) - rejeitamos a hipótese H0 e verificamos ao nível de α% de significância que existe efeito do Tratamento e eles são significativos. Caso contrário se o v a l or- p ≥ α%, (ns) – não rejeitamos a hipótese H0 e verificamos ao nível de α% de significância que não existe efeito Tratamento e eles não são significativos (ns).
Compartilhar