Baixe o app para aproveitar ainda mais
Prévia do material em texto
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta, mas que não são de interesse. Às vezes esse fator pode ser desconhecido ou não controlável. Neste caso, a aleatorização é a técnica utilizada para se precaver da influência desses fatores. Quando a fonte de variabilidade desse fator de interferência é conhecida ou controlável, então se pode utilizar o projeto experimental em Blocos para eliminar seu efeito nas comparações estatísticas entre os tratamentos. CARACTERIZAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Experimento em Blocos ao Acaso é o delineamento para ser usado quando as unidades experimentais apresentarem alguma heterogeneidade. O grupo formado com as unidades similares existentes é chamado de BLOCO. Nesse caso, o sorteio do tratamento é feito em cada bloco. Um bloco pode ser: uma faixa de terra, uma zona marítima, uma estufa, um período de tempo, exposição ao calor, aos ventos e etc. o importante é que reúnam unidades similares e que haja variabilidade entre os blocos. Quem decide se a variabilidade entre blocos justifica a criação deles é o pesquisador e não o estatístico. CARACTERIZAÇÃO Para verificar se quatro variedades de milho produzem, em média, a mesma quantidade, dividiu-se a área de terra que se dispunha em cinco faixas de igual fertilidade. Depois dividiu-se cada faixa de terra em quatro parcelas e sorteou-se, dentro de cada faixa, uma variedade para cada parcela. EXEMPLO Este é um experimento completo em blocos ao acaso: completo, porque cada bloco contém todos os tratamentos; ao acaso, porque os tratamentos foram designados às parcelas por processo aleatório (ao acaso). EXEMPLO EXEMPLO Note que, dentro de cada bloco, temos todas as variedades, sorteadas ao acaso. Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o O delineamento em blocos casualizados (DBC) é o mais utilizado dos delineamentos experimentais. Utiliza os princípios da repetição, da casualização e do controle local. Sempre que houver dúvidas a respeito da homogeneidade das condições experimentais devemos utilizar o princípio do controle local, criando blocos com parcelas homogêneas. CARACTERIZAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Características: 1. As parcelas são distribuídas em grupos ou blocos (princípio do controle local), de tal forma que elas sejam o mais uniforme possível dentro de cada bloco. 2. O número de parcelas por bloco deve ser igual ao número de tratamentos (blocos completos casualizados). 3. Os tratamentos são designados às parcelas de forma casual, sendo essa casualização feita dentro de cada bloco. CARACTERIZAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Principais vantagens: 1. Controla as diferenças que ocorrem nas condições experimentais de um bloco para outro. 2. Permite utilizar qualquer número de tratamentos e de blocos. 3. Geralmente produz uma estimativa mais exata para a variância residual. 4. A ANOVA é relativamente simples, possuindo apenas uma causa de variação a mais que o DIC, dado pelo efeito de Blocos. CARACTERIZAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Principais desvantagens: 1. O uso do controle local reduz o número de GL do resíduo da análise de variância. 2. A exigência da homogeneidade dentro do bloco limita o número de tratamentos, que não pode ser muito grande, pois cada bloco deve conter todos os tratamentos. CARACTERIZAÇÃO Modelo Matemático Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Todo delineamento experimental possui um modelo matemático que representa cada uma das observações obtidas. Para aplicação da Análise de Variância de um experimento em um determinado delineamento, devemos levar em consideração o modelo matemático desse experimento e atender algumas hipóteses básicas. o O modelo matemático do DBC é dado por: 𝑦𝑖𝑗 = 𝑚 + 𝑡𝑖 + 𝑏𝑗 + 𝑒𝑖𝑗 é o valor observado na parcela que recebeu o tratamento 𝑖 e que se encontra no bloco 𝑗 É o efeito dos fatores não controlados na parcela que recebeu o tratamento 𝑖 no bloco 𝑗 é a média geral do experimento é o efeito devido ao bloco j em que se encontra a parcela é o efeito devido ao tratamento 𝑖, que foi aplicado à parcela MODELO MATEMÁTICO Hipóteses Básicas Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o As hipótese básicas que devemos admitir para tornar válida a aplicação da Análise de Variância são as mesmas do DIC, ou seja: 1. Aditividade: o efeito dos fatores que ocorreram no modelo matemático devem ser aditivos. 2. Independência: os erros ou desvios 𝑒𝑖𝑗, provenientes dos efeitos dos fatores não controlados, devem ser independentes. 3. Homocedasticidade ou Homogeneidade de Variâncias: os erros ou desvios 𝑒𝑖𝑗, provenientes dos efeitos dos fatores não controlados, devem possuir uma variância comum 𝜎2. 4. Normalidade: os erros ou desvios 𝑒𝑖𝑗 , provenientes dos efeitos dos fatores não controlados, devem possuir distribuição normal de probabilidades. HIPÓTESES BÁSICAS o Uma forma resumida de apresentar as quatro hipóteses necessárias para utilização do DBC é dada por: 𝑒𝑖𝑗~ 𝑁 0, 𝜎 2 Os erros, ou desvios, 𝑒𝑖𝑗 são independentes e identicamente distribuídos de acordo com uma distribuição normal com média zero de variância 𝜎2. 𝑖𝑖𝑑 HIPÓTESES BÁSICAS Obtenção da Análise de Variância o Considere um experimento em blocos casualizados com 𝐼 tratamentos e J blocos. Os valores observados, que se referem à característica em estudo, podem ser agrupados conforme o quadro abaixo: Tratamento Blocos Total 1 2 … 𝑗 … 𝐽 1 𝑦11 𝑦12 … 𝑦1𝑗 … 𝑦1𝐽 𝐿1 = 𝑦1𝑗 𝐽 𝑗=1 2 𝑦21 𝑦22 … 𝑦2𝑗 … 𝑦2𝐽 𝐿2 = 𝑦2𝑗 𝐽 𝑗=1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ 𝑖 𝑦𝑖1 𝑦𝑖2 … 𝑦𝑖𝑗 … 𝑦𝑖𝐽 𝐿𝑖 = 𝑦𝑖𝑗 𝐽 𝑗=1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ 𝐼 𝑦𝐼1 𝑦𝐼2 … 𝑦𝐼𝑗 … 𝑦𝐼𝐽 𝐿𝐼 = 𝑦𝐼𝑗 𝐽 𝑗=1 Total 𝐶1 𝐶2 ⋯ 𝐶𝑗 ⋯ 𝐶𝐽 𝐺 = 𝐿𝑖 𝐼 𝑖=1 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA Soma de Quadrados: Soma de Quadrados Total 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 = 𝑦𝑖𝑗 2 𝐽 𝑗=1 𝐼 𝑖=1 − 𝐾, 𝐾 = 1 𝐼 × 𝐽 𝐿𝑖 𝐼 𝑖=1 2 Soma de Quadrados de Tratamentos 𝑆𝑄𝑇𝑟𝑎𝑡 = 1 𝐽 𝐿𝑖 2 𝐼 𝑖=1 − 𝐾 Soma de Quadrados de Blocos 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 = 1 𝐼 𝐶𝑗 2 𝐽 𝑗=1 − 𝐾 Somade Quadrados do Resíduo 𝑆𝑄𝑅𝑒𝑠 = 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 − 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA Quadro de Análise de Variância para DBC Hipótese Testadas Para tratamentos 𝐻𝑜: 𝑡𝑖 = 0, 𝑖 = 1, 2, … , 𝐼. 𝐻1: pelo menos um valor de 𝑡𝑘 ≠ 0, 𝑘 ∈ 1; 𝐼 • Para blocos 𝐻𝑜: 𝑏𝑗 = 0, 𝑗 = 1, 2, … , 𝐽. 𝐻1: pelo menos um valor de 𝑏𝑘 ≠ 0, 𝑘 ∈ 1; 𝐼 CV GL SQ QM F Blocos 𝐽 − 1 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 𝐽 − 1 𝑄𝑀𝐵𝑙𝑜𝑐𝑜𝑠 𝑄𝑀𝑅𝑒𝑠 Tratamento 𝐼 − 1 𝑆𝑄𝑇𝑟𝑎𝑡 𝑆𝑄𝑇𝑟𝑎𝑡 𝐼 − 1 𝑄𝑀𝑇𝑟𝑎𝑡 𝑄𝑀𝑅𝑒𝑠 Resíduo 𝐼 − 1 (J − 1) 𝑆𝑄𝑅𝑒𝑠 𝑆𝑄𝑅𝑒𝑠 𝐼 − 1 𝐽 − 1 Total 𝐼 × 𝐽 − 1 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA Resumindo o critério do teste: se logo então notação 𝐹calc < 𝐹tab (5%) o teste é não significativo ao nível de significância 𝛼 = 0,05. Aceitamos 𝐻𝑜 𝐹𝑐𝑎𝑙𝑐 𝑁𝑆 𝐹tab 5% < 𝐹calc < 𝐹tab (1%) o teste é significativo ao nível de significância 𝛼 = 0,05. Rejeitamos 𝐻𝑜 em favor de 𝐻1 com um grau de confiança de 95% 𝐹𝑐𝑎𝑙𝑐 ∗ 𝐹tab 1% < 𝐹calc o teste é significativo ao nível de significância 𝛼 = 0,01. Rejeitamos 𝐻𝑜 em favor de 𝐻1 com um grau de confiança de 99% 𝐹𝑐𝑎𝑙𝑐 ∗∗ OBTENÇÃO DA ANÁLISE DE VARIÂNCIA Exemplo de Aplicação o Em um DBC, deseja-se verificar se quatro variedades de milho (A, B, C e D) produzem, em média, a mesma quantidade (kg/100m2). Assim, dividiu-se a área de terra que se dispunha em cinco faixas de igual fertilidade. Depois dividiu-se cada faixa de terra em quatro parcelas e sorteou-se, dentro de cada faixa, uma variedade para cada parcela, conforme a tabela. EXEMPLO DE APLICAÇÃO Produção de milho segundo as variedades e blocos de terra EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 B 26 37 42 34 36 C 37 45 39 41 53 D 23 28 30 37 32 Totais Produção de milho segundo as variedades e blocos de terra EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 160 B 26 37 42 34 36 175 C 37 45 39 41 53 215 D 23 28 30 37 32 150 Totais 120 136 144 148 152 700 Fator de Correção 𝑲 = 𝑳𝒊 𝑰 𝒊=𝟏 𝟐 (𝑰 ×𝑱) 𝑲 = 𝐿𝑖 8 𝑖=1 2 4×5 = 160+175+215+150 2 20 = 700 2 20 = 490.000 20 = 𝟐𝟒. 𝟓𝟎𝟎 EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 160 B 26 37 42 34 36 175 C 37 45 39 41 53 215 D 23 28 30 37 32 150 Totais 120 136 144 148 152 700 Soma de Quadrados Total 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝒚𝒊𝒋 𝟐𝑱 𝒋=𝟏 𝑰 𝒊=𝟏 −𝑲 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝒚𝒊𝒋 𝟐𝟓 𝒋=𝟏 𝟒 𝒊=𝟏 −𝑲 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟑𝟒 𝟐 + 𝟐𝟔𝟐 + 𝟑𝟑𝟐 +⋯+ 𝟑𝟐𝟐 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟐𝟓. 𝟒𝟓𝟎 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟗𝟓𝟎 EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 160 B 26 37 42 34 36 175 C 37 45 39 41 53 215 D 23 28 30 37 32 150 Totais 120 136 144 148 152 700 Soma de Quadrados de Tratamentos 𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟏 𝑱 𝑳𝒊 𝟐𝑰 𝒊=𝟏 −𝑲 𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟏 𝟓 𝑳𝒊 𝟐𝟒 𝒊=𝟏 −𝑲 𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟏 𝟓 𝟏𝟔𝟎𝟐 + 𝟏𝟕𝟓𝟐 + 𝟐𝟏𝟓𝟐 + 𝟏𝟓𝟎𝟐 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟐𝟒. 𝟗𝟗𝟎 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟒𝟗𝟎 EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 160 B 26 37 42 34 36 175 C 37 45 39 41 53 215 D 23 28 30 37 32 150 Totais 120 136 144 148 152 700 Soma de Quadrados de Blocos 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏 𝑰 𝑪𝒊 𝟐𝑰 𝒊=𝟏 −𝑲 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏 𝟒 𝑪𝒊 𝟐𝟓 𝒊=𝟏 −𝑲 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏 𝟒 𝟏𝟐𝟎𝟐 + 𝟏𝟑𝟔𝟐 + 𝟏𝟒𝟒𝟐 + 𝟏𝟒𝟖𝟐 + 𝟏𝟓𝟐𝟐 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟗𝟖.𝟔𝟒𝟎 𝟒 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟐𝟒. 𝟔𝟔𝟎 − 𝟐𝟒. 𝟓𝟎𝟎 𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏𝟔𝟎 EXEMPLO DE APLICAÇÃO Variedades Blocos I II III IV V Totais A 34 26 33 36 31 160 B 26 37 42 34 36 175 C 37 45 39 41 53 215 D 23 28 30 37 32 150 Totais 120 136 144 148 152 700 Soma de Quadrados do Resíduo 𝑺𝑸𝑹𝒆𝒔 = 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 − 𝑺𝑸𝑻𝒓𝒂𝒕 − 𝑺𝑸𝑩𝒍𝒐𝒄𝒐𝒔 𝑺𝑸𝑹𝒆𝒔 = 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 − 𝑺𝑸𝑻𝒓𝒂𝒕 − 𝑺𝑸𝑩𝒍𝒐𝒄𝒐𝒔 = 𝟗𝟓𝟎 − 𝟒𝟗𝟎 − 𝟏𝟔𝟎 = 300 EXEMPLO DE APLICAÇÃO Quadro de Análise de Variância para DBC EXEMPLO DE APLICAÇÃO Causas de Variação GL SQ QM F Tratamento Blocos Resíduo Total Quadro de Análise de Variância para DBC o Valores de F da tabela para Tratamento F 3GL×𝟏2 GLl. 5% = 3,49 F 3 GL×𝟏2 GL 1% = 5,95 o Valores de F da tabela para Blocos F 4 GL×𝟏2 GL 5% = 3,26 F 4 GL×𝟏2 GL 1% = 5,41 Causas de Variação GL SQ QM F Tratamento 3 𝟒𝟗𝟎 163,3333 6,5333∗∗ Blocos 4 𝟏𝟔𝟎 40 1,60NS Resíduo 12 300 25 Total 19 𝟗𝟓𝟎 𝑭𝒄𝒂𝒍𝒄 = 𝟔, 𝟓𝟑 > 𝟓, 𝟗𝟓 = 𝑭𝒕𝒂𝒃(𝟏%) 𝑭𝒄𝒂𝒍𝒄 = 𝟏, 𝟔𝟎 < 𝟑, 𝟐𝟔 = 𝑭𝒕𝒂𝒃 𝟓% EXEMPLO DE APLICAÇÃO Conclusões Para Tratamento O teste F foi significativo com nível de significância de 1%, indicando que devemos rejeitar 𝐻0 em favor de 𝐻1 e concluir que as variedades de milho testadas possuem efeitos distintos quanto a produção. Para Blocos O teste F foi não significativo, indicando que devemos aceitar 𝐻0 e concluir que as faixas de terra testados possuem efeitos semelhantes quanto a produção. EXEMPLO DE APLICAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. o Para tirar conclusões mais específicas sobre o comportamento dos tratamentos, devemos utilizar um teste de comparação de médias. 1. Cálculo das médias de cada tratamento 𝑚 𝑖 = 𝐿𝑖 𝐽 , 𝑖 = 𝐴, 𝐵, 𝐶, 𝐷 . 𝑚 𝐴 = 160 5 = 32,0 𝑚 𝐵 = 175 5 = 35,0 𝑚 𝐶 = 215 5 = 43,0 𝑚 𝐷 = 150 5 = 30,0 2. Cálculo do erro padrão da média: 𝑠 𝑚 = 𝑠 𝐽 , 𝑠2 = 𝑄𝑀𝑅𝑒𝑠 𝑠 𝑚 = 𝑠 𝐽 = 𝑄𝑀𝑅𝑒𝑠 𝐽 = 25 5 = 2,2360 160 32 175 35 215 43 150 30 700 35 EXEMPLO DE APLICAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. 3. Aplicação do teste de Tukey para comparação das médias dos tratamentos. a) Amplitude total estudentizada (𝛼 = 5%): 𝑞 4 ×𝟏𝟐 𝐆𝐋 5% = 𝟒, 𝟐𝟎 b) Diferença mínima significativa ∆= 𝑞 𝐼 × 𝐺𝐿Resíduo ∙ 𝑠 𝑚 ∆= 𝑞 4 ×𝟏𝟐 𝐆𝐋 𝟓% ∙ 𝑠 𝑚 = 𝟒, 𝟐𝟎 ∙ 2,2360 = 9,3912 EXEMPLO DE APLICAÇÃO c) Cálculo das estimativas dos contrastes entre duas médias. 𝑚 𝐶 = 43,0 𝑚 𝐵 = 35,0 𝑚 𝐴 = 32,0 𝑚 𝐷 = 30,0 𝒎 𝑪 𝒎 𝑩 𝒎 𝑨 𝒎 𝑫 𝒎 𝑪 − 𝒎 𝑩 − − 𝒎 𝑨 − − − 𝒎 𝑫 − − − − EXEMPLO DE APLICAÇÃO c) Cálculo das estimativas dos contrastes entre duas médias. 𝑚 𝐶 = 43,0 𝑚 𝐵 = 35,0 𝑚 𝐴 = 32,0 𝑚 𝐷 = 30,0 𝒎 𝑪 𝒎 𝑩 𝒎 𝑨 𝒎 𝑫 𝒎 𝑪 − 8NS 11∗ 13∗ 𝒎 𝑩 − − 3NS 5NS 𝒎 𝑨 − − − 2NS 𝒎 𝑫 − − − − EXEMPLO DE APLICAÇÃO Ao planejar um experimento, o pesquisador deve utilizar alguns princípios básicos para que os dados a serem obtidos permitam uma análise correta e levem a conclusões válidas em relação ao problema em estudo. d) Conclusão Médias seguidas de pelo menos uma letra em comum não diferem entre si teste de Tukey, ao nível de significância de 5%. 𝒎 𝑪 𝒂 𝒎 𝑩 𝒂 𝒃 𝒎 𝑨 𝒃 𝒎 𝑫 𝒃 4. Cálculo do coeficiente de variação do experimento 𝐶𝑉 = 100∙𝑠 𝑚 𝐶𝑉 = 100 ∙ 𝑠 𝑚 = 100 ∙ 𝑄𝑀𝑅𝑒𝑠 700/20 = 100 ∙ 25 35 = 14,29 % EXEMPLO DE APLICAÇÃO
Compartilhar