Baixe o app para aproveitar ainda mais
Prévia do material em texto
23/07/2013 1 Experimentos fatoriais Prof Cleusa Bianchi Krüger Introdução • Tratamentos de um só tipo ou fator. Quando comparávamos tipos de rações, raças, por exemplo, todos os demais fatores (idade, peso, manejo, etc..) deveriam estar constantes. • Porém pode-se estudar vários fatores (tratamentos) simultaneamente para chegar ao resultado de interesse. • Para isso o pesquisador avalia dois ou mais tipos de tratamentos e verifica se há ou não interação entre os tipos estudados. Experimentos ditos FATORIAIS e os tipos de tratamentos são os FATORES=níveis do fator. 23/07/2013 2 Conceitos Fator: uma causa de variação conhecida e de interesse do pesquisador (um tipo de tratamento). Nível: subdivisão do fator; Efeito principal: pode-se estudar isoladamente o efeito de cada fator no experimento. Efeito da interação: quando existir, estudar o comportamento de cada fator, na presença ou ausência de níveis dos demais fatores. Exemplos • Efeitos de medicamentos e doses. • Efeitos de raça e época de desmame. • Irrigação e cultivares. • Rações e doses de nutrientes. • Espécies, níveis de adubação e calagens. 23/07/2013 3 Os delineamentos: DIC, DBC e DQL eram empregados com somente um fator de tratamento Experimento (uma fator) Dados Anova Teste F significativo? Aceita H0 Não Tipo de fator Rejeita H0 Sim Qualitativo Teste de médias Quantitativo Análise de regressão E agora?? • Os experimentos fatoriais não se constituem em um delineamento experimental, mas sim um esquema orientado de desdobramento de graus de liberdade de tratamentos e podem ser instalados em qualquer delineamento experimental. Experimentos (dois fatores) Ex: proteína e fibra em ração Dados Anova Teste F significativo? Aceita H0 Não Tipo de fator Rejeita H0 Sim Qualitativo Teste de médias Quantitativo Análise de regressão 23/07/2013 4 Experimentos fatorial • Permite tirar conclusões mais amplas. • Podemos estudar o comportamento de uma fator quando associado a outros. Exemplo: • Ensaio visando melhor desempenho produtivo de COELHOS, para testar o teor de fibras e o teor de proteína ao mesmo tempo (na ração). • Tratamentos: depende dos níveis de fibra e de proteína que queremos fixar e a necessidade de se verificar se existe interação entre os 2 fatores (fibra e proteína). • Definido: o fator fibra (F) tem 2 níveis. O fator proteína (P) tem 3 níveis. Teremos então o esquema 2x3=6 tratamentos/grupos experimentais. Dois fatores = experimento bifatorial. T 1: F1P1, T 2: F1P2, T 3: F2P1, T 4: F2P2, T 5: F1P3 e T 6: F2P3 I X J = TRATAMENTOS (2X3=6) e K= repetições 23/07/2013 5 Exemplo: • Sorteia: cada UE pode receber qualquer tratamento em qualquer das K repetições (2). Fator Níveis Proteína P1 P2 Fibra F1 F2 F3 P1F1 P2F1 P1F2 P2F2 P1F3 P2F3 P2F1 P1F3 P2F3 P1F2 P2F2 P1F1 DIC= todas as unidades experimentais são homogêneas (12 coelhos da mesma ninhada e de mesmo peso) P1F1 P2F1 P1F2 P2F2 P1F3 P2F3 P2F1 P1F3 P2F3 P1F2 P2F2 P1F1 Bloco 1 Bloco 2 DBC= bloco= conjunto de unidades experimentais homogêneas 12 Coelhos alojados em diferentes posições dentro de um galpão. Exemplo: • Interação: Uma das principais informações que se pode obter nos experimentos fatoriais é o estudo da interação entre os fatores, isto é, verificar se as diferenças nas respostas dos níveis de um fator são similares ou diferentes em todos os níveis do outro fator ou fatores. • Organização dos dados para análise: Variável resposta: Yijk como sendo a observação obtida na unidade experimental que recebeu o nível i do fator P e o nível j do fator F, na repetição K. P1F1 P2F1 P1F2 P2F2 P1F3 P2F3 P2F1 P1F3 P2F3 P1F2 P2F2 P1F1 Y 132 (UE recebeu o nível 1 do fator P e o nível 3 do fator F na repetição 2 (bloco 2). 23/07/2013 6 Resultados de um experimento bifatorial no delineamento blocos ao acaso com K repetições Pi Fj Blocos Yij. 1 2 3 1 1 8 7 9 1 2 10 12 11 1 3 12 14 16 2 1 3 5 18 2 2 6 8 7 2 3 9 10 7 Y..k Y...= Total de tratamento Total geral Total de bloco 1 Modelo matemático ijkijjiijky )( ijk ij j i ijky )( é o valor do i-ésimo tratamento na j-ésima parcela e na k-ésima repetição é a constante geral do modelo (normalmente a média) é o efeito do i-ésimo nível do fator A é o efeito da j-ésimo nível do fator B é o efeito da interação entre i-ésimo nível do fator A e j-ésimo nível do fator B é o erro experimental entre i-ésimo nível do fator A e j-ésimo nível do fator B na k-ésima repetição. 23/07/2013 7 Conceitos e interpretações dos efeitos principais A e B e das interações AB Efeito simples de um fator: é uma medida da variação que ocorre com a característica em estudo correspondente à variação nos níveis desse fator, em cada um dos níveis do outro fator. 18: efeito simples do fator B em A1; 30: efeito simples do fator B em A2; 9: efeito simples do fator A em B1; 21: efeito simples do fator A em B2. A1 A2 TOTAIS Efeito simples (B) B1 14 23 37 (23-14=9) B2 32 53 85 (53-32= 21) TOTAIS 46 76 122 Efeito simples de A (32-14=18) (53-23=30) 18: efeito simples do fator B em A1; 30: efeito simples do fator B em A2; 9: efeito simples do fator A em B1; 21: efeito simples do fator A em B2. B2 B1 Efeito simples de B em A1 Efeito simples de A em B1 A1 A2 Efeito simples de B em A2 Efeito simples de A em B2 Graficamente 23/07/2013 8 Conceitos e interpretações dos efeitos principais A e B e das interações AB Efeito principal de um fator: é uma medida da variação que ocorre com a característica em estudo correspondente à variação nos níveis desse fator, em média de todos os níveis do outro fator. O efeito principal de um fator é a média dos efeitos simples desse fator, isto é: (18+30)/2=24 efeito principal de A. (9+21)/2= 15 efeito principal de B. Ou (85-37)/2=24 efeito principal de A. (76-46)/2= 15 efeito principal de B. A1 A2 TOTAIS Efeito simples (B) B1 14 23 37 (23-14=9) B2 32 53 85 (53-32= 21) TOTAIS 46 76 122 Efeito simples de A (32-14=18) (53-23=30) Conceitos e interpretações dos efeitos principais A e B e das interações AB Efeito da interação entre 2 fatores: é uma medida da variação que ocorre com a característica em estudo, correspondente à variação nos níveis de um fator, ao passar de um nível a outro do outro fator. O efeito da interação entre dois fatores é o efeito adicional devido à ação conjunta dos fatores. A interação entre os dois fatores A e B é: Efeito da interação AxB: (30-18)/2=6 Efeito da interação BxA: (21-9)/2= 6 Tanto faz calcular a interação AxB como a BxA. A1 A2 TOTAIS DIFERENÇA B1 14 23 37 (23-14=9) B2 32 53 85 (53-32= 21) TOTAIS 46 76 122 (32-14=18) (53-23=30) 23/07/2013 9 • Em a e b não há interação. • Em c e d existe interação pela diferença na grandeza da resposta. • Não há interação tem paralelismo entre as retas. A interação ocorre devido a um sinergismo entre os fatores (+) ou devido a um antagonismo entre fatores (-). B2 B1 B2 B1 B2 B1 B1 B2 A1 A2 A1 A2 A1 A2 A1 A2 Vantagens: • permitem estudar os efeitos simples e principais dos fatores e os efeitos das interações entre eles. • Todas as parcelas (UE) são utilizadas no cálculos dos efeitos principais dos fatores e dos efeitos da interações, razão pela qual o número de repetições é elevado. 23/07/2013 10 Desvantagens: • Devido as possíveis combinações entre os níveis dos fatores o número de tratamentos aumenta bastante, com isso fica difícil distribuí-los em blocoscasualizados. Obrigação de usar a técnica de confundimento ou blocos incompletos equilibrados. • A análise estatística é mais trabalhosa, em comparação aos experimentos simples, e a interpretação se torna mais difícil a medida que aumentamos o número de níveis de fatores no experimento. Delineamento adotado • O mais empregado em estudos fatoriais tem sido o DBC. • Os GL do tratamento devem ser desdobrados de acordo com o esquema fatorial. • Exemplo: um experimento fatorial 2x3, com dois níveis de fibra –FATOR A (F1 e F2) e 3 níveis de proteína –FATOR B (P1, P2 e P3), instalado em 4 repetições (blocos ao acaso). Causas de variação GL Bloco GLBLOCO = J-1=3 Tratamentos GLTRAT = I-1= 5 Erro GLE = (I-1)(J-1)= 15 Total GLTOTAL = IJ-1=23 Causas de variação GL Bloco GLBLOCO = K-1=3 A GL A= I-1= 1 B GL B= J-1= 2 A X B GLE = (I-1)(J-1)= 2 Erro GLE = (IJ-1)(K-1)= 18 Total GLTOTAL = IJK-1=23 23/07/2013 11 ANOVA Causas de variação GL SQ QM FCAL Bloco GLBLOCO = K-1=3 SQBLOCO SQBLOCO/GLBLOCO QMBLOCO/QME A GL A= I-1= 1 SQA SQA/GLA QMA/QME B GL B= J-1= 2 SQB SQB/GLB QMB/QME A X B GLE = (I-1)(J-1)= 2 SQAXB SQAB/GLAB QMAB/QME Erro GLE = (IJ-1)(K-1)= 18 SQERRO SQE/GLE Total GLTOTAL = IJK-1=23 SQTOTAL CYIJSQ k kBLOCO 2../1 CYJKSQ i iA 2../1 BAij ijAB SQSQCYKSQ 2./1 CYIKSQ j jB 2../1 IJKYC /2... CYSQ ijk ijkTOTAL 2 ABBABloTotalE SQSQSQSQSQSQ cos Teste de hipóteses • Para o efeito da interação AB a) Estabelecer as hipóteses: • H0= abij= 0 (interação entre os fatores A e B não diferem de zero, ou seja, a interação não é significativa). • H1= abij 0 (interação difere de zero, ou seja, a interação é significativa). b) Estabelecer o nível de significância do teste. c) Calcular o valor da estatística Fcal: Fcal= QMAB/QME . d) Ver o valor de Ftabelado: Ftab=Fα (GLAB/GLE ). 23/07/2013 12 Teste de hipóteses e) Conclusão: Se Fcal>Ftab rejeitamos H0 e concluímos que existe interação em nível de probabilidade de erro. A interação estimada não pode ser atribuída ao acaso, ou seja, é significativa. Existe interação entre os fatores A e B. Se Fcal<Ftab, não rejeitamos H0 e concluímos que não existe interação entre os fatores A e B. A interação estimada pode ser atribuída ao acaso, ou seja, não é significativa. Em publicações é comum a utilização do símbolo “*” para representar um efeito significativo, ou seja, quando rejeita H0 e “ns” para um efeito não significativo, ou seja, quando não rejeita H0. Quando a interação é significativa analisa-se o comportamento dos níveis dentro de cada nível do outro fator. Comparação de médias ( fatores qualitativos ou quantitativos com 2 níveis). Regressão (fatores quantitativos com mais de 2 níveis). Teste de hipóteses 23/07/2013 13 Quando a interação não é significativa: não rejeitamos H0: abij= 0, então testamos as hipóteses sobre os efeitos principais dos fatores A e B. Teste de hipótese para o efeito do fator A a) Estabelecer as hipóteses: • H0: ai= 0 (para todo e qualquer i), ou seja, as médias dos níveis do fator A não diferem. • H1: ai 0 (para algum i), ou seja, as médias dos níveis do fator A diferem. b) Estabelecer o nível de significância do teste. c) Calcular o valor da estatística Fcal: Facal= QMA/QME . d) Ver o valor de Ftabelado: Ftab=Fα (GLA/GLE ). Teste de hipóteses e) Conclusão: Se Fcal>Ftab rejeitamos H0 em nível de probabilidade de erro e concluímos que há efeito (principal) do fator A. A diferença entre as médias dos níveis do fator A não pode ser atribuída ao acaso. Os efeitos do fatores A é significativo. Se A=qualitativo comparamos as médias dos níveis do fato A através de testes de comparação múltipla de médias e se for quantitativo estudamos por regressão. Se Fcal<Ftab, não rejeitamos H0 e conclui-se que o fator A não influenciou na resposta observada. A diferença entre as médias dos níveis do fator A pode ser atribuída ao acaso. O efeito do fator A não é significativo. Teste de hipóteses 23/07/2013 14 Teste de hipótese para o efeito do fator B a)Estabelecer as hipóteses: •H0: bj= 0 (para todo e qualquer j), ou seja, as médias dos níveis do fator B não diferem. •H1: bbj 0 (para algum j), ou seja, as médias dos níveis do fator B diferem. b) Estabelecer o nível de significância do teste. c) Calcular o valor da estatística Fcal: Facal= QMB/QME . d) Ver o valor de Ftabelado: Ftab=Fα (GLB/GLE ). Teste de hipóteses e) Conclusão: Se Fcal>Ftab rejeitamos H0 em nível de probabilidade de erro e concluímos que há efeito (principal) do fator B. A diferença entre as médias dos níveis do fator B não pode ser atribuída ao acaso. Os efeitos do fatores B é significativo. Se B=qualitativo comparamos as médias dos níveis do fato B através de testes de comparação múltipla de médias e se for quantitativo estudamos por regressão. Se Fcal<Ftab, não rejeitamos H0 e conclui-se que o fator B não influenciou na resposta observada. A diferença entre as médias dos níveis do fator B pode ser atribuída ao acaso. O efeito do fator B não é significativo. Teste de hipóteses 23/07/2013 15 Teste de hipótese para o efeito do blocos a) Estabelecer as hipóteses: • H0: b2= 0 (blocos não heterogêneos). • H1 :b2 0 (blocos heterogêneos). b) Estabelecer o nível de significância do teste. c) Calcular o valor da estatística Fcal: Facal= QMBlocos/QME . d) Ver o valor de Ftabelado: Ftab=Fα (GLBlocos/GLE ). e) Conclusão: Se Fcal>Ftab rejeitamos H0 e concluímos que os blocos são heterogêneos, em nível de probabilidade de erro ou de significância, ou seja, o uso de blocos foi eficiente. Se Fcal<Ftab, não rejeitamos H0 e concluímos que os blocos não são heterogêneos, ou seja, o uso de blocos não foi eficiente. Em próximos experimentos podemos utilizar o DIC, pois o bloqueamento não foi eficiente. Teste de hipóteses Exemplo prático • Considerando os dados de um experimento em blocos casualisados com 4 repetições, no esquema fatorial 3x2, para avaliar o ganho de peso de 3 raças de coelhos (Rex, Nova Zelândia e Califórnia) alimentados com 2 cultivares de capim (IAPAR 61 e UPFA 21) . Fator A=Raça: R Fator B=Capim: C Repetições=4 23/07/2013 16 Tratamentos Repetição Totais 1 2 3 4 1- R1C1 3 3,5 4 4,2 14,7 2- R1C2 7 8,2 9 9,1 33,3 3- R2C1 2,6 3,4 3,2 3,7 12,9 4- R2C2 5 7 6 5,6 23,6 5- R3C1 2,5 3,5 3,2 2,8 12,0 6- R3C2 5 5,5 6 5,7 22,2 25,1 31,1 31,4 31,1 118,7 1 5 2 3 6 4 2 1 3 5 6 4 1 5 2 4 3 6 3 4 6 1 2 5 Croqui ANOVA Causas de variação GL SQ QM FCAL Bloco GLBLOCO = K-1 SQBLOCO SQBLOCO/GLBLOCO QMBLOCO/QME A GL A= I-1 SQA SQA/GLA QMA/QME B GL B= J-1 SQB SQB/GLB QMB/QME A X B GLE = (I-1)(J-1) SQAXB SQAB/GLAB QMAB/QME Erro GLE = (IJ-1)(K-1) SQERRO SQE/GLE Total GLTOTAL = IJK-1 SQTOTAL CYIJSQ k kBLOCO 2../1 CYJKSQ i iA 2../1 BAij ijAB SQSQCYKSQ 2./1 CYIKSQ j jB 2../1 IJKYC /2... CYSQ ijk ijkTOTAL 2 ABBABloTotalE SQSQSQSQSQSQ cos 23/07/2013 17 Causas de variação GL SQ QM FCAL Bloco 3 4,66 1,55 7,96 * A 2 13,66 6,83 35,208 * B 1 65,01 65,01 334,95 * A X B 2 5,5 2,77 14,29 * Erro 15 2,92 0,19 Total 23 91,8 ANOVA CONCLUSÕES: Ocorreu interação significativa entre A x B, ou seja, existe uma tendência entre os efeitos de raça e cultivar de capim para promover ganho de peso de coelhos. Os efeitos das raças dependem das cultivares de capim; ou os efeitos das cultivares dependem das raças utilizadas.. Se faz o desdobramento da interação RxC= teste de médias. Dados Tabela de dados geral: para calcular efeitos de blocos e totais. Tabela com totais de tratamento e dos efeitos principais para efeitos de A, B e AxB. Preencher a ANOVA.Teste de médias por Tukey • Interação não é significativa: Fator A e D qualitativos, ver qual foi significativo: Se A *: DMS= Se B *: DMS= JK QMe)GL(I;qΔ Eα IK QMe)GL(J;qΔ Eα 23/07/2013 18 Teste de médias por Tukey • Interação significativa: temos que estudar o comportamento dos níveis de um fator DENTRO de cada nível do outro fator. • A e B são qualitativos: comparar as médias do fator A dentro de B. • Ou as médias do fator B dentro de A. K QMe)GL(I;qΔ Eα K QMe)GL(J;qΔ Eα Teste de médias por Tukey • Interação significativa: Quadro das médias dos tratamentos e dos efeitos principais K QMe)GL(I;qΔ Eα K QMe)GL(J;qΔ Eα R1 R2 R3 C1 3,675 3,225 3 C2 8,325 5,9 5,55 23/07/2013 19 Teste de médias por Tukey K QMe)GL(I;qΔ Eα R1 R2 R3 C1 3,675 A 3,225 A 3 A C2 8,325 A 5,9 B 5,55 B • Raças dentro da cultivar 1 3,675-3,225= 0,45<0,70; NS 3,675-3= 0,675<0,70: NS 3,225-3= 0,225<0,70; NS. Raças dentro da cultivar 2 8,325-5,9=2,425>0,70 Sig 8,325-5,55= 2,825>0,70 Sig 5,9-5,55= 0,40<0,7: NS Teste de médias por Tukey R1 R2 R3 C1 3,675 A b 3,225 A b 3 A b C2 8,325 A a 5,9 B a 5,55 B a • Cultivares dentro de raça 1 8,325-3,675= 4,65>0,65, Sig Cultivares dentro de raça 2 5,9-3,225= 2,675>0,65 Sig Cultivares dentro de raça 3 5,55-3= 2,5> 0,65. K QMe)GL(J;qΔ Eα Médias seguidas da mesma letra maiúscula na horizontal e minúscula na vertical não diferem significativamente entre si pelo teste de Tukey a 5%.. 23/07/2013 20 Teste de médias por Tukey R1 R2 R3 C1 3,675 A b 3,225 A b 3 A b C2 8,325 A a 5,9 B a 5,55 B a Conclusão: • Para a cultivar 1 as raças não diferem entre si. • Para a cultivar 2 a melhor raça é a Raça 1. • Para as raças 1, 2 e 3 a cultivar 2 é melhor para promover maior ganho de peso em coelhos. Médias seguidas da mesma letra maiúscula na horizontal e minúscula na vertical não diferem significativamente entre si pelo teste de Tukey a 5%.. Exercício-genes • O pesquisador supõe que diferentes raças e diferentes percentuais de concentrado na ração possam produzir bovinos com diferentes peso ao longo do período experimental e que ainda possa haver interação entre raças e diferentes percentuais de concentrado. Então fez um experimento bifatorial 3x4 no delineamento blocos ao acaso com três repetições e avaliou o peso dos bovinos (Kg/animal). • O pesquisador avaliou 3 níveis do fator A que foram constituídos por 3 percentuais de concentrado na ração (A1= 38%, A2 = 42% e A3 = 44%) e 4 níveis do fator D, constituídos por 4 raças (D1 = nelore; D2 = angus, D3 = charoles e D4 = brangus). Analise o experimento a 5% de probabilidade de erro. • a) Conforme os dados abaixo: Ai Bj Blocos 1 2 3 1 1 8 7 9 1 2 10 12 11 1 3 12 14 16 1 4 17 16 18 2 1 3 5 7 2 2 6 8 7 2 3 9 10 8 2 4 15 13 14 3 1 1 3 2 3 2 2 6 4 3 3 5 7 6 3 4 7 11 9 23/07/2013 21 Exercício-genes Ai Bj Blocos 1 2 3 1 1 8 7 9 1 2 16 18 17 1 3 8 10 12 1 4 11 10 12 2 1 3 5 7 2 2 6 8 7 2 3 15 16 14 2 4 9 7 8 3 1 1 3 2 3 2 5 9 7 3 3 2 4 3 3 4 11 15 13 • O pesquisador supõe que diferentes raças e diferentes percentuais de concentrado na ração possam produzir bovinos com diferentes peso ao longo do período experimental e que ainda possa haver interação entre raças e diferentes percentuais de concentrado. Então fez um experimento bifatorial 3x4 no delineamento blocos ao acaso com três repetições e avaliou o peso dos bovinos (Kg/animal). • O pesquisador avaliou 3 níveis do fator A que foram constituídos por 3 percentuais de concentrado na ração (A1= 38%, A2 = 42% e A3 = 44%) e 4 níveis do fator D, constituídos por 4 raças (D1 = nelore; D2 = angus, D3 = charoles e D4 = brangus). Analise o experimento a 5% de probabilidade de erro. • a) Conforme os dados abaixo: Procedimentos complementares para a análise de experimentos BIFATORIAIS nas diferentes situações de interação (H0= não significativo; H1=significativo) e para fator qualitativo ou quantitativo. Interação Fator A Fator B Procedimento H0 Quali Quali Fator A: teste de F + teste de médias. Fator B: teste de F + teste de médias. H0 Quali Quanti Fator A: teste de F + teste de médias. Fator B: regressão + equação + gráfico+ máxima eficiência. H0 Quanti Quanti Fator A: regressão + equação + gráfico+ máxima eficiência. Fator B: regressão + equação + gráfico+ máxima eficiência. H1 Quali Quali Comparar médias de A dentro de Bj ou Comparar médias de B dentro de Ai. H1 Quali Quanti Regressão de B dentro de Ai com gráficos+máxima eficiência. H0 Quanti Quanli Regressão de A dentro de Bj com gráficos+máxima eficiência. H0 Quanti Quanti Superfície de reposta 23/07/2013 22 Bibliografia • BANZATTO, D.A.; KRONCA, S. do N. Experimentação Agrícola. 4 ed. Jaboticabal: FUNEP, 2008. 237 p. • STORCK, L. et al. Experimentação Vegetal. 2 ed. Santa Maria: UFSM, 2006. 198 p. • CARGNELUTTI FILHO, A. et al. Experimentação agrícola e florestal. Santa Maria: UFSM/CCR/Departamento de Fitotecnia. 2009, 204p.
Compartilhar