A maior rede de estudos do Brasil

Grátis
214 pág.
Estatística experimental( Apostila)

Pré-visualização | Página 47 de 50

que se alguma palavra chave for escrita errada, o programa 
por si procede a correção e continua a execução com a versão corrigida. Neste 
caso, correções feitas pelo SAS são mostradas como linhas em verde na janela 
LOG. Erros deste tipo produzem saída. Vale lembrar, que cabe ao usuário verificar 
se a correção realizada pelo SAS é coerente ao desejado pelo usuário, e assim o 
mesmo poderá decidir se a saída obtida é satisfatória ou não. 
Por outro lado, existem erros de programação que o SAS não corrige tais 
como: 
- esquecer um ponto e vírgula no final de uma declaração; 
- esquecer uma RUN statement; 
- esquecer de fechar aspas. 
 
Tais erros não produzem saídas. O SAS informa que identificou tais erros 
na janela LOG por meio de linhas vermelhas. 
3 Análises Estatísticas 
3.1 Variáveis classificatórias vs analíticas 
Para realizar análises estatísticas, o SAS faz distinção entre variáveis 
classificatórias e analíticas. 
3.1.1 Variáveis classificatórias 
Em termos estatísticos, variáveis classificatórias são aquelas que 
poderíamos classificar como qualitativas. Por exemplo, a variável que identifica 
tratamentos numa análise de variância. São também conhecidas, em alguns 
casos, como variáveis independentes. 
Estas variáveis podem ser: 
- numéricas ou alfanuméricas; 
- representar categorias discretas, se elas forem contínuas; 
- identificar classes ou categorias nas quais os cálculos são efetuados. 
EST 220 – Estatística Experimental – I/2008 
 
 175
 
3.1.2 Variáveis análiticas 
Em termos estatísticos, variáveis analíticas são as variáveis que vamos 
usar para estudar o efeito de tratamentos, ou em outras palavras, elas são as 
variáveis respostas, ou valores observados em um experimento. São também 
conhecidas como variáveis dependentes. 
 Por sua vez, estas variáveis são: 
- numéricas; 
- apropriadas para o cálculo de médias, somas, ou outras estatísticas; 
- contínuas (na maior parte dos casos). 
4 Análise de dados oriundos de delineamentos experimentais 
Delineamentos experimentais são utilizados para obter um maior controle 
do efeito do erro experiemental. A escolha de qual delineamento utilizar para 
instalar um experimento depende das condições do material experimental, por 
exemplo, uniformidade das unidades experimentais. O tipo de delineamento 
utilizado, define o modelo estatístico a ser usado para a análise dos dados. O 
programa SAS pressupõe que o usuário saiba qual delineamento foi utilizado e 
consequentemente o modelo estatístico a ser adotado na análise. 
Basicamente o SAS tem dois procedimentos para a análise de dados de 
experimentos: ANOVA e GLM. O procedimento ANOVA é indicado quando os 
dados são balanceados e não existem valores perdidos. Por outro lado, o 
procedimento GLM é indicado quando os dados são desbalanceados. 
A seguir são apresentados exemplos de programas para a análise de dados 
oriundos de experimentos instalados em diferentes tipos de delineamentos 
experimentais. A parte do programa que altera de delineamento para 
delineamento é apenas a referente a declaração MODEL, a qual está diretamente 
relacionada com o modelo estatístico do delineamento experimental. 
4.1 Delineamento Inteiramente Casualizado (DIC) 
A estrutura geral do programa abaixo pode ser utilizada para a análise de 
um experimento instalado segundo o DIC, com dados balanceados. 
 
 proc anova data=a1; 
 class trt; 
 model y = trt; 
 means trt / duncan alpha=0.05; 
 run; 
quit; 
 
 onde: 
 
- proc ANOVA solicita que o procedimento ANOVA seja utilizado; 
- data=a1 indica que o arquivo de trabalho do SAS “a1” deve ser utilizado 
na análise; 
- A declaração CLASS informa quais fatores do modelo estatístico são 
classificatórias; 
Anexo 3 – Introdução ao Uso do Programa SAS 
 
 
176
 
- A declaração MODEL informa qual modelo estatístico deve ser adotado 
durante a análise. No caso de um delineamento inteiramente 
casualizado, apenas a variável que identifica tratamentos deve ser 
informada, uma vez que o efeito da média geral e do erro estão 
presentes no modelo de todos os delineamentos; 
- A declaração MEANS é opcional. Com ela é possível comparar médias 
de tratamentos e estabelecer o nível de significância do teste de médias. 
Dentre outros testes, pode ser solicitado o teste de Duncan, Tukey e 
Bonferroni; 
- quit informa ao SAS que ele pode abandonar a execução do 
procedimento ANOVA. 
 
Exemplo: 
 Os dados deste programa são do exercício 4.1 
 
options nodate nocenter nonumber; 
title 'Delineamento Inteiramente Casualizado'; 
data exerc_4_1; 
 input varied prod @@; 
 cards; 
 1 25 2 31 3 22 4 33 
 1 26 2 25 3 26 4 29 
 1 20 2 28 3 28 4 31 
 1 23 2 27 3 25 4 34 
 1 21 2 24 3 29 4 28 
; 
run; 
proc anova data=exerc_4_1; 
 class varied; 
 model prod = varied; 
 means varied / tukey alpha=0.05; 
 means varied / duncan alpha=0.05; 
run; 
quit; 
 
A sentença “options” informa opções do formato da saída de um programa 
SAS. A opção “nodate” solicita ao SAS que não imprima a data da execução, a 
opção “nocenter” solicita que o texto da saída seja alinhado à esquerda; e a opção 
“nonumber” solicita que as páginas da saída não sejam numeradas. 
A sentença “title” possibilita personificar as saídas do SAS. Existem 10 
níveis de título de saída que podem ser definidos. O nível é identificado pelo 
número após “title”, ou seja “title2” se refere ao segundo nível de título. 
4.2 Delineamento em Blocos Casualizados (DBC) 
As únicas diferenças para o programa anterior estão nas declarações CLASS 
e MODEL. Ambas devem conter, adicionalmente, REP, pois, o fator repetição é 
EST 220 – Estatística Experimental – I/2008 
 
 177
 
uma variável classificatória e é parte do modelo estatístico do DBC. Assim uma 
forma geral de programa para este tipo de delineamento seria: 
 
 proc anova data=a1; 
 class rep trt; 
 model y = rep trt; 
 means trt / duncan alpha=0.05; 
 run; 
 
 Exemplo 
Os dados deste programa são do exercício 6.2 
 
options nodate nocenter nonumber; 
title 'Delineamento em Blocos Casualizados'; 
data exerc_6_2; 
 input ta grupo prod @@; 
 cards; 
 1 1 30 1 2 32 1 3 33 1 4 34 1 5 29 1 6 30 1 7 33 
 2 1 29 2 2 31 2 3 34 2 4 31 2 5 33 2 6 33 2 7 29 
 3 1 43 3 2 47 3 3 46 3 4 47 3 5 48 3 6 44 3 7 47 
 4 1 23 4 2 25 4 3 21 4 4 19 4 5 20 4 6 21 4 7 22 
; 
run; 
proc anova data=exerc_6_2; 
 class ta grupo; 
 model prod = ta grupo; 
 means ta / tukey alpha=0.05; 
 means ta / duncan alpha=0.05; 
run; 
quit; 
4.3 Delineamento em Quadrado Latino (DQL) 
Em relação ao DIC, as declarações CLASS e MODEL devem ser alteradas 
para também conter as variáveis que identificam a linha e a coluna de cada valor 
observado. Uma forma geral para análise de um experimento instalado segundo o 
DQL seria: 
 
proc anova; 
 class linha coluna trt; 
 model y = linha coluna trt; 
 means trt / duncan; 
run; 
 
Anexo 3 – Introdução ao Uso do Programa SAS 
 
 
178
 
Exemplo 
Os dados deste programa são do exercício 7.4 
 
options nodate nocenter nonumber; 
title 'Delineamento em Quadrado Latino'; 
data exerc_7_4; 
 input leit faixa castracao $ ganho @@; 
 cards; 
 1 1 A 93.0 1 2 C 115.4 1 3 E 116.9 1 4 D 110.2 1 5 B 110.4 
 2 1 C 110.6 2 2 E 96.5 2 3 B 108.9 2 4 A 97.6 2 5 D 112.0 
 3 1 B 102.1 3 2 D 108.6 3 3 A 77.9 3 4 E 102.0 3 5 C 111.7 
 4 1 D 115.4 4 2 A 94.9 4 3 C 114.0 4 4 B 100.2 4 5 E 118.5 
 5 1 E 117.6 5 2 B 114.1 5 3 D 118.7 5 4 C 108.8 5 5 A 80.2 
; 
run; 
proc glm data=exerc_7_4; 
 class leit faixa castracao; 
 model ganho = leit faixa castracao; 
 means castracao / tukey alpha=0.05; 
 means castracao / duncan alpha=0.05; 
run; 
quit; 
4.4 Experimentos Fatoriais 
Em experimentos

Crie agora seu perfil grátis para visualizar sem restrições.