Baixe o app para aproveitar ainda mais
Prévia do material em texto
NOTAS DE AULAS DE ESTATÍSTICA EXPERIMENTALEXPERIMENTALEXPERIMENTALEXPERIMENTAL PARTE 3 6- Delineamentos Experimentais VERSÃO PROVISÓRIA UFLA - Universidade Federal de Lavras DEX – Departamento de Ciências Exatas LAVRAS (MG) 2010 44 6. DELINEAMENTOS EXPERIMENTAIS Os Delineamentos Experimentais são as formas de distribuição dos tratamentos na área experimental. Os principais são: • Delineamento Inteiramente Casualizado • Delineamento Blocos Casualizados • Delineamento Quadrado Latino 6.1 Delineamento Inteiramente Casualizado Este delineamento é utilizado quando a variabilidade entre as parcelas experimentais for muito pequena, isto é, praticamente inexistente. Devido a esta exigência, são utilizados em locais em que as condições experimentais possam ser bem controladas (laboratórios, casa de vegetação, terrenos com pouca heterogeneidade, etc). As vantagens deste delineamento são: • o número de graus de liberdade para o Erro Experimental é máximo; • o número de tratamentos e de repetições depende apenas do número de parcelas experimentais disponíveis; • é o delineamento mais simples de ser instalado e conduzido. A maior desvantagem é que toda a variabilidade existente irá inflacionar o Erro Experimental, exceto apenas a fonte de variação devida aos efeitos dos tratamentos. Este fato pode ocasionar um erro experimental muito grande e chegar a comprometer os resultados do experimento. 6.1.1 Aleatorização Neste delineamento os tratamentos são designados aleatoriamente às parcelas experimentais. Este tipo de sorteio implica em que todo tratamento tem a mesma chance de ser aplicado à qualquer parcela na área experimental. 45 6.1.2 Modelo Estatístico O modelo linear adequado para este delineamento é dado por: ijiij ety ++= µ onde: yij é a observação feita na parcela para o tratamento i na repetição j ; µ representa uma constante inerente a toda parcela ; ti representa o efeito do tratamento i ; eij é o erro experimental na parcela i, j. 6.1.3 Modelo Geral de Análise Considere um experimento com 3 tratamentos e 2 repetições, instalado em DIC. Os valores observados nas parcelas serão representados pela letra Y, com os índices i e j representando, respectivamente o tratamento e a repetição. Os dados podem ser colocados em uma tabela da forma: Tabela 6.1 Representação dos Dados de um Experimento em DIC com 3 Tratamentos e 2 Repetições. Repetições A TRATAMENTOS B C I y11 y21 y31 II y12 y22 y32 TOTAIS T1 T2 T3 G Estas observações, segundo o modelo estatístico do delineamento Inteiramente Casualizado, podem ser expressas como: y11 = µ + t1 + e11 y21 = µ + t2 + e21 y31 = µ + t3 + e31 y12 = µ + t1 + e12 y22 = µ + t2 + e22 y32 = µ + t3 + e32 46 Tem-se aqui um sistema de equações onde são conhecidos apenas os valores de Y (variável resposta) e com mais variáveis do que equações. Utilizando o método dos quadrados mínimos e admitindo algumas condições que serão apresentadas posteriormente, o modelo geral de análise para os ensaios em DIC é apresentado na Tabela 6.2. Tabela 6.2 Modelo Geral de Análise para Ensaios em DIC com I Tratamentos e J Repetições. Fontes de Variação GL SQ QM Fc Tratamentos I-1 SQ Tratamentos(2) SQ Tratamentos I - 1 QM Tratamento QM Erro Erro Experimental I(J-1) SQ Erro(3) SQ Erro I(J-1) TOTAL IJ-1 SQ Total (1) (1) N GySQTotal ij 2 2 −∑= G =∑∑ i j ijy N = número total de parcelas ( I.J ) (2) N G J T tosSQTratamen i 22 −∑= ∑= j iji yT (total de cada tratamento) SQErro = tosSQTratamenSQTotal J T y j i ij i −= −∑∑ 2 2 6.2 Delineamento Blocos Casualizados No delineamento em blocos casualizados, o material experimental é dividido em grupos homogêneos, cada grupo constituindo uma repetição. Cada repetição ou bloco deve conter uma vez cada tratamento, no caso de blocos completos. O objetivo em todas as etapas do experimento é manter o erro, dentro de cada bloco, tão pequeno quanto seja possível na prática. Na condução do ensaio deve ser empregada uma técnica uniforme para todas as parcelas de um mesmo bloco. Quaisquer alterações na técnica de condução ou em outras condições que possam afetar os resultados devem ser feitas entre os blocos. 47 No campo este agrupamento é feito quando as parcelas são dispostas na área experimental. Cada repetição deverá ser formada por um grupo compacto de parcelas, de forma tão aproximada quanto possível, pois sabe-se que as parcelas vizinhas são mais semelhantes em fertilidade do que parcelas distantes. Em casos em que a colheita do ensaio deva estender-se por algum tempo é aconselhável que seja feita repetição por repetição, sendo que, chuvas e outros fatores podem produzir alterações no peso do material colhido de um dia para o outro. As principais características e vantagens em relação ao delineamento Inteiramente Casualizado são: • Permite o controle da influência de uma fonte de variação além do efeito de tratamentos, pelo agrupamento hábil das parcelas (controle local); • Dentro de cada bloco (repetição), as condições ambientais devem ser homogêneas, podendo variar de bloco para bloco; • As repetições podem ser distribuídas por uma área maior permitindo conclusões mais gerais. 6.2.1 Aleatorização Quando as parcelas se acham agrupadas em blocos, os tratamentos são aleatoriamente designados às unidades dentro de cada bloco. Posteriormente, os blocos são sorteados na área experimental. 6.2.2 Modelo Estatístico A observação da parcela que recebe o tratamento i no bloco j (yij) é definida, estatisticamente, por: ijjiij ebty +++= µ com i = 1, 2, ..., I e j = 1, 2, ..., J onde: µ é uma constante inerente à toda observação; ti é o efeito do tratamento i; bj é efeito do bloco j; eij é o erro na parcela i, j. 48 6.2.3 Modelo Geral de Análise As fontes de variação e os respectivos graus de liberdade para o delineamento em blocos casualizados completos são apresentados na Tabela 6.3. Tabela 6.3 Causas de Variação e Graus de Liberdade para o Delineamento Blocos Casualizados com I Tratamento e com J Repetições. Fontes de Variação GL SQ Entre Blocos J-1 SQBlocos Entre Tratamentos I-1 SQTratamentos Erro (I-1) (J-1) SQErro Total IJ-1 SQTotal As somas de quadrados são computadas através de: ∑∑ −= j ij i CySQTotal 2 ∑ −= j j CBI SQBlo 21cos ∑ −= i i CTJ tosSQTratamen 21 21 G N C = onde: Bj é o total do bloco j ; Ti é o total do tratamento i e G é o total geral. 6.2.4 Exemplo de Aplicação Como exemplo, os dados da Tabela 6.4 referem-se a um ensaio sobre a influência da dosagem de K2O aplicada ao solo, nas propriedades do algodão utilizado na fabricação de fibras. A característica selecionada para análise foi o índice de resistência Pressley. Este índice foi determinado medindo-se a tensão de ruptura de um atado de fibras com uma secção transversal pré-fixada. O ensaio foi conduzido 49 segundoo delineamento blocos casualizados com três repetições. As repetições foram constituídas por três máquinas de teste de resistência, cada uma operada por um técnico diferente. Tabela 6.4 Índices de Resistência “Pressley” de Fibras de Algodão em um Ensaio com Cinco Dosagens de K2O. MÁQUINAS Níveis de K2O (Kg/ha) I II III Totais 40 7,62 8,00 7,93 23,55 60 8,14 8,15 7,87 24,16 80 7,76 7,73 7,74 23,23 100 7,17 7,57 7,80 22,54 120 7,46 7,68 7,21 22,35 Totais 38,15 39,13 38,55 115,83 A análise de variância correspondente é apresentada na Tabela 6.5. As somas de quadrados foram calculadas como: Correção ( ) ( )221,7...00,862,7 15 1 +++=C ( ) ( ) ( ) CSQTotal −+++= 222 21,7...00,862,7 ( ) ( ) ( )[ ] CtosSQTratamen −+++= 222 35,22...16,2455,23 3 1 ( ) ( ) ( )[ ] CSQBlo −++= 222 55,3813,3915,38 5 1 cos cosSQBlotosSQTratamenSQTotalSQErro −−= Tabela 6.5 Análise de Variância para os Dados da Tensão de Ruptura de Fibras de Algodão. Fontes de Variação GL SQ QM Fc F5% Entre Blocos 2 0,0971 0,0485 1,11 4,46 Entre Tratamentos 4 0,7324 0,1813 4,19* 3,84 Erro 8 0,3495 0,0437 Total 14 1,1790 50 A DMS para o teste Tukey, ao nível de 5% de probabilidade é igual a 0,59. As médias dos tratamentos são apresentadas na Tabela 6.6. Tabela 6.6 Tensões de Ruptura Médias (Índice de Pressley) Para Fibras de Algodão em Função da Dosagem de K2O Aplicada ao Solo. Dosagens (Kg/ha) Índices Médios (Pressley)* 40 7,85 a b 60 8,05 a 80 7,74 a b 100 7,51 a b 120 7,45 b * As médias seguidas da mesma letra não diferem estatisticamente entre si, pelo teste Tukey, ao nível de 5 % de probabilidade. Os resultados mostram que a resistência das fibras não é muito afetada pela adubação potássica. As plantas que receberam a dosagem de 60 kg/ha de K2O apresentaram um índice médio que superou apenas o índice das parcelas com maior dosagem (120 kg/ha). Para as dosagens menores que 120 kg/ha a resistência média não variou estatisticamente. 6.3 Delineamento Quadrado Latino Para o delineamento Quadrado Latino, os tratamentos são agrupados nas repetições de duas maneiras distintas. Esta sistematização dos blocos em duas direções (designadas genericamente por “linhas” e “colunas”) permite eliminar os efeitos de duas fontes de variação do erro experimental. O esquema do delineamento para I tratamentos corresponde a um “quadrado” com I linhas e I colunas, contendo I2 parcelas. Cada tratamento ocorre uma vez em cada linha e em cada coluna. Um dos possíveis arranjos para um ensaio com quatro tratamentos (A, B, C e D) é: COLUNAS 1 2 3 4 LINHAS 1 B C D A 2 A B C D 3 C D A B 4 D A B C 51 Linhas e Colunas são termos gerais para referenciar critérios de classificação e, assim, podem representar uma “espécie” de tratamentos. Se existir interação (dependência) entre os critérios de classificação e os tratamentos, a estatística Fc não tem distribuição de F e o teste não é válido. O emprego do delineamento Quadrado Latino é muito comum em ensaios industriais, zootécnicos e outras áreas. Em ensaios agronômicos é utilizado geralmente para controlar as diferenças de fertilidade em dois sentidos, nos ensaios de campo. 6.3.1 Aleatorização Em geral, é satisfatório tomar um quadrado latino qualquer, permutar as linhas e colunas e designar, ao acaso, os tratamentos às letras. Um processo mais rigoroso para a obtenção de um quadrado latino, aleatoriamente, é dado por FISHER e YATES (1948). 6.3.2 Modelo Estatístico A observação da parcela na coluna j e na linha k, que recebe o tratamento i, definida como: )(ijkkjiijk elcty ++++= µ onde: µ é a constante comum a todas as parcelas; ti é o efeito do tratamento i; cj é o efeito da coluna j; lk é o efeito da linha k; ejk(i) representa o erro aleatório na parcela i,j,k. sendo i, j, k, = 1, 2, ..., I. 6.3.3 Modelo Geral de Análise Este modelo estatístico leva ao modelo de análise, apresentado na Tabela 6.7. 52 Tabela 6.7 Causas de Variação, Graus de Liberdade e Somas de Quadrados para o Delineamento Quadrado Latino. Fontes de Variação GL SQ Linhas I-1 SQLinhas Colunas I-1 SQColunas Tratamentos I-1 SQTratamentos Erro (I-1) (I-2) SQErro Total I2-1 SQTotal A estatística apropriada para testar a hipótese de que não existe efeito de tratamentos é: Fc = QMTratamentos / QMErro que tem distribuição F( I -1) ; ( I -1) ( I -2) sob H0. Desde que “Linhas” e “Colunas” representam restrições à casualização, o teste F pode não ser apropriado para estes critérios de classificação. 6.3.4 Exemplo de Aplicação Como exemplo, um experimento foi desenvolvido visando comparar a eficiência de técnicos treinados em amostragem. Uma cultura foi dividida em seis áreas, cada área sendo amostrada por seis técnicos diferentes. O amostrador deveria escolher oito plantas que julgasse com altura representativa da área e anotar a altura média destas plantas. Para as análises estatísticas foi considerada a diferença entre a altura média da amostra e a verdadeira altura média da área correspondente (determinada pela medição de todas as plantas da área). Tais diferenças correspondem aos erros amostrais e são apresentadas na Tabela 6.8. Também foi anotada a ordem em que cada área foi amostrada. 53 Tabela 6.8 Erros Amostrais Referentes às Alturas Médias de Trigo. Área Amostrada por Seis Técnicos (A, B, C, D, E e F). Áreas Ordem de Visita I II III IV V VI 1a 3,5 (F) 4,2 (B) 6,7 (A) 6,6 (D) 4,1 (C) 3,8 (E) 2a 8,9 (B) 1,9 (F) 5,8 (D) 4,5 (A) 2,4 (E) 5,8 (C) 3a 9,6 (C) 3,7 (E) -2,7 (F) 3,7 (B) 6,0 (D) 7,0 (A) 4a 10,5 (D) 10,2 (C) 4,6 (B) 3,7 (E) 5,1 (A) 3,8 (F) 5a 3,1 (E) 7,2 (A) 4,0 (C) -3,3 (F) 3,5 (B) 5,0 (D) 6a 5,9 (A) 7,6 (D) -0,7 (E) 3,0 (C) 4,0 (F) 8,6 (B) Com auxílio dos totais apresentados na Tabela 6.9 foi computada a análise de variância do exemplo (Tabela 6.10). Tabela 6.9 Totais das Observações Referentes aos Critérios de Classificação: Linhas, Colunas e Tratamentos Para a Amostragem de Plantas de Trigo. Totais Critérios 1 2 3 4 5 6 Tratamentos 36,4 33,5 36,7 41,5 16,0 7,2 Áreas 41,5 34,8 17,7 18,2 25,1 34,0 Ordem de Visita 28,9 29,3 27,3 37,9 19,5 28,4 As somas de quadrados foram calculadas como: SQTotal = 3,52 + 4,22 + ... + 8,62 – C SQTratamentos = 6 1 (36,42 + 33,52 + ... + 7,22) – C SQOrdem Visita = 6 1 (28,92 + 29,32 + ... + 28,42) – C SQÁreas = 6 1 (41,52 + 34,82 + ... + 34,02) – C Tabela 6.10 Análise de Variância para Amostragem de Plantas de Trigo. 54 Fontes de Variação GL SQ QM Fc 5 % Tratamentos 5 155,60 31,12 9,35** 2,71 Áreas 5 78,87 15,77 4,74** Ordem de Visita 5 28,60 5,72 1,72 Erro 20 66,56 3,33 Total 35 329,63 Pela simples inspeção nos dados verifica-se uma tendência consistente de superestimação das alturas das plantas, desde que apenas três dos trinta e seis erros amostrais tiveram valores negativos. O teste de F para tratamentos, significativo ao nível de 5% mostra que a superestimação varia de técnico para técnico. Com a aplicação do teste de Tukey (DMS5%= 3,1), verifica-se que a tendência é menor para os amostradores E e F, em relação aos outros. Pelo teste de F observa-se que a ordem em que dada área é amostrada não tem efeito na superestimação enquanto que esta tendência varia de área para área.
Compartilhar