EXPERIMENTAÇÃO AGRICOLA

Prévia do material em texto

EXPERIMENTAÇÃO AGRICOLA
Conceito Básicos
Experimento ou ensaio: trabalho previamente planejado, no qual se faz comparações dos efeitos dos tratamentos.
Tratamento: qualquer método, elemento ou material cujo efeito desejamos medir ou comparar em um experimento. EX: variedade de banana, adubação para cultura de milho, hibrido de sorgo.
Unidade Experimental ou Parcela: unidade que vai receber o tratamento e fornecer dados que deverão refletir seu efeito. EX: um lote de sementes, uma planta, um vaso de planta, um grupo de plantas.
Erro Experimental: resultado de uma medição menos o seu valor verdadeiro ou mensurado.
População ou Conjunto Universo: conjunto constituído por todos os dados possíveis com relação a característica em estudo.
Amostra: Parte representativa da população.
Média Aritmética: ; – média amostral; µ – média populacional testada;
Mediana: valor que divide esse conjunto em dois subconjuntos com igual número de dados.
 
Moda: Valor que ocorre com maior frequência no conjunto
Variância: média dos quadrados dos desvios em relação à média.
Desvio Padrão (): Raiz quadrada da variância.
Coeficiente de variação: desvio padrão em termos de porcentagem da média.
Erro Padrão da Média: ideia da precisão como foi estimada a média, quanto menor o erro melhor a estimativa da média.
Experimento: Preliminar (objetivo de lançar novo cultivo, nunca testado – laboratório), critico (realizar uma crítica de um experimento – área maior e trabalhar com blocos), demonstrativo (objeto de demonstrar um fato dentro de um cultivo já existente – campo, fazendas)
Princípios Básicos da experimentação
Princípio da Repetição (r): Número de vezes que o tratamento aparece no experimento. Possibilita a estimação do erro experimental e melhora a precisão do experimento.
De uso obrigatório.
Princípio da Casualização: Distribuição aleatório do tratamento nas parcelas experimentais (sorteio), tem a finalidade de distribuição independente do erro experimental.
De uso obrigatório;
Proporciona a todos os tratamentos a mesma probabilidade de serem designados a qualquer uma das parcelas;
Evita que um ou mais tratamentos seja sistematicamente favorecido ou prejudicado por algum fator.
Princípio do Controle Local: Distribui os tratamentos no campo em áreas homogêneas, ou seja, subáreas chamadas blocos. Tem a função de dividir um ambiente heterogêneo em subambientes homogêneos. Tornando assim o experimento mais eficiente, ao reduzir o erro experimental. Controle do ambiente em que se está implementando o experimento.
Não é obrigatório (utilizado no DBC e DQL).
Delineamento Experimental
Plano utilizado para realizar o experimento (maneira como os diferentes tratamentos serão distribuídos nas parcelas experimentais). Projeto de planejamento e condução de um experimento (planejamento, implementação, obtenção de dados e avaliação).
Delineamento Inteiramente Casualizado (DiC) (menos preciso): ferramenta estatística para avaliar dados estatísticos observados a partir de um experimento para aceitar ou rejeitar uma hipótese.
Objetivo: permite a estimativa do erro experimental, contribui para aumentar a precisão dos experimentos e fornece informações para determinar o procedimento mais apropriado para proceder os testes de significância.
Vantagens: Pode usar qualquer número de tratamentos ou repetições (não precisa ser o mesmo), número de repetições pode varias de um tratamento para outro, ANOVA (nos de variância) mais simples, número de graus de liberdade (medida de possibilidades de combinações ao acaso) para o resíduo é maior possível.
Desvantagens: exige homogeneidade TOTAL das condições experimentais, conduz a estimativas elevadas do erro experimental.
Pressupostos: Efeitos aditivos (tratamentos são dependentes), erros são independentes nas distribuições dos tratamentos e repetições, desvio padrão é igual para todos.
Princípios: Casualização e repetição
Sequência: Croqui (homogêneo) – Sorteio (casualização) – Repetição dos tratamentos – Coleta dos dados e Tabulação – ANOVA (Teste de significância).
Hipóteses Básicas: quando de instala um experimento no DiC, o objetivo é verificar se existe diferença significativa entre pelo menos duas médias de tratamentos. As hipóteses testadas são:
: µ1=µ2=...=µa → 
: µi ≠ µj pelo menos duas médias de tratamento diferem entre si. → 
A análise de variância (testar hipóteses) só é válida se forem satisfeitas as seguintes condições:
Aditividade: efeitos devem se somar (não há interação).
Independência: os erros devem ser independentes.
Normalidade: os erros devem possuir uma distribuição normal
Homogeneidade de variância: os erros devem possuir uma variância comum, ou seja, a variabilidade das repetições de um tratamento deve ser semelhante às dos outros tratamentos.
Homogeneidade de Erros
Heterogeneidade Irregular: ocorre quando certos tratamentos apresentam maior variabilidade que outros. (experimentos com inseticidas).
Heterogeneidade Regular: ocorre devido à falta de normalidade dos dados experimentais.
Delineamento em Blocos ao Acaso (DBC): ferramenta estatística utilizada através de dados matemáticos para avaliar dados experimentais obtidos através da colheita para se obter dados experimentais validos e objetivos.
Objetivo: permite a estimativa do erro experimental, contribui para aumentar a precisão dos experimentos e fornece informações para determinar o procedimento mais apropriado para proceder os testes de significância.
Vantagens: Perda de 1 ou mais blocos não dificulta a estatística, conduz a um menos erro experimental (em relação ao DiC), análise estatística simples, permite utilizar qualquer número de tratamentos e blocos, controla a heterogeneidade do ambiente.
Desvantagens: Exige correção de parcelas perdidas através de formulas, o controle local e utilizado com pouca precisão, redução do número de graus de liberdade do resíduo.
Princípios: Casualização, repetição e controle local
Sequência: Croqui (homogêneo) – Sorteio (casualização) – Repetição dos tratamentos – Coleta dos dados e Tabulação – ANOVA (Teste de significância).
Delineamento em Quadrado Latino (DQL) (mais preciso): ferramenta estatística para avaliação de experimentos agrícolas (dados recolhidos) – rejeitar ou aceitar uma hipótese.
Objetivo: permite a estimativa do erro experimental, contribui para aumentar a precisão dos experimentos e fornece informações para determinar o procedimento mais apropriado para proceder os testes de significância.
Vantagens: conduz menor erro experimental, controle local utilizado com alta precisão, controle da heterogeneidade do ambiente.
Desvantagens: ANOVA mais demorada, número de tratamentos tem de ser igual ao número de repetições, os quadrados devem estar localizados na mesma área experimental, número de graus de liberdade do resíduo é reduzido.
Princípios: Casualização, repetição e controle local (mais aprimorado).
Sequência: Croqui (homogêneo) – Sorteio (casualização) – Repetição dos tratamentos – Coleta dos dados e Tabulação – ANOVA (Teste de significância).
Testes de Hipótese
Hipótese Nula (): é uma hipótese estatística que contém uma afirmação de igualdade, tal como: ≤, = ou ≥
Hipótese Alternativa (): é o complemento da hipótese nula. É a afirmação que deve ser verdadeira se for falsa e contem uma afirmação de desigualdade estrita, tal como: <, ≠ ou >.
Testes bilaterais ou bicaudais : uso dos símbolos = ou ≠.
Testes Unilaterais ou unicaudais: uso dos símbolos <, >
Teste de Significância
p-value < α – rejeita 
p-value > α – aceita 
Tipos de Erros
Erro Tipo I (probabilidade α) – rejeitar o quando ele é verdadeiro
Erro Tipo II (probabilidade β) – aceitar o quando ele é falso
Nível de significância (α) (de 1% a 10% de probabilidade): porcentagem do erro experimental, porcentagem máxima permissível para cometer o Erro Tipo I – Constante tabelada para saber se o erro foi alto para aceitar ou rejeitar uma hipótese.
β = probabilidade de cometer o Erro Tipo II.
Poder do Teste = (1-β)Nível Descritivo (p-valor): probabilidade de significância (se p-valor é muito pequeno, conclui-se que é falso). 
Se p-valor ≤ α, p-valor baixo – rejeita-se .
Se p-valor ≥ α, p-valor alto – aceita-se .
PASSO A PASSO – TESTE DE HIPOTESE
Escrever a hipótese nula () e hipótese alternativa () – : ≤, = ou ≥ / : <, ≠ ou >
Calcular o valor observado (, )
Faça gráfico da sua distribuição. De acordo com a marque a região critica (RC).
Calcular valor crítico, que varia de acordo com α e a região crítica (RC).
Marcar o valor observado no gráfico
Concluir Teste:
Se valor observado RC – rejeita-se .
Se valor observado RC – aceita-se .
Interpretar resultados da conclusão.
Tipos de Teste de Hipótese
Teste para média com variância conhecida
 – média amostral;
µ – média populacional testada;
 – desvio padrão
n – tamanho da amostra.
Teste para média com variância desconhecida
 – média amostral;
µ – média populacional testada;
 – desvio padrão
n – tamanho da amostra.
Teste para proporção
p (proporção de sucesso) / q (proporção de fracasso – 
usar quando: n*p ≥ 5 ou n*q ≥ 5
 – proporção amostral;
p – proporção populacional;
n – tamanho da amostra.