Prévia do material em texto
Delineamento em blocos casualizados Prof. Augusto Ramalho de Morais UFLA/DES 1. Aspectos gerais É o delineamento mais utilizado nas pesquisas agrícolas; Usa os princípios da repetição, casualização e controle local; Utilizado em situações em que existe heterogeneidade entre as unidades experimentais, e essa heterogeneidade ocorre de forma sistemática; Efetua-se o controle local no sentido perpendicular ao da variação a ser controlada, de forma a formar grupos de parcelas homogêneas ou subáreas homogêneas, chamadas de blocos; Dentro de cada bloco existe homogeneidade e, entre os blocos, existe a heterogeneidade; Os tratamentos são sorteados de forma aleatória dentro de cada bloco; cada tratamento ocorre uma vez em cada bloco. 2. Vantagens: O controle local reduz a variação do erro experimental pela remoção da variação entre blocos, com aumento da precisão experimental; Em principio não existe restrição quanto ao número de tratamentos ou de repetições; mas, como dentro dos blocos deve ser homogêneo, isto deve ser considerado. 3. Desvantagens: A perda de parcelas dificulta um pouco a análise estatística; Pode ocorrer menor precisão experimental quando existir variação entre parcelas dentro dos blocos; Se não houver heterogeneidade entre os blocos, perde-se a eficiência, pois ocorre uma redução no número de graus de liberdade dos erros; O uso de grande número de tratamentos torna-se complicado em manter a homogeneidade dentro dos blocos, o que pode reduzir a eficiência do delineamento; 4. Fatores de blocagem Alguns exemplos de fatores de blocagem são: Diferenças de fertilidade de solo; diferenças de temperaturas (incidência de luz solar diferente); Diferenças de ventilação e exposição; diferenças de idade em animais; diferenças de peso inicial; diferenças de níveis de produção de aves; diferenças entre avaliadores; Leitegadas; inclinação de terreno; dias da semana; horário de avaliação; operador de equipamento; etc. 5. Tabela de análise da variância: Para I tratamentos e J blocos tem-se: F.V. G.L. S.Q. Q.M. Fc Ft Blocos J-1 SQBlo QMBlo = Tratamentos I-1 SQTra QMTra = F(GLTra; GLErro) Erro (I-1)(J-1) SQErro QMErro = Total IJ-1 SQTotal Correção = C = SQTotal = SQBlo = SQTra = SQErro = SQTotal – SQBlo - SQTra 6. Sorteio dos tratamentos Dentro de cada bloco é realizado um sorteio de todos os tratamentos. Para I = 5 tratamentos e J = 4 blocos, um sorteio é: Bloco 3 T2 T4 T1 T5 T3 Bloco 1 T4 T1 T5 T3 T2 Bloco 4 T3 T1 T4 T2 T5 Bloco 2 T1 T3 T2 T4 T5 Para o sorteio dos tratamentos em cada bloco é obtido por algum processo aleatório, quatro permutações aleatórias de 1 a 5, que representam os tratamentos. Assim, obtiveram-se as seguintes permutações: 2, 4, 1, 5, 3 para bloco 3; 4, 1, 5, 3, 2 para bloco 1; 3, 1, 4, 2, 5 para bloco 4 e, finalmente, 1, 3, 2, 4, 5 para bloco 2. Cada retângulo é uma unidade experimental (parcela): Neste exemplo, tem-se uma parcela com sete linhas, sendo utilizadas como área útil as três linhas centrais eliminando-se uma parte das extremidades. 7. Um Exemplo com tratamentos qualitativos: Valores de peso de suínos em quilos por animal (kg animal-1) obtidos conforme a casualização dos tratamentos, para avaliar quatro dietas (rações) repetidas em três blocos: Bloco 1 B (110) C (99) D (78) A (131) Bloco 2 A (105) D (76) C (107) B (90) Bloco 3 C (94) A (90) D (65) B (55) Utilizou-se o delineamento em blocos por que as amostras (os animais) foram extraídos de animais com idades próximas a 30 dias, 40 dias e 45 dias. Caso fosse utilizado o delineamento inteiramente casualizado uma dieta poderia ser sorteada para animais de somente uma idade, e poderia se obter respostas maiores (ou menores) do que de os demais tratamentos. Valores de peso de suínos (kg) tabelados: Tratamentos Blocos Soma 1 2 3 A 131 109 90 330(3) B 110 90 55 255 C 99 107 94 300 D 78 76 65 219 Soma 418(4) 382 304 1104(12) Valor da correção: C = = 101568 SQTotal = = 4970,0 SQBlocos: SQBlo = = 1698,0 SQTratamentos: SQTra = = 2394,0 SQErro ou SQResíduo: SQErro = SQTotal – SQBlo – SQTra = 4970,0 – 1698,0 – 2394,0 = 878,0 Os demais cálculos como quadrados médios e valor de F são indicados na tabela de análise da variância. Tabela de análise da variância para peso (kg) de suínos. F.V. G.L. S.Q. Q.M. Fc Ft Blocos 2 1698,0 849,00 = = 5,80* 5,14 Tratamentos 3 2394,0 798,00 = = 5,45* 4,76 Erro 6 878,0 146,33 = Total 11 4970,0 Interpretação teste F para tratamentos: Como Fc = 5,45 > Ft = 4,76, então rejeita-se H0 e diz-se que o efeito de tratamentos é significativo. Logo, existe alguma diferença significativa entre os tratamentos, ao nível de 5% de probabilidade, pelo teste F; indicando que as dietas afetam o peso final dos suínos. Aplicação do teste de Tukey i) Para aplicação do teste de Tukey calculam-se as médias MA = 330/3 = 110 MB = 255/3 = 85 MC = 300/3 = 100 MD = 219/3 = 73 ii) Obtenção das diferenças entre as médias duas a duas: Ordenam-se as médias em uma tabela de dupla entrada, na primeira coluna colocam as médias ordenadas da maior para a menor, até a penúltima média; e na primeira linha, colocam-se as médias ordenadas, da segunda maior até a última: 100 85 73 110 10 25 37 100 - 15 27 85 - - 8 iii) Obtenção da diferença mínima significativa (DMS): = = 4,90 (6,984) = 34,2 iv) Critério de comparação das diferenças com a DMS: Comparam-se as diferenças obtidas com a DMS, caso a diferença seja menor que a DMS então as duas médias não se diferem, são não significativas, indica-se por ns. E, caso a diferença seja maior do que a DMS então as duas médias se diferem, são significativas, indica-se por *. Obteve-se: 100 85 73 110 10ns 25ns 37* 100 - 15ns 27ns 85 - - 8ns v) Resultado e apresentação E, o resultado final é obtido com as médias ordenadas e colocando-se letras para identificar as comparações não significativas das significativas. Médias com a mesma letra indica que os tratamentos não se diferem e, médias com letras diferentes indica que os tratamentos se diferem. Assim, obteve-se: Tratamento Médias Apresentação fica: Tratamentos Médias A 110 a A 110 a C 100 ab B 85 ab B 85 ab C 100 ab D 73 b D 73 b Aqui a única diferença que se obteve foi entre os tratamentos A e D, com a dieta A obtendo maior peso do que com a dieta D; as demais comparações não se diferiram. 8. Um Exemplo com tratamentos quantitativos Valores de produção em toneladas por hectare (t ha-1) conforme sorteio, de quatro tratamentos repetidos em três blocos: Bloco 1 C (9,9) A (3,6) D (12,0) B (7,5) Bloco 2 B (8,9) D (15,9) A (5,0) C (11,7) Bloco 3 D (13,8) B (9,4) C (12,0) A (6,1) Valores de produção tabelados ou ordenados: Tratamentos Blocos Soma 1 2 3 A 3,6 5,0 6,1 14,7(3) B 7,5 8,9 9,4 25,8 C 9,9 11,7 12,0 33,6 D 12,0 15,9 13,8 41,7 Soma 33,0(4) 41,5 41,3 115,8(12) Valor da correção: C = = 1117,47 SQTotal = = 147,670 SQBlocos: SQBlo = = 11,765 SQTratamentos: SQTra = = 132,390 SQErro ou SQResíduo: SQErro = SQTotal – SQBlo – SQTra = 147,670 – 11,765 – 132,390 = 3,515 Os demaiscálculos como quadrados médios e valor de F são indicados na tabela de análise da variância. Tabela de análise da variância para a produção F.V. G.L. S.Q. Q.M. Fc Ft Blocos 2 11,765 5,8825 = = 10,04 5,14 Tratamentos 3 132,390 44,1300 = = 75,32 4,76 Erro 6 3,515 0,5858 = Total 11 147,670 Interpretação teste F: Como Fc = 75,32 > Ft = 4,76 diz-se que o resultado é significativo. Rejeita-se H0, indicando que existe alguma diferença significativa entre os tratamentos, ao nível de 5% de probabilidade, pelo teste F; as doses de adubo afetam de modo significativo a produção. Quando os tratamentos são quantitativos (numéricos) o melhor modo de estuda-los é por meio da utilização da análise de regressão. 8.1 Diagrama de dispersão Sempre é importante uma análise exploratória dos dados por meio do diagrama de dispersão. Plota-se os valores observados em função dos tratamentos quantitativos para verificar a tendência de comportamento da produção em função das doses aplicadas. Observa-se que à medida que se aumenta a adubação a produção aumenta, sugerindo um acréscimo linear; por isso, pode-se ajustar uma equação linear aos dados. 8.2 Tabela auxiliar e cálculos auxiliares Doses Produção média Produto (X) (y) Xy X2 0 4,9 0 0 50 8,6 430 2500 100 11,2 1120 10000 150 13,9 2085 22500 300 38,6 3635 35000 = 300, = 38,6, = 3635, = 35000 SQX = = = 12500, SPXy = = = 740 SQRegressão e desvios de regressão SQReg. Linear = SQRL = = = 131,424 SQDesvios de regressão = SQDesvios = SQTra – SQRL = 132, 390 – 131,424 = 0,966 8.3 Análise da variância com avaliação da regressão: Tabela de análise da variância para a produção com avaliação da regressão linear. F.V. G.L. S.Q. Q.M. Fc Ft Blocos 2 11,765 5,8825 10,04 5,14 Tratamentos (3) (132,390) 44,1300 75,32 4,76 Reg. Linear 1 131,424 131,4240 224,35 Desvios Reg. 2 0,966 0,4840 0,82 Erro 6 3,515 0,5858 Total 11 147,670 Regressão é significativa, pode representar a produção em função das doses do adubo por meio do modelo de regressão linear. Desvios é não significativo, a regressão linear é um bom modelo, apresentou bom ajuste. 8.4 Equação de regressão Estimativas dos parâmetros: = = 0,0592 t ha-1 = = 5,21 Equação estimada é: = Coeficiente de determinação = = 99,27% 8.5 Gráfico O gráfico que é também referido como figura é usado para finalizar os resultados e se ter uma apresentação de forma mais fácil de visualizar o que ocorreu no experimento. Figura 1. Representação gráfica da produção média (t ha-1) em função das doses de adubo, equação e regressão linear e coeficiente de determinação. Interpretação das estimativas dos parâmetros da equação de regressão linear: Espera-se um aumento médio de 0,059 t ha-1 na produção de grãos para cada unidade que se adiciona de adubo; Espera-se uma produção de grãos de 5,21 t ha-1 no caso de não se utilizar o adubo. Interpretação do coeficiente de determinação: Das variações ocorridas na produção de grãos que são devidas aos tratamentos (as doses de adubo), 99,27% podem ser explicadas pela regressão linear. 9. Exercício 9.1 Um experimento será realizado para avaliação de cinco variedades de cana-de-açúcar, representadas por A, B, C, D e E, com vistas a alimentação de gado. O experimento será realizado em área com certa heterogeneidade, a qual necessita do controle local por meio do uso de blocos e essa área comporta cinco repetições para cada tratamento. Conforme o croqui da área experimental, no qual está apresentado as parcelas disponíveis, pede-se: a) Um sorteio dos tratamentos nas parcelas; Bloco 2 Bloco 4 Bloco 5 Bloco 1 Bloco 3 b) Apresente o esquema para a análise da variância, com fontes de variação e números de graus de liberdade; c) Indique as hipóteses que estarão em comparação; d) Indique como as variedades poderão ser comparadas. 9.2 Um experimento foi realizado para avaliar o ganho de peso (em kg) em leitões às seis semanas após desmame, sendo utilizado o delineamento em blocos casualizados, com quatro repetições. Cada parcela foi constituída por dois leitões sendo anotado o peso médio de ambos. O critério de formação dos blocos foi o peso inicial dos leitões, cada leitegada foi separada de modo a possibilitar que os animais de mesmo peso inicial e grau de parentesco fossem submetidos a todos os tratamentos. Os valores do peso por leitão (em kg) foram: Tratamentos Blocos (Rações) 1 2 3 4 1. Ração padrão (RP) 16,4 22,4 18,5 21,6 2. RP+Leite soja (LS) 14,4 16,2 15,0 17,0 3. RP+LS+Glicose 12,8 14,4 13,2 12,1 4. RP+LS+Soro 17,7 20,4 19,8 18,9 5. RP+Leite vaca 19,7 33,1 22,5 23,1 a) Fazer a análise da variância, incluindo interpretação do teste F; b) Elaborar um conjunto de contrastes ortogonais e seus significados; c) Refazer a análise da variância incluindo a avaliação dos contrastes pelo teste F e interpretar os resultados; d) Aplicar o teste de Tukey e interpretar os resultados; com bases nesses resultados, qual o melhor tratamento e qual o pior? e) Aplicar o teste de Scheffé para avaliar o contraste entre o leite de vaca e os leites de soja, e interprete o resultado; f) Aplicar o teste de Scheffé para avaliar o contraste entre o leite de soja e os leites de soja enriquecidos e interprete o resultado. 9.3 Um experimento foi realizado para avaliar como era o comportamento do crescimento inicial de codornas. Os valores do peso de codornas (em gramas) em função das suas idades (em dias) foram: Tratamentos Blocos Idade 1 2 3 4 5 7 22 26 29 30 25 14 47 50 58 49 52 21 87 75 81 73 77 28 104 98 99 97 99 35 118 117 114 118 116 Fazer a análise da variância, incluindo a avaliação do efeito da regressão, com todas as interpretações de todos os resultados. 9.4 Planeje um experimento para avaliar quatro tipos de rações na alimentação de suínos, utilizando cinco repetições (cinco blocos). Apresente um sorteio dos tratamentos nas parcelas; o esquema para a análise da variância; descreva o que será a parcela; informe o número de animais necessário para se realizar o experimento; identifique o fator de estudo, o objetivo do experimento. 9.5 Um experimento foi conduzido no delineamento em blocos casualizados com a finalidade de avaliar a competição entre variedades de cana-de-açúcar. Os valores de produção de massa verde, em t/ha, em função dos tratamentos e dos blocos foram: Tratamentos (Variedades) Blocos Soma 1 2 3 4 5 Co2 109 101 110 95 110 Co4 109 125 108 123 125 Cb1 121 129 127 121 127 Cb2 128 132 134 126 130 Rb 115 128 125 118 124 Soma a) Obter um conjunto de contrastes ortogonais e interpretar o significado de cada contraste; b) Obter a análise de variância incluindo a avaliação dos contrastes e interpretar os resultados do teste F; c) Aplicar o teste de Tukey e interpretar os resultados; d) Aplicar o teste de Scheffé para avaliar o contraste entre as variedades Co e Cb; e) Aplicar o teste de Scheffé para avaliar o contraste entre a variedade Rb e as variedades Co e Cb. _1557743789.unknown _1557743797.unknown _1557743805.unknown _1557743809.unknown _1557743814.unknown _1557743816.unknown _1557743818.unknown _1557743820.unknown _1557746402.unknown _1557743819.unknown _1557743817.unknown_1557743815.unknown _1557743811.unknown _1557743812.unknown _1557743810.unknown _1557743807.unknown _1557743808.unknown _1557743806.unknown _1557743801.unknown _1557743803.unknown _1557743804.unknown _1557743802.unknown _1557743799.unknown _1557743800.unknown _1557743798.unknown _1557743793.unknown _1557743795.unknown _1557743796.unknown _1557743794.unknown _1557743791.unknown _1557743792.unknown _1557743790.unknown _1557743781.unknown _1557743785.unknown _1557743787.unknown _1557743788.unknown _1557743786.unknown _1557743783.unknown _1557743784.unknown _1557743782.unknown _1557743777.unknown _1557743779.unknown _1557743780.unknown _1557743778.unknown _1557743775.unknown _1557743776.unknown _1557743774.unknown