XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Diferentes abordagens no emprego da análise de variância em experimentos com medidas repetidas no tempo
Janete Pereira Amador (UFSM) janeteamador@.hotmail.com João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Angela Pellegrin Ansuj (UFSM) angela@smail.ufsm.br Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br

Resumo O objetivo deste trabalho é estudar o uso de diferentes abordagens da análise de variância univariada aplicada a experimentos nutricionais com suínos envolvendo medidas repetidas no tempo. A análise de variância foi aplicada para um experimento inteiramente casualizado em esquema fatorial para os diferentes períodos experimentais que foram de 7 semanas. As variáveis estudas foram: a influência de 5 níveis de energia e proteína na ração sobre o ganho de peso, consumo e conversão alimentar. Os resultados mostraram que nenhuma das abordagens da análise de variância utilizada identificou influência nos níveis de energia digestível (ED) sobre as variáveis de estado, bem como para o efeito da proteína bruta (PB) sobre o consumo acumulado. Quanto aos níveis de PB sobre as variáveis ganho de peso e conversão alimentar apresentou diferença significativa para os período, 35, 42, 49, 56, 63 e 70 dias.A análise em parcelas subdivididas mostrou diferença significativa no ganho de peso para o nível de 24% e na conversão alimentar 20 e 24% de PB. Palavras-chave: Análise de variância, Experimentos nutricionais, Medidas repetidas no tempo. 1. Introdução Devido à importância da suinocultura dentro do agronegócio, na economia nacional como geração de capital promovendo divisas a nível nacional e internacional, se faz necessário o desenvolvimento de técnicas eficientes para melhor ainda mais o desempenho desta atividade econômica. Uma das formas pelas quais se pode melhorar o desempenho da suinocultura é o desenvolvimento de técnicas corretas de avaliação do sistema produtivo. Na indústria, devido a problemas de custos operacionais e mão-de-obra, a prática comum, em experimentos nutricionais é trabalhar com valores acumulados para controlar o desempenho das variáveis de estado. Desta forma, os dados referentes a essas variáveis são obtidos por uma pesagem no início e no final do período experimental, fato que gera perda de informação. Por isso, esse trabalho tem por finalidade utilizar diferentes abordagens de análise de variância a fim de determinar os fatores positivos e negativos de cada abordagem e verificar se essas técnicas fornecem subsídios para monitorar experimentos cujo comportamento das variáveis altera-se ao longo do tempo. 2. Revisão bibliográfica 2.1. Experimentos fatoriais Conforme Anderson & Bancroft (1962), quando se estudam, simultaneamente, dois ou mais fatores, cada um com diferentes níveis, têm-se os experimentos chamados fatoriais. Os experimentos fatoriais não são desenhos experimentais, e sim um modo particular de combinar os níveis dos fatores em estudo.

ENEGEP 2006

ABEPRO

1

recém desmamados. se os efeitos de T’ e da interação T x T’ são de maior interesse que os efeitos de T. em parcelas subdivididas. Os animais foram pesados no início. desaparecendo as sub-parcelas ou adota-se a transformação de dados. das variáveis de estado. grandes amplitudes podem ameaçar a homocedasticidade exigida pela análise de variância.XXVI ENEGEP . são freqüentes as situações nas quais.Fortaleza. 1962).4. Box (1950) discute o problema de observações sucessivas na mesma parcela em um esquema fatorial. Nestes casos a técnica indicada é a análise de variância. por Kempthorne (1962) Steel & Torrie (1960). Afirmam ainda que o aumento da precisão de T’ e da interação T x T’ se obtém mediante a redução da precisão de T. ou se analisam os tempos separadamente. Snedecor & Cochran (1967) apresentam considerações sobre o experimento em parcelas subdivididas. durante intervalos de sete dias e no final do experimento. são vários os produtos ou processos que competem entre si. Metodologia Foram estudados 75 leitões com 21 dias de idade. CE. utiliza-se o Teste de Esfericidade (VONESH. e as médias das mesmas. ele participa do ensaio como sub-parcelas. cada réplica contém todos os ab tratamentos. Sendo assim.3. dentre outros. Análise de variância em parcelas subdivididas Conforme Sampaio (1998). ENEGEP 2006 ABEPRO 2 . M. em um arranjo fatorial cada réplica completa do experimento possui todas as combinações dos níveis dos fatores investigados. Análise de variância Conforme Markus (1973).2. Johonson & Leone (1976) destacam algumas premissas que devem ser observadas para utilizar a análise de variância como. O número de partição das somas de quadrados está diretamente relacionado com a estrutura do modelo estatístico utilizado para descrever a variável resposta (ANDERSON & BANCROFT. Se isto ocorrer. se existem a níveis do fator A e b níveis do fator B. 1997). Dessa forma. 2. & CHINCHILLI. O problema consiste então na comparação de mais de duas médias. se puder supor que as observações têm as mesmas variâncias e as mesmas covariâncias para todas parcelas. V. 3. F. e mostram ser vantajoso seu uso.. quando um efeito temporal é introduzido em um esquema fatorial. como sendo uma variação do experimento fatorial em T e T’ tratamentos. 9 a 11 de Outubro de 2006 De acordo Werkema & Aguiar (1996). 2. Para verificar a hipótese de homogeneidade entre as matrizes de variâncias e covariância. A análise de variância (ANOVA) é uma técnica algébrica que permite particionar a soma de quadrados dos desvios entre cada uma das “N” observações que compõem uma amostra. Ele acha válida uma análise simples. na experimentação. geralmente. é preciso policiar a extensão do tempo testado. em número finito de somas de quadrados. Assim gerou-se sete medidas para cada variável de estado (peso vivo. em vez de dois. a resposta da variável que está sendo analisada deve seguir uma distribuição normal de probabilidade e os tratamentos das respostas obtidas devem apresentar variâncias iguais. Experimento em parcelas subdivididas O esquema do experimento em parcelas subdivididas é apresentado. durante 7 semanas. 2. E. sendo os mais usados os em blocos casualizados e em quadrados latinos e os T’ das sub-parcelas são dispostos ao acaso dentro de cada parcela. onde os tratamentos T das parcelas são dispostos em qualquer tipo de delineamento. Brasil.

conversão alimentar . 3. Análise de variância no final do período de creche Para o cálculo da ANOVA não foi possível considerar as interações entre fatores. 9 a 11 de Outubro de 2006 consumo. EDj = efeito do j-ésimo nível ED. o modelo matemático a seguir: Yij = µ + PBi + EDj + (PB*ED)ij + εij onde: Yij = resposta observação submetida ao i-ésimo nível de PB e j-ésimo nível de ED. onde esses eram formados de três animais por baia. CE. (medido em percentagem) presente na ração e níveis nutricionais de energia digestível (ED).3. Para o cálculo da ANOVA foi utilizado. em instantes sucessivos de tempo que corresponderam ao período de produção (42 dias). Procedimentos adotados para a análise estatística dos dados 3.1.2. (medidas em kcal ED/kg).1. A unidade experimental empregada foi a baia (com três animais cada). Análise de variância em parcelas subdivididas As parcelas (unidade primária) são os níveis de energia e proteína e as sub-parcelas (unidade secundária) são os períodos. não houve graus de liberdade para o cálculo das interações. As variáveis de estado foram obtidas em função das variáveis de controle: idade (medida em dias). PBi = efeito do i-ésimo de PB. sendo as fontes de variação os níveis de PB e ED. kcal ED/kg PB% 16 18 20 22 24 3325 T1 T2 T3 T4 T5 3400 T6 T7 T8 T9 T10 3475 T11 T12 T13 T14 T15 3550 T16 T17 T18 T19 T20 3625 T21 T22 T23 T24 T25 QUADRO 1 . níveis nutricionais de proteína bruta (PB). resultando 25 tratamentos. Estes níveis foram dispostos em esquema fatorial (dois fatores com cinco níveis cada). Sendo assim.1. pois os dados correspondiam apenas as médias de cada tratamento. Brasil. Os tratamentos desenvolvidos no experimento encontram-se no quadro 1. PB*EDij = efeito da interação entre o do i-ésimo de PB e o j-ésimo nível ED. tanto nos resultados obtidos no final do período como em cada período.Fortaleza. µ = média geral dos efeitos.quanto o animal consome para ganhar 1 kg de peso). 3.XXVI ENEGEP . ENEGEP 2006 ABEPRO 3 . Análise de variância em cada período de creche Para as comparações entre as médias foi utilizado o teste de Tukey.1.1.Tratamentos desenvolvidos no experimento 3. O teste de Tukey foi utilizado para a comparação entre médias. εij = erro aleatório associado a observação Yij. O delineamento utilizado foi inteiramente causalidade.

dijk = erro aleatório associado a parcela principal. 9 a 11 de Outubro de 2006 Para o cálculo da ANOVA foi utilizado o modelo a seguir descrito: Yijk. Resultados 4. Os resultados mostram que a análise de variância não foi sensível para identificar diferença significativa quanto ao aumento nos níveis de proteína bruta (PB) e de energia digestível (ED) no ganho de peso. ENEGEP 2006 ABEPRO 4 . εij = erro aleatório total. EDj = efeito do j-ésimo nível ED. 56 e 63 dias. de variação (%) 10.XXVI ENEGEP . foi possível verificar que o ganho de peso e a conversão alimentar foram influenciados pelos níveis de PB.896 ab ± 0. e 5. Análise de variância no final do período experimental Foram utilizados os valores acumulados das variáveis de estado para os 49 dias de duração do experimento.094ab 2. 42. (PB*ED)ij = efeito da interação entre o do i-ésimo de PB e o j-ésimo nível ED. Brasil. Analise de variância para cada período experimental Quando a ANOVA foi realizada para cada período experimental.372 ± 0. tempok = efeito do período k.298 Coef. Os períodos nos quais os níveis de PB foram significativos correspondem às idades dos leitões aos 35.05) médias seguidas de letras diferentes.22 15. CE. 3. em alguns períodos.956ab Desvio padrão (kg) ± 0.81 5 CAM (kg) 2.509 26.2. TABELA 1 – Evolução cumulativa da conversão alimentar média (CAM) aos 35 dias. onde: Yijk= resposta da observação submetida ao i-ésimo nível de PB e j-ésimo nível de ED no período k µ = média geral dos efeitos. diferem estatisticamente. Níveis de PB (%) Parâmetros 16 18 20 22 24 1.Fortaleza. = µ + PBi + EDj + tempok + (PB*ED)ij + dijk + (PB*tempo)ik + (ED*tempo)jk + εijk. 4.22 12.444a 1.718b 1. 49. conversão alimentar e o consumo de ração.23 Casos 5 5 5 5 (p < 0. Esses períodos com as respectivas variáveis e níveis de PB encontram-se nas tabelas 1.210 ± 0. 4.1.50 15. (PB*tempo)ik = efeito da interação do i-ésimo nível de PB com o período k. 4. 2. PBi = efeito do i-ésimo de PB.220 ± 0. (ED*tempo) jk = efeito da interação i-ésimo nível de ED com período k.

05) médias seguidas de letras diferentes.472ab 2.336 12. Para o GPM os níveis de 20 e 24% de PB foram os que apresentaram o maior aumento.318a ± 0.157 ± 0. 22 e 24% de PB apresentaram uma CAM semelhante.056 5 5.099 Casos 5 5 5 5 (p < 0. 20 e 24% de PB apresentaram.832 11.222a ± 0.085 4.218 ± 0.030ab 1.086ab ± 0.324 13. Brasil. Já o nível de 18% foi o de pior conversão alimentar.008a Desvio padrão (kg) ± 0. O mesmo comportamento ocorreu com a variável GPM.814b ± 0.481 ± 0.708ab 5.234a ± 0.476ab ± 0.509 9. os níveis de 18.977 5 18 2.371 19. de variação (%) 21. verifica-se que os animais que receberam ração contendo níveis de 16.035 5 20 1.229 13.235 5 GPM (kg) 2.200ab Desvio padrão (kg) ± 0.109 5.066a 4.298 Coef. não diferiram dos níveis de 18 e 22%.132 6.666 6. de variação (%) Casos 16 2. Níveis de PB (%) Parâmetros 16 18 20 22 24 1.372 ± 0.990ab ± 0.156 8. TABELA 2 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 42 dias.766 5 22 1.351 10.754b ± 0. de variação (%) 9.220 ± 0.780 5 22 1.926ab 2.140 7.762b 4.866ab Desvio padrão (kg) ± 0. TABELA 3 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 49 dias.162 8.876ab ± 0.618 5 ENEGEP 2006 ABEPRO 5 .776 5 2.123 5 24 1.904 7.519 13. Níveis de PB (%) Parâmetros CAM (kg) Desvio padrão (kg) Coef. nesse período.220b 2. 20. Conforme a tabela 3.630 Casos 5 5 5 5 (p < 0.05) médias seguidas de letras diferentes. Enquanto que o nível de 16% foi o de pior conversão alimentar.410 ± 0.435 5 18 1.228 ± 0. de variação (%) 5. 9 a 11 de Outubro de 2006 Na tabela 1. diferem estatisticamente. CE. Níveis de PB (%) Parâmetros CAM (kg) Desvio padrão (kg) Coef. os melhores resultados para a conversão alimentar.901 4.810b ± 0.926b ± 0.XXVI ENEGEP .158 ± 0. embora esses níveis. diferem estatisticamente.327 5 20 1.848b ± 0.659 5 24 1.416a 2.210 ± 0.500 Casos 5 5 5 5 GPM (kg) 3.Fortaleza. de variação (%) Casos 16 2.128 7.966a 3.778b ± 0.312 Coef.143 6.023 7.380 20. A Tabela 2 indica que os níveis de 20 e 22% apresentam os melhores resultados da CAM.145 6.451 Coef.724 5 CAM (kg) 2.

220ab 7.924 ± 0. mesmo que esses níveis não diferiram dos níveis de 18 e 22%.XXVI ENEGEP .757 9. diferem estatisticamente.558ab Desvio padrão (kg) ± 0.05) médias seguidas de letras diferentes. Para o GPM os níveis de 20 e 24% de PB foram os que tiveram o maior aumento de peso. CE.078 5 TABELA 4 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 56 dias.402 Coef.834 5.837 11.875 11. A Tabela 4 mostra que os níveis de 20.338a ± 0. 22 e 24% de PB foram os que apresentaram a melhor a conversão alimentar.318 Casos 5 5 5 5 (p < 0. de variação (%) 14. ENEGEP 2006 ABEPRO 6 . 9 a 11 de Outubro de 2006 GPM (kg) 6.808a 7.608 ± 0. Brasil.Fortaleza. 8.086b 7.903 ± 0.

608 ± 0.348b 11.12 P (X2 > x2) = 0. 22 e 24% de PB. A tabela 6 mostra os resultados das variáveis ganho de peso e conversão alimentar para os diferentes níveis de proteína bruta. P (X2 > x2) = 0. para o ganho acumulado o valor do teste foi de 0. não existe homogeneidade entre nas matrizes de variância e covariância. e para a conversão alimentar o valor do teste foi de 0. diferem estatisticamente 22 1.XXVI ENEGEP .340 5 TABELA 5 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 63 dias.897 5.131 7. embora não diferindo dos níveis de 18 e 22%. de variação (%) 8.114ab 12. 4.119 ± 0.470 7.940a ± 0. com aproximação também para a distribuição do Qui-quadrado = 91.896b ± 0. Para o GPM os níveis de 20 e 24% de PB foram os responsáveis pelo aumento peso.00001.Fortaleza. optou-se por analisar os tempos separadamente eliminando as sub-parcelas.016ab 1.111 5 11. 9 a 11 de Outubro de 2006 Níveis de PB (%) Parâmetros 16 18 20 CAM (kg) 2. ENEGEP 2006 ABEPRO 7 .402 3.512 5 24 1.119 6.00001.88. realizou-se o Teste de Esfericidade por meio do critério de Mauchly´s.858b Desvio padrão (kg) ± 0.0015599.05) médias seguidas de letras diferentes.0336516 com aproximação para a distribuição do Qui-quadrado = 47.903 ± 0.842b ± 0. das variáveis de estado. Nenhuma das variáveis de estado analisadas apresentou resultado significativo.757 6.214a 2. Já a variável consumo não teve seu comportamento influenciado pelos tratamentos. A tabela 5 mostra que os melhores resultados para a CAM e GPM foram obtidos com os níveis de 20.924 Coef.197 ± 0.902 5. Por isso.276 5 11.623 Casos 5 5 5 (p < 0.00001.42 P (X2 > x2) = 0. Brasil.0300323 com aproximação para a distribuição do Qui-quadrado = 49. A análise utilizando parcelas subdivida mostrou que existe diferença significativa para os níveis de proteína bruta em relação à conversão alimentar e o ganho de peso. As 3 variáveis foram testadas com 14 graus de liberdade.12a Desvio padrão (kg) ± 0. Assim.659 5.274 Casos 5 5 5 GPM (kg) 9. de variação (%) 9. Os resultados para as variáveis: consumo acumulado o valor do teste foi de 0.3 Análise de variância em parcelas subdivididas Para verificar a hipótese de homogeneidade entre as matrizes de variâncias e covariância.446ab ± 0.098 Coef. CE.

56 e 63 dias. Verificou-se que os níveis de 20 e 24% de PB apresentaram a melhor conversão alimentar.554b 5. é a economia de mão-de-obra para coleta dos dados. para todos os período analisados.318 72.437 11. Além disso.607 72.212 13. O fator negativo dessa técnica é de não ENEGEP 2006 ABEPRO 8 .186ab 5. O fator positivo dessa análise é poder verificar o comportamento das variáveis em períodos distintos do processo produtivo.344 30 7. Brasil.863b 0. 63 e 70 dias. 9 a 11 de Outubro de 2006 Parâmetros CAM (kg) Desvio padrão (kg) Coef.203 69.088 30 24 1. Dessa forma não há como interferir no processo quando essas variáveis apresentam-se fora de controle. 22 e 24% de PB. de variação (%) Casos GPM (kg) Desvio padrão (kg) Coef. Este resultado vem ao encontro dos resultados obtidos quando a análise de variância foi feita por período experimental. pois não se tem um valor intermediário das variáveis. Sendo que em algum desses períodos pode trazer informações relevantes para melhorar o setor produtivo. quando se trabalha com unidades experimentais que estão sujeitas a medidas repetidas no tempo.05) médias seguidas de letras diferentes. foi alto para a variável ganho de peso.954ab 0.106ab 1.294 15. 42.Fortaleza. em relação aos níveis de PB. diferem estatisticamente. Verificouse. Conclusão Os resultados mostraram que nenhuma das abordagens utilizadas identificou influência dos níveis de energia digestível (ED) sobre as variáveis de estado.283 0.300 30 30 7. 1998. Isto ocorreu devido ao aumento das variâncias de um período para o outro.162 30 Níveis de PB (%) 18 20 2. nos períodos 42.377ab 5. conforme Sampaio. também. Resultado semelhante foi encontrado para o efeito da proteína bruta (PB) sobre o consumo acumulado que também não apresentou diferença significativa.533ab 22 1. respectivamente.XXVI ENEGEP . 49. O fator negativo é de não poder monitorar periodicamente o processo a fim de verificar se houve alteração nas variáveis de estado.515 84. esse método mostra-se ineficiente.259 13. A análise por parcelas subdivididas apresentou diferença significativa para os níveis de PB de 20 e 24%¨ sobre a variável conversão alimentar e 24% para a variável ganho de peso.069 30 (p < 0. o efeito dos tratamentos pode apresentar alterações. A análise para cada período possibilitou detectar algumas diferenças significativas aos 35. 56.902 30 7. CE. bem como diminui o estresse causado aos animais por motivo das pesagens.046 30 7.050 30 5. No entanto.286 13.199a 0. A vantagem de se utilizar a abordagem considerando o período total do experimento. Já para o ganho de peso o nível de 24% de PB teve melhor ganho. que o coeficiente de variação.782a 5.558 77.876b 0. de variação (%) Casos 16 2. TABELA 6 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) dos 35 aos 70 dias. Quanto ao ganho de peso e conversão alimentar os melhores resultados foram obtidos nos níveis 20.005 30 6. 49. 5.

H. The Desing and analysis of experiments. Ames: The Iowa State University Press. Bibliografia ANDERSON. 631 p. JHONSON. T. não permite que se monitore o processo produtivo periodicamente. pois esse tipo de dados não atendem a duas pressuposições básicas requeridas pela ANOVA: a falta de casualização entre os tratamentos e as épocas de avaliação. F. BOX. E. W. a ANOVA não seria a técnica apropriada quando se utiliza dados longitudinais. WERKEMA. Elementos de estatística aplicada. KEMPTHORNE. W. E. No entanto. & AGUIAR. CE. 328 p. 362 – 89. 1997. & COCHRAN. R. STEEL. & BANCROFT. 6. e a não independência de erros devido ao fato das medidas serem tomadas sobre as mesmas parcelas ao longo do tempo. Statistical and experimental design in engineering and the physical sciences. 1960. & LEONE. 1976. R. G. 250 p. C. F. R. O. M. 1996. Brasil. G. & CHINCHILLI. MARKUS. 294 p. Belo Horizonte: Fundação de Ensino e Pesquisa em Medicina Veterinária e Zootecnia. Observou-se que a ANOVA empregada para cada período experimental e para parcelas subdivididas mostrou-se eficiente para determinar diferenças significativas entre os tratamentos. Biometrics.1967.XXVI ENEGEP . Nova York: McGraw-Hill. 1962. I. Porto Alegre: Faculdade Agronomia UFRGS. New York: McGraw-Hill. 1998. S. impossibilitando intervir quando este encontra-se fora de controle. Estatística Aplicada à Experimentação Animal. 422 p. B. p. M. M. 1973. C. 1950. SNEDECOR. 593 p. Statistical theory in research. Linear and nonlinear models for the analysis of repeated measurements. 9 a 11 de Outubro de 2006 poder acompanhar o desenvolvimento do animal passo a passo. v. 221 p. 2. SAMPAIO. J. B. C. sugere-se que estudos posteriores sejam realizados utilizando-se técnicas de análise multivariada tais como o emprego de modelos lineares generalizados e análise de curvas de crescimento. Principles and procedures of statistics. VONESH. New York: Robert & Krieser. Planejamento e Análise de Experimento: Como Identificar e Avaliar as Principais Variáveis Influentes em um Processo. 2 ed. além de apresentar restrições estatísticas relacionadas às pressuposições de homogeneidade nas matrizes de variâncias e covariâncias. L. ENEGEP 2006 ABEPRO 9 . Belo Horizonte: Fundação Cristiano Ottoni. G. v. A. Statistical Methods. Problems in the analysis of growth and wer curves. J. New York: John Wiley & Sons. P. D. 6 ed. Neste caso.Fortaleza. G. New York: Marcel Dekker. 481p. 1962. V. & TORRIE. 6. 1081 p. Além disso.

Sign up to vote on this title
UsefulNot useful