Universidade Federal do Piauí Campus Universitário Profa Cinobelina Elvas

DELINEAMENTO EM BLOCOS CASUALIZADOS
Profa. Gisele Rodrigues Moreira
Enga. Agrônoma Dra. Genética e Melhoramento http://br.geocities.com/giselerm/profagisele E-mail: giselerm@ufpi.br

1. INTRODUÇÃO
Usado quando não houver homogeneidade das condições experimentais. Controle local → subambientes homogêneos. Utiliza os princípios da repetição, da casualização e do controle local. Pressuposição: Heterogeneidade entre blocos, mas homogeneidade dentro dos blocos.

1

Características do DBC

As parcelas são distribuídas em grupos ou blocos, o mais uniforme possível, dentro de cada bloco; O número de parcelas por bloco deve ser múltiplo do número de tratamentos (geralmente, é igual ao número de tratamentos); Os tratamentos são designados às parcelas de forma casual dentro de cada bloco.

1. INTRODUÇÃO A B
Experimento básico

Bloco 1

Bloco 2

Bloco 3

Bloco 4

Bloco 5

A B

B A

B A

A B

B A

Repetições + Casualização + Controle local

2

2. QUADRO DE TABULAÇÃO DE DADOS Experimento em DIC com I tratamentos (i = 1, 2, ..., I) e J blocos (j = 1, 2, ..., J)
TRATAMENTOS 1 2 ... I Totais BLOCOS 1 Y11 Y21 ... YI1 B1 2 Y12 Y22 ... YI2 B2 ... ... … ... … … J Y1J Y2J ... YIJ BJ Totais T1 T2 … TI G

TRATAMENTOS 1 2 … I Totais

1 Y11 Y21 ... YI1 B1

BLOCOS 2 ... Y12 Y22 ... YI2 B2 ... … ... … …

J Y1J Y2J ... YIJ BJ

Totais T1 T2 … TI G

Número de unidades experimentais: N = I x J
IJ

Total geral: G =

∑Y
i =1, j =1

ij

= Y..

Média geral: m = ˆ

G IJ

3

TRATAMENTOS 1 2 … I Totais

BLOCOS 1 Y11 Y21 ... YI1 B1 2 Y12 Y22 ... YI2 B2
J i =1

... ... … ... … …

J Y1J Y2J ... YIJ BJ

Totais T1 T2 … TI G

Total para o tratamento i: Ti = ∑ Yij = Yi. Média para o tratamento i: mi = ˆ Total para o bloco j: Média para o bloco j:
I

Ti J

B j = ∑ Yij = Y. j
i =1

ˆ mj =

Bj I

3. MODELO ESTATÍSTICO Yij = m + ti + bj + eij
Em que: Yij é o valor observado para a variável resposta obtido para o i-ésimo tratamento no j-ésimo bloco; m é a média de todos os valores possíveis da variável resposta; ti é o efeito do tratamento i no valor observado Yij; bj é o efeito do bloco j no valor observado Yij; eij é o erro experimental associado ao valor observado Yij.

4

4. ANÁLISE DE VARIÂNCIA
É uma análise estatística que permite decompor a variação total, ou seja a variação existente, na variação devido à diferença entre efeitos dos tratamentos, dos blocos e na variação devido ao acaso (erro experimental ou resíduo).

Pressuposições: os efeitos do modelo devem ser aditivos; os erros experimentais devem ser normalmente distribuídos [eij ~ N (0, 1) e independentes.

ANOVA ⇒ Teste de hipótese ⇒ Teste F

Etapas em teste de hipóteses: I. Definir as hipóteses de nulidade (Ho) e alternativa (Ha); II. Calcular o valor da estatística do teste (Proceder a ANOVA); III. Fixar o nível de significância (α) e obter o valor tabelado ou ponto crítico; IV. Comparar o valor da estatística do teste (valor calculado) com o valor tabelado e concluir quanto à rejeição ou não de Ho.

5

I. Hipóteses testadas na ANOVA Hipótese de nulidade (Ho): m1 = m2 = ... = mI = m

Todos os possíveis contrastes entre as médias dos tratamentos são estatisticamente nulos, ao nível de probabilidade que foi executado o teste.

Hipótese alternativa (Ha): Não Ho.
Existe pelo menos um contraste entre as médias dos tratamentos, estatisticamente diferente de zero, ao nível de probabilidade que foi realizado o teste.

II. Quadro da ANOVA
Causa da variação Bloco Tratamento Resíduo TOTAL GL J-1 I-1 (I-1)(J-1) IJ - 1 SQ SQB SQTrat SQR SQT QM SQTrat/I-1 SQR/(I-1)(J-1) F QMTrat/ QMR -

SQR = SQT − SQTrat − SQB

6

Causa da variação

GL

SQ

QM

F

Bloco J-1 SQB Tratamento I-1 SQTrat SQTrat/I-1 QMTrat/QMR Resíduo (I-1)(J-1) SQR SQR/I(J-1) TOTAL
I

IJ - 1
I ;J 2 i.

SQT

J I ;J

-

∑Y
SQTrat =
i =1

( −

∑ Yij ) 2
i =1; j =1

∑ Y. 2j
SQB =
I ;J

( −

∑Y )
ij i =1; j =1

2

j =1

J

IJ
I ;J

I
2

IJ

(
2 ij

∑Y )
ij i =1; j =1

SQT =

∑Y
i =1; j =1

IJ

III. Nível de significância (α) α

Geralmente usa-se α = 5% ou 1% Tabela de F ⇒ valor tabelado: n1 = graus de liberdade do numerador n2 = graus de liberdade do denominador

7

IV. Regra decisória na ANOVA
Se o valor de F calculado for maior ou igual ao valor do F tabelado, então rejeita-se Ho e conclui-se que os tratamentos têm efeito diferenciado ao nível de significância em que foi realizado o teste; Se o valor de F calculado for menor ao valor do F tabelado, então não se rejeita Ho e conclui-se que os tratamentos têm mesmo efeito ao nível de significância em que foi realizado o teste;

Exemplo:
Experimento em DBC com 5 produtos comerciais para suprir a deficiência de micronutrientes (i = 1, 2, ..., 5) e 3 blocos (j = 1, 2, 3) ⇒ variável resposta: ppm de micronutriente/mL de sangue TRATAMENTOS 1 2 3 4 5 Totais BLOCOS (idade) 1 2 3 83 63 55 86 69 61 103 79 79 116 81 79 132 98 91 520 390 365 Totais 201 216 261 276 321 1275

8

Existe diferença entre os produtos comerciais, quanto ao suprimento de micronutrientes em caprinos? Qual o melhor produto?
Proceder a ANOVA Proceder o teste de comparação de médias

I. Hipóteses

Ho: m1 = m2 = m3 = m4 = m5 Ha: pelo menos um contraste entre médias de tratamentos é diferente de zero.

9

II. ANOVA
Causa da variação Bloco Tratamento Resíduo TOTAL GL J–1=2 I–1=4 (I-1)(J-1) = 8 IJ – 1 = 14 SQ SQB QM F -

SQTrat SQTrat/I- QMTrat 1 /QMR SQR SQR/ (I-1)(J-1) SQT -

5 tratamentos ⇒ I = 5 3 bocos ⇒ J = 3

III. ANOVA
J I ;J
I I ;J 2 i.

∑ Y. 2j
SQB =
j =1

( −

∑ Yij ) 2
i =1; j =1

∑Y
SQTrat =
I ;J I ;J

( −

∑Y )
ij i =1; j =1

2

i =1

I

IJ

J
2 ij

IJ

(
2 ij

∑Y )
i =1; j =1

SQT =

∑Y
i =1; j =1

IJ

SQR = SQT − SQTrat − SQB

10

Soma de quadrado de BLOCO
J I ;J 2 .j

∑Y
SQB =
j =1

( −

∑Y )
ij i =1; j =1

2

I

IJ

Como j = 1, 2, 3 então:
3

∑Y
j =1 5

2 .j

= Y.12 + Y.22 + Y.32 = (520) 2 + (390) 2 + (365) 2 = 555725

∑Y
i =1 5

2 .j

3

∑Y
2 .j
j =1

2 .j

∑Y
i =1

=

I

555725 = 111145 5

Soma de quadrado de BLOCO
J I ;J 2 .j

∑Y
SQB =
i =1

( −

∑Y )
ij i =1; j =1

2

I

IJ

Como i = 1, 2, 3, 4, 5 e j = 1, 2, 3, então:
5; 3

(

∑Y )
ij i =1; j =1 5; 3

2

= (Y11 + Y12 + Y13 + Y21 + ... + Y53 ) 2 =

(Y1. + Y2. + Y3. + Y4. + Y5. ) 2 ( (

∑Y )
ij i =1; j =1 5; 3

2

= (201 + 216 + 261 + 276 + 321) 2
5; 3

(
2 ij

∑Y )
ij i =1; j =1

2

∑Y )
i =1; j =1

= 1625625

=

IJ

1625625 = 108375 15

11

Soma de quadrado de BLOCO
3
5; 3

∑Y
j =1

2 .j

=

I

555725 = 111145 5
J I ;J 2 .j

(

∑Y )
ij i =1; j =1

2

=

IJ
2

1625625 = 108375 15

∑Y
SQB =
j =1

( −

∑Y )
ij i =1; j =1

I SQB = 2770

IJ

= 111145 − 108375

Soma de quadrado de TRATAMENTO
I I ;J

∑ Yi.2
SQTrat =
i =1

( −

∑Y )
ij i =1; j =1

2

J

IJ

Como i = 1, 2, 3, 4, 5 então:
5

∑Y
i =1 5

2 i.

= Y12 + Y22 + Y32 + Y42 + Y52 . . . . . = (201) 2 + (216) 2 + (261) 2 + (276) 2 + (321) 2
5

∑Y
i =1 5 i =1

2 i.

∑ Yi.2 = 334395

∑Y
i =1

2 i.

=

J

334395 = 111465 3

12

Soma de quadrado de TRATAMENTO
5
5; 3

∑ Yi.2
i =1

=

J

334395 = 111465 3
I I ;J 2 i.

(

∑Y )
ij i =1; j =1

2

=

IJ
2

1625625 = 108375 15

∑Y
SQTrat =
i =1

( −

∑Y )
ij i =1; j =1

J SQTrat = 3090

IJ

= 111465 − 108375

Soma de quadrado TOTAL
I ;J I ;J

(
2 ij

∑Y )
ij i =1; j =1

2

SQT =

∑Y
i =1; j =1

IJ

Como i = 1, 2, 3, 4, 5 e j = 1, 2, 3, então:
5; 3

∑Y
i =1; j =1 5; 3

2 ij

2 2 2 2 2 = Y11 + Y12 + Y13 + Y21 + ... + Y53

∑Y
i =1; j =1 5; 3

2 ij

= 832 + 86 2 + 1032 + ... + 912 = 114419

∑Y
i =1; j =1

2 ij

13

Soma de quadrado TOTAL
5; 3
5; 3

∑Y
i =1; j =1

2 ij

= 114419
I ;J I ;J

(

∑Y )
ij i =1; j =1

2

=

IJ

1625625 = 108375 15

(
2 ij

∑Y )
ij i =1; j =1

2

SQT =

∑Y
i =1; j =1

IJ

= 114419 − 108375

SQT = 6044

II. ANOVA
Causa da variação Bloco Tratamento Resíduo TOTAL GL 2 4 8 14 SQ 2770 3090 184 6044 QM 7725 23 F 33,59 -

QMTrat = SQTrat/GL

QMR = SQR/GL

F = QMTrat/QMR

14

III. Nível de significância
Causa da variação Bloco Tratamento Resíduo TOTAL GL 2 4 8 14 SQ 2770 3090 184 6044 QM 7725 23 F 33,59 -

α = 5% ⇒ n1 = 4 n2 = 8

Ftabelado = 3,84

IV. Conclusão do Teste F
Causa da variação Bloco Tratamento Resíduo TOTAL GL 2 4 8 14 SQ 2770 3090 184 6044 QM 772,5 23 F 33,59* -

Como 33,59 > 3,84 ⇒ teste F significativo, então rejeita-se Ho ao nível de 5% de probabilidade. Ou seja, existe variação entre os efeitos dos tratamentos.

15

5. COEFICIENTE DE VARIAÇÃO
Causa da variação Bloco Tratamento Resíduo TOTAL GL 2 4 8 14 SQ 2770 3090 184 6044 QM 7725 23 F 33,59* -

CV % = CV % =

QMR .100 ˆ m 23 .100 = 5,64% 85

6. VANTAGENS E DESVANTAGENS DO DBC Vantagens:
Controla as diferenças que ocorrem nas condições ambientais, de um bloco para o outro; Até certo limite, permite utilizar qualquer número de tratamentos e blocos; Uma vez que a variação ambiental entre blocos é isolada, conduz a uma estimativa mais exata para a variância residual.

16

6. VANTAGENS E DESVANTAGENS DO DBC Desvantagens:
Devido à utilização do princípio do controle local, há uma redução do número de graus de liberdade do resíduo; A exigência de homogeneidade das parcelas dentro de cada bloco limita o número de tratamentos, que não pode ser elevado;

Teste de TUKEY

17

Teste de DUNCAN

18

Sign up to vote on this title
UsefulNot useful