NOTAS DE AULAS DE

ESTATÍSTICA
EXPERIMENTAL EXPERIMENTAL EXPERIMENTAL EXPERIMENTAL







PARTE 4


7- Estudo das Médias – Comparações Múltiplas
8 – Estudo da Médias – Regressão na Análise de Variância













VERSÃO PROVISÓRIA



UFLA - Universidade Federal de Lavras
DEX – Departamento de Ciências Exatas
LAVRAS (MG)
2010









55



7.

ESTUDO DAS MÉDIAS - COMPARAÇÕES MÚLTIPLAS



Quando o resultado do teste de F da Análise de Variância é significativo,
existem evidências para a não aceitação de H
0
como verdadeira, ao nível α% de
probabilidade, isto é, se aceita a existência de efeitos diferenciados para, pelo menos
dois tratamentos. O próximo passo será a identificação das diferenças existentes entre
os tratamentos. Este estudo será feito através das médias dos tratamentos obtidas
nos experimentos.
Os estudos sobre as médias dos tratamentos levam em conta o tipo de fator
que está sendo estudado: se o fator em estudo no experimento é uma variável
qualitativa (variedades, tipos de adubos, diferentes dietas alimentares) o procedimento
apropriado é o das comparações entre as médias dos tratamentos através de testes
de comparações múltiplas. Sendo uma variável quantitativa (doses de adubo,
espaçamentos, níveis de irrigação, épocas de amostragem), utiliza-se a análise de
regressão para o estudo do efeito dos tratamentos na variável resposta.

7.1 Contrastes de Médias
Uma comparação entre médias de tratamentos é denominada contraste quando
puder ser expressa por uma função linear destas médias:
Y
1
= c
1
y
1
+ c
2
y
2
+ … + c
I
y
I
em que

=
i
i i
c r 0 , sendo r
i
é o número de repetições do tratamento i. Se os
tratamentos têm o mesmo número de repetições J, a condição é 0 =

i
i
c .

Exemplo 7.1
Seja um experimento Inteiramente Casualizado com 4 tratamentos e 5
repetições. O Quadrado Médio do Erro foi igual a 0,8654 e as médias observadas para
as produções em kg/parcela foram:
56

Tabela 7.1 Produções Médias (kg/parcela) para três tipos de adubos e uma
testemunha (dados fictícios).
TRATAMENTOS MÉDIAS
Nitrato de Cálcio – dose 1 18
Nitrato de Cálcio – dose 2 22
Sulfato de Amônio 29
Testemunha 15

Como exemplo de comparações de médias, pode-se pensar em, entre outras:
1 – A produção dos tratamentos com adubo comparada com a produção da
testemunha;
2 – A produção do Nitrato de Cálcio na Dose 1 comparada com a produção da Dose 2
de Nitrocálcio

Os contrastes correspondentes são:
4
3 2 1
1
3
m
m m m
Y −
+ +
=
2 1 2
m m Y − =
Como os tratamentos têm o mesmo número de repetições, basta Verificar que a
soma dos coeficientes é nula:
Para Y
1
-> 1/3 + 1/3 +1/3 -1 = 0
Para Y
2
-> 1 -1 = 0
Para estimar o valor do contraste, basta substituir cada média pelo valor obtido
no experimento:
15
3
29 22 18
ˆ
1

+ +
= Y = 8 kg/parcela
22 18
ˆ
2
− = Y = - 4 kg/parcela
E o que representam estas diferenças? O valor estimado para Y
1
(8
kg/parcela), significa que a média das plantas que receberam algum dos adubos foi
maior que a média das plantas que não receberam adubo? E para a segunda
comparação – a produção com a dosagem 1 de Nitrocálcio foi menor que produção
com a dosagem 2? Pode-se concluir sobre os efeitos dos tratamentos tomando por
base apenas estas diferenças?
Como existe um erro associado a toda estimativa obtida nos experimentos, a
decisão deverá considerar não só o valor do contraste, mas também o erro associado.
57
Para isto deverá ser realizado um teste estatístico apropriado para a hipótese de que o
contraste é igual à zero ou que não existe diferença entre as médias dos dois grupos
que estão sendo comparados.
Para a comparação 1

-> H
0
: Y
1
= 0 ou
4
3 2 1
3
m
m m m
=
+ +

Para a comparação 2 -> H
0
: Y
2
= 0 ou
2 1
m m =

7.2 Testes de Contrastes Envolvendo Mais de Dois Tratamentos

Em alguns estudos, a natureza dos tratamentos permite a composição de
grupos de tratamentos similares e o interesse maior poderá estar na comparação
entre estes grupos.
No Exemplo 7.1, suponha que houvesse interesse em comparar o efeito do
Nitrato de Cálcio com o efeito do Sulfato de Amônio. O contraste correspondente deve
considerar de um lado da equação todos os tratamentos com Nitrato de Cálcio e, de
outro lado, todos os tratamentos com Sulfato de Amônio:

Comparação -> Nitrato de Cálcio (dose 1) e Nitrato de Cálcio (dose 2) versus
Sulfato de Amônio.
Contraste ->
3
2 1
3
2
m
m m
Y −
+
=

7.2.1 Teste de Scheffè

O teste de Scheffè pode ser empregado para testar qualquer tipo de contraste
não sendo, no entanto, recomendado para testar contraste de duas médias por ser
muito pouco conservador. A DMS para o teste de Scheffè é dada por:



sendo I o número de tratamentos;
% α
F o valor de tabela para F ( % α , GL de
tratamentos, GL do Erro Experimental); J o número de repetições e c
i
os coeficientes
das médias no contraste. O procedimento consiste em comparar o valor estimado para
o contraste com a DMS e se DMS Y >
ˆ
o teste é significativo ao nível de α% de
probabilidade.
] ) )( / 1 ( ) 1 [(
2
% ∑
− =
i
c QMErro J F I DMS
α
58
Para a comparação entre Nitrato de Cálcio e Sulfato de Amônio, tem-se que
0 , 1 19
2
22 18
ˆ
3
= −
+
= Y kg/parcela. Com 4 tratamentos e 16 graus de liberdade para o
erro experimental (QMErro = 0,8654):

DMS = ] ) 1 ( ) 2 / 1 ( ) 2 / 1 )[( 8654 , 0 )( 5 / 1 )( 24 , 3 )( 1 4 (
2 2 2
− + + − = 1,6
kg/parcela

e o resultado do teste de Scheffé é não significativo pois o valor absoluto de Y
ˆ
é
menor que o valor da DMS. Este resultado indica que a média de produção dos
tratamentos que receberam Nitrocálcio não diferiu da média de produção do
tratamento que recebeu Sulfato de Amônio.

7.3 Testes das Comparações das Médias Duas a Duas
Na maioria dos experimentos, o interesse está em comparar as médias de
todos os tratamentos entre si. São formulados todos os possíveis contrastes entre as
médias, tomadas duas a duas, e testa-se cada um deles. Para cada teste, as
hipóteses são:
H
0
: As duas médias não diferem entre si ( H
0
: m
i
= m
j
).
H
a
: As duas médias são diferentes (H
a
: m
i
# m
j
)
Geralmente o nível de significância é tomado como 5% e a estimativa do
contraste (Y
ˆ
) será comparada com um valor referência denominado diferença mínima
significativa (DMS). A regra de decisão é a de que se o valor do contraste for maior
que a DMS, o teste será significativo.
Existem diferentes proposições para o valor referência, mas em geral a DMS é
dada por:
DMS = ) (Y VAR ϕ
sendo ϕ função de uma distribuição de probabilidades e Var(Y) é a variância do
contraste. Para o contraste entre duas médias,

A com r
1
repetições e B com r
2
, a
variância do contraste é
2
2 1
1 1
σ
|
|
¹
|

\
|
+
r r
. Tomando o Quadrado Médio do Erro como
estimativa de
2
σ , a estimativa da variância do contraste de duas médias é:
59
QMERRO
r r
Y ar V
|
|
¹
|

\
|
+ =
2 1
1 1
) (
ˆ
. Se os tratamentos têm o mesmo número de repetições J,
a estimativa da variância é: QMERRO
J
Y ar V |
¹
|

\
|
=
2
) (
ˆ
.

7.3.1 Teste de Tukey
É um teste de comparação múltipla entre todas as médias dos tratamentos
tomadas duas a duas. A DMS para o teste de Tukey é dada por:
) (
ˆ
2
1
) , (
Y ar V q DMS
v i
=
onde q
(I, v)
é a amplitude total estudentizada para uso no teste de Tukey ao nível de
α% de probabilidade para I tratamentos e v graus de liberdade do Erro Experimental.
Se os tratamentos têm o mesmo número de repetições (J), a DMS é:
J
QMErro
q DMS
gleRRO i ) , (
=

O roteiro para a aplicação do teste de Tukey é:
Passo 1. Cálculo da DMS (Diferença Mínima Significativa);
Passo 2. Ordenar as médias (ordem decrescente) e colocar uma letra qualquer
para a primeira média. Esta será a primeira média base.
Passo 3. Subtrair a DMS da média base, obtendo o intervalo: [(média base);
(média base – DMS)]. Toda média contida neste intervalo recebe uma
mesma letra. A primeira média fora do intervalo recebe uma letra
diferente.
Passo 4. Mudar a base para a próxima média (sem saltar nenhuma) e repetir o
Passo 3 até que a base seja a última média ou o intervalo contenha a
última média.
Obs.: Com as devidas alterações, o algorítmo se aplica, análogamente, para o
teste tomando-se as médias em ordem crescente.





EXEMPLO 7.2
A Tabela 7.2 apresenta as produções, em Kg/parcela, de seis cultivares de
arroz:
60
A – Pratão; B – Dourado Precoce; C – Pérola; D – Batatais; E – IAC-4 e F – IAC-9. A
análise de variância esta apresentada na Tabela 7.3.


Tabela 7.2 Produções, em Kg/parcela, obtidas de Seis Cultivares de Arroz.
Tratamentos
Repetições A B C D E F
I 2,6 2,8 2,4 1,3 1,0 3,3
II 1,6 1,8 2,7 1,1 1,8 2,8
III 1,4 1,8 2,1 1,3 1,2 2,3
IV 2,4 3,0 2,4 1,4 0,8 2,6
V 2,0 2,4 3,1 1,7 1,9 2,8
Totais 10,0 11,8 12,7 6,8 6,7 13,8



Tabela 7.3 Análise de Variância para as Produções das Cultivares de Arroz.
Fontes de Variação GL SQ QM F
c
Entre Cultivares 5 9,11 1,82 9,58 **
Erro Experimental 24 4,52 0,19
Total 29 13,63
** significativo ao nível de 1% de probabilidade


A aplicação do teste de Tukey, utilizando o algorítmo descrito é:

1
º
Passo: DMS = q
(6,24)
.
5
19 , 0
= 4,37 x 0,194936 ⇒ DMS = 0,8
2
º
Passo:

F 2,8 a
C 2,5
B 2,4
A 2,0
D 1,4
E 1,3

3
º
Passo – 1 : 2,8 - 0,8 = 2,0 ⇒ Intervalo: [ 2,0 ; 2,8 ]
F 2,8 a
C 2,5 a
B 2,4 a
A 2,0 a
D 1,4 b
61
E 1,3

3
º
Passo – 2 : 2,5 - 0,8 = 1,7 ⇒ Intervalo: [ 1,7 ; 2,5 ]
NÃO ALTERA

3
º
Passo – 3 : 2,4 - 0,8 = 1,6 ⇒ Intervalo: [ 1,6 ; 2,4 ]
NÃO ALTERA

3
º
Passo – 4 : 2,0 - 0,8 = 1,2 ⇒ Intervalo: [ 1,2 ; 2,0 ]
F 2,8 a
C 2,5 a
B 2,4 a
A 2,0 a b
D 1,4 b
E 1,3 b

3
º
Passo – 5 : Embora a base ainda seja a média 2,0, não é necessário
continuar o processo pois a última média já está contida no
intervalo calculado e os próximos cálculos não irão alterar
estas letras. O resultado final esta apresentado na Tabela
7.4.


Tabela 7.4 Produções Médias (Kg/parcela) para Seis Cultivares de Arroz.
Cultivares Produções Médias
Pratão 2,0 ab
Dourado Precoce 2,4 a
Pérola 2,5 a
Batatis 1,4 b
IAC-4 1,3 b
IAC-9 2,8 a
As médias seguidas da mesma letra, não diferem entre si pelo Teste de Tukey, ao nível de 5% de probabilidade.


7.3.2 Teste de Newman-Keuls
Este é um outro teste para contrastes entre duas médias de tratamentos. O
algorítmo para este teste é:
1
º
Passo: Calcular todas as DMS (a quantidade de DMS é igual ao número de
graus de liberdade para tratamentos) através de DMS = q
(n,GL)
J
QMerro
, para n variando de 2 a I e q
(n,GL)
é o valor da amplitude total
estudentizada.

62
2
º
Passo: Tomar as médias em ordem decrescente e colocar uma letra para a
média maior. Esta será a primeira média base.
3
º
Passo: Calcular a diferença entre a média base e a última média, comparando
este valor com a respectiva DMS
n
(n = número de médias abrangidas
pela comparação). Se a diferença for maior que a DMS, repete-se este
passo, tomando a média anterior até obter uma diferença menor ou igual
a DMS ou até quando sejam tomadas todas as médias.
Se a diferença for menor ou igual à DMS
n
, todas as médias entre a
média base e a media de comparação inclusive, recebem uma mesma
letra. A primeira média diferente da média base recebe uma letra
diferente.

4
º
Passo: Muda-se a base para a próxima média e repete-se o passo 3 até que a
média base seja a última.


Para o Exemplo 7.2, tem-se:

1
º
Passo: DMS
2
= q
(2,24)

5
19 , 0
= 2,92 x 0,194936 ⇒ DMS
2
= 0,6

DMS
3
= q
(3,24)

5
19 , 0
= 3,53 x 0,194936 ⇒ DMS
2
= 0,7

DMS
4
= q
(4,24)

5
19 , 0
= 3,90 x 0,194936 ⇒ DMS
2
= 0,8

DMS
5
= q
(5,24)

5
19 , 0
= 4,17 x 0,194936 ⇒ DMS
2
= 0,8

DMS
6
= q
(6,24)

5
19 , 0
= 4,37 x 0,194936 ⇒ DMS
2
= 0,8

2
º
Passo:
F 2,8 a
C 2,5
B 2,4
A 2,0
D 1,4
E 1,3

3
º
Passo-1: 2,8 – 1,3 = 1,5 > 0,8 ( DMS
6
)
2,8 – 1,4 = 1,4 > 0,8 ( DMS
5
)
2,8 – 2,0 = 0,8 = 0,8 ( DMS
4
)


F 2,8 a
C 2,5 a
B 2,4 a
A 2,0 a
D 1,4 b
E 1,3


63
3
º
Passo-2: 2,5 – 1,3 = 1,2 > 0,8 ( DMS
5
)
2,5 – 1,4 = 1,1 > 0,8 ( DMS
4
)

3
º
Passo-3: 2,4 – 1,3 = 1,1 > 0,8 ( DMS
4
)
2,4 – 1,4 = 1,0 > 0,7 ( DMS
3
)

3
º
Passo-4: 2,0 – 1,3 = 1,7 = 0,7 ( DMS
3
)

F 2,8 a
C 2,5 a
B 2,4 a
A 2,0 ab
D 1,4 b
E 1,3 b


O teste de Tukey é menos conservador que o teste de Newman-Keuls. Isto
significa que é mais fácil detectar diferenças significativas com o teste de N-K. Existem
outros testes para contrastes entre duas médias com diferentes níveis de rigorosidade.
A escolha de um teste de médias deve considerar a área e o tipo de dado
normalmente encontrado em experimentos nesta área. Para condições que
apresentam uma variabilidade inerente alta é recomendável a utilização de testes
menos rigorosos.

7.4 Contrastes Ortogonais
Dois contrastes Y
a
= a
1
m
1
+ a
2
m
2
+ ... + a
I
m
I
e Y
b
= b
1
m
1
+ b
2
m
2
+ ... +
b
I
m
I
são ortogonais se Σ r
i
a
i
b
i
= 0 ou Σ a
i
b
i
= 0 (caso de mesmo número de
repetições). O número máximo de contrastes ortogonais para um grupo I tratamentos
é I -1. Assim, para um experimento com 4 tratamentos, pode-se compor grupos com 3
contrastes mutuamente ortogonais. Para o exemplo 7.1 um possível grupo de
comparações de interesse prático seria:

1 - Testemunha comparada com os outros;
2 - Nitrocálcio comparado com Sulfato de Amônio;
3 - Dose 1 de Nitrocálcio comparada com Dose 2.

Os contrastes correspondentes são:

4 3 2 1 1
3m m m m Y − + + =

3 2 1 2
2m m m Y − + =

2 1 3
m m Y − =

Pode-se verificar que estes contrastes são ortogonais entre si, fazendo:
64

1 e 2 : (1x1)+(1x1)+(1x(-2))+(-3x0) = 0
1 e 3: (1x1)+(1x(-1))+(1x0)+(-3x0) = 0
2 e 3: (1x1)+(1x(-1))+(-2x0) = 0


EXEMPLO 7.3
Em um experimento foram testadas diferentes fontes de Nitrogênio na cultura
de repolho. As produções em Kg por parcela de 100 m
2
são apresentadas na Tabela
7.5 e a Análise de Variância na Tabela 7.6.



Tabela 7.5. Produções (Kg/100m
2
) de Repolho para Diferentes Fontes de
Nitrogênio.
REPETIÇÕES
Tratamentos I II III Totais Médias
Nitrocálcio (Dose 1) 70,3 64,3 79,0 213,6 71,2
Nitrocálcio (Dose 2) 81,0 75,1 71,3 227,4 75,8
Sulfato de Amônia 75,5 63,0 65,4 203,9 68,0
Uréia 85,2 80,5 83,6 249,3 83,1
Testemunha 35,7 39,6 45,5 120,8 40,3

Tabela 7.6. Análise de Variância para as Produções de Repolho (g/100m
2
).
Fontes de Variação GL SQ QM F
c

Fontes de Nitrogênio 4 3.203,02 800,76 26,24 **
Erro Experimental 10 305,15 30,52
Total 14 3.508,17
** significativo ao nível de 1% de probabilidade

Observando-se os tratamentos, podem-se formar alguns grupos e procurar
compará-los. Por exemplo:
1. comparação dos tratamentos com N com a testemunha;
2. comparação da fonte Nitrocálcio (doses 1 e 2) com as outras duas
fontes;
3. comparação entre as dus doses de Nitrocálcio;
4. comparação entre Sulfato de Amônio e Uréia.
Os contrastes e as hipóteses correspondentes são:
5
4 3 2 1
1
4
m
m m m m
Y −
+ + +
= ; H
01
:
5
4 3 2 1
4
m
m m m m
=
+ + +
; H
a1
:
5
4 3 2 1
4
m
m m m m

+ + +

2 2
4 3 2 1
2
m m m m
Y
+

+
= ;
H
02
:
2 2
4 3 2 1
m m m m +
=
+
; H
a2
:
2 2
4 3 2 1
m m m m +

+

2 1 3
m m Y − = ; H
03
:
2 1
m m = ; H
a3
:
2 1
m m ≠
65
4 3 4
m m Y − = ; H
04
:
4 3
m m = ; H
a4
:
4 3
m m ≠
Como são contrastes mutuamente ortogonais, pode-se usar o F da análise de
variância para testá-los. Esta técnica é comumente designada como decomposição da
Soma de Quadrados de Tratamentos.

7.5 Decomposição da SQ Tratamentos
O teste de F da Análise de Variância pode ser usado para grupos de contrastes
de médias desde que o conjunto de contrastes seja ortogonal e previamente
estabelecido (com base na estrutura dos tratamentos).
Os valores estimados para os contrastes anteriores referentes ao Exemplo 7.3
são:
Para Y
1
-> (71,2 + 75,8 + 68,0 + 83,1)/4 – 40,3 = 34,225
Para Y
2
-> (71,2 + 75,8)/2 – (68,0 + 83,1)/2 = - 2,05
Para Y
3
-> 71,2 - 75,8 = - 4,6
Para Y
4
-> 68,0 - 83,1 = - 15,1
A cada contraste corresponde um grau de liberdade e a Soma de Quadrados
relativa ao contraste de médias é calculada por SQY = J
c
Y
i
i ∑
2
2
)
ˆ
(
onde J é o número de
repetições e c
i
representa o coeficiente da média do tratamento i.

Para o exemplo, as somas de quadrados dos contrastes são:
SQY
1
= 3
] ) 1 ( ) 4 / 1 ( ) 4 / 1 ( ) 4 / 1 ( ) 4 / 1 [(
) 225 , 34 (
2 2 2 2 2
2
− + + + +
= 2.811,24
SQY
2
= 3
1
) 1 , 2 (
2

= 12,61
SQY
3
= 3
2
) 6 , 4 (
2

= 31,74
SQY
4
= 3
2
) 1 , 15 (
2

= 342,02
A soma das somas de quadrados dos contrastes é igual à soma de quadrados
de tratamentos desde que o conjunto de contrastes ortogonais tenha uma quantidade
igual ao número de graus de liberdade para tratamentos.
Para a aplicação do teste de F, usa-se o quadro da Análise de Variância. Por
simples inspeção do resultado do teste de F e considerando o valor estimado para os
contrastes, pode-se responder às comparações feitas.

66
Tabela 7.7. Análise de Variância para as Produções de Repolho com
Decomposição da SQ Tratamentos em Contrastes de Médias.
Fontes de Variação GL SQ QM F
c

Tratamentos (4) 3.203,02 )
Testemunha versus Outros 1 2.811,24 2.811,24 92,11**
Nitrocálcio versus Outras Fontes 1 12,61 12,61 <1
Entre doses de Nitrocálcio 1 31,74 31,74 1,04
Sulfato de Amônio versus Uréia 1 342,02 342,02 11,21**
Erro Experimental 10 30,52
** significativo ao nível de 1% de probabilidade

























67
8.

ESTUDO DAS MÉDIAS - REGRESSÃO NA ANÁLISE DE VARIÂNCIA



Quando os tratamentos são níveis de um fator quantitativo, o procedimento
apropriado para o estudo das médias dos tratamentos é o emprego da análise de
Regressão.
A regressão é uma técnica de análise que utiliza a relação entre duas ou mais
variáveis quantitativas para determinar um modelo matemático de forma que o efeito
de uma possa ser previsto através da outra variável (ou outras variáveis). Na análise
de experimentos, o modelo matemático mais empregado para tentar explicar o efeito
dos tratamentos na variável reposta é o modelo polinomial. Os polinômios são da
forma:
p
p
X X Y β β β + + + = ...
1 0

Os mais comumente utilizados são:

• Polinômio do 1º grau ou Regressão Linear: Y = β
0
+ β
1
X

• Polinômio do 2º grau ou Regressão Quadrática: Y = β
0
+ β
1
X + β
2
X
2


• Polinômio do 3º grau ou Regressão Cúbica: Y = β
0
+ β
1
X + β
2
X
2
+ β
3
X
3

Em todos estes modelos estão envolvidos apenas duas variáveis: X e Y. No
caso dos experimentos, a variável X, ou variável independente, é uma variável não
aleatória corresponde aos tratamentos e a variável Y, ou variável dependente, que é a
variável resposta ( variável aleatória ) .
O método de regressão na análise de variância consiste em determinar se um
destes polinômios explica satisfatoriamente a relação entre os tratamentos utilizados e
as observações. Para tanto, será empregado o teste F para determinar quais são os
modelos possíveis e o coeficiente de determinação (R
2
) para mostrar o grau de
explicação de cada modelo.
68
O teste F na análise de variância permite testar apenas o coeficiente associado
à variável X no seu maior expoente, testando-se assim o efeito de grau p. Para cada
polinômio, as hipóteses do teste F serão:

Y= β
0
+ β
1
X H
0
: β
1
= 0 (Efeito Linear)
H
a
: β
1
≠ 0

Y= β
o
+ β
1
X + β
2
X
2
H
0
: β
2
= 0 (Efeito Quadrático)
H
a
: β
2
≠ 0

Y= β
o
+ β
1
X + β
2
X
2
+ β
3
X
3
H
0
: β
3
= 0 (Efeito de 3º grau)
H
a
: β
3
≠ 0
...

Y= β
o
+ β
1
X + β
2
X
2
+ β
3
X
3
+ ... + β
p
X
p
H
0
: β
p
= 0 (Efeito do grau p)
H
a
: β
p
≠ 0

Os passos para a análise de regressão são:

1. Definir os efeitos de regressão a serem testados. A cada efeito de regressão
corresponde 1 grau de liberdade. Assim, é possível testar tantos efeitos de
regressão quantos são os graus de liberdade para tratamentos;
2. Determinar as Somas de Quadrados para cada um destes efeitos de regressão;
3. No quadro da Análise de Variância, testar os efeitos de regressão utilizando o
Quadrado Médio do Erro Experimental;
4. Através do teste F, definir o grau do polinômio que melhor se ajusta às médias
da característica observada;
5. Determinar o grau de ajuste, através do Coeficiente de Determinação:
100
Re
2
⋅ =
tos SQTratamen
gressão SQ
R
onde ∑ = gressão SQRe (Somas de Quadrados dos Efeitos de Regressão).
6. Obter as estimativas dos parâmetros do modelo de Regressão escolhido e
apresentar os resultados em um gráfico.

EXEMPLO 8.1 Um experimento foi realizado para testar o efeito da adubação
nitrogenada (0, 100, 200 e 300 kg/ha de Adubo Nitrogenado) na produção de milho
(kg/parcela). Os resultados obtidos estão apresentados na Tabela 8.1 e a Análise de
Variância na Tabela 8.2.

69
Tabela 8.1 Produções de Milho (kg/parcela) para doses de adubo Nitrogenado.
Tratamentos I II III IV Totais Médias
0 49 47 52 50 198 49,50
100 53 58 52 60 223 55,75
200 62 52 74 63 251 62,75
300 72 68 58 67 265 66,25

Tabela 8.2 Análise de Variância das Produções de Milho.
Fontes de Variação GL SQ QM F
c
Doses de N 3 666,69 222,23 6,58*
Erro Experimental 12 405,25 33,77
Total 15 1.071,94

Passo 1. Considere que, neste estudo, o pesquisador esteja interessado apenas
na regressão linear.

Passo 2. A fórmula para o cálculo da soma de quadrados do efeito linear é:

SQEL =
( )( )
( )
J
n
X
X
n
Y X
XY


− ∑
(
¸
(

¸
∑ ∑
− ∑
2
2
2


onde n é o número de médias. Assim para o exemplo, tem-se o quadro auxiliar:

Tratamentos (X) Médias (Y) XY X
2

0 49,50 0 0
100 55,75 5.575 10.000
200 62,75 12.550 40.000
300 66,25 19.875 90.000
600 234,25 38.000 140.000



( )( )
( )
( )
51 , 655 4
000 . 50
5 , 2862
4
4
600
000 . 140
4
25 , 234 600
800 . 3
2
2
2
= ⋅ = ⋅

(
¸
(

¸


= SQEL

Passo 3. O teste F para os efeitos de Regressão está apresentado na Tabela 8.3.




70
Tabela 8.3 Análise de Regressão para a Produção de Milho.
Fonte de Variação GL SQ QM F
c
Doses (3) (666,69)
Efeito Linear 1 655,51 655,51 19,41*
Desvios de Regressão 2 11,18 5,59 <1
Erro Experimental 12 33,37


Passo 4. Observa-se pela significância do teste F, que existe uma tendência linear
para as produções de milho em função das doses de adubo nitrogenado.

Passo 5. Coeficiente de Determinação:

% 3 , 98
69 , 666
51 , 655
. 100
2
= = R

Passo 6. Modelo de Regressão Linear : Y = β
0
+ β
1
X
As estimativas de β
0
e β
1
são dadas por:



( )( )
( )
0572 , 0
000 . 50
5 , 2862
ˆ
2
2
1
= =

− ∑
∑ ∑
− ∑
=
n
X
X
n
Y X
XY
β


9825 , 49
4
600
0572 , 0
4
25 , 234
ˆ
1 0
= − =



=
n
X
n
Y
β β


A equação de regressão linear estimada é: X Y 0572 , 0 9825 , 49
ˆ
+ = . O
quadro auxiliar seguinte apresenta os valores estimados correspondentes aos
tratamentos utilizados:


Tratamentos Médias Observadas Médias Estimadas
0 49,50 49,98
100 55,75 55,70
200 62,75 61,42
300 66,25 67,14







71

70 Y
ˆ
= 49,9825 + 0,0572 X
R
2
= 98,3 %

60


50

0 100 200 300

FIGURA 8.1 Equação de Regressão Linear para as Produções de Milho em Função
de diferentes Doses de Adubo Nitrogenado.

O ajuste do modelo linear às produções médias de milho foi muito bom
apresentado um coeficiente de determinação igual a 98,3%. A equação ajustada
mostra que a cada 1 kg/ha de adubo nitrogenado adicionado, espera-se um aumento
médio na produção de 0,0572 kg/parcela.
Observe que mesmo tendo sido utilizadas apenas 4 doses de adubo neste
experimento, o modelo ajustado permite estimar produções em todo o intervalo de 0 a
300 Kg/ha de adubo ou seja, pode-se estimar, por exemplo, a produção de milho para
uma dose de 250 Kg/ha, mesmo não tendo sido usado este tratamento.

EXEMPLO 8.2 Os dados a seguir referem-se às produções de grãos obtidas em um
experimento de adubação em milho no qual os tratamentos foram as doses de 25, 50,
75 e 100 kg/ha de P
2
O
5
além de uma testemunha que não recebeu a adubação
fosfatada.


Tabela 8.4 Produções de Milho (Kg/parcela) para Doses de P
2
O
5
.

Repetições 0 25 50 75 100
I 8,38 7,15 10,07 9,55 9,14
II 5,77 9,78 9,73 8,98 10,17
III 4,90 9,99 7,92 10,24 9,75
IV 4,54 10,70 9,48 8,66 9,50

Neste exemplo, o pesquisador está interessado em determinar o modelo de
regressão que melhor explique o efeito da adubação com P
2
O
5
na produção de milho.
A análise de variância com regressão é apresentada na Tabela 8.5.



72
Tabela 8.5 Análise de Variância e Regressão para as Produções de Milho.

Fontes de Variação GL SQ QM F R
2

Doses de P
2
O
5
(4) (40,0998) 10,0249 7,17*
Efeito Linear 1 22,1266 22,1266 15,82* 55,2%
Efeito Quadrático 1 11,2950 11,2950 8,07* 83,3%
Efeito Cúbico 1 5,8905 5,8950 4,21
Efeito de 4º Grau 1 0,7876 0,7876 0,56
Erro 15 20,9838 1,3989
TOTAL 19 61,0836

Os resultados do teste F e os valores dos coeficientes de determinação indicam
que a regressão quadrática é o modelo apropriado para explicar a relação entre as
doses de P
2
O
5
e a produção de milho, neste exemplo. As médias observadas e suas
estimativas calculadas com a equação de regressão (Figura 8.2) foram:


Doses Médias Observadas Médias Estimadas
0 5,90 6,33
25 9,40 8,42
50 9,30 9,62
75 9,40 9,91
100 9,60 9,31





10 .
.
9
. Y
ˆ
= 6,3343 + 0,1016 X – 0,0007 X
2

8 R
2
= 83,3 %

7

.
6

0 25 50 75 100

FIGURA 8.2 Equação de Regressão para o Efeito de Doses de P
2
O
5
na Produção
de Milho.




73

COMPARAÇÕES MÚLTIPLAS


CONTRASTES

Contrastes entre médias de tratamentos: Y = c
1
m
1
+ c
2
m
2
+ ... + c
I
m
I
com

=
i
i i
r c 0

Estimativa da Variância do contraste:

=
i i
i
QMErro
r
c
Y ar V
2
) (
ˆ


Mesmo número de repetições (J):

=
i
i
c
J
QMErro
Y ar V
2
) (
ˆ


Caso de 2 médias: QMErro
r r
Y ar V )
1 1
( ) (
ˆ
2 1
+ =

Caso de 2 médias e r
1
= r
2
= J: QMErro
J
Y ar V
2
) (
ˆ
=


Contrastes Ortogonais: Cov(Y
a
,Y
b
) =0

= 0
i i i
r b a
Mesmo número de repetições:

= 0
i i
b a



HIPÓTESES A SEREM TESTADAS


Um contrastes qualquer: H
0
: 0 = Y

Entre duas médiasde tratamentos: H
0
: µ
i
= µ
j


Entre todas as médias dos tratamentos, 2 a 2: H
0
: µ
i
= µ
j
para todo i ≠ j .



















74

CONTRASTES COM MAIS DE 2 MÉDIAS DE TRATAMENTOS

Qualquer tipo de contraste: SCHEFFÈ (1953)

dms = ) ( ) 1 (
2


i i
i
r
c
QMerro F I
α
Caso balanceado: dms = ) ( ) 1 (
2


i
i
c QMerro F I
α


Contrastes previamente planejados – teste de t

dms = ) (
ˆ
, 2 /
Y ar V t
GLErro α



CONTRASTES DAS MÉDIAS DOS TRATAMENTOS 2 A 2

t (LSD)

dms = ) / 1 / 1 (
, 2 / j i I N
r r QMERRO t +
− α
Caso Balanceado: dms = t
J
QMERRO 2



DUNCAN (1955)

dms = D
n

d
QMERRO
d =

i i
r
I
1
Caso Balanceado: d = J

SNK (1939/1952/...)

dms = q
n
d
QMERRO
d =

i i
r
I
1
Caso Balanceado: d = J
TUKEY (1953)

dms = q
I,GLERRO

d
QMERRO
d =

i i
r
I
1
Caso Balanceado: d = J

PODER

t DUNCAN SNK SCOTT-KNOTT TUKEY BONFERRONI SCHEFFÈ

RIGOROSIDADE

DUNNETT dms = d )
1 1
(
c i
r r
QMERRO +


Sign up to vote on this title
UsefulNot useful