Professional Documents
Culture Documents
ADICIONAIS
NAGIBYASSIN
2001
51712
NAGIB YASSN
Jy.85
O440r
a t a JS./J25 /HL
LAVRAS
MINAS GERAIS - BRASIL
2001
Ficha Catalogrfca Preparada pela Diviso de Processos Tcnicos da
Biblioteca Central da UFLA
Yassin, Nagib
Anlise deexperimentos fatoriais de dois fatores com tratamentos adicionais /
Nagib Yassin. - Lavras : UFLA, 2001.
161p.: il.
CDD-630.219
NAGIB YASSBV
LAVRAS
MINAS GERAIS - BRASIL
.Aos meus filhos Jasmyne, Said e Hayatpor tornar estajornada muito mais
alegre e estimulante.
minha esposa Lucineide pelo constante apoio e incentivo
Aos meus paisAtef e Ftima porterem sempreacreditado em mim.
v
AGRADECIMENTOS
RESUMO i
ABSTRACT ii
1 INTRODUO 1
2 REFERENCIAL TERICO 3
2.1 Experimentosfatoriais 4
2.2 Experimento fatorial com dois fatores 6
2.3 Hipteses 9
2.4 Estimao dos parmetros do modelo adotado 10
2.5 Desdobramento da interao AxB significativa. 16
2.5.1 Decomposio dos graus de liberdade da interao AxB
mais os graus de liberdade do fator A 16
2.5.2 Decomposio dos graus de liberdade da interao AxB
maisos grausde liberdadedo fator B 19
2.6 Experimentofatorial com dois fatores em blocos
completamente casualizados 25
2.6.1 Interao AxB significativa 30
2.6.1.1 Decomposio dos graus de liberdade da interao AxB
mais os graus de liberdade do fator B 31
2.6.1.2 Decomposio dos graus de liberdade da interao AxB
mais os graus de liberdade do fator A 33
2.7 Notao R( . ) 36
2.8 Experimentos fatoriais com tratamentos adicionais 44
3 METODOLOGIA 51
3.1 Caracterizao 51
3.2 Um modelo linear 52
5 CONCLUSES 134
6 REFERNCIAS BIBLIOGRFICAS 135
7 ANEXOS 138
RESUMO
YASSIN, Nagib. Analysis of factorial experiments with two leveis and additonal
treatments. Lavras: UFLA, 2001. 148p. (Dissertation - Master in Agronomy/ major
in Statistics and Agricultural Experimentation).*
Experiments using factorial arrangement of treatments are rather common and usefiil in
agricultural research. The main advantage is the possibility of testing many hypotheses,
allowing broader conclusions over different factors, studied simultaneously. Factorial
arrangements are used to compareleveisof each factor (main effects), and also to verify if
the differences among leveis of a given factor are dependent on the leveis of the other
factors (interacions). In the analysis of data from factorial experiments,difficulty is
increased when additonal treatments are included. Inclusion of one or more additonal
treatments is a quite common practice, since such treatments are usually taken as
reference or standard for evaluation and comparasion of the remaimng treatments, or
aiming complementary information. This increase of difficulty is however low, compared
to the advantages. As in literature there are few references about the statistical analysis of
factorial experiments with additonal treatments, and given straightforward use in
experimentation, the objective of this work wasthe presentation of na approach for the use
of factorial experiments with additonal treatments trough the analysis of some examples
using the SAS software, with the corresponding theoretical development, obtaining the
systemof normal equations, estimators of the parameters and variance of contrasts among
two treatment means. It is suggested that additional treatments should be used with
caution. The analysis of variance of such kind of experiment was presented using matrix
notation.
yin ym yiw
yn2 yi22 yib2
y- y\..
yilr yi2r yibr
e as respectivas mdias:
(ii)^ =^ i=l,...,a
br
(iv)x.
abr
sendo que:
yijk o valor observado do nvel i do fator a combinado com o nvel j do fator
P na repetio k;
u: uma constante associada a todas as observaes;
Oj: o efeito do i-simo nvel do fator A, definido como:
ai = Mi.u,
2.3 Hipteses
LsaO'i*-/'-i-/-r,):
Wi/k-M-ai-Pj-7if!2
10
Pj: an fi +an0j +n ^, +anpj +n^fy =y.j. j=l,,b
Parmetro Estimador
n y...
i y,.-y...
Pj y,-y...
y yy.-yl..-yJ+y...
Usando os estimadores na Tabela 2, os autores afirmaram que os valores
estimados das observaes yjjk, ou o "BLUE"(melhor estimador) de >,jk obtido
por:
yiJk=M +<Xi+Pj+fu
11
Simplificando, obtiveram
yVk=yy
bnZcb
()E[QMa]= (SQ.A W2+ ,=7
a-l a-l
1=1
(ii)E[QMB]= -G +
b-1 b-1
a b
SQ.AxB
ZZr
()e[qmAxB] = je: = cr +
\ja-l)(b-l)) (a-l)(b-l)
(iv ) EJQMresIduo] = E
(SQ.RESDUO _
= <?
abn-1
12
Aphcando o teorema de Cochran para um experimento fatorial de dois
fatores em um delineamento inteiramente casualizado, Neter, e Wasserman
(1974), verificaram que:
SO
(i) -=f, sob Ho, temdistribuio de %2 com (a - 1) graus de liberdade;
(7
SO
(ii) -^p-, sob Ho, tem distribuio %2 com (b -1) graus de liberdade;
<72
SO
(iii) \f , sob Ho , tem distribuio %2 com ( a - 1) (b - 1) graus de
a
liberdade;
SO
(iv) VresIduo ^tem dstribuio x2 com (ab -1) (n - 1) graus de liberdade;
cr
liberdade;
13
TABELA 3. Esquema da anlise de varincia para um experimento fatorial
com dois fatores (A e B), em um delineamento inteiramente, de
acordo com Snedecor e Cochran (1980).
C.V. GL SQ QM E[QM] F
/ 1 7 2 V
SQA =^Z(tt.. ~xJ2=]y ""T1' associado a (I - 1) graus de
liberdade.
2
j i J 2 y
SQB =/^(Xj. "JL)2=y -7777 associado a ( J - 1) graus de
Uberdade
14
SQaxb = SQa.b - SQa - SQB , associado a(I-l)(J-l) graus de hberdade,
sendo que
2
I J K
QMA = SQa
(1-1)
SQB
QMB =
(J-l)
QMaxB=
(!-!)(J-l)
^RESDUO
QMresduo -
(Z/-1)(AT-1)
15
QMA
(1) Ho : oti = O, para todo i: quando > F[o, i-i,(u-ixk-i)]
xZ^RESDUO
16
em que:
ou ainda,
17
TABELA 4. Esquema de anhse de varincia de um experimento fatorial com
dois fatores, no delineamento inteiramente casualizados,
considerando a decomposio da interao AxB mais o fator A.
CV GL SQ QM E[QM]
B (J-l) SQ
2 QMA{(BI)
A(B,) (1-1) SQabd QMabd
1 l i=J QMRES
2 K
K ^
yr-y 22 QMA(B2)
A(B2) (1-1) SQa(B2) QMabd
QMRES
, K ^ 2 QMAi(BJ)
A(B,) a-l)SQA(Bj) QMabd +7Zlllat(j) QMRES
1 * /=7
1 ii y
SQB(A0 =K {%. -y.jf =Y,yJ). TF'
JK
^s00^0 a O- 1) graus
i=l
18
De maneira semelhante, as demais somas de quadrados so
determinadas de acordo com as expresses apresentadas na seo 2.6.
Os quadrados mdios so obtidos da seguinte maneira:
SQB
QMB =
(J-l)
niu - SQa(bj)
^RESDUO
QMresduo -
(u-W-i)
~qm^F"j-''"j-"(K-"j
19
P(i) j o efeito do nvel j do fator B dentro do nvel i do fator A, definido
como:
Ho :=M<i)i - M(i)2 =... = \xm vs. Hi =pelo menos \\m * lW> P^a j * j'
20
TABELA 5. Esquema da anlise de varincia de um experimento fatorial com
dois fatores, no delineamento inteiramente casualizado,
considerando a decomposio da interao AxB mais o fator B.
CV GL SQ QM E[QM] F
A (1-1) SQa
K ^2 QMB(A2)
B(A2) (J-l) SQB(A2) QMb()
J lM Q^RES
21
_
QMA = SQa
(7-1)
QMka) =
SQbai)
(J-l)
^RESDUO
QMresduo
(IJ-W-1)
QMB(Ai)
>F
- r[aJ-l,(IJ-l)(K-l)]
QM^s
22
TABELA 6. Esquema da anlise de varincia para um experimento fatorial com
dois fatores (A e B), em um delineamento inteiramente
casualizado.
C.V. GL SQ QM E[QM] F
7 QM
Fator A (a-l) SQA QMA cT +bn(|)(a) ~ A
QMres
graus de hberdade
c =
(yj
abr
a 1 a
SQa = y\(yt. -y)2 - J] y\.2 - C, associado a(a - 1) graus de hberdade.
bb j
, bb
SQb =^(y.j ~y)2 = 2] y.j2 -C, associado a(b - 1) graus de hberdade.
j-l r >1
23
a b i a b
sqresduo = ZEZ(^*-x..)2-ZZZ(^-x..)2
i=l y=i k=l <=1 >1 *=1
24
Neste caso, os resultados podem ser sumariados em uma tabela com as
mdias dos fatores que so significativos.
em que:
Pk=n..k-m
25
H.. amdia populacional da varivel dependente no bloco k; e pk ~ N(0, o^p)
independentes;
Sjjk : o erro experimental associado a observaoy^-
A anlise de varincia e o teste F so obtidos de maneira semelhante ao
(i)E[QMA]=4jgrl=-2+
\a-lj M, s
a-\
-JSQB ,__2
(ii)E[QMB]= -G +
-1 b-\
a b
()e[qmAxb] = j: SQtAxB = a' +
{(a-l)fb-l)) (a-l)(b-l) '
^Qresduo
(v ) E[QMresduo] = E = (j
abn-1
26
Aplicando o teorema de Cochran em um experimento fatoral de dois
fatores Neter, e Wasserman (1974) verificaram que:
SO
(vi) =~, sob Ho, tem distribuio de %2 com (a - 1) graus de liberdade;
a
SO
(vii) =JL ssob Ho, tem distribuio %2 com(b - 1 ) graus de liberdade;
cr2
SO
(viii) * , sob Ho , tem distribuio %2 com ( a - 1) (b - 1) graus de
cr
liberdade;
SO
(ix) ^blocos ^sob Ho, tem distribuio %2 com ( n -1) graus de liberdade;
a
SO
(x) VREsmuo ^tem distribuio %2 com (ab - 1) (n - 1) graus de liberdade;
er
liberdade;
27
TABELA 7. Esquema da anlise de varincia para um experimento fatoral com
dois fatores (A e B), em um delineamento em blocos casualizado,
de acordo com Cochran e Cox (1957).
C.V. GL SQ QM E[QM]
QMA
Fator A (1-1) SQA QM, o2 + bn cp (a)
QMBES
Fator B (J-l) SQB QMB a2 + an (p (P)
QMgn
y i y 2 y
SQb =/#](J, - J )2 = V -^, associado a ( J - 1) graus de
liberdade
28
/ J
K - _ i K 2 y
SQblocos= /./ZOl* -X..)2 =TrSy *,~77F as800^0 afc - *) graus de
liberdade.
I J K
(7-1)
(7-1)
qMaxB ^5
V *" (I-1)(J-1)
29
QMres!d0= {ij-w-i)
Dessa forma, podem-se- rejeitar, ao nvel a de signifcncia, as seguintes
hipteses:
30
2.6.1.1 Decomposio dos graus de liberdade da interao AxB mais os
graus de liberdade do fator B
Ho : = jo<i)i =M<i)2 =... = M<i}j vs. Hi = pelo menos ji^ * l^' para j * j'
31
TABELA 8. Esquema da anlise de varncia de um experimento fatoral com
dois fatores, no delineamento em blocos casualizados,
considerando a decomposio da interao AxB mais o fator B.
CV GL SQ QM E[QM] F
Blocos (k - 1) SQblocos
A 0-1) SQA
sc J QMB
B(A0 (J-l) SQbad QMbad <r2+-r-rZAi)y T^T^
2 , K ^ o2 QMB(A2)
B(A2) (J -1) SQB(A2) QMB(a2) cr +ttZ>^ QMRES
2 K J QMB(AI)
B(A,) (J-l) SQbad QMba,) or2+7-rZA/)y ^'
RES
32
-BBMOTBCA npTBM. - *>*)
E os quadrados mdios so obtidos da seguinte maneira:
_ SQA
QMA =
(7-1)
se,B(At)
QMb<a) =
(/-!)
^RESDUO
QMresDUO -
(U-W-i)
Desta forma, rejeita-se ao nvel de signifcncia a a hiptese:
Ho : P()j = 0, para todo j; quando
QMB,(Al)
> F
DJ
QM,RES
Yijk = H+ CL + Pj + Pk + ejjk
em que:
33
1
ou ainda,
34
TABELA 9. Esquema de anlise de varincia de um experimento fatoral com
dois fatores, no delineamento em blocos casualizados,
considerando a decomposio da interao AxB mais o fator A.
CV GL SQ QM E[QM] F
Blocos (k - 1) SQblocos
B (J-l) SQE
2 QMAgiJ)
A(B ,) a-i) sq^bj) qm^bj) <r2+TrZai(J) QM RES
7 i * y
SQB(Aj) =K Ys(yJ). -y.jf =TY,y2UJ). > associado a(I - 1) graus
de liberdade; verificando que:
j
35
De maneira semelhante, as demais somas de quadrados so
determinadas de acordo com as expresses apresentadas na seo (2.6).
E os quadrados mdios so obtidos da seguinte maneira:
SQB
QMB =
(J-l)
SQa(Bj)
QMabj) =
(1-1)
^x^RESDUO
QMresduo -
(J7-1XAT-1)
-Q^ZFfaJ-UU-lHK-W
36
SQerro SQtotal - SQr
yij =ji + ai + Ey
37
todas as vezes a letra R mencionada para "redues" na soma de quadrados e
no para "residual", como empregada por alguns autores.
Para o modelo
yi = H + 8i
(I>)2
quadrados, R(|i), interpretada como sendo N}>2 = - . Mas Ny2 ,
N
yij=Lt + ai + Sij
SQR = R(u,a) =
(2>,)
17.yt )2
e, conseqentemente,
38
sendo SQRn, a diferena entre a reduo na soma de quadrados, devido ao ajuste
de dois modelos diferentes, um contendo u e um fator a e o outro contendo
apenas li . Uma interpretao equivalente que a diferena R(j, a) - R(li) a
reduo devido ao ajuste de "a j tendo ajustado u" ou ao ajuste de a aps u .
Em vista disso, usa-se o smbolo R(a/u) para essa diferena. Logo
R(o/u) = R(u,a)-R(u).
R(o/u,p) = R(ji,a,P)-R(mP)
yxprxyxy
39
distribuio de RQ/02 uma distribuio qui-quadrado (% )no central e
independente da SQerro (Searle, 1987).
Supondo que R(bi, D2) seja a reduo para ajustar y = Xbi + Zb2 +s, e
que R(bi) seja a reduo para ajustar y = Xbi + s, ento segundo Searle (1971)
40
Os autores consideram a anlise de varincia sendo realizada em duas
Decomposio da SQmodelo
Os autores consideram que a soma de quadrados devido ao ajuste do
modelo pode ser repartida nas somas de quadrados, considerando a contribuio
de cada parmetro do modelo, sendo apresentadas na seguinte forma:
41
SQ(li) =C=^^-, com 1gl
n
2
b y
SQ(mP)=X -^,combgl
y-i *7
SQ(n,a,P) =b'X'y
SQ(n,ct,P,y) = SQtratamentos + C
Aps a decomposio da SQmodelo, o esquema da anlise de varincia
considerado encontra-se na Tabela 11.
C.V. G.L. SQ
a b "i a b "u
42
As somas de quadrados so obtidas da seguinte maneira:
C = SQ(n) = (y..f
abn
a b n
2
SQtotal =EZjVC
<=1 y=i*=i ,JK
1 xr^\^ 2
SQTRATAMENTOS =SQ(n,a,p,y)-C=-2^2^V -C
SQresduo = ZZZ^/*ZZ>
unifatorial ou fatorial muito comum e pode ser importante para servir de termo
de referncia para a avaliao dos efeitos dos demais tratamentos e, tambm
43
para obteno de informaes complementares. Podem ainda ser includos com
o intuito de diminuir o nmero de tratamentos.
44
Esquema proposto
cv GL
Fator A 2
Fator B 2 (1)
IntAB 4
Trat. fatoriais 8
Adie. vs. fat. 1 (2)
Todos os trat. 9
Blocos 2 (3)
Resduo 18
Total 29
sendo:
45
5 x 5 x 2 = 50 tratamentos. A partir da quantidade de tratamentos a serem
instalados nota-se que a reanecessria para as repeties seria imensa, alm do
mais a mo de obra necessria paraa instalao e conduo e o tempo necessrio
paraavaliaes, tambm seriam enormes.
Como uma alternativa para diminuir o nmero de tratamentos
considerou a dose de zinco fixa, e lanou mo dos ensaios fatoriais com
tratamentos adicionas.
constitudos por:
5 variedades
5 doses de nitrognio
5 tratamentos adicionais
46
Oliveira et. ai. (1999) avaliaram a influncia da aplicao de uria e
vinhaa na degradao da lignocelulose e na liberao de nutrientes da palha de
cana-de-acar. Os tratamentos foram constitudos de duas formas de aplicao
da uria (sobre a palha da cana recm colhida e no solo profundidade de 15
cm) e duas fontes de potssio (KC1 e vinhaa) e, ainda, um tratamento
testemunha formado pela palhada recm colhida somente sem aplicao de
uria Assim, tiveram um esquema fatorial 2x2+1. Os autores compararam os
tratamentos (5), usando o teste de Tukey (5%), no levando em considerao a
estrutura fatorial e nem a testemunha. Tambm, poderiam ter sido formulado
importantes contrastes como: Cl=4ml-m2-m3-m4-m5 (testemunha vs. fatorial)
ou comparar a testemunha com as quatro combinaes fatoriais (Dunnett) e,
claro, considerar a estrutura fatorial para verificar se os fatores fontes e formas
de aplicao so dependentes.
Feippe (2000) estudou a influncia da atmosfera modificada e do
armazenamento no escurecimento interno de frutos de pessegueiro cv. Marli,
utilizando um esquema fatorial. Os tratamentos foram constitudos de um
esquema fatorial 2x2x3, correspondente a dois sistemas de atmosfera (regular e
modificada), dois perodos de armazenamento a 0C (2 e 3 semanas) e trs
perodos sob temperatura de 20C aps o armazenamento refrigerado
( 0 e 4 dias). Outros quatro tratamentos foram constitudos pelos dois sistemas
de atmosfera e armazenados por 2 e 4 dias. Alm desses, utilizou um tratamento
testemunha, que correspondeu na avaliao dos frutos logo aps ; colheita. O
experimento foi instalado em um delineamento inteiram .uazado, com
trs repeties e, o esquema da anlise de varincia e?*>pagado tbi:
47
C.V. G.L.
Tratamentos 16
Fator A 1
Fator B 1
Fator C 2
AxB 1
AxC 2
BxC 2
AxBxC 2
cccl^outros 4
Fat.vs.utCDSQcL 1
Resduo 34
111
48
Anlise de varincia para o experimento fatorial
C.V. G.L. V.
Fsforp (P) 2
~ f\j i"fR0tj\M'O
Potssio (K) 2
NxF 1
N'xIC 1
FxK' 1
Blocos 2
Resduo 15
Total 26
C.V. G.L.
Tratamentos 4
Blocos 2
Resduo 8
Total /14
49
Anlise de varincia combinada
C.V. G.L.
50
3 METODOLOGIA
3.1 Caracterizao
A 1 3 5 8 4
2 4 6 10 5
B 1 4 6 10 5
2 8 10 18 9
Adi1 7 9 16 8
Adi 2 10 12 22 11
Soma 7 . /] i ( oi a C~n-% 1
V*^84
51
3.2 Um modelo linear
no qual:
Yijk " o valor observado do nvel i do fator A combinado com o nvel j do fator
B na repetio k;
jLi: uma constante associada a todas as observaes;
ctj: o efeito do i-simo nvel do fator A;
y = X8+e (2)
no qual:
52
X: uma matriz dos coeficientes dos parmetros do modelo, ou matriz do
delineamento, de dimenses nxp;
6 : um vetor de parmetros desconhecidos, de dimenses pxl;
8 : um vetor de variveis aleatrias no observveis, de dimenses n x 1,
assume-se serem independentes e normalmente distribudas, com
e-N^Io2).
>m=3 1 1 0101000000
^112 =5 110101000000
110010100000
^122 =6 110010100000
^211 =4 101100010000
^212 =6 101100010000
+ e
^221 =8 101010001000
yau^1 o o o o o o o o o CXI
^12=9 000000000110
^21=10 000000000101
ya22=12. 000000000101
53
sendo:
sendo:
2
ct = vetor dos efeitos dos nveis do fator A, de dimenses (I) x (1);
IaIA
54
'A'
p= vetor dos efeitos dos nveis do fator B, de dimenses (J) x (1);
A.
y = vetor dos efeitos dos nveis da interao AB, de dimenses (IJ) x (1);
Tl
*2
T = vetor dos efeitos dos nveis dos tratamentos adicionais, de dimenses
(a)x(l).
55
d{ss)
= -2X'y + 2XXe = 0
dO
Utilizando-se o mtodo dos quadrados mnimos no modelo (2),
conforme Searle (1971, 1987), obteve-se o SEN (sistema de equaes normais)
seguinte:
X'X0=Xy
Sendo que 0o representa uma soluo qualquer de quadrados mnimos e X' a
matriz transposta de X.
Mediante as parties da matriz X e do vetor 0 realizadas, o SEN
resultou em:
56
X'iX3 = [ DC,...,IK ]: vetor linha associado ao nmero de repeties dos nveis
do fator B, de dimenses (1) x( J);
K K ... K
X'2X3 = : uma submatriz, de dimenses (I) x (J),
K K ... K
K K 0 o
0 ... 0 K ... K
57
0 o ... o
K 0 K ... 0
0 ... K 0 ... K
0 0 ... 0
K 0 ... 0
0 K 0 ...
X/4X4 uma submatriz diagonal, de dimenses
... 0 K 0
0 ... K
58
O ... O
X 4X0 : submatriz nula, de dimenses () x (1);
O ... o
K 0 ... 0
0 K ... 0
X^Xe submatrizdiagonal dos nmeros de repeties dos
0 ... 0 K
A.
y2..
X'2y = um vetor, de dimenses (I) x (1), referente aos totais
yi...
observados paraos nveis do fator A;
59
x# = um vetor, de dimenses (J) x (1), referente aos totais
-Vn.
yn.
X> = um vetor, de dimenses (IJ) x (1), referente aos totais
y*.
ya2.
X> = um vetor, de dimenses (a) x (1), referente aos totais
y*..
observados paraos nveis dos tratamentos adicionais;
Para o exemplo em questo, tem-se que o sistema de equaes normais
60
8 4 4 4 2 2 2 2 0 0 0 Mf y... 46
4 4 2 2 2 2 0 0 0 0 0 <*i A. 18
4 O 2 2 0 0 2 2 0 0 0 a2 y2.. 28
4 2 4 0 2 0 2 0 0 0 0 A y.i. 18
2 2 4 2 0 2 0 0 0 h y*. 28
2 0 0 0 0 0 0 0 0 7\\ yn. 8
2 2 2 2 0 0 0 0 0 7\2 yn. 10
O 0 0 0 0 2 0 0 0 0 721 y2i. 10
O 0 2 0 0 0 2 0 0 0 722 ^22. 18
0 0 0 0 0 0 0 0 0 4 2 2 Ma y.. 38
0 0 0 0 0 0 0 0 0 2 2 0 *i ya\. 16
0 0 0 0 0 0 0 0 0 2 0 2 _r2_ ya2._ 22
XiX^M^.^8
X'iX5=[0]
61
~Jr 0" '4 0"
2X2 =
0 Jr 0 4
r r 2 2
X'2X3 -
r r 2 2
r r 0 0 2 2 0 0
X\X4~
0 0 r r 0 0 2 2
X^Xs
0 o"
XVfc-
o o
Ir O 4 O
X3X3
O Ir O 4
r O r O 2 0 2 0
X3X4-
O r O r 0 2 0 2
X3X5-
62
o o
X3X6-
o o
r 0 0 0"
0 r 0 0
X 4X4 _ =diag{2 2 2 2}
0 0 r 0
0 0 0 r
X4X5-
0 O
O O
X^X-
O O
O O
x5x5= [J=4
x5X6=[r r]=[2 2]
63
3TiXin+ X\X2a + X^X3p + X^Xtf + X\X5^ + XfXr = X'iy
64
iii) entre as equaes da interao e as do fator A, existem I
dependncias,
I2=l6 + l7
l3=l8+l9
iv) entre as equaes de interao e as do fator B, existem J
dependncias,
14 = 16+18
15 = l7 + l9
Entretanto, das J dependncias, apenas J-l delas so linearmente
independentes daquelas j descritas. Assim, existem 1 + I + J relaes lineares
dependentes no esquema fatorial. Para o exemplo em questo,tem-se 1 + 2 + 2 =
5 relaes linearmente dependentes.
Considerando apenas os tratamentos adicionais verifica-se que existe
uma dependncia linear entre as equaes de j^ e as equaes dos tratamentos
adicionais, assim
65
- r~ Minfliijn-
lO_
9u = (X^X)uX'y
x4x4 *
M = =diag. {r }
* x6x6
l0_
0u= (X'X)uX,y =
ri ~x\y~
9l Ky
A
JYJ Ky
-1
(*X) Ky
A x\y
(r'J lx*y\
66
A
A
(X4X4ylX4y
Ai
l(X6X6ylX6y]
sendo:
67
A> A A, A
yy=yy+s e
yy=yPyPy+s
sendo P uma matriz simtrica e idempotente, tem-se
yy ^Py + &
ou
yy =y,X(X,X)GXy +
ou ainda
yy = Qv*Xy+6
Logo, chega-se que:
SQparmetros - 0 X'y -
x\y
x\y
= l,fa i*>/ ib /Xxw1 y-x&c&fxd
x\y
x\y
Ay.
SQpARMETRs=y-xAcixAyix-iy+y^K-^yx-ty
68
sendo: P4 =X4(X,4X4)"1^
e P6 =X6(X^6X6)-1X6
Desenvolvendo, obteve-se:
OU
SQpARMETROS -I-tf.+E1*2
x, s li. ' Z-j s ae.
sendo:
sqres.=I>,2*+2>L
Ijk ej
-Zyl
ij ntJ
-E.yi.
e re
69
sqres.=2X +ZxL Z4 Z x
ij*
ou ainda
=Zif LHyy.
k
+Z Z>2*>i
QMP
Parmetros r[X]=p e'Xy =y P4y +y P6y QMP
70
3.5.2 Modelos reduzidos
1 2
RfrO= yl.
IJK
71
aqual corresponde correo para o fatorial, como na estatstica experimental.
2
=Zi>;i.. =Zy\
_ -y
* ni.
e se ni. = n2. =...= l = JK, tem-se
R^) -ji^yl-
quando os nveis do fator A possuem o mesmo nmero de repeties.Logo a
soma de quadrados do fator A, ajustada pela mdia,e representada porR(ct/|x) :
= __V 2 1 2
~jKry' UKy
72
iii) Reduo para n e (3
De modo anlogo ao item (ii), a soma de quadrado devido ao modelo
com a mdia geral \i o efeito do fator B :
= 5V
\** 2 _____ 2
73
IJK JK JK IK IK M x.
JK JK 0 K K <*i Xi.
JK 0 JK K K 2 -
x2.
JK K K IK 0 A x.i
JK K K 0 IK_ A. X_
IJK
1 ~X..~ ~-y.~
-^
JK
4>
Xi.. x..
1
*7- Xi.
_
x2..
1 Xi. y.i.
*
_X.2._ J2._
1
7AT.
x...
Xi..
R(u,ccP)-e0,x>=[-x.. x,.. x2.. Xi. x_. x2..
Xi.
7-
74
=-y..y...+2XA.+H,y.j.y.j.
simplificando, tem-se
wrf-2>i~*!
e, pode-se verificar que R(p/ji,a) = R(P/n), neste caso, por tratar-se de
experimento balanceado,
(v) Reduo para p,a,J3 e y
A reduo R(|i,a,P,y) obtida considerando o modelo
75
R(|i, a, p, y) =0o 85T8y, sendo que 08 obtida por:
0 8= pTgXg) X^y
sendo Xg uma submatriz formada pelajustaposio das submatrizes
~x>y
X2y
R(H,o,P,y) =[, ^ ,<f>\, & yX4 (X^)'1]
Kv
\.X'A
= yX4pC4X4)-1X4y = y P4y
sendo P4 =(X^X)0 X^y desenvolvendo tem-se
76
vi) Reduo para |ia
A reduo para p*
R(Ha) =yX5(X'5X3)G X'5y =y' P5y
1
aK
y2,.
,tK
aK K*.
aK T1JK
77
OOOOOOOO
o o
o o
o o
o o
o o
o o
/> =
OOOOOOOO
1 1 o o
K K
O O
K K
\_ J_
O O
K K
1 1
O O
K KA
1
P6 =UK VlJK (J(a) YE(K) ^
Logo, a soma de quadrado para tratamentos adicionais ou a soma de quadrado
dos parmetros r ajustada para jia
_ 1 V> 2 1 2
- 2^yae.-ya..
78
3.5.3 Esperana matemtica das somas de quadrados
a) Esperana matemtica da SQ \x
Sabendo-se que R(\i) = SQu = yPiy, ento aplicando o teorema
auxiliar, tem-se
79
Hai
i
=Zj Pj =2>,
i
=5>,
j
=5>.=.
e
(4)
as quaissimplificam algumas dedues e possuem grande interesse prtico, tem-
se que a expresso anterior fica
X,)X0 = X',X1n
Logo,
= E[y P2y]-E[R(u)]
tr(P2 Ia2) =tr(P2 a2) =cr2 tr(P2) =a2 r[P2] =o^rfXz] =Ia2
e
80
0'X' P2X0 = 0'X'X2(X^Xz)" X'2X0
mas
Logo,
0 'JK
JK
X' ,X2 (X2X2)" X2X, =[JK JK]
0
1
JK.
JK
ta =[UK]
81
a,X,2X2(X,2X2)'1(X,2X2)a =aX'2X2 a=[a, a21 JK Ta,
JK a.
=JK^a,. =0
ento
Portanto,
82
E[y P3y] =tr(P3 Io2) +0'X*P3 X0
.2
E[y P3y] =Jo2 +UKu2 +IK P)
j
e, que
tr(P4 Io2) =(tr(P4 c2) =o2 tr(P4) =o2 r [P4] =o2r[X4] =Uo2
83
como X'4X5 e X'4X so matrizes nulas, vem que
substituindo, tem-se
0'XT4 X0 =fi,X,iX4PC4X4)"1X%4Xiu+a1X,2X4pr4X4)'1X14X2a+P%X,3X4 +
+2u'X' 1X4 QCaXa)-1 X,4X3p+2u^ X'^ QCJU)'1 X4X,y +2a X^X (X,4X4)'I+
84
logo
E[R(y/u,a,p)] = E (y P4 y) - E (y P2 y) - E (y P3 y) + E (y ?x y) =
simplificando, obteve-se
sendo tr[P2 Ia2] =rpPsJa2 =Ia2, pois P2 uma matriz simtrica e idempotente de
posto r[X5] = 1;
85
Logo, a esperana matemtica da correo paraos tratamento adicionais
e y' Psy de modo conveniente, obteve-se uma fonte de variao bastante comum
indicada por SQfat. vs ad. = y' Piy + y' Psy - C, que representa a soma de
86
quadrados do contraste entre os tratamentos fatoriais e os tratamentos adicionais,
o qual compara amdia dos tratamentos fatoriais com amdia dos adicionais.
Para a obteno desta reduo, e facilidade de entendimento, foram
considerados dois submodelos ou modelos reduzidos.
Considerando o modelo reduzido caracterizado por:
yijk = Mg+M + Ma + eijk
sendo:
com:
"1 1 0"
1 1 0
1 1 0
1 1 0
1 1 0
1 1 0
x,= 0* =
1 1 0
Ma
1 1 0
1 0 1
1 0 1
1 0 1
1 0 1_
87
X 8Xg0g X*8y
sendo que uma das solues
0 8= (XgXg) X^y
~yt~ "0'
=
y... y...
IJK aK
ya... ya...
A reduo, devido aos parmetros ug, u e u e representada por
R(Mg, u,Ma), dada por
_q0
R(Mg, u, Ma) = 0U 8X> = y'X8(X8X8)0 X\y = y P8y
com
D_ 1 1
Ps - E(ijK) E(aK)
IJK aK
Assim,
yt
R(M8,MeMa)=[0 y_ ya_] y...
ya..
i 2 i 2
IJK
y2. +
aK
ya.
88
X*9X909 =X9y => [UK +aK] [09] =[y... +ya]
cuja soluo
o_ o_ y.+ya.. _yt
*9 -Mg-
IJK + aK n
R(^ =e9X\y=^-yt=-y2
n n
Mas, como
89
ento, desenvolvendo e aplicando-se as restries, resulta que
X'9X0 = [nUg+UKu+aKMa]
Assim,
( nUg+UKji+aKua)'
KnJ
tem-se que
X^gX0 = X-gXUg+X^X^+rgXza+X-gXsP+X-gXy+X-gXsMa
90
K K K K aK n IJK aK
+ K K a a + 0 Ma = IJK Mg + IJK M + 0 Ma
0 0 0 0 aK aK 0 aK
ento
EfyTgy] =2a2+UK(ug+M)2+aK(u8W
R(M,Ma/Mg) = yl +yl y]
IJK aK n
91
E[R(u,Ma/Mg)] ~ 2o2+IJK(ug+M)2+aK(Mg+Ma) - Io2(nUg+IJKM+aKUa)2
n
E[R(u,Ma/Mg)] =o^+^^-u+Ua)2
n
R(M) 1 y Piy
Ro/m) a-i) y P2y-y Piy
R(u,Ua/Ug) 1 y'P5y
92
3.5.4 Distribuio e independncia das formas quadrticas
de posto r[AJ eainda, sendo A=^A, simtrica de posto r[A], ento as formas
i=l
duas, e alm disso, yAy tem distribuio %2 com r[A] graus de liberdade e
e xaxo
parmetro de no centralidade X = se, e somente se, ocorrer:
93
sendo que Q;, com i = 0,1,...,6, so os ncleos das formas quadrticas ou as
matrizes projetores ortogonais do vetor de observaes y sobre algum
subespao do espao coluna da matriz X, C(X), que fornecem as somas de
quadrados do total, fator A, fator B, interao AxB, tratamento fatorial vs.
adicionais, tratamentos adicionais e resduo, respectivamente.
Utilizando-se os teoremas (1) e (2), obtiveram-se os seguintes resultados
com respeito distribuio das formas quadrticas:
_2 2 a (-^V-^)**
y Qiy ~ cr% fi-ui], com Xx =
2<r
p\xA*xA)p
yCky ~ oVij-i^j, com X2 =
2a2
r\x;x,)y
y'Q3y ~ a2x2[(j.iXi.i)>x3], com X3 =
2(7'
,~ 22 * T (X4 X4)t
y Qsy ~ <nc [a-1^5], com X5 =
2(7
94
respectivas formas quadrtcas, contendo as variaes consideradas no modelo
(V.C.M.), os nmeros de graus de liberdade associados s somas de quadrados e
s esperanas matemticas dos quadrados mdios.
, p\x\x^p
R(P/H) r[Q2] yQ2y *+ ) r\\
yQiy
f - 0-')
y'Q6y
r
M/-lyi-rlJf];J,.^]
(n-rpq)
95
ou seja,
SQFatorA
P-1) E
SQ Resduo [/-i;-KW= (x2x2 w
(n-r[X])
yQ2y
(J-D F
y'Q6y ^[J-lw-riX];^]
(n-rpq)
OU
SQFatorB
(J-l) F
SQ Resduo [J-iw-rixy^p (x3x3)p]
(n-r[X])
yQ3y
(U-I-J + 1) ir
y'Q6y r[U-V,n-r[X]^tA6]
(n-r[X|)
ou
(Z/-/-J + 1)
Sg Re SK&0 [IM;n-r[X]*. 3Y =(X2X2)y 1
(-r[Jn)
96
yQ4y
(a-l)
yQ6y
(n-r[X])
ou
SQt
(a^ F
SQ Resduo [/-i;-rm;4= {x2x2 w
(n-r[X])
E, para o contraste fatorial vs.adicionais, tem-se que
yQsy
(D
y'Q6y F
^[/-lin-r^]^,^]
(n-r[X])
ou
SQFat.vs.Adic.
1
E
SQ Resduo [iyi-/{jfj^hm:(/i+/i. ri
(n-r[X])
3.6 Estmabilidade
97
no ser testveis. Para que uma hiptese sejatestvel necessrio que a funo
paramtrica que a descreve seja estimvel.
A estimabidade se fundamenta em funes paramtricas estimveis do
tipo V0 associadas ao modelo linear y = X0 + e, sendo que V0 estimvel se
puder ser expressa como uma funo linear das esperanas matemticas das
observaes (Rao, 1965; Iemma, 1987). So estimveis as funes de
tratamentos A/0, tais que r[X] = r[X : A](Graybill,1961; Searle,1971).
Naturalmente, os contrastes so um subconjunto de funes paramtricas
estimveis, sendo, portanto, estimveis e, por serem de grande importncia
prtica, seroconsiderados aqui.
Se XQ uma funo paramtrica estimvel, ento, pelo teorema de
Gauss-Markov, seu BLUE, termo que designa o melhor estimador linear no
viesado, X6- X6 , para qualquer 0 soluo do sistema de equaes normais
X,X0= X'y, de acordo com Iemma (1987).
O valor esperado de qualquer observao uma funo paramtrica
estimvel, conforme Searle (1987). Assim
E(y) =X0 ou E(yijke) =n+ai+Pj47ij+na+2-g Vij,e
constituem uma coleo de funes bsicas estimveis (Iemma, 1987). Como
exemplo, o BLUE de m+O+Pj-h/j, yijk, sendo sua varincia dada por
yi22-y222 = ai-a2-hr12+y22+ei22-e222
98
ifinnr"m
pode ser utilizada para medir o efeito entre os nveis 1 e 2 do fator A dentro do
nvel 2 do fator B. Assim, o contraste V0 = ai-a2+Y12-722 possui BLUE dado por
VG = yi22-y222- Sua varincia
V (V0) = 2 QMResduo.
Deste modo, vrias outras funes paramtricas podem ser formuladas,
obtidas suas varincias e BLUE'S.
99
e, constata-se que,
SQHQ 2
2 ~ X [i(m');8]
sendo,
r(m') = posto de m,
Logo,
7 MKP-PtW]
r(P ) = posto de (P )
F(Ho)= (SQo/rm,))/*2
=(y(P>)/r(P*))/<72
sendo:
*2 SQRqs. . . .A . ...
<j = = o estimador da vanancia residual:
r(I-P)
Ho: Yij = 0, vy
100
Ho: r, = 0,Ve=l,2,...,a
que correspondem s hipteses deno existncia de efeitos do fator A, fator
B, interao e tratamentos adicionais. Pode-se incluir ainda a hiptese
H0: Hf = Ma, que corresponde a testar se a mdia dos tratamentos fatoriais
igual mdia dos tratamentos adicionais. Esta hiptese mesmo sendo
amplamente testada em vrios experimentos, do ponto de vista prtico
possui pouco valor, pois uma hiptese bastante confusa de se interpretar,
envolvendo mdia de vrios tratamentos.
$
DM.S = qJ-V(Y)
em que
101
q: o valor crtico (tabelado) da amplitude padronizada, para utilizao do teste
de Tukey, obtido em funo do nvel de significncia, do nmero de graus de
liberdade do resduo e do nmero de tratamentos a serem comparados
102
por coeficientes que definem o contraste de interesse a ser avaliado, e (X'X)
uma inversa generalizada qualquer de X'X.
Assim, no caso de um contraste entre duas mdias de tratamentos,
podem ser consideradosos seguintes casos:
a,
a2
A
A
ve = 01-100-- _1 _I o o o
J J J
Yix
Y22
Ma
Tl
Lr2J
7CQ = ai-ct2
103
O seu BLUE dado de modo nico por
1 1 1 7n.
X0=XQ= 0 1-10 0 - - - 0 0 0
J J J
y2i.
yai.
yai.
= QMResduo
JK
104
o qual um resultado idntico queles encontrados na literatura para varincias
entre duas mdias de tratamentos (fator A) obtidos de experimentos em esquema
fatonal.
V0 = Pi-P2
o seu BLUE
ZO=Ktf=yA-y2
(iii) Contraste entre duas mdias do fator A, dado um mesmo nvel do fator B
Se X*Q descreve uma funo paramtrica estimvel que envolve efeitos
de dois nveis do fator A em um mesmo nvel do fator B, ento tem-se que
105
M
a i
a2
A
A
ri.
V0=[O 00001-1 0000 0^ =Yii-Yi2
r
/2.
^22
A,
o seu BLUE
^0=?ll.-^2.
V0 =Yii-y2i
106
descreve o efeito entre dois nveis dos tratamentos adicionais. Logo, o seu
BLUE
=y...-ya.
\
f 1 1
QMResduo
{IJK aK)
a + IJ
QMResduo
aUK
107
Se o tratamento adicional uma testemunha ou um tratamento de
sendo
9
K=(V0)= V( ym -ye.)= QMResduo
K.
108
4 RESULTADOS E DISCUSSO
109
utilizao da testemunha mais de uma vez (repetio dos dados) fazendo
com que a testemunha seja comparada mais de uma vez, com o absurdo da
repetio de dados do tratamento adicional mais de uma vez.
110
O delineamento experimental utilizado foi o inteiramente casualizado,
com quatro repeties com os tratamentos sendo adaptados para um fatorial
(2x3)+1. Os tratamentos foram os seguintes:
Tratamento fatorial
Tratamentos Repetio
1 2 3 4
1 '; 72 78 80 76
2 ?' 80 76 84 80
37i 78 68 70 72
4- 90 82 80 84
5 86 88 90 88
6 94 88 86 90
Tratamento adicional
Testemunha 80 76 78 78
y = X6 + 6
sendo: 28Yi o vetor das percentagens de germinao;
26X13 matriz do planejamento, constituda por submatrizes
referente aos efeitos da constante m tipos de sementes,
111
temperaturas, interao tipos x temperatura, constante j* e
tratamentos adicionais;
Com base nos dados da Tabela 16, foram obtidas as seguintes soma de
quadrados:
SQ(u,a,p,y,ua,r) =eXy
= 185322
112
TABELA 17.Primeira anlise de varincia referente ao Exemplo 1
Total 27 1195,428
a) Modelos reduzidos
113
TABELA 18. Esquema de anlise de varincia, paraos dados de percentagem de
germinao do exemplo 1.
~CV. s!
A: Tipos R( a/u) SQModelo(a3) - SQModelo(a5)
B: Temperatura R( p/p.) SQModelo(a4) - SQModelo(a5)
AB: Interao R( y/u,a,p ) SQModelo(aj) - SQModelo(a2)
Fat. Vs. Adie. R( ,Ha/Ug) SQModelo(a6) - SQModelofa)
sendo:
SQ(cc/u) = SQ(u,a)-SQ(u)
SQ(p/u) = SQ(u,P)-SQ(u)
SQ(y/u,o,P) = SQ(u,o,p,y) - SQ(u,o,p)
SQ(r/|v)= SQ(ua,r)-SQ(ua)
Sendo:
x (y f (1960)2
C =SQ(u) =^-^= i =160066,67
abr 24
114
SQTotal =ZZ^ "C=185552 -(22?2) =1195,4286
=l /=! fr=1 ZO
= 919,33
1 ^
SQA =SQ(n,a) - SQOi) =$>? -C
=(9142+10462)
12 24
= 726,00
1 2 2 2 (1960)'
= - (6422 +6722 +6462) - -
8 24
= 66,33
= 919,33-726,00-66,33
= 127
= 46,095
115
1^
SQAdicionais =(r,Ha) - SQQiO =-J^y. -C
/=i
= 312,6667
= 230
DMSb = A = 5,91
116
Verificou-se que as mdiasdos tratamentos do experimento fatorial e do
tratamento adicional foram de 81,7% e 71% respectivamente.
117
SQNP 127 GL3 2
118
TABELA 21. Produo de batata, em t/ha, em funo das doses de vinhaa,
doses de K2O, repeties e tratamentos adicionais.
Dose de Doses de Blocos
vinhaa K20
I n m Total
O modelo considerado :
y = X6 + 6 (b)
sendo o vetor de parmetros
119
9'= [n, a, P, y, p, p* r]
com p constante referenteao fatorial; a vetor dos efeitos das doses de vinhaa; p
vetor de efeitos das doses de K20; y vetor de efeito da interao doses de
vinhaa x doses de K20; p vetor de efeitos de repeties (blocos); u^ constante
referente aos tratamentos adicionais e r vetor dos efeitos dos tratamentos
adicionais.
TABELA 22. Produes totais das trs repeties de batata, em t/ha, em funo
das doses de vinhaa e das doses de K2O
Doses de vinhaa
Nveis de K20 50m3/ha 100m3/ha 150nr7ha Totais
a) Modelos reduzidos
120
Modelo i[u, o, p y) (bi)
Modelo iw (b6)
121
TABELA 24. Anlise de varincia para os dados do exemplo envolvendo o
esquema fatorial 3x4+4
Total 47 376,63
= {(195)2' +(207,9)2
12" v "
+(245,7)2
-"""
}- (648'6^
36
= 115,72
=-9,-,
{(135,3)2+(167,4)2
,..,., +(170,1)2
,-..,., +(175,8)2
x-. , , ,}- ^64^
36
122
= 110,89
1 a b
= i1 {(
,^^,n^2. .,*nn*, (648>6>:
34,8)2 +(49,2)' +...+(60,0n-
3 3o
= 287,81
= 1,68
1 a
SQadicionais= (r,Ma)-SQ(ua)=->>2i. -Ca
123
_ (648,6)2 +(235,8) 2 ^648,6 +235,8 ^
36 12 36 + 12
= 24,01
Esta fonte de variao comumente encontrada nos experimentos que
envolvem tratamentos adicionais. Sendo significativa (P<0,01), indica que a
mdia dos tratamentos fatoriais diferente da mdia dos tratamentos adicionais,
isto , compara a mdia geral das 12 combinaes fatoriais (3 doses de vinhaa
combinada com 4 doses de K20) com a mdia geral dos quatro tratamentos
adicionais. Estas comparaes sendo ortogonais s demais, servem para
completar a decomposio da soma de quadrados total, mas, para este caso, no
uma comparao de interesse prtico ou de fcil compreenso; veja que na
mdia dos tratamentos adicionais existe efeito de dois tratamentos com vinhaa
e dois com adubao qumica. Isto sugere que o uso de tratamentos adicionais
deve ser criterioso, buscando usar aquele que facilita a compreenso e sirva
realmente de referncia para os tratamentos fatoriais.
Este fato ilustra uma comparao confusa e a sua compreenso no
facilmente visualizada, visto que comparam-se duas mdias oriundas de vrios
tratamentos. No se sabe se, quando existir diferena, se ser devido s altas
doses de vinhaa ou s adubaes qumicas, pois seus valores esto misturados.
Como houve efeito significativo da interao, deve-se dar maior nfase
ao seu desdobramento. Um dos desdobramentos possveis da interao VxK20
estudar o comportamento das doses de K20 dentro de cada uma das doses de
vinhaa. Assim, as somas de quadrados de doses de K20 dentro de cada doses
de vinhaa so:
124
SQK20 d. V2 =| {(40,2)2 +(55,2)2+(51,9)2 +(60,6)2} -i-^-=74,48
(207 9r
Como houve efeito significativo (P<0,01) das doses de K20 nas doses de
vinhaa de 50 e100 m3/ha, sugerindo que existem fortes evidncias de que com
oacrscimo das doses de K20, ocorreram acrscimos significativos na produo
de batata.. Na dose de 150 m3/ha de vinhaa, no ocorreu esta tendncia de
aumento na produo. Estes resultados podem ser visualizados na Tabela 25. A
continuao desta anlise, neste caso, deve estudar ocomportamento^das
produes em funo das doses de K20 nas doses de vinhaa de 50 e100m3/ha,
atravs do uso de regresso.
125
Tabela 26. Valores mdios da produo de batata em funo das doses de K20
em cada uma das doses de vinhaa.
VinhaamVha
K20
50 100 150 Mdia
Testemunhas Fatorial
19,65 a 18,03 b
126
Tratamentos Mdias(t/ha)
T! =200m3/ha 19,3 ab
T2 =300m3/h 19,7 ab
T3 =2t 4-14-8 17,9 b
T4 =4t 4-14-8 21,7 a
127
Com a utilizo de restries paramtricas E, obtiveram-se os seguintes
resutados:
128
TABELA 27. Produo de tomates (kg/parcela) dados referentes ao Exemplo 3
Tratamentos Repeties
N P 1 2 3 4
O modelo considerado :
y = XO + e (c)
sendo o vetor de parmetros
G^I^a, P,y, Li,r]
com u constante referente ao fatorial;a vetor dos efeitos das doses de N; |3 vetor
dos efeitos das doses de P; y vetor do efeito da interao doses de N x doses de
P; Lia constante referente aos tratamentos adicionais e r vetor dos efeitos dos
tratamentos adicionais.
Com base nos dados da Tabela 27, foram obtidas as seguintes somas:
SQ(u,cx,P,p,y,Lia,r) =e0'X'y
129
= 26186,874
sendo SQTotal sem correo = y"y, com n... gl
= 26291,7 com24gl
Logo, tem-se
SQResduo =y y - eXy
= 104,826
Total 23 208,4733
a) Modelos reduzidos
130
Modelo (p, P) (c4)
Modelo (p) (c5)
Modelo (p, pa, pg) (c6)
Modelo (\ia,T) (c7)
Modelo (pa) (c8)
Modelo (pg) (c)
Com base nos modelos reduzidos, obteve-se o esquema de anlise de
varincia apresentado na Tabela 29
cv! S
A(ot/p) SQModelo(c3) - SqModelo(c5)
B(P/p) SQModelo(c4) - SqModelo(c5)
AB(y/p,ct,P) SQModelo(ci) - SqModelofe)
(u,Pa/pg) SQModelo(c6)- SqModelo(c9)
(r /pa) SQModeloc?) - SqModelo(cg)
131
SQ(pa,r)= 600,9875
Partindo destes resultados, foicalculada a contribuio de cada parmetro.
Total 44 21,904
Observa-se que houve efeito significativo (P<0,05) somente para
nitrognio (fator a), indicando que as doses de nitrognio afetaram
significativamente a produo de tomate.
132
De maneira semelhante, para a resoluo deste exemplo desenvolveu-se
um programa apropriado utilizando-se o procedimento do PROC IML do SAS,
que se encontra no Anexo 1C. Osresultados obtidos so os seguintes:
133
5 CONCLUSES
5.2 O emprego de tratamentos adicionais deve ser feito com muita cautela e
moderao. Em muitos casos, a fonte de variao fatorial vs. adicional
no possui interpretao prtica coerentecom o experimento.
5.3 As anlises estatsticas so possveis de serem realizadas somente com a
utilizao de notao matricial, as quais podem ser o programadas pelo
PROC IML do software SAS.
134
6 REFERENCIAS BIBLIOGRFICAS
^COCHRAN, W.G.; COX, G.M. Experimental designs 2. ed. New York: John
Wiley, 1957.61 lp.
135
IEMMA, A. F. Anlise de experimentos em parcelas subdivididas com
tratamentos principais dispostos em blocos incompletos balanceados.
Piracicaba: ESALQ, 1981. 145p.(Tese - Doutorado em estatstica e
Experimentao Agronmica).
RAO, G.R.Linear statistical inference and its applications. New York, John
Wiley, 1965. P.
136
ROVERI, J.S.C.B. Condicionamento osmtico de sementes de pimento:
efeito germinao, vigor e atividade enzimtica. Lavras: UFLA, 1999
107p. (Dissertao- Mestrado em Fitotecnia).
SEARLE, S.R. Linear models, New York: John Wiley, 1971. 53 lp.
SEARLE, S.R. Linear models for unbalanced data. John Wiley, 1987. 536p.
137
ANEXOS
ANEXO A Pgina
138
ANEXO IA. Programa SAS referente ao exemplo 1, elaborado por meio do
PROC IML
PROC IML;
RESETPRINT;
y={72,78,80,76,80,76,84,80,78,68,70,72,90,82,80,84,
86,88,90,88,94,88,86,90,80,76,78,78};
tfqx^aceCx^ginvCx" *x))*x');
b=ginv(x" *x)*x" *y;
139
sqb=b,*x'*y;
sqtotal^' *y;
xl=x[,l];
xadi=xl+x[,13];
m_adi=ginv(xaT xadi)#xaT *y;
sqmgeral=m_adf xaT *y;
/modelo y=m+e*/;
tfqxl=trace(xl *(ginv(xr *xl ))*xl');
mhat=ginv(xV *x1)*x r *y;
sqm=mhat,+xr+y;
/modelo y=m+n+e^/;
x2=x[,l:3];
tfqx2=trace(x2(ginv(x2,*x2))*xT );
/modelo y=m+p+e%/;
x3=x[,l]||x[,4:6];
tfqx3=t^ace(x3(gmv(x3,x3))+x3');
b3hat=ginv(x3^x3)#x3^y;
sqb3=b3haf#x3^y;
/modelo=m+n+p+e+/;
x4=x[,l]||x[,l:6];
tfqx4=trace(x4(ginv(x4,x4))+x4');
b4hat=ginv(x4, x4)+x4' y;
sqb4=b4hat'#x4' *y;
140
/SQ(n|m)=SQ(m,n)-SQ(m)#/;
sqn=sqb2-sqm;
gll=tfqx2-tfqxl;
/SQ(p|m)=SQ(m,p)-SQ(m)#/;
sqp=sqb3-sqm;
gl2=tfqx3-tfqxl;
/SQ(np|m,n,p,tla4t2ad)=SQ(m,n,p,np,tlad,t2ad)-SQ(m,n,p,tlad,t2ad)#/;
sqnp=sqb-sqb5;
gl3=tfqx-tfqx5;
/fatorial x adicional^/
sqFvsA=sqm+sqm_ADI-sqmgeral;
gl4=gl2-gll;
141
sqresiduo=sqtotal-sqb;
gl5=tfqx+tfqxl+tfqx3+tfqx4+tfqx5+tfqxADI;
sqtcorr=sqtotal-sqmgeral;
gltot=gll+gl2+gl3+gl4+gl5;
quit;
142
ANEXO2A. Programa SAS referenteao exemplo 1, utilizando de restries
L, elaborado por meio do PROC EVIL
proc IML;
RESETPRINT;
Z={1 1 0 1 0 0 0 0,
1 0 1 0 0 0 0,
1 0 1 0 0 0 o,
1 0 1 0 0 0 o,
0 0 1 0 0 0.
0 0 1 0 0 o,
0 0 1 0 0 o,
0 0 1 0 0 o,
-1 -1 0 0 1 0 0,
-1 -1 0 0 1 0 o,
-1 -1 0 0 1 0 o,
-1 -1 0 0 1 0 o,
-*j 0 0 -1 0 0 0 0,
-*l 0 0 -1 0 0 0 o,
-1 0 0 -1 0 0 0 o,
-*| 0 0 -1 0 0 0 o,
_1 0 -1 0 0 o,
-^ 0 -1 0 0 o,
_1 0 -1 0 0 o,
_*) 0 -1 0 0 o,
_1 -*t -1 0 0 -1 0 o,
-^ -1 -1 0 0 -1 0 o,
-"1 -"I -1 0 0 -1 0 o,
-1 -"I -1 0 0 -1 0 o,
0 0 0 0 0 0 0 1 1,
0 0 0 0 0 0 0 1 1,
0 0 0 0 0 0 0 1 1,
0 0 0 0 0 0 0 1 1}
y={72,78,80,76,80,76,84,80,78,68,70,72,90,82,80,84,
86,88,90,88,94,88,86,90,80,76,78,78};
tfqz=trace(z*(GINV(z *z))*z );
b=GINV(z*z)*z*y;
sqb=b'*z'*y;
143
sqtotal=y *y;
/modelo y=m+e*/;
zl=z[,l];
tfqzl=trace(zl*(GINV(zr*zl))*zr);
mhat=GINV(zr *zl)*zr *y;
sqmFnihaf *zl' *y;
/modelo y=m+n+p+e#/;
z2=z[,l:2];
tfqz2^ac<z2^(GINV(z2^z2))+zr);
ttfha^INVC^ z2)^z2'*y;
sqb2=b2haty*z2y*y;
/modelo y=m+n+np+p+e+/;
z3=z[,l]||z[,3:4];
tfqz3=trace(z3(GINV(z3, z3))#z3,>;
/modelo=m+n+p+np+e#/;
z4=z[,l:4];
tfqz4=trace(z4(GINV(z4,*z4))*z4');
b5hat=GINV(z5^z5)^z5^y;
144
sqb5=b5haf *z5' y;
sqn=sqb2-sqm;gl 1=tfqz2-tfqz 1;
sqp=sqb3-sqm;gl2=tfqz3-tfqzl;
sqnp=sqb-sqb5;gl3=tfqz-tfqz5;
zadi=zl+z[,8];
m_adi=ginv(zadT zadi)+zadf +y;
sqmge^al=m_adi, zadT +y;
/fatorial x adicional*/
sqFvsA=sqm+sqm_ADI-sqmgeral;
g14=gl2-gll;
sqresiduo=sqtotal-sqb;
gl5=tfqz+tfqzl+tfqz3+tfqz4+tfqz5+tfqzADI;
sqtcorr=sqtotal-sqmgeral;
gltot=gll+gl2+gl3+gl4+gl5;
quit;
145
Ti 3
o o
-s o o
O
o
o
o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o o o o o o o o o o o o o o o o o o o o o & ST
o o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o 11 t' o o o o o o o o o 1 1l * o o o o o o o o o N^ 1* g
o o o o o
o o H 1> H o o o o o o o o o 1 H 1* o o o o o o o o o 1 H- 1 o o o d
o o o o o
1l t-^ o o o o *- I1 o o o o o H- 1l o o o o o
o o o o o o o o o o o o o o
a
o l-> 1> o o o o o o o o o *- H- k> o o o o o o o o o 1' 1*. 1 o o o o o o o o o 2 2
1 l-J 11 1 t 1> 1* o t H- 1l o H-1 o o 1 o o t " jH
o o o o o o o o o o o o o o o o o o 5
1 H- 1> o e^ o o H o o o o H o 1 o o H^ o o 1> o o H o o 11 o t
o o o o o o o o
o 1> 1> o o I- o o t o o I- o o o o 1 o o H- o o 1 o o H- o o t o o f- o o
o o
o o o o o o o o o o o o o o o o o o o o o o o t 1l H-
o o o o o o o o o o o 2
o o o o o o o o o o o o o o o o o o o o o o o o t> 1 o o o
o o o o o o o
o o o o o o o o o o o o o o o o o o o o H 1 t o o o o o o
o o o o o o o o 3
o o o o o o o o o o o o o o o o 1l f^ 1 o o o o o o o o o
o o o o o o o o o 3
o o o o o o o o o o o o o o o o o o o o o H^ 1 1* o o o o o o o o o o o o
o 3
o o o o o o o o o o o o o o o o o 1 1 t> o o o o o o o o o o o o o o o D
o o
o o o o o o o o H- t> H- o o o o o o o o o o o o o o o o o o
o o o o o o o o 9
4^ H^ H- l o
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o o o o o o > H- 1l o o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o o o 1-^ t H o o o o o o o o o o o o o o o o o o o o o o o o o o o
1 1> o o o
3n
o o o o H- o o o o o o o o o o o o o o o o o o o o o o o o o o o
o 1 H-* o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o 5
1* o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o a
t o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
o o
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o
s
a
e
i
s
I
a
e
000000000100000000000001100 0,
000000000010000000000001100 0,
000000001000000000000001010 0,
000000000100000000000001010 0,
000000000010000000000001010 0,
0000000010000000000000010010,
0000000001000000000000010010,
0000000000100000000000010010,
000000001000000000000001000 1,
000000000100000000000001000 1,
000000000010000000000001000 1};
y={12.4,11.6, 10.8, 18.3, 14.7,16.2, 18.6, 17.7, 19.5, 17.3, 9.5, 18.4, 13.6,2.8, 3.8,
17.2,17.9, 20.1,18.6, 15.6,17.7,20.7, 20.9, 19.0,19.8,21.0,19.5, 22.2,20.8,
20.0,19.5, 20.2, 22.7, 18.5,20.9, 20.6, 20.2, 18.4,19.3,19.4, 19.7, 20.0, 19.3,
16.9,17.5,20.9, 22.0, 22.2};
/modelo y=m+e^/;
tfqxl=trace(xl(ginv(xr xl))+xF);
mhat=ginv(xr*xl)*xlm *y;
sqm=mhaf +x1'*y; /correo para experimento fatorial /
/modelo y=m+v+e^/;
x2=x[,l:4];
147
tfqx2=trace(x2(ginv(x2, *x2))*xT );
b2hat=ginv(x2,+x2)+x2^y;
sqb2=b2haf#x2,^y;
/modelo y=m+k+e+/;
x3=x[,l]||x[,5:8];
tfqx3=trace(x3(gmv(x3, x3))^x3,>;
b3hat=ginv(x3' x3)+x3' y;
sqb3=b3hat^x3,+y;
/modelo=m+v+k+e#/;
x4=x[,l]||x[,l:8];
tfqx4=trace(x4+(ginv(x4%*x4))*x4m);
b4hat=ginv(x4' x4)#x4' *y;
sqb4=b4haf#x4" y;
/SQ(v|m)=SQ(m,v)-SQ(m)^/;
sqv=sqb2-sqm; /* SQVinhaa^/
gll=tfqx2-tfqxl; /*G.L. para vinhaa#/
/SQ(k|m)=SQ(m,k)-SQ(m)#/;
sqk=sqb3-sqm; /*SQK20 /
gl2=tfqx3-tfqxl; /* G.L paraK20 /
/SQinteracao considerando trat adiconaP/;
x5=x[,l:ll]||x[,24:28];
tfqx5=t^ace(x5(ginv(x5,x5))^x5*);
/SQ(np|m,v,k,tla4t2ad)=SQ(m,v,k,vk,tlad,t2ad)-SQ(m,v,k,tladt2ad)#/;
148
sqvk=sqb-sqb5; /SQinteracao VxK+/
gl3=tfqx-tfqx5; / GL parainteraoVxK+/
/SQ BLOCOS'
x7=x[,9:llj.
tfqx7=trace(x7(ginv(x7,x7))#x7');
/fatorial x adicional^/
sqFvsA=sqm+sqm_ADI-sqmgeral;
gl6= tfqx3-tfqx2;
sqresiduo=sqtotal-sqb; /SQResduoV
149
sqtcorr=sqtotal-sqmgeral; /SQTotal corrigido^/
gltotr^qx+tfo^+tfqx3+tfqx4+tfqx5+tfqx6;
quit;
150
ANEXO 4A. Programa SAS referente ao exemplo 2, utilizando restrio S,
elaborado por meio do PROC IML
PROC IML;
RESETPRINT;
Z={1 1 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0,
1 1 0 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0,
1 1 0 1 0 0 -1 -1 1 0 0 0 0 0 0 0 0 0 0 0,
1 1 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0,
1 1 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 o,
1 1 0 0 1 0 -1 -1 0 1 0 0 0 0 0 0 0 0 0 o,
1 1 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 o,
1 1 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 o,
1 1 0 0 0 1 -1 -1 0 0 1 0 0 0 0 0 0 0 0 o,
1 1 0 -1 -1 -1 1 0 0 0 0 1 0 0 0 0 0 0 0 o,
1 1 0 -1 -1 -1 0 1 0 0 0 1 0 0 0 0 0 0 0 o,
1 1 0 -1 -1 -1 -1 -1 0 0 0 1 0 0 0 0 0 0 0 o,
1 0 1 1 0 0 1 0 -1 0 0 0 1 0 0 0 0 0 0 o,
1 0 1 1 0 0 0 1 -1 0 0 0 1 0 0 0 0 0 0 o,
1 0 1 1 0 0 -1 -1 -1 0 0 0 1 0 0 0 0 0 0 o,
1 0 1 0 1 0 1 0 0 -1 0 0 0 1 0 0 0 0 0 o,
1 0 1 0 1 0 0 1 0 -1 0 0 0 1 0 0 0 0 0 o,
1 0 1 0 1 0 -1 -1 0 -1 0 0 0 1 0 0 0 0 0 o,
1 0 1 0 0 1 1 0 0 0 -1 0 0 0 1 0 0 0 0 o,
1 0 1 0 0 1 0 1 0 0 -1 0 0 0 1 0 0 0 0 o,
1 0 1 0 0 1 -1 -1 0 0 -1 0 0 0 1 0 0 0 0 o,
1 0 1 -1 -1 -1 1 0 0 0 0 -1 0 0 0 1 0 0 0 o,
1 0 1 -1 -1 -1 0 1 0 0 0 -1 0 0 0 1 0 0 0 o,
1 0 1 -1 -1 -1 -1 -1 0 0 0 -1 0 0 0 1 0 0 0 o,
1 -1 -1 1 0 0 1 0 0 0 0 0 -1 0 0 0 0 0 0 o,
1 -1 -1 1 0 0 0 1 0 0 0 0 -1 0 0 0 0 0 0 o,
1 -1 -1 1 0 0 -1 -1 0 0 0 0 -1 0 0 0 0 0 0 o,
1 -1 -1 0 1 0 1 0 0 0 0 0 0 -1 0 0 0 -o 0 o,
1 -1 -1 0 1 0 0 1 0 0 0 0 0 -1 0 0 0 0 0 o,
1 -1 -1 0 1 0 -1 -1 0 0 0 0 0 -1 0 0 0 0 0 o,
1 -1 -1 0 0 1 1 0 0 0 0 0 0 0 -1 0 0 0 0 o,
1 -1 -1 0 0 1 0 1 0 0 0 0 0 0 -1 0 0 0 0 o,
1 -1 -1 0 0 1 -1 -1 0 0 0 0 0 0 -1 0 0 0 0 o,
-1 -1 -1 -1 1 0 0 0 0 0 0 0 0 -1 0 0 0 o,
-1 -1 -1 -1 0 1 0 0 0 0 0 0 0 -1 0 0 0 o,
-1 -1 -1 -1 -1 -1 0 0 0 0 0 0 0 -1 0 0 0 o,
151
0000001000000000110 o
0000000100000000110 o
000000-1-100000000110 o
0000001000000000101 o
0000000100 0 00000101 o
000000-1-100000000101 o
0000001000000000100 1
0000000100000000100 1
000000-1-100000000100 1
00000010000000001-1-1 -1
00000001000000001-1-1 -1
0 0 0 0 0 0-1-1 00000000 1-1-1-1}
y={12.4,11.6,10.8,18.3,14.7,16.2,18.6,17.7,19.5,17.3,19.5,18.4,13.6,12.8,13.8,
17.2,17.9,20.1,18.6,15.6,17.7,20.7,20.9,19.0,19.8,21.0,19.5,22.2,20.8,20.0,
19.5,20.2,22.7,18.5,20.9,20.6,20.2,18.4,19.3,19.4,19.7,20.0,19.3,16.9,17.5,
20.9,22.0,22.2};
tfqz=trace(z(ginv(z,z))^ );
b=GINV(z+z)#z+y;
sqb=b"#z,+y;
sqtotal^' y;
/modelo y=m+e%/;
zl=z[,l];
tfqzl=trace<zl#(GINV(zl,#zl))+zr);
mhat=GINV(zl* zl )^zr +y;
sqm=mhaf z V y;
/modelo y=m+v+e#/;
z2=z[,l:3];
tfqz2=t^ace(z2(GINV(z2,*z2))*zT);
b2hat=GINV(z2' *t2)*zT *y;
sqb2=b2hat,#z2,#y;
/modelo y=m+k+e#/;
z3=z[,l]||z[,4:6];
tfqz3=trace(z3(GINV(z3*z3))z3,);
b3hat=GINV(z3**t3)*z3% *y;
sqb3=b3hat,#z3,#y;
/modelo=m+v+k+e#/;
152
z4=z[,l:6];
tfqz4=t^ace(z4*(GINV(z4,*z4))*z4,);
b4hat=GINV(z4' *z4)*z4' *y;
sqb4=b4haf *z4' *y;
/*SQ(v|m,k,vpk=SQ(m,v,k,vpk-SQ(m,v,vk)*/;
sqvdmkvk=sqb-sqb4;
/*SQ(p|m,v,vk)=SQ(m,v4c,vk)-SQ(m,n,vk)*/;
sqkdmwk=sqb-sqb3;
/*SQ(vk|m,v,k)=SQ(m,v,k,vk)-SQ(m,v,k)*/;
sqvkdmvk=sqb-sqb2;
sqv=sqb2-sqm; gll=tfqz2-tfqzl;
sqk=sqb3-sqm; gl2=tfqz4-tfqz2;
sqvk=sqb-sqb5;gl3=tfqz-tfqz5;
zadi=zl+z[,17];
m_adi=ginv(zadT *zadi)*zadi'*y;
sqmgeral=m_adr*zadT*y;
/*SQ BLOCOS*/;
z7=z[,7:8];
tfc^^ace^^ginv^ *z7))*z7>);
b7hat=ginv(z7,*z7)*zT *y;
sqb7=b7haf*z7'*y;
153
sqbl=b7haf*z7x*y;
gl5=tfqz2-tfqzl;
/*fatorial x adicional*/
sqFvsA=sqm+sqm_ADI-sqmgeral;
gl6=tfqz6-tfqz2;
sqresiduo=sqtotal-sqb;
gl7=tfqz+tfqzl+tfqz3+tfqz4+tfqzADI;
sqtcorr=sqtotal=sqmgeral;
gtot=tfqz+tfqz2+tfqz3+tfqz4+tfqz5+tfqz6;
quit;
154
>
3gz;
o O w
x o o x
aO
w r
H
O O " t -* 1'll'!*H->I N-
, V
!>l0llH-l>-*>'O
> i - - k - * - > ' O ' ' * s
O1-^--*! 2 2
--,''O T? 3
O*-*-'*-' to
H-lH-I'O
o o > t- i - ' O >
-
O''N-l-i
>->-*t-0 8
0h-i >-*00 3
^-k_*H->l B
_* i_. h- i o o o
ooo
o O
n
5
g,
5"
w
te
cr
o
a
e
a
00000000000000001010,
00000000000000001010,
00000000000000001010,
00000000000000001010,
00000000000000001001,
000 00000000000001001,
0000000000000000100 1,
0000000000000000100 1};
y={7.2,6.8,7.5,6.4,7.4,6.5,5.6,6.8,7.3,7.2,6.8,6.4,7.6,7.0,6.5,6.8,8.2,
6.5,7.3,6.5,8.5,8.0,7.2,7.8,7.0,7.5,7.5,8.5,6.8,8.5,8.3,8.2,7.5,
6.3,6.8,7.1,7.3,6.9,7.4,8.1,6.7,5.9,6.7,8.3,7.4};
tfqx=t^ace(x(ginv(x, *x))*x');
b=ginv(x, *x)*x' *y;
sqtotal=y**y;
xl=x[,l];
xadi=xl+x[,17];
m_adi=ginv(xadf xadi)^xadT *y;
sqmgeral=m_adix xadi' *y;
/modelo y=m+e*/;
tfqxl=trace(xl*(ginv(xr*xl))*xr);
mhat=ginv(xr*xl)*xr *y;
sqm=mhaf *x 1'*y;
/modelo y=m+n+e*/;
x2=x[,l:4];
tfqx2=trace(x2*(gmv(x2x x2))#x2<);
b2hat=ginv(x2* x2)^x2x y;
sqb2=b2hat^x2,*y;
156
/modelo y=m+p+e+/;
x3=x[,l]||x[,5:7];
tfqx3=trace(x3 (ginv(x3' +x3))^x3m);
b3hat=giiiv(x3% *x3)*x3**y;
sqbS^hat^xS^y;
/*modelo=m+n+p+eV;
x4=x[,l:7];
tfqx4=trace(x4(gmv(x4,*x4))*x4*);
/*SQ(n|m)=SQ(m,n)-SQ(m)*/;
sqn=sqb2-sqm;
gll=tfqx2-tfqxl;
/SQ(p|m)=SQ(m,p)-SQ(m)*/;
sqp=sqb3=sqm;
gl2=tfqx3-tfqxl;
b5hat=ginv(x5, *x5)*x5**y;
sqb5=b5hat^x5,#y;
/SQ(np|m,n,p,tlad,t2a4t3da)=SQ(m,n,p,np,tlad,t2ad,t3da)-
SQ(m,n,p,tl ad,t2ad,t3da)*/;
sqnp=sqb-sqb5;
gl3=tfqx-tfqx5;
157
/SQ tratamento adicional CORRIGIDO^/;
xl_ADI=x[34:45,17];
y_ADI=y[34:45,];
b_ADI=ginv(xl_ADF*xl_ADI)*xl_ADr y_ADI;
sqm_ADI=b_ADF *xl_ADr *y_ADI;
tfqxADI=trace(xl_ADI#(ginv(xl_ADr+xl_ADI))+xl_ADr);
x6=x[34:45,17:20];
tfqx6=t^ace(x6(ginv(x6, *x6))*x6,>;
b6hat=ginv(x6'x6)x6, *y_ADI;
sqb6=b6haf x' *y_ADI;
sqADI=b6haf*x6y *y_ADI-sqm_ADI;
gl4=tfqx6-tfqxADI;
/fatorial x adicional*/
sqFvsA=sqm+sqm_ADI-sqmgeral;
gl5=tfqxl+tfqx2-tfqx6;
sqresiduo=sqtotal-sqb;
gl6^qx+tfo^l+tfqx3+rfqx4+tfqx5+tfqx6+tfqx>^
sqtcon=sqtotal-sqmgeral;
gltot=gll+gl2+gl3+gl4+gl5+gl6;
quit;
158
o
O
O
ooooooooooooooooooooooooooooooooooooo-<
O0O00OOOOO0000O000O000000000O0O00-t'-<'-"'-<0
0O0O0000O0OOO00O0000OO0000O00OOO0'-i'-''-i'-<-i
a
S ooooooooooooooo o o o o o o o o o
V
V
o OOOOOOOOOOOr-iit-ii-hOOOOi"'-^0000<' o o o o o
ca II li 1
o o o o 0 0 0 0 0 0 0 0 0 0 - ' i-H i i 0 i i r - i i - H O O O O O
>ti1li1ir-'r-lr-lOOOOOOOOOOil-Hr-<i100 I w 1 0 0
I I I I I I I I
o
5ig I I I I
!< r
tIt-Ht11t -H *I "H tI iI I<<
I I I I
1t!!
I I I I
2 o
BA V O
I I I I I I I I I
2 a Pi
o
<*
^ o
I I I I I I I I I
O O
o' B ii
* o2 O N
O
CQ
"3
0 0 0 0 0 0 0 0 0 1L 0 1,
0 0 0 0 0 0 0 0 0 ]l 0 1,
0 0 0 0 0 0 0 0 0 ]l 0 1,
0 0 0 0 0 0 0 0 0 ]l -1 -1,
0 0 0 0 0 0 0 0 0 ]l -1 -1,
0 0 0 0 0 0 0 0 0 ]l -1 -1,
0 0 0 0 0 0 0 0 0 1i -i-i};
y={7.2,6.8,7.5,6.4,7.4,6.5,5.6,6.8,7.3,7.2,6.8,6.4,7.6,7.0,6.5,6.8,8.2,
6.5,7.3,6.5,8.5,8.0,7.2,7.8,7.0,7.5,7.5,8.5,6.8,8.5,8.3,8.2,7.5,
6.3,6.8,7.1,7.3,6.9,7.4,8.1,6.7,5.9,6.7,8.3,7.4};
tfqz=trace(z(ginv(z, *z))*z>);
b=GINV(z*z)*z*y;
sqb=bx*z,*y;
sqtotal=y *y;
/modelo y=m+e*/;
zl=z[,l];
tfqzl=trace(zl*(GINV(zr*zl))*zr);
mhat=GINV(zr *zl)*zr *y;
sqm=mhaf*zl' *y;
/modelo y=m+n+p+e*/;
z2=z[,l:3];
/modelo y=m+n+np+p+e+/;
z3=z[,l]||z[,4:5];
tfqz3=t^ace(z3(GINV(z3lz3))z3,);
oSba^GINV^ z3)#z3,#y;
sqbS^hat^zS^y;
/modelo=m+n+p+np+e+/;
z4=z[,l:5];
tfqz4^trace(z4(GINV(z4,z4))z4,);
b4hat=GINV(z4% z4)+z4% y;
sqb4=b4haf #z4" y;
/SQinteracao considerandotratadiconalV;
z5=z[,l:5]||z[,10:12];
160
tfqz5=t^ace(z5(GINV(z5,z5))z5,);
bSha^GINVCzS' ^5)^5' y;
sqb5=b5hat,#z5^y;
/SQ(n|m,p,np)=SQ(m,n,p,np>SQ(m,p,np)+/;
sqndmpnp=sqb-sqb4;
/SQ(p|m,n,np)=SQ(m,n,p,np)-SQ(m,n,np)+/;
sqpdmnnp=sqb-sqb3;
/SQ(np|m,n,p)=SQ(m,n,p,np)-SQ(m,n,p)+/;
sqnpdmnp=sqb-sqb2;
sqn=sqb2-sqm;gll=tfqz2-tfqzl;
sqp=sqb3-sqm;gl2=tfqz3-tfqzl;
sqnp=sqbiisqb5;gl3=tfqz^tfqz5;
zadi=zl+z[,10];
m_adi=ginv(zadT zadi)+zadf *y;
sqmgeral=m_aaT zadT *y;
/fatorial x adicional^/
sqFvsA=sqm+sqm_ADI-sqmgeral;
gl5=tfqzl+tfqz2=tfqz6;
sqresiduo=sqtotal-sqb;
gl6=tfqz+tfqzl+tfqz3+tfqz4+tfqz5+tfqz6+tfqzADI;
sqtcorr=sqtotal-sqmgeral;
gltot=gll+gl2+gl3+gl4+gl5+gl6;
quit;
161