eee een eee ee a ae TULL ea Por EW) Ee ed Sa nep{} Haucve Go. ] | Of . UOMO EXPERIMENTACAO AGRICOLA DAVID ARIOVALDO BANZATTO Engenheiro Agrénomo ‘SERGIO DO NASCIMENTO KRONKA Engenheiro Agrénomo 4Edigio 2 Impressio Jaboticabal - SP Funep 2008Copyright ©: Fundagdo de Apoio & Pesquisa, Ensino ¢ Extehsio - Funep 1 impressto (2006): 1.000 exemplares 2¥impressio (2008): 1.000 exemplares Banzatto, David Ariovaldo ‘ 2192 Experimentagao agricola / David Ariovaldo Banzatto, Sérgio do Nascimento Kronka.4.e. -Jaboticabal: Funep, 2006, 237 psi ;29em ISBN: 85-87632-71-X 1, Estatistica experimental I. Kronka, Sérgio do Nascimento. Il, Tino. cpu 314.72 Fichacatalografcaclaborada pela Sao Técicade Aquisiqdoe Trtamentods Informasso = Servigo Técnico de Biblioteca e Documenta - Unesp, Cimpus de abotcabl co me 2 a Proibida a reprodugio total ov parcial Z A (Os infratores sero punidos na forma de lei é ' roach hm Pon bso FoF 24 ast Ace Fs Dom Cale, = {E00 SS (46) 32001500 Fn (133088503 arate Gane tp hp ecg PREFACIO DA 4" EDICAO Esgotada a edigdc anterior, solictar0es enviadas & Funep € aos autores, por doceates, pesquisadores e alunos que utlizam a Estatistic aplicada as Ciéncias Agrvias, motivaram esta ‘quarta edigio, [Nesta nova edigo, diversas alteragbes foram realizadas:o formato do livro foi modificado; «em alguns capitulos, exemplos foram substtuidos;em outros, novas abordagens foram introduzidas as Tabelas foram melhordas; e um novo capitulo (Andlise de Covarincia) foi includ. Esperamos, desse forma, que algumas falhas tenham sido corigidas e que esta quara edigl0 tenha a mesma accitagtodas edigdes anteriores. Jaboticabal, margo de 2006. Os autores ee eee eT Eww Ew wT WwW OITA IIImannanmnannaest meee eee nena nanan iNDICE 1. INTRODUGAO. 1.1. Por que usar esatisica?. 12 Mes de psi — 1.3, Medidas de disperao. 13.1. Varina. 132. Desvio padiio... 1.33. Coeficiente de varisgso 1.4 Unidad experimestl ou parcel. 15, Principios bcos da experimentagio 1.5.1 inipio darepetigo.. 1.5.2. Principio da casualizago 1.53. Prinepio de eontole foal 13. eles eae cs pinin is dcaprinet cos eames experiments... 1.6. Métodos para aumentra preciso dos experiments. : n 1.61, Escala do material experimental 1.6.2. Escotha da sidade experimental 1.63, Escola dstratamentos 1164, Aumento do nimero de repeigdes 165 arpa desde epee 1.66, Téonias mais efinadas 1.7. Planejament de eperimentos 2. TESTES DE SIGNIFICANCLA. Seely 2.1, Intodugso ot 2.2. Teste F para a anise de varidncia 18 23 Te de companies de mis —— = 2 23.1. Introdugao. Z a : 2 23.2. Teste t de Sudent.. : 23 2333. Teste de Tuey.. 26 2344. Teste de Duncan -29 253.3. Teste de Sulent-Newman-Keuls (S1N-K). 31 23.6. Teste de Dumett se 7 on 33 23.7. Teste de Seteflé... 34 233.8, Uso dos tess de comparaglo de médias no edlculo de intervals de confanga ~ 36 2.3.9. Obtengao de valores no encontrados diretamente nas tabelas, sa ae 3, DELINEAMENTO INTEIRAMENTE CASUALIZADO esses 4 3.1 Introduga ice eoeeen sere : 413.2. Modelo matematico do delineamento ¢ hipéteses bisicas para a validade da anise de variinci 3.3. Obtengdo da andlise de varincia.. 7 3.4. Exemplo de obteno da andlise do experiment interpreta dos rests no caso de twatamentosigualmenterepetdos, sem transformagfo de dados 3.5. Example de oe dnd do experiment ntretpds resis no cso de tratamentos igualmenterepetidos, com transformas0 de dados $3.6. Bxemplo de obtengdo da aan do experiment e interpreta dos reads no caso de twatamentos com nimeros diferentes de repetiges. 3.7. Desdobramento de graus de lberdade para tratamentos qualitative 3.7.1. Introdugo 3.7.2, Obtengio da anilise de vardncia com desdobramento de gras deli ‘watamentos igualmente repetidos .... 53.73. Obtensdo da andlsedevarinia com desdobramento de gris de iberdade de ‘watamentos com nimeros diferentes de repetigbes.. se TO 37 a a 4, DELINEAMENTO EM BLOCOS CASUALIZADOS... Audio G0 es 42. Exemplo de planejamento de experimento 43, Modelo temo do delineates cs pa ‘validade da andise de 44, Obtengio da andlise de varie. 45, Eamplo de oben dealt do expres ¢ inert ds resultados, 46.0 caso de ums parcela perdida 4.7. Blocos com tratamentosrepetidos 5, EXPERIMENTOS FATORIAIS. 5.1 Introdgdo 2 Andlisee interpretagio de um experiment ftoril com dois fatores 5.2.1. Com interagdo no significativa 5.2.2. Com interagdo significatva..... ae 106 5.3. Andlisee interpretagdo de um experiment fatorial com ts stores nz 1. Com interagéo tripla no significative ee nz 2. Com interagdo trip sigmificativa nnn 120 5.4.4 eniea do confundimento fener 126 55. Estudo do fatorial 3* com uma iniea repetigao. ene 130 6, EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS “ 135 6.1 ntrodugo Bs 62, Obtengao da anise de variancia de un experimento em parcelassubdiviidas 137 6.2.1. Com interagdo TratamentosPrncipais x Trstamentos Secundros io significativa..137 622. Com meaoTrtameno Pip xTitamentas Sends sginiva 2 63. Experimentos em parcelassubsubdivididas 153 64. Experimentos em faixas.. 161 7. ANALISE DE REGRESSAO POR POLINOMIOS ORTOGONAIS T. tntr0d 80 ee 72. Otengo da ance de vaiincia,estudando-seareressio pelos plindmios ortogonais 169 73, Estudo de regressio para niveis de fatores quantitativos... 7:1. Estudo de regressto para niveis de fatores quantitativos, com interapa0 280 significativa... 73.2. studo deregressio para niveis de fatores quatiaivos, com interaao significative. 181 8, ANALISE DE GRUPOS DE EXPERIMENTOS. B.D Ind U G80 nn 8.2. Obtengio da anise conjuntautlizando 0s dados originais.... 83. Obtencio da andlise conjuntautlizando os totais de tratamentos.. 8.4, Obtenpdo da andlise conjuntauilizando as médias dos tratamentos. 9. ANALISE DE COVARIANCIA svrenserncnsn — a 9.2. Obtengio da andlise de covariancia para um experimento em blocos camlizados ‘93. Obtensio da anise de covarincia para um experimento fatorial com dos ftores 10, LITERATURA CITADA .rsnnnnns a 219 LL TABLAS... — se 22 ower ew Tee www rw ww www ere rewweeeeshm a ie 1. INTRODUCAO 14. Porque usar etatistea? ‘Acxperimentago agricola tem por objetivo oestudo dos experimentos agricola, is é seu laneamento, sua exeusio, andlise ds dadose interpretado dos reulaosobidos. Existem alguns conceits biscos relacionados a essasetaas da expeimentgao agricola, aque passaremos a enucia: 1) Experimentoou ensai: é um taba previamenteplanejado, que segue deteminados princpios Bisios e ne qual e faz a compara dos efeitos dos tratametos, 'b) Tratamente:é um temo gendrico que utlizamos para dsignr 0 métod, elemento ou rater euj efeito desejamos medi ov comparar em um experiment. Um trtamento pode $e, por exemplo: varedade de cana-e-agcar,hibrido de srgo, cultivar de soa, aubasdo par 2 cultura do milko, dasidde de panto paaa cultura dogo, insta para o controle da broeada cana-de-apcar, recipient para produro de mudas de espéies lores. «) Unidade experimental ou pareela: a unidade que va eceberotratamento e forncer dads que deverio refer seu efeto. Uma parela pode ser, por exemple: una plana ou um grupo dela, uma ie de errno com plantas, umn vaso com plantas, ua plac e Pui com um meio de ‘alta, uma amosta de solo, um lote de semeates ec <) Delineamento experimental: €o plano ulizado a expeimentago e implica na forma com os tratamentos sero designados is unidades experiments, além de um apo entendimento das andlses a seem fetas quando todos os dados estiverem disponiveis. Como exemplos de . a2 Gr pe . af - SL - oe = 3 eho om vat e078 SSP sss 29705) say 1 B 13.2. Desvio padrio £ a iz qudrada da vinci, toads como valor posivo. Eexpreso na mesma unde dos datos. Ee mais tiizada das medidas de disperse & representado por pare popula, com cstiatva par amos. Logo: ‘Na nossa amosra,odesvio pari ds dados so {s? = [Taaas =120em 133. Coeficiente de variagio 0 coefciente de variagdo (C.V) relaciona o desvio padrio em termos de porcentagem da rmédia aritmética, Para: 1008 Populagao ~ CV. == Amosia - CV. rrropucdo. 2 Os pesquisadores ulizam o coeficente de variaglo para comparar a varabiidade de seus resultados com a obida por pesquisadores que trabalham com material semelhante. Ele é sempre expresso em porcentagem, ed uma idéia da presto do experimento (quanto menor ocoeficienté de varago, maior a preciso), Para nossa amosta: s 20 v.= 1005 = 100 28 2 38.1% 10 =e 134. Erro padrio da média -E representado por s(ri), ¢ dé uma idéia da precisto com que foi estimada a média da amostra. # eaeuado por 4)" Fovem ne: in de or cam ae ela mi da amos. ‘Quanto menor foro ero pdr da médi, melhor seri estimatva da méia da amos, Par nos aoa: ‘Sempre que citamos uma média, ¢ interessante indicar também o erro padrio da média. Noexemplo, ca: th + si) = 31,5:$2.2em. 14, Unidade experimental ou parcela 4 vimos, na sepio anterior, que, paa testarhipéteses, necessitamos de um conjunto de observagées ou dads. Em qualquer pescuisa, &necessirio que o experimentador discuta com o estatstico para definit adequadamente« que constui a unidade experimental. De ura modo geal, escolha da parcela deve ser orientada de forma a minimizar o erro experimental, isto é, as prcelas dever sero mais uniformes possivel, para que ao serem submetidas a tatamentos diferentes, seus efeitos sejam detecados. ‘Na experimentacio de campo, otamanko ea forma das parcelas so bastante varives, em fanglo de: ‘2) Material com que se estétrabalhando: devemos aumentar ou diminur o tamanho das parcelas em fungao da cultura que est sendo estudada. Por exemplo: parelas pra a cultura da cana-de-apiear devem ser maiores que aquelas para a cultura da soja ou trigo. ') Objetivo da pesquisa: 0 objetivo do trabalho experimental também influencia o tamanho da parcel. Por exemple se desejanos esmdaro efeito da profundidade de semeadura do sorg0 ranifero sobre o desenvolvimento inicial das plantas, nao necessitamos trabalhar com parcels to ‘grandes como as que seiam necessirias para um estudo de produgdo da cultura. Outro exernpl cexperimentos de comparasao de niveis de inigagao por aspersio necesstam de parcelas maiores do ue 05 de competcao de varedades. ‘) Nimero de tratamentos em estuda: quando onimero de watamentosé muito grande, como ‘corre com os experimentos de melhoramento genético vegetal, o tamanho das parcelas deve ser ‘eduzido para diminuir a distincs enve as parcelasextremas, visando homogeneidade ent eas. see ew eee ewe www www WKBo eareeneenragio sito ________ 4) Quantidade dsponiveldesementes:é ovo for qu pode limita oman das parcels, rincipalmente nos estos deintrodugso de novos matriais gentins 6) Uso de miquinasaprcolas: nos experiments em que énecessraa uslizagio de miquinas agricoas (como tratoescolctadiras,otraaho das parcelas deve se, brigatoviament, grande, para permitirascondigGes ideas de wabalo desses miquinas : {) Area total dsponivel para a pesquis:feglerement,oexpeimentador tem queajustar sew experimento ao tamanho da eadispoivel, queemgeralépequena, que resulta na wiliza0 de parcels menores qu odesjvel PA Cut tempo e mio obra so fires qu amber nla o mano ds parcels ‘Algumas vezes,o itor imitate & o custo de pacelas muito grandes; outrasvezes,é falta de tempo do pesqusedor para poder ober as observes °m parcelas muito grandes; ¢ outa ainda, a falta de mio-d-obra para a operapies durante condo do experiments : ‘No que se refer forma das parcelas, experinentos realizados em diverss pases, com diferentes cultuas, tim mostrado que, para se obte: maior preciso, as pacelas devem ser relativamente compridase esteitas, pos com essa firma € possivel que um maior mero de parcels esta localizad em qualquer maacba de alta 0 baixa fertlidade do solo, maior ou menor {nfestago por plantas daninbas, maior ou menor taqu de pragas qu poss ocorr, Uma pacela Gquadrada, no entanto, pode chegar a coincidir com a mancha toda, apresentando, por este motivo, rodugdesexageadamente alas ou baxas. Para parcels de tmanbo pequena otto da fora €quasenlo,Porém em parcels mores cle pode ser considerével : (© tamanhoe a forma dtimos para «parcel serio aquees que resultem na menor vaio crnzeparcelasdenvo do boo. [Em algun expeimentos, devemos separ as bordaduras, para evitar a influéncia sobre a parcla dos tatamenoseplicados nas prcelasviinhas. Neste caso teemos a fea total ea rea Silda parcel, eos dads a serem uilizados na anise estatstica sero apenas aquelescoetados a ea itl da pace. Em determinados experimentos,deseja-se acompantaro erescimento das plantas por intermédio de uma anise de crescimento feta por meio de dados fisiolégicos obtidos em amostragens semanais ou quinzenais de plantas. Nests experimentos, devem ser separad mas parcelasalgumas linhas de cultura onde sero fitas ss amostagens, deiando-se outras para a produto, conforme mostra Figura 14.1. BORDADURA } amosteacem BORDADURA J} propucAo BORDADURA } amosTRAceM BORDADURA FIGURA 1.4.1 Esquema da preel co inas de emostagem, scant DP SRR reapucdo 2 [Nos experimentos em casa de vegetacio, para. constinigdo de cata parcela podem liar um conjunto de vasos, ov entdo, um fnico vaso com duas ou tés plantas, As vezes, uma nica planta constitu a unidade experimental Em experimentos de laboratrio, uma amosta simples do material poderé constr parcela: porém, 4s vezes, énecessiro utilizar amostra composta, Na mostra obiia de cada parcels devem see feitas diversas determinapes, das quais€ obida uma média para representa valor observado nessa parela. Nao devemos confundir a diferentes determinagdes da mesma amostra de material ‘com as repeticdes do expeimento 1.5. Prineipios bisicas da experimentasio A pesquisa cientifica esti constantement uilizando-se de experiments para provar suas hipSteses. E claro que os experimentos varia de uma pesquisa para oxtra;porém, todos els sia ‘egidos por alguns princpias bisicos, necessérios para qu a conclusbesobtidas se tornem vida, 1.5.1 Principio da repetigo ‘Ao compararmos, por exemplo, dois herbicidas (A ¢ B), apicados em duas parcelas perfetamente homogéness, apenas ofato do herbicida A ter apesentado maior controle que © B no € sufciente para que possamnos concluir que o mesmo é mais efciente, pois esse seu melhor controle poder ter ocorrido por simples acao, outer sido inluenciado pr ftoreestranhos. Porém, s¢08 dois herbicidas forem aplicads a vérias parcels, aind assim, verificarmos que oberbicida A apresent, em média, maior control, exist f um indicio de que ele veja was elicit. O principio darepetqao consste na reprodusio do experimento basicoe tem porfinalidade propiciar a obtensio de uma estimativa do erro experimental, Equemuticamente: Ls Repetigio B B B B Experimento bisico Repetivbes, ‘Mesmo reproduzindo oexperimento bisvo, poderd comer que ohericidaAapresete maior controle por tr sido favorecido por qualquer fator, como, po exemplo ter todas as suas parcelas ‘upadas num faixa de meno infestago. Para evita que um dos herbicidas sea sistematicamente favorecido por qualquer fata extern, procedemos & casualizapio dos herbicidas nas parcelas, isto é, eles sio designados &s unidades ‘experimenais de forma totalmente casual. ( principio dacasualizaio consiste em atibuira todos os tatamentcs mesma probabiidade e serem designados « qualquer das unidades experiments, e tem por Finalidade proporcionar ‘uma estimativa vilida para o ero experimental, Esquematicament: Principiosdarepetsio+ | Bo | a | B | p | A | B f fr A B casualiasto Blata/]splala Experimente bésico Repetigdes+ casualzasto» EXPERIMENTACAO AGRICOLA ‘Se, ainda, oherbicida A apresentar maior controle, é de se esperar que essa conclusto seja realmente vilida 1.53. Principio do controle local Ese principio ¢ feqGentement ulizado, mas no é de uso obrigatrio, uma vez que podemos realizar experimentos sem utiliz-lo. Ele consiste em aplicar os herbicidas A eB sempre em pares de pacelas mais homogéneas passivel com relago ao ambiente, podendo have, inclusive, variaio acentuada de um par pare outro, A cada par de parcels homogéneas denominamos bloco. 5 ‘watamentos dever ser sorteados dento de cada bloco. Esquematicamente loco Bloco? Bloco3. Bioco4 BlocoS Bloco 6 ‘A | Princpiosdarepetso+ [a [ eB | B | a | a | B csalinderemieewal| B | A | A | B | B | A Experimento bisico Repeticies+casualizagio + controle local ‘Quando tivermos divers tratamentos para comprar, cada bloc seré constituido por um grupo de parcelas homogéneas, co nimero deve ser igual a0 némero de ratamentos. ‘0 principio do controle local consist em dvidirum ambiente heterogéneo em subambientes hhomogéneose tem por fnalidadetoraro delineamento experimental mas efciente, pela redugao do erro experimental 5A, Relasies entre os principios bisicos da experimentagio ¢ os delineamentos experimentais Fisher desenvolveuatéenica denominada anilise de varidncia, que eve grande repercussio 1a pesquisa centifca. Esta téenicaconsiste ma decomposirio do nimero de graus de lberdade e da ‘varineia total de um material heterogéneo em parts atribuidas a causasconhecidas independentes (fatores contolados) e a uma porgdo residual de origem desconhecida ¢ de nanueza aleatria (ators ndo controlados) Em outras palavas, a técnica da andlise de vaiinciaé a que nos permite fazer parties do rimero de graus de liberdade (denotados por GL.) e das somas de quadrados (8.0), com cada ‘uma das partes nos proporcionando uma estimativa de variéncia (denominada quadrado médio QM). ‘Para podermosuilizara metodologia estatstice nos resultados de um experiment, énecessirio ‘que o mesmo tenha considerado pelo menos 0s princpios da repetigioe da casualizagao, a fim de {que possamos ober uma estimativa viida para o erro experimental, que nos permite aaplicayio dos testes de significinia "Ao fazer um experimento considerando apenas esses dois principos, sem utilizar o principio do controle local, temos 0 delineamento inteiramente casualizade ou inteiramente a0 acaso. [Neste delineamento (que s deve ser uilizado quando tivermos absoluta certeza de homogencidade «as condighes experimentas), as pacelas que receberto cada um dos tatamentos so distibuidas de forma inteiramente casual, por meio de sorteo, pera que cada unidade experimental tenha a mesma probabilidade de receber qualquer um dos tratamentos estudados, em nenhuma restriglo no eitério de casualizagio. se Et ODOR See [Neste delineamento temos apenas duas causas ou fontes de variagio: Tratamentos (causa ‘conhecida ou fatorcontrolado) ¢ Residuo ou Erro (causa desconhecida, de naturezaaeatria, que reflete o feito dos fteres no controlados). Consderando um experiment nteirament casulizado de competgao de inseticidas para controle da mosca-branca-do-fejoiro, com 5 tratamentas € 5 repetigdes, o esquema de anise de variincia seri: CAUSADA VARIAGAO GL. ‘Tratamentos 4 Residuo 20 Total m4 Se as condigdes experimentas orem sabidamente heterogéneas, ou se howe divida quanto 8 sua homogencidade, devemos utilizar 0 principio do controle local, esabelecendo, en, 05 blocos (grupos de parclas homogEneas). Cada um deles deve contr todos os wataments. © delineamento experimental assim obtido € denominado delineamento em blocos ‘casualizados ou em blacos a0 acaso. Vernos que, nesse caso, devemos islar mais uma causa de ‘variagZo conhecida (fit controlado), que s80 05 blocos. Una vez que cada bloco deve conter todos os tatamentos, hi uma restrigdo na casualizagso, que deve ser feita designando os tratamentos as parcelas dentro de cada bloco. Considerando um experimento em blocos casualizados de competigdo de 5 eulivares de cana-de-agicar com 5 repetigdes, 0 esquema de anilise de varifncia ser: CAUSA DA VARIACAQ, Gt. ‘Tratamentos 4 Blocos 4 Residuo 16 Total 4 ‘Auilizagao do rinspio do eoutrule local sempre nos conduz @ uma redusio no nimero de araus de liberdade do sido, Seas condigdes experimentasforem duplamente heterogéneas, obrigando-nos a controlar os ois tpos de heterogereidade, devemos nos utilizar de um delineamento que exagere no principio do controte local, e que & denominado delineamento em quadrade latino, Neste delineamento, que ndo é muito ulilizado, 0 nimero de repetgdes deve ser igual ao nimero de tatamentos, e, portant, onimero de parcelas deve ser un quacado pefeito, Nesse cas, temos parcelas totalmente diferentes que, no entanto, podem ser gropadas de ‘cord com dua classficagdes: em uma primeira etapa, organizamos blocas de acordo com uma as clasificagdes (que denominamos linkas); a seguir, organizamos blocs de aeordo com 0 outro ‘ritrio de clasiicagc (que denominamos eolunas).Paraadesigna;do dos tratamentosis parcelas, F tabela,o teste € significativo no nivel testado (). Entfo, devemos rejetar a hipbtese da miidade (H), € concur que 0 efeitos dos tratamento dferem nesse nivel de probabilidade © esssdiferengas no devem ser atrbuidas ao acaso, mas sim aos efeitos maioces de alguns dos tratamentos. Grau de confianga > | - . b)Se Fcalculado 95%. Figg 2Fuy, n= 0 tse #significativo no nivel de 1% de probabilidade. ~ rejeitamos H, com um grau de confianga 2 99%. Para indicar a signiicéneia do teste F colocamos em F calculado uma das notag@es: NS - se teste ndo iar signifcativo a 5% de probabilidade (P>0,05). Porex: F = ‘se teste for sgnificativo a 5% de probabiidade —(P<0,05). Por ex: F= 41 ** seo teste fr sinifcativo 2 1% de probabilidade (P<0,01).Porex: F=7.21"* Exemplo de Aplicasio do Teste F Num experimento de competigao de cultivares de cana-de-agucar, foram utiizados 5 ‘atamentos ¢ 4 repeti—des. no delineamento em blocos casualizados. Os blocos controlavam Aiterengas de frida do solo ene teragos, Os culivares de cara-de-apicar(Tratamentos) estas foram: Goss — 2CBAOID 5) CB4NE9 — 4) CB AITO —S)CBAIIT. “Mee vuevvvuvuewwvvwwwwwwd www dvds Iss deEa _EXPERIMENTACHO AGRICOLA Pera a produgSo de cana-de-apicar (variével analisada) em Uba, foram obtida as seguites somas de quadrados, para a andlise de variéncia: SQ. Tratamentos = 3.97888 S.Q.Blocos = 1.266,05 SQ.Toal = 8.67829 ‘Oportunamente, veremos como essas somas de quadrados sio obtidas a partir dos dados originais das parcelas. As hipbteses que desejamos tesa sio: 4) Para Tratamentos: 1H Os cultivaes de cana-de-aiear comparados ni diferem quanto produglo de cane-de- agicar (ou? =0) HY: Os cultivares de cana-d-agcar comparados apresentam dferenga quanto & produ de canade-agicar (ou 6} + 0) by Para Blocos TH: As diferengas de fertilidade do solo entre os terraos (blocos) apresentam efeitos semelhantes sobre a produclo de cana-de-apcar (063 = 0) HAs difeengas de frilidade do solo entre os terapos (bocos) apresentam efeitos diferentes sobre a produsio de cana-de-agicar (0163 ~ 0). Para testa esta hipsteses, devemos realizar a anise de varincia que se encontra no Quadro 22 (QUADRO 22.1 ~ Anilise de vardnci do experimento, ‘CAUSA DA VARIACAO GL SQ QM. F ‘Tratamentos 4 597888 994,72 348" Biocos 3 126605 42202 148s Residvo 2 3.43336 786,11 : Toeal 19 8.678,29 : - ‘Valores de F da beta: Tratamentos -4x 12 gl Bocas - 3x 12 g: {5%=326 1%= 5,41} G%=349 1% = 5.95) Conclusdes: 1) Tratamentos: (O valor de Fcaleulado é maior que F da tabela# 53% e menor que F da tabelaa 1%). O teste € significativa no nivel de 3% de probabilidade Rejeitamos H, para Tatamentos. reso sonctscu 1 ee Canis qu oseaivares decade ear compar el mers des) pone efeitos diferentes quarto a produgao de cana-de-agiicar. we oe © pa de cots ee coc per 95% de pobiidte, 'b) Blocos, (O valor de Fcaleulado € menor que F da tabela a 5%). (0 teste nao ¢sigifcativo no nivel de 5% de probabilidede Nao rjeitamos H, para Blocos. ‘Concluimos que as diferengas de fertilidade entre os terragos (bloc0s) possuem efeitos semelhants (ado influem) sobre a producto de cana-de-agicat 23, Testes de comparagées de médias 23.1. Introdugdo O teste Fsignificatvo, para mais que dois tratamentos 10s permite, apenas, trrconclusdes ‘muito geais com relagio 20 comportamento dos tratamentos,indicande que ene eles exstem fits diferentes sobre a vardvel analisada, nada nos informando sobre quais os melhores (ou piores) tratamentos. Para verficarquais os melhores (ou pies) ratamentos, ums das maneiras¢utilizaio dos rocedimentos para comparapées milipas ou testes de comparages de médias dos tratamentos. Para estdarmos esses testes, precisamos entender alguns conceit: 2) Contrastes de médias - Y ‘Contrastes de métias so relagdes lineares ene as médias verdadeias dos tatamentos(m), de forma que a soma algsbrica dos coeficientes das médias sea ula, nto, uma rela linear das médias de I ratamentos, do tipo Y=eymy +eqmy ++ 4m serum contaste st, 3 se cyteptmtey=0 ow ‘Assim, se um experimentotemos trés tratamentos, cues médias verdadeiras slot my, my € 1m, podemos dizer queas relages: Yjem -m Yy=m- 23 Yyem) +m 205 So contrasts (nesta rapes, as somasalgébricas dos coeficientes so nulas), mas a relagdo’ Yeem +m ~ "io um conraste (nest relardo, a soma algébrica dos coeficientes no €nuls). Num experimenta, o nimero de contrastes que podemos formula com as médias dos amen € nde ema siesta, doves mul pena gules ro de interesse do pesquisador. - . ) Contrastes ortegonais Dois contrastes sic ortogonais quando a soma algébrica dos produtos dos coeficiemtes das ‘médias comespondentes¢ nla (para médias calculadas com mest nimero de repetigoes).2 EXPERIMENTACAOAGRICOLA Considerando os contrastes Ye Y,,vistos anerionmente, podemos eserevé-os da sequinte forma: (=m ~m2 +0m3 ‘Y= +m ~2ms [Neste caso, 0s coefcientes das médias corespondentes slo: m ™ ms = 1 a ° 1 1 2 ‘Soma dos produtos Qo = One @=0 Ponanto, Y € Ys sto ortogonais. ‘Consideremos, agora, os contrasts Y, ¢ Y2, que podem ser esritos da seguinte forma: Ye my —mz + Ons Y= my +0my ~m5 0: coeficientes das médias correspondents sio: m a a 0 Y, 1 ; ; I ‘Soma dos produtos = 1 + 0 * oe Ponanto, Y, € Y2 no sio ortogonais. Generalizando, podemos dizer que: my + bom ++ Bymy serio conrases onogonss, 1 ejb) tenby +e =0 (ESB Obserragies: 3) Tes ou mais contrasts sero ortgonsis cnr ss les frem orogomais dis oi 2} Do pom de vista pric, se dois ou mais contrasts so oragoais ene sind que a comparagies nels fis sto comparases independents '}) Num experimento qualquer, 0 nimero méximo de contastes orogonais que podemos bier é igual ao nmero de gravs de liberdade de tretamentos desse experiment [TESTES DE SIGMIICANCIA 3 ) Estimativa do contraste - ¥ Viros que contstes sf fangs lneares de métas veradeiras dos tatamentos (Mas, ‘num experimento,nicconhecemos as médias verdadeiras dos ratamentos, de forma quo verdadero valor do contraste (¥)ndo pode ser ealculado, No entanto, como conhecemos as estimativas das és ds wanes (i), podem ober nina ds cones (7) Se, um exprinét a stimatve as is os eaten em: ay hy =250 fy =320, povdemos obter as estinativas dos contrasts Yiem,-m; Yo= my ~ jem 4m 2m sxbsinindo as médias vedas pels sus estimates Viet ty = 300 ~ 250-50 300 320=-20 Tem - ‘Y= +p ~ 25 = 300.4 250-2320) =~ 90. \erificamos que a estimativa do contraste pode ser positiva ov negativa.O sinal nfo tem ‘nenhuma importincia,a nto serindicar qual tatamento (ou grupo apresentou maior valor numérico. 4) Estmativa da ard da estiativa da contrate- Vl) Sendo estima dum contre uma velo ene as is exinads dos ataentos (4), a pos ua rsitacia Eno, num expe, pr um course da forma pncic eae cxuesimatva dado acyl sean +e nog as médias dstatamentos frm elas com rept eo Von=(F +d ++ ef)5 emque: 5? = OM Residuo. «) Ervo padrao do coatrase- (7) (erro padrdo docontraste¢araiz quatrada positiva da estimativa da varéncia da estimativa do contrast, ou sea: 3= ic 23.2 Teste ie Stdeat O teste t de Sense para tetar médias de dois eataments ou médias de dois eropos de tatamentos (caso em que o contrate tem mais de duas médias envolvidss), Para sua aplicagio cores, deveros considera os Seguintes requisitos bdsios: eeeveevvvuvVVuVVuewuwww UTI ICa 2) Os contastes a seem testados devern se etabelecidos antes de bts os dados experiments (ado devem sr fetas comparages sugeias pelos dads); 1) Os contrasts «stem estados devem ser orogoaais eae Quando apicamoso teeta um conrate quale, estamos interesados em vrifcar se @ estimtiva do contrast ()difere 04 no de zero (Valor que 0 contastedeveia assum, se 2 hipstese da nulidade ose verdad). Ento,tesumos Hy¥=0 vs HaYe0 Aplicagio do teste: "Num experimento com I tratamentos, todos com repetigOes, vamos considera o contrat: Y=cjmy + ¢gmy + +1) 4) Caleular a estimativa do contaste- Yeu #epiiy ++ ery 1) Calera estimatve de varia da estimativa do contrast - Vf) Vo rd raed {© Caleulr o ero pao do contrast - s(¥) st = 0 4) Caleular 0 valor do teste, pr: ae 3 «© Procurar numa tabela da disibuigdo de (nos nves de 3% e 1%), os valores tabelads, em fang do mimeo de graus de liberdade do residue. {1 Comparar 0 valor det ealculado (em valor absoluto) com o valor det da tabela: Set] 2 ty. otete € sigifcativo, reeitamas Hy pare Ye concluimos que as médias dos ratamentos (ou grupos) estados no contrast dere. Se] t] yaim O teste sinieative no nivel de 1% de protabildade Rejciamos Hopaa ‘A méia de padugio do cultivar Co (m;) difere da média dos culivares do grupo CB 24m time +ms + Pelos esto vetizanos it ogo CB é marque oclivar Co, posi, média, 32,6 Vha a mais. a : (© grau de continga¢ maior que 9% de probabilidade t 2 Para CB 41/70 vsCB 41776 vs Hy:myems ou vs Hy) 20y? + 0?) SH = 4506 tdatabela, para 12g. Residuo: (5% =218 1%: Conclusio: Gti0,05). fe mj. As demas (O teste de Tukey s6 acusou diferenga significtiva entre as médias médias no diferiram ente si. TESTES De sicmmIcANcU » riemricivccg 2.34. Teste de Duncan teste de Tukey, mas € de apli sa, © teste exige que as médias sejam colocadas em ordem decrescente de valores ¢ que lodas as ‘médias possuam o mesmo nimero de repetgbes para ser exato. "Normalmente,c teste ¢apicado no nivel de 5% de probabilidade, ea sigificincia do teste é representa ligando-se, por uma bara continua, duas médias que no diferem, dun a cones 5 pers compas médias, asa diferente cs pde ager as ou mais médias. Aplicagio do teste de Duncan: ‘Vamos considera um experimento com I tatamentos,cujas médias foram todas caluladas com rrepeigdes. 8) Colocaras I médias dos tatamentos em ordem decrescente. by Calcular a estimativa do contrast: Yi=tiaton ~ xenon (ebrange 1 més). «) Callao valor da ampli total minima signifcativa, Dy, dad por "Ee em que 2)~_€. amplitude total estudentizada, para uso no teste de Duncan, enontrada em tabels, em fungo do nimero de médias abrangida pelo contrast (na horizontal}e do nimero de graus de lierdade do rsiduo (na vertical), 1 nimerodereptgdes com que foram caluladas as médias. 4) Comparar {com Dy: = Se ¥ < Do teste no € significative indieando que as duas médias que entarem no contre ¥j'nio deem. Eno, games as médias abangas pelo contrast por una bara continua ¢ do podemes mais comparar médias dentro da bara ~Se ¥j 2 Dy ottste 6 sigfcatve,indicando que as duas médias qu entra no contase ; diferem. Entio, passamos a testar contrasts que abrangem um niimero imedistamente inferior ‘de médias (1-1), 1) Caleutar as estmativas dos contrates: h MAiOR ~ peNULTIMA fayenon _[abrangem (1-1) médias), Ys =tsecunpa 1) Caesar nove valor de D = Diy (deo valor de 2) 0 2) Compara: fy com Du ¥3 com Day se Puwo enremcetucio aceon _—_________— (Oprocesso deve continua, até que todas a médias esrjam unidas por bares ou que team sido tesados conwastes que abeangem duas médias. Exemplo de aplicagio do teste de Duncan ‘Vamos considerr os dados do mesmo exemplo, j visto, para teste de Tukey Médias ds tatamentos, em ordem decrescente: : 3-CB A069 fy =1597 Ub 2-CB40/I9 sy = 1372¢/ba 4-CB4VI0 ag =1298t/ba SICB 416 fas =12460/b0 1-Co413. iy =1002 t/ha 4) Para. contaste que abrange 5 médias: Yes —y = 395 t/ha Paeent DBA t/ha zg: Smédiasx 12 gL Residuo™ 3,36 (5%) Ve Como % >Ds, cneluimos que ms € my 1) Para conrastes que abrangem 4 médias: : x fas 15 /ba : 10th oer fests ana tin een 380%. Como ¥ Deena ny my 6) Pao const que ange 3 medias Yas ing iy =2960ba p81 23 (5%). 25TH 275 he 25:5 mblsn 12g Resi Como 4 >D5,coneluinos que m, # my 4 Parao conse qe srange 2 més: 260/Ra 29:2 mitiasx 12g Residio= 3,08 6%). cane 5 0,05). Pelo teste de Durcan, verificamos que houve diferenga significativa ene as médias: my © my; my € mje mg em Peloveste de Tukey fi detectada diferenga significativa,somente enteasmédias my © my, ‘Verifica-s, dessa forma, que teste de Duncan é menos rigoroso que teste de Tukey, jé.que cle mostra como signifcativas diferengas que nio sto signficativas pelo teste de Tukey. 2 5. Teste de Student-Newman-Keuls ($-N-K) E um teste aplcado da mesma forma que o teste de Duncan, com a difensa que, 20 celelarmosaamplide al miaima sgifiativa do tes, W, slzamos os valores daabela de Tukey, em vee de ulizamos os valores da aela de Danan oo i en Nevanan-Keuls "Na aplicacdo do tet, o valor da amplitude total minima sigifiativa(W),paraum contaste que abrange I médias, écaleulado por: wea Anae emaue: q~ ovalorobtido na tabela de Tukey, em fungio do mimero de médias abrangidas pelo contraste (aa horizontal} edo aimero de graus liberdade do residuo (aa vrieal), s= (QM Residoo += nimero de repeigdes com que foram calculadas as médias Exemplo de aplicisio do teste de Student-Newman-Keuls ‘Vamnos uilizar os dados do exemplo jf visto para os testes anteriores. ‘As médias dos tratumentos, em ordem decrescente sir 3-CB4069 hy =139,7 ha 2-CB AOD fy =137.2t/ha 4-CB4I70 sing =1298:/he S-CBSU76 tg =12461/ha 1=Co4ts say =100.2Uha eee &UU VUE WT ETT UW WUE VCorepo eareeerracioncticots 4) Parao contaste que abrange S médias y= thy — hy =39,5 ha 38, t/ha g:$ médias x 12 gl Residuo = 4,51 (5%). Como {> Ws, coneuimos que ms # ') Para contrastes que abrangem 4 médias: Yq =fns hg =151 t/ha 28601 p35 tobe ge Amis 12g Resid Como {fy Wy, oneluimos que my + my «) Para contrat que abrange 3 médias: ¥, 29,6 t/ha PaReni Is 7 19 tha g:3 médias x 12 gL Re 71 (5%). Como ‘7, < Ws, concluimos que m4 =m. Neste caso, devemos wnir mg am por uma barra continua, enenhuma outra comparegio deve ser fita com duas médias dentro dessa bara. | Entfo, nfo hé mais nenhum contraste que posse ser testa. (O resultado final do teste de Student- Newman-Keuls, para oexemplo,éapresentado a seguir, j ‘no qual médias seguidas de uma mesma letra ndo diferem: fay = 97th | a fy = 72tna | fay © 12980ha | | ab fas = 12geuna | | ab iy = 1002uma |b ‘Verfcamos, pelo teste de Student-Newman-Keuls, que existem diferengas significativas entre as médias: m3 € meente mz © my Pelo teste de Duncan, verficamos que houve di enga significative entre as médias: Nm emmy e meee, © 0 Se ee cee dene a sokomames qr Set Newmar etn einem ect erecta SBN aan ie _Tesres Dg stawricANcu ri siominicincn 2 234 Teste de Dunnett Este tete uli quando as nias comparacdes qu interessam a0 experientador $30 aqulas entre um deteminadotratamento padsio (geralmente 0 Controle ou Testemunba) e cade updos demas watanentos, Assim, um exprimento com I tratamentos (um dos quis otrtamento padi) pemite a snlicago do teste a (11) compares. hs Aplicasio do tte de Dunnett 2) Caleular ova do tse, representado por dado por: datas) emaue ty - €0 valor obtido na tabela, para so no teste de Dunnett, em Fungo do nimero de _grausde berdade de ratamentos (na horizontal) edo mimero de graus de liberdade do residuo (ca erica =F sade: 1H) = ») Caleular as esimativas dos contastes: © r= nlmero de epetigbes »~ficonTRoLe. «9 Comparar cadsestimativa de contaste, em valor absolut, com d: Se |Yi24, 0 teste € significative, indcando que a média do Contoe difee sieifcavameme da matin dotatamento com ele compara, Se | ¥|-| "4 | owOD Gos) c's = ompisey 18 Zi xe TEp—waqrePs (Aad-Dh=s ’ ssort= Tage Oe ~ Fa tay = tg o= 42H no ei r Tartare toate EH rate OH 8958091 “(1909 560% €9) a= tu= ez (@qsnog) Sun— Yon fun tan tay = Igy "SaunBos soo top 3 19 425 ap aise 0 eg soap 2439995 2p 2801 op oxseonde 2p oydanaxg, 07% ou 252 op erouRSU ES © exp (9 dru s10p Sop no) sowauneen stop sop seIpput swipgu se ab soxsyoueo >‘ (0A - asenoo op eaprums> ep URUEA 2p EANPUINSS# ERIE (A 3 Tula 4 + Cure: -sanbyenb aysenuoo um wfag :auaNpg 2p asa op oxseaqidy seppput sep anua ajsenuoo tn 25 ob equa on _seaseoo Sop seaneus sep o7ateD (@ . TRAN FT SSEL FIORE OP HTRAEDET_expénentacio sonicoua Conclusio: Como | |< 5.0 ten € significative no nivel de 5% de probabildade. Néorejitamos Hopara Yp. Amédia do cultivar CB 40169 (ms) no die da média do cultivar Co (mm) Verifcase que este mesmo contrast fi sigiicativo (no nivel de 5% de probabilidade) pelo teste de Tukey, teste de Duncan, teste de Student Newman-Keuls teste de Dunnet, mas 280 foi sigifcativo (no nivel de 5% de probabliade) pelo teste de Schell Anda, o valor de S (43,2 Ve) serve par estar qualquer contrast enue dus médis, pelo teste de Scheff. Isso mostra qu, neste experimento, nenhum contrate entre duas médias € significativo peo test de Scheff (a maior dfereng ente elas de 39,5 va), conirmando que 0 tested Scbefé€ 0 mis igoroso dos testes esmdados, 23.8. Uso dos testes de comparagio de médias no cileulo de intervalos de confianga ‘Num experimeno,consideremos ume esinativa Y de um contrast Y, ¢ sea (7) seu esvo par com” gras de liberdade do Residuo. Considerando quo valor det da abel 5% de probablidade para w* graus de iberdade& tq eato uma probabilidade de 95% de que tenhamos Vote ts Vs¥eta isto & hi 95% de probabilidade de que 0 interval de confanga de extemos: Yt, (1) © + tg 3(¥) inclu 0 verdadeio valor do contrast, Pocexemplo,considerando contaste Y = mq - my, docxpeimento que estamos ulizando, tems Ya tng~ fy =1298-100.2=2966 vba 28641 reas s)= 0) = FER = 1.9110 te par I2 gL Residvo: (5%=218 Eno uy =183,06 ta (2) ~296~2,18 (12.0) 3400 H+ tg ¥) =29,6+2,18 12,0)" 558 0ha e BASY S558 Dizemos que hi 95% de probabiidade de que o imervalo de confianga com extremos: 34 ‘Ua (Limite inferior) € 55,8 va (limite superior) inclua e verdadero valor do contrast, Y. Verificarnos quo intervalo de confianca deerminado para Yndo inclu ozero, oque significa que Y difere de zero, portanto, ma dere signifcaivamente de m. pelo teste t, no nivel de 3% 4e probabilidade 0 iervato de confianga de Y, para 99% de probabildade, sei TESTES De SGMIPICANCL » —___—mesowrceu 296-306 (12,0) s ¥ $29.6 +306 (120) e -T1s¥ $663 __ Dizemos que hi 99% de probablidade de quo interval de confanga com extremos:~71 tha (Gite inferior) e 663 via (limit superior inclua 0 verdadero valor do contrase, . Neste caso, © intervalo de config incl o zero, 0 que significa que Y nioé significative no nivel de 1% de probabilidade, pelo este t. (Qualquer outroteste de comparaso de médias podria ser tlizado para determina ointervalo ée confianga. Por exemplo, no caso do teste de Tukey, os extremes do intervalo sera: Yapetrag Loge: Yoasvst+a Para. contraste: ¥ = my ~ my ,0 intervalo de confianga pelo test de Tukey, no nivel de 38% de probabilidade, seria: 296-3815 <29,6+381 e ~85 0.09 6k yo S80 g95 Logo, o valor da tabela, pare 9x 36g, seré de 2,21 - 0,05 = 216, (s valores procurados sero: ‘Tratamens-9 x36: (S%=216 1% =2,96) Blocos 4x 36 24 {5%=264 1% =3.91) ‘Vamos agora supor que necesstamos obte o valor de Fda abel, para Sx 150 gL, no nivel de 5% de probabiidade. ‘ATTabea | nos fornece os valores para $x 120g. (229) para 5 x=» gl. (2,21), Nestecaso, rio possvelcalculara diferengaente 120 =. Entio, evemes utilizar ainterpolagso harménica, da forma seguinte: a 229-221 214 120 150 600 iid = ue 20 > 008 ox 0.08 x= 600 7 120 Logo, o valor da tabela, para 5 x 150 gl serd de 2.29 - 0,02 =2,27. (Os procedimentos mostrados valem para todas as tabelas dos tests de signficdncia. [eeeeewrelbuuVUUVNwwwUEewwr Ww New eVEeee