I.

DELINEAMENTO COMPLETAMENTE CASUALIZADO (DCC)

El Delineamiento completamente al azar (DCC) se utiliza cuando las unidades experimentales

son homogéneas.

Se utiliza más en condiciones controladas, en invernaderos y en laboratorios,

Vantagens:

➢ Análisis estadístico simple (efecto de tratamientos);

➢ El diseño es flexible: la pérdida de información, cuando hay un lote perdido es

mínima

➢ Maximización de los grados de libertad.

Desvantagens:

➢ El delineamiento es casi ineficiente.

1. Cómo montar un ensayo

[Link] os factores e os seus níveis

[Link] las variables a medir

[Link] el espacio de inferencia del experimento

[Link] las unidades experimentales

[Link] el delineamiento

[Link]ón

[Link]ço de la ANOVA

[Link] datos

[Link]álisis de datos

[Link] os dados.

2. Aleatorización
Exemplo: Factor–Adubo NPK com os níveis 0,20,30,40kg

Número de tratamientos = número de niveles = 4

Numero de repetições=5

N=txr=4x5=20, donde:

N- Número de parcelas

t - número de tratamentos

r- número de repeticiones

neste caso teremos 20 parcelas e faremos a aleatorização dos 4 tratamentos nas 20 parcelas, para
tal:

Se eligen 20 números de la tabla de números aleatorios, se ordena el ranking en orden creciente o

decrescente.

Tratamientos números ranking

A 937 17
149 2
908 15
361 7
953 9
B 749 13
180 4
951 18
18 1
427 8
C 918 16
772 14
243 6
494 9
704 12
D 549 10
957 20
157 3
571 11
226 5

B-1 A-2 D-3 B-4

D-5 C-6 A-7 B-8
 C-9 D-10 D-11 C-12
B-13 C-14 A-15 C-16
A-17 B-18 A-19 D-20
Layout do ensaio (os números são as unidades experimentais e as letras são os tratamentos)

3. Modelo estadístico del delineamiento

Yij=µ+Tyo+εij

Onde:

Yij–Valor observado en la unidad experimental j, que recibió el tratamiento i.

µ- Promedio general

Tyo–Efeito do tratamento i

εij-error experimental~N(0;σ2).

4. Pressupostos do modelo:

1. El modelo es lineal y aditivo

2. El error debe tener distribución normal

3. Independencia del error (no autocorrelación)

4. Homogeneidad de varianzas.

5. Teste de homogeneidade de variâncias com base no teste de Hartley:

Hipótesis:

H0:σ2=σ2 2
A =σ B=σ
2
C D

Ha: La hipótesis nula no es verdadera

La prueba de homogeneidad de varianzas se realiza según la fórmula:

F=σ2máx/σ2min~~Fcrit(v,t,α), donde:
v- grados de libertad asociados a la varianza(n-1)

t- número de tratamientos

α- nivel de significancia

Decisiones:

F calculado > F crítico - Se rechaza la hipótesis nula (H0)

Conclusión: con base en la prueba de Hartley, a un nivel de significancia del 5%, hay evidencia suficiente
que muestran que las varianzas de los tratamientos son diferentes.

F calculado < F crítico - Se reprobará la hipótesis nula (H0)

Conclusión: con base en la prueba de Hartley a un nivel de significancia del 55, no hay evidencias
suficientes que muestran que las varianzas de los tratamientos son diferentes.

6. Problemas de heterogeneidad

En caso de heterogeneidad de varianzas, para homogenizarlas, se debe usar otro

estimador o hacer la transformación de los datos, así:

Para números enteros >10 se hace el logyij

Números enteros <10- se hace el log (y+1)

Número en porcentaje - se hace √y

Fracciones se hace arc sen o sen

7. ANOVA

Hipótesis :

H0: µ A= µ B= µ C= µ D

Ha: La hipótesis nula no es verdadera

1. Factor de corrección

Fc=(∑yo∑jyij)2/N
[Link] de los cuadrados totales

SQT= ∑yo∑j(yij)2- Fc

[Link] de los cuadrados de los tratamientos

SQtrat=[∑yo(Tyo)2/nyo] -Fc

[Link] de los cuadrados del error

SQE=SQT-SQtrat

5. cuadrado medio de los tratamientos

QMtrat=SQtrat/[Link](t-1)

6. Quadrado médio do erro

QME=SQE/gle

Tabla:

Fuente de
variación Gl SQ QM Fcalculado
Tratamientos t-1 Sqtrat QMtrat QMtrat/QME
Error t(r-1) SQE QME
Total rt-1 SQT

7.F crítico

F(gle,gltrat,α)

[Link]

F calculado>F crítico - Rejeita-se a hipótese nula (H0)

Conclusión: con base en la prueba de Hartley, al nivel de significancia del 5%, hay evidencias
suficientes que muestran que las medias de los tratamientos son diferentes.

F calculado < F critico - Reprova-se de rejeitar a hipótese nula(H0)

Conclusión: con base en la prueba de Hartley a un nivel de significancia del 55, no hay evidencias.
suficientes que muestran que las medias de los tratamientos son diferentes.
8. Teste de DMS(Diferenças mínimas significativas)

Sólo se hace cuando hay diferencias en las medias de los tratamientos.

10paso: calcular las diferencias entre las medias de los tratamientos :dij=Xyo-Xj

20paso: calcular el valor estadístico del DMS:

DMS=t(gle,α)*√QME(1/ryo+1/rj)

Se ryo=rj, logo DMS=t(gle,α)*√QME*2/r

Hipótesis:

H0: µ 1= µ 2

Ha: µ1≠µ2

Decisões:

DMS- Se rechaza la hipótesis nula

DMS- Se reprobará la hipótesis nula

9. Coeficiente de variación

Mide la precisión que existe en la comparación de los efectos de los tratamientos.

Cv=(√QME/Y)*100, donde Y- es la media

Interpretación:

cv bajo: cv<10%-buena precisión

Cv medio: 10%<cv<20%-media precisión

Cv alto: 20% < cv < 30% -

Cv muito alto:cv>30%-

Ejemplo:
 Un investigador en el área de leguminosas deseaba estudiar el efecto de la variedad en el cultivo de
soja. Para tal, usó 4 variedades de la cultura y diseñó el ensayo en un diseño completamente
casualizado. Os resultados do ensaio (conteúdo proteico do grão em mg/semente), encontram-se
en la tabla abajo:

Trat 1 2 3 4 5 6 Totales

1 64 71 79 88 80 382

2 70 75 90 82 317

3 74 60 75 66 72 82 429

4 80 88 95 87 85 90 525

•Apresente o layout do ensaio usando a aleatorização

•Identifique el tratamiento, la variable de interés y presente el modelo estadístico para el

experimento

•Pruebe la hipótesis de homogeneidad de varianzas.

•Considerando que los demás supuestos del modelo no han sido violados, haga la
ANOVA, a nível de significância de 5% e interprete os resultados.

•Faca o teste de DMS a nível de significância de 5%.

•Comente sobre o nível de precisão do ensaio.

a) Modelo Estatístico

Yij–contenido proteico del grano observado en la repetición j que recibió la variedad i

μ –contenido proteico medio

τi–efecto de la variedad i

εij–error experimental ~ N(0,δ2)

b) Homogeneidad de Varianzas

Hipóteses:

H0: σ2=1 σ2=2σ2 = 3σ2 4

Ha: La hipótesis nula no es verdadera

Tratamientos Varianza Gl

1 84.3 4

2 75.58 3

3 58.3 5

4 25.1 5

Fcal= σ2máx/ σ2min

Fcal=84.3/25.1

Fcal=3.359

Fcritico= F(v,t, α)=39.2

Onde:

V=3, pues son los grados de libertad mínimos

t=4

α=5%

F calculado < F crítico(3.359<39.2)-Reprova-se de rechazar la hipótesis nula (Ho)

Conclusión: con base en la prueba de Hartley a un nivel de significancia del 5%, no hay
evidencias suficientes que muestran que las varianzas de los tratamientos son diferentes.
c) Análise de Variância

Hipóteses :

H0: µ 1= µ 2= µ 3= µ 4

Ha: La hipótesis nula no es verdadera

Fc=(∑i∑jyij)2/N=(64+…..+90)2/5+4+6+6=130114.714

SQT= ∑i∑j(yij)2-Fc=(642+……+902)-130114.714=1784.286

SQtrat=[∑i(Ti)2/ni]-Fc=[(3822/5)+(3172/4)+(4292/6)+(5252/6)]- 130114.714=803.336

SQE=SQT-SQtrat=1784.286-803.336=980.95

QMtrat=SQtrat/[Link](t-1)=803.336/3=267.779

QME=SQE/gle=980.95/17=57.703

F. de Gl SQ QM [Link]
variación

Tratamiento 3 803.336 267.779 4.64

Error 17 980.95 57.703

total 20 1784.26

F critico=F(gle,gltrat,α)=3.2

Decisión: Fcalculado>Fcrítico-Se rechaza la hipótesis nula.

Conclusión: con base en la prueba de Fisher a nivel de significancia del 5%, hay evidencias
suficientes que muestran que las medias de los tratamientos son diferentes.
d) Prueba de DMS

1o passo: calcular as diferenças entre as médias dos tratamentos: dij=Xi -Xj

Tratamientos Medios

1 76.4

2 79.25

3 71.5

4 87.5

Dij R1 R2 DMS Decisión

1e2=2.85 5 4 10.752 NS

1e3=4.9 5 6 9.705 NS

1e4=11.1 5 6 9.705 S

2e3=7.75 4 6 10.346 NS

2e4=8.25 4 6 10.346 NS

3e4=16 6 6 9.254 S

DMS=t(gle, α)*√QME(1/ri+1/rj)=2.11*√57.703(1/5+1/4)=10.752

Se ri=rj, logo DMS=t(gle, α)*√QME*2/r

Hipótesis:

Ho : µ 1= µ 2

Ha: µ 1≠ µ 2

Decisões:

Se rechaza la hipótesis nula

 •dij<DMS- Reprobar la hipótesis nula

Tratamiento Medios Decisión

1 76.4 a

2 79.25 ab

3 71.5 a

4 87.5 b

Conclusión: Las variedades 1 y 3 son estadísticamente iguales entre sí y estadísticamente iguales a

variedad 2 que es igual a variedad 4.

Recomendación: se recomienda el uso de la variedad 4, ya que presenta mejor contenido proteico en

relación con las otras variedades.

e) Coeficiente de Variación

Mide la precisión que existe en la comparación de los efectos de los tratamientos.

Cv=√QME/Y)*100=(√(57.703/78.663)*100=9.7%(o cv es bajo, el ensayo tiene buena precisión).

Cv= (√QME/Y)*100, Onde Y- é a média

Interpretación:

cv bajo: cv<10%-buena precisión

Cv medio: 10%<cv<20%-media precisión

Cv alto: 20% <cv <30%-

Cv muy alto: cv>30%-

[Link] DE LOS BLOQUES COMPLETOS CASUALIZADOS (DBCC)

Se utiliza en áreas donde hay un gradiente conocido de variación de ciertos factores diferentes de
que están siendo probados en el experimento

Bloques con tamaños iguales y cada bloque tiene todos los tratamientos

1. Cuestiones prácticas

Seleccionar la origen de la variabilidad que se utilizará en el proceso de 'bloqueo'

Ejemplo:

-fertilidade do solo

dirección de la inmigración de los insectos

topografía del terreno

2. Selección del formato y orientación de los bloques

- Gradiente con una dirección: usa bloques largos y estrechos con dirección perpendicular a
dirección del gradiente:

- Dois gradientes conhecidos, mas com um gradiente mais forte que o outro: ignora o gradiente
no expresivo

- Dos direcciones de gradiente: Usa bloques cuadrados, bloques largos con longitud
perpendicular a la dirección de uno de los gradientes.

Usar el diseño de cuadrados latinos

- La dirección de la variabilidad no es conocida: usa bloques cuadrados.

3. Randomização

1- Dividir el área experimental en (replicaciones) bloques iguales

2- Dividir los bloques en (tratamientos) áreas experimentales y enumerar las áreas

experimentais de 1 até T
Exemplo de aleatorização de um bloco
tratamientos números de clasificación

A 918 6
B 772 5
C 243 1
D 494 2
E 704 4
F 549 3

Bloque

C-------1 E-------4
D-------2 B-------5
F-------3 A-------6

4. Modelo estadístico del delineamiento

Yij=µ+Tyoβj+εij

Dónde:

Yij–Valor observado na unidade experimental j, que recebeu o tratamento i.

µ- Media general

Tyo–Efecto del tratamiento i

βj–Efecto del bloque J

εij-error experimental~N(0;σ2).

5. ANOVA

Hipótesis :

H0: µ A= µ B= µ C= µ D

Ha: La hipótesis nula no es verdadera

[Link] de corrección

Fc = (∑yo∑jyij)2/N

[Link] de los cuadrados totales

SQT= ∑yo∑j(yij)2Fc

[Link] de los cuadrados de los tratamientos

SQtrat=[∑yo(Tyo)2/nyo] - Fc

4. suma de los cuadrados de las repeticiones

SQRep= [∑yo(Rk)2/tk] -Fc

5. Suma de los cuadrados del error

SQE=SQT-SQtrat-SQRep

6. cuadrado medio de los tratamientos

QMtrat=SQtrat/[Link](t-1)

[Link] medio de las repeticiones

QMRep= SQRep/ [Link]

8. Cuadrado medio del error

QME=SQE/gle
Tabla:

Fv g.l SQ QM [Link]
QMRep= SQRep/
SQRep= [∑yo(Rk )2/t k] -Fc [Link]

Repetição r-1 QMRep/QME

SQtrat=[∑yo(Tyo)2/ni] -Fc QMtrat=SQtrat/[Link](t-
1)

Tratamiento t-1 QMtrat/QME

QME=SQE/gle

SQE=SQT-SQtrat- SQRep

Error [Link]
SQT= ∑yo∑j(yij)2- Fc
Total N-1

7.F crítico

tratamentos

F(gle,gltrat,α)

conclusiones

F calculado > F crítico - Se rechaza la hipótesis nula (H0)

Conclusión: con base en la prueba de Hartley, a nivel de significancia del 5%, hay evidencias suficientes
que muestran que las medias de los tratamientos son diferentes.

F calculado < F crítico - Se reprobará la hipótesis nula (H0)

Bloques

F(gle, gl. Rep,α)

Conclusiones

F calculado>F crítico Se rechaza la hipótesis nula (H0)

Conclusión: con base en la prueba de Hartley, a un nivel de significancia del 5%, hay evidencias suficientes
que muestran que el bloque reduce el error experimental
F calculado < F crítico - Se rechaza la hipótesis nula (H0)

Conclusión: con base en la prueba de Hartley a un nivel de significancia del 5%, no hay evidencias
suficientes que muestran que el bloque reduce el error experimental

6. Eficiência do bloco

ER/ EB= [(r-1) QMRep+r (t-1) QME]/(rt-1)QME

Cuando los grados de libertad son menores que 20 se utiliza un factor de ajuste, calculado con la
siguiente fórmula:

K= [(r-1) (t-1) + 1][t (r-1)+3]/[(r-1) (t-1)+3][t (r-1)+1]

RE=Re*K

7. Talhão Perdido (Análisis de varianza)

Estimar el valor perdido

Y=rBo+tT-Go/ (r-1) (t-1)

Dónde:

Y- es la estimación de la parcela perdida

r- número de repeticiones

Bo- é total de rendimento dos talhões em que figura o talhão perdido

t- número de tratamientos

T- es el valor total del tratamiento en el que se encuentra la parcela perdida

Ve- es el total de las parcelas disponibles y luego reemplaza el valor perdido en los datos y haz
ANOVA

8. Modificación de la ANOVA debido a la parcela perdida

1- Restar primero en los grados de libertad del error y total

2- Calcular el nuevo factor de corrección

B=[Bo-(t-1)Y]2/t (t-1)

3-restar el “B” a la suma de los cuadrados totales y de los tratamientos y hacer un nuevo ANOVA