EXPERIMENTAÇÃO ZOOTÉCNICA

Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

amanda@[Link]
 CARACTERIZAÇÃO
o Em alguns experimentos pode-se ter fatores que estão
interferindo na variável resposta, mas que não são de
interesse.
Ao planejar um experimento, o pesquisador deve utilizar
 Àsalguns
vezesprincípios
esse fator pode
básicos para ser desconhecido
que os dados a seremou não
controlável. Neste caso,
obtidos permitam a aleatorização
uma análise é aa técnica
correta e levem
utilizada para
conclusões se precaver
válidas daao
em relação influência
problemadesses fatores.
em estudo.
 Quando a fonte de variabilidade desse fator de
interferência é conhecida ou controlável, então se
pode utilizar o projeto experimental em Blocos para
eliminar seu efeito nas comparações estatísticas entre
os tratamentos.
 CARACTERIZAÇÃO
o Experimento em Blocos ao Acaso é o delineamento para
ser usado quando as unidades experimentais
apresentarem alguma heterogeneidade.
 Ao planejar
O grupo um experimento,
formado o pesquisador
com as unidades deve utilizar
similares existentes é
alguns princípios
chamado de BLOCObásicos
. Nessepara que
caso, o os dadosdoa serem
sorteio tratamento é
feitoobtidos
em cada bloco. uma análise correta e levem a
permitam
Neste delineamento,
conclusões válidas em deve-se
relação subdividir
ao problemaos animais em blocos
em estudo.
de tal forma que cada bloco possa ser homogêneo dentro de
si. Exemplo: idade, peso, raça, galpão, andares, etc.
 o importante é que reúnam unidades similares e que haja
variabilidade entre os blocos. Quem decide se a variabilidade
entre blocos justifica a criação deles é o pesquisador e não o
estatístico.
 EXEMPLO
Com a finalidade de aumentar a
produção de lã de suas ovelhas, por
meio de uma alimentação mais
apropriada, um criador separou 20
ovelhas de sua criação.
Como eram de idades diferentes elas foram
divididas em cinco grupos, de modo que dentro de
cada grupo existiam quatro o velhas com idade
similar e homogêneas para as demais
características.
 EXEMPLO
Em cada grupo foi realizado um
sorteio para distribuir inteiramente
ao acaso quatro tipos de alimentação
(A, B, C e D). O experimento iniciou-se no momento de
se realizar uma nova tosquia, obtendo o seguinte
croqui. Este é um experimento completo
em blocos ao acaso:
• completo, porque cada bloco
contém todos os tratamentos;
• ao acaso, porque os tratamentos
foram designados às parcelas por
processo aleatório (ao acaso).
 EXEMPLO

Note que, dentro de cada bloco, temos os quatro

tipos de alimentos, sorteadas ao acaso.
 CARACTERIZAÇÃO

o O delineamento em blocos casualizados (DBC) é o

mais utilizado dos delineamentos experimentais.
Ao planejar um experimento, o pesquisador deve utilizar
 Utiliza os princípios da repetição, da casualização e
alguns princípios básicos para que os dados a serem
do controle local. uma análise correta e levem a
obtidos permitam
 Sempre válidas
conclusões que emhouver dúvidas
relação ao problemaaemrespeito
estudo. da
homogeneidade das condições experimentais
devemos utilizar o princípio do controle local,
criando blocos com parcelas homogêneas.
 CARACTERIZAÇÃO
o Características:
1. As parcelas são distribuídas em grupos ou blocos
(princípio
Ao planejar do
um controle local),
experimento, de tal formadeve
o pesquisador que utilizar
elas sejam o
mais uniforme
alguns possível
princípios dentro
básicos paradeque
cada
os bloco.
dados a serem

2. Paraobtidos
se ter permitam uma análise
blocos completos correta e levem
casualizados, a
o número de
conclusões válidas em relação ao problema em estudo.
parcelas por bloco deve ser igual ao número de
tratamentos.

3. Os tratamentos são designados às parcelas de forma

casual, sendo essa casualização feita dentro de cada
bloco.
 CARACTERIZAÇÃO
o Principais vantagens:
1. Se o controle local se fizer necessário, este
delineamento é mais eficiente que o inteiramente
Ao planejar um experimento, o pesquisador deve utilizar
casualizado (DIC), pois a formação dos blocos isola
alguns princípios básicos para que os dados a serem
as obtidos
variações
permitamcontroláveis que
uma análise correta causam
e levem a a
heterogeneidade,
conclusões válidas em diminuindo sensivelmente
relação ao problema em estudo. a
variação ao acaso (aleatória ou erro experimental).
2. O delineamento não tem restrições de uso, tanto em
relação ao número de tratamentos quanto em
relação a uniformidade das condições
experimentais.
 CARACTERIZAÇÃO
o Principais desvantagens:
1. O delineamento perde eficiência quando o controle
local for dispensável,
Ao planejar uma
um experimento, vez que deve
o pesquisador o número
utilizar de
graus de liberdade
alguns do resíduo
princípios básicos para queserá menor
os dados ao que se
a serem

obteriaobtidos
casopermitam
o delineamento utilizado
uma análise correta e levem a fosse o
conclusões válidas
inteiramente em relação ao problema em estudo.
casualizado;
2. Este delineamento exige que todos o s tratamentos
tenham o mesmo número de repetições. Logo,
quando há perda d e parcela a soma de quadrado
para tratamento 𝑆𝑄𝑇𝑟𝑎𝑡 é apenas aproximada.
Modelo Matemático
 MODELO MATEMÁTICO
o Todo delineamento experimental possui um modelo matemático
que representa cada uma das observações obtidas.
 Para aplicação da Análise de Variância de um experimento em um
Ao planejar um experimento, o pesquisador deve utilizar
determinado delineamento, devemos levar em consideração o
alguns princípios básicos para que os dados a serem
modelo matemático desse experimento e atender algumas hipóteses
obtidos permitam uma análise correta e levem a
básicas.
conclusões
o O modelo válidasdoem
matemático relação
DBC ao problema
é dado por: em estudo.

é a média geral do experimento é o efeito dos fatores não controlados na parcela

que recebeu o tratamento 𝑖 no bloco 𝑗
𝑦𝑖𝑗 = 𝑚 + 𝑡𝑖 + 𝑏𝑗 + 𝑒𝑖𝑗
é o efeito devido ao bloco j em que se
encontra a parcela

é o valor observado na parcela que recebeu é o efeito devido ao tratamento 𝑖, que

o tratamento 𝑖 e que se encontra no bloco 𝑗 foi aplicado à parcela
Hipóteses Básicas
 HIPÓTESES BÁSICAS
o As hipóteses básicas que devemos admitir para tornar válida a aplicação
da Análise de Variância são as mesmas do DIC, ou seja:

1. Aditividade: o efeito dos fatores que ocorreram no modelo matemático

Ao planejar um experimento, o pesquisador deve utilizar
devem ser aditivos.
alguns princípios básicos para que os dados a serem
2. Independência: os erros ou desvios 𝑒𝑖𝑗 , provenientes dos efeitos dos
obtidos permitam uma análise correta e levem a
fatores não controlados, devem ser independentes.
conclusões válidas em relação ao problema em estudo.
3. Homocedasticidade ou Homogeneidade de Variâncias: os erros ou
desvios 𝑒𝑖𝑗 , provenientes dos efeitos dos fatores não controlados, devem
possuir uma variância comum 𝜎 2 .

4. Normalidade: os erros ou desvios 𝑒𝑖𝑗 , provenientes dos efeitos dos

fatores não controlados, devem possuir distribuição normal de
probabilidades.
 HIPÓTESES BÁSICAS

o Uma forma resumida de apresentar as quatro hipóteses

necessárias para utilização do DBC é dada por:

𝑖𝑖𝑑
𝑒𝑖𝑗 ~ 𝑁 0, 𝜎 2

 Os erros, ou desvios, 𝑒𝑖𝑗 são independentes e

identicamente distribuídos de acordo com uma

distribuição normal com média zero de variância 𝜎 2 .

 Obtenção da
Análise de Variância
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA
o Considere um experimento em blocos casualizados com 𝐼 tratamentos e
J blocos.
 Os valores observados, que se referem à característica em estudo,
podem ser agrupados conforme o quadro abaixo:
Blocos
Tratamento Total
1 2 … 𝑗 … 𝐽
𝐽

1 𝑦11 𝑦12 … 𝑦1𝑗 … 𝑦1𝐽 𝐿1 = 𝑦1𝑗

𝑗=1
𝐽

2 𝑦21 𝑦22 … 𝑦2𝑗 … 𝑦2𝐽 𝐿2 = 𝑦2𝑗

𝑗=1

⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
𝐽

𝑖 𝑦𝑖1 𝑦𝑖2 … 𝑦𝑖𝑗 … 𝑦𝑖𝐽 𝐿𝑖 = 𝑦𝑖𝑗

𝑗=1

⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
𝐽

𝐼 𝑦𝐼1 𝑦𝐼2 … 𝑦𝐼𝑗 … 𝑦𝐼𝐽 𝐿𝐼 = 𝑦𝐼𝑗

𝑗=1
𝐼

Total 𝐶1 𝐶2 ⋯ 𝐶𝑗 ⋯ 𝐶𝐽 𝐺= 𝐿𝑖
𝑖=1
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA
1 𝐼 2
 Fator de Correção: 𝐾 = 𝑖=1 𝐿𝑖
𝐼×𝐽

 Soma de Quadrados:

𝐼 𝐽 2
 Soma de Quadrados Total: 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 = 𝑖=1 𝑗=1 𝑦𝑖𝑗 −𝐾

 Soma de Quadrados de Tratamentos:

𝐼
1
𝑆𝑄𝑇𝑟𝑎𝑡 = 𝐿2𝑖 −𝐾
𝐽
𝑖=1

 Soma de Quadrados de Blocos:

𝐽
1
𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 = 𝐶𝑗2 −𝐾
𝐼
𝑗=1

 Soma de Quadrados do Resíduo:

𝑆𝑄𝑅𝑒𝑠 = 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 − 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA
Quadro de Análise de Variância para DBC
CV GL SQ QM F
Blocos 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 𝑄𝑀𝐵𝑙𝑜𝑐𝑜𝑠
𝐽−1 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
𝐽−1 𝑄𝑀𝑅𝑒𝑠
𝑆𝑄𝑇𝑟𝑎𝑡 𝑄𝑀𝑇𝑟𝑎𝑡
Tratamento 𝐼−1 𝑆𝑄𝑇𝑟𝑎𝑡
𝐼−1 𝑄𝑀𝑅𝑒𝑠
𝑆𝑄𝑅𝑒𝑠
Resíduo 𝐼 − 1 (J − 1) 𝑆𝑄𝑅𝑒𝑠
𝐼−1 𝐽−1
Total 𝐼×𝐽 −1 𝑆𝑄𝑇𝑜𝑡𝑎𝑙

 Hipótese Testadas
𝐻𝑜 : 𝑡𝑖 = 0, 𝑖 = 1, 2, … , 𝐼.
 Para tratamentos
𝐻1 : pelo menos um valor de 𝑡𝑘 ≠ 0, 𝑘 ∈ 1; 𝐼

𝐻𝑜 : 𝑏𝑗 = 0, 𝑗 = 1, 2, … , 𝐽.
• Para blocos
𝐻1 : pelo menos um valor de 𝑏𝑘 ≠ 0, 𝑘 ∈ 1; 𝐼
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA

 Critério do teste para Tratamentos:

se logo então
𝑸𝑴𝑻𝒓𝒂𝒕𝒂𝒎𝒆𝒏𝒕𝒐𝒔
𝑭=
𝑸𝑴𝑹𝒆𝒔í𝒅𝒖𝒐
Deve-se rejeitar a hipótese nula
o teste é significativo ao 𝐻𝑜 : 𝜎12 = 𝜎22 em favor de 𝐻1 e
FTrat ≥ Ftab nível de significância concluir que os efeitos dos
𝛼 considerado. tratamentos diferem entre si ao nível
de significância 𝛼 considerado.
Não rejeitamos a hipótese nula
o teste é não
𝐻𝑜 : 𝜎12 = 𝜎22 e concluímos que os
significativo ao nível de
FTrat < Ftab efeitos dos tratamentos não diferem
significância 𝛼
entre si ao nível de significância 𝛼
considerado.
considerado.
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA

 Critério do teste para Blocos:

se logo então
𝑸𝑴𝑻𝒓𝒂𝒕𝒂𝒎𝒆𝒏𝒕𝒐𝒔
𝑭= Deve-se rejeitar a hipótese nula
o teste é 𝑸𝑴𝑹𝒆𝒔í𝒅𝒖𝒐
significativo ao 𝐻𝑜 : 𝜎12 = 𝜎22 em favor de 𝐻1 e
FBlocos ≥ Ftab nível de concluir que os efeitos dos tratamentos
significância 𝛼 diferem entre si ao nível de significância
considerado. 𝛼 considerado.
o teste é não Não rejeitamos a hipótese nula
significativo ao 𝐻𝑜 : 𝜎12 = 𝜎22 e concluímos que os
FBlocos < Ftab nível de efeitos dos tratamentos não diferem entre
significância 𝛼 si ao nível de significância 𝛼
considerado. considerado.
 OBTENÇÃO DA ANÁLISE DE VARIÂNCIA
 Resumindo o critério do teste:
se logo então notação
o teste é não
significativo ao
𝑁𝑆
𝐹calc < 𝐹tab (5%) nível de Aceitamos 𝐻𝑜 𝐹𝑐𝑎𝑙𝑐
significância
𝛼 = 0,05.
o teste é Rejeitamos 𝐻𝑜
significativo ao em favor de 𝐻1
𝐹tab 5% < 𝐹calc < 𝐹tab (1%) ∗
nível de com um grau 𝐹𝑐𝑎𝑙𝑐
significância de confiança de
𝛼 = 0,05. 95%
o teste é Rejeitamos 𝐻𝑜
significativo ao em favor de 𝐻1
𝐹tab 1% < 𝐹calc ∗∗
nível de com um grau 𝐹𝑐𝑎𝑙𝑐
significância de confiança de
𝛼 = 0,01. 99%
Exemplo de Aplicação
 EXEMPLO DE APLICAÇÃO

Com a finalidade de aumentar a produção de lã de suas

ovelhas, por meio de uma alimentação mais
apropriada, um criador separou 28 ovelhas de sua
criação. Como eram de idades diferentes elas foram
divididas em sete grupos, de modo que dentro de cada
grupo existiam quatro ovelhas com idades similares e
homogêneas para as demais características. Em
cada grupo foi realizado um sorteio para distribuir
inteiramente ao acaso quatro tipos de alimentação.
 EXEMPLO DE APLICAÇÃO
O experimento iniciou-se no momento de se realizar
uma nova tosquia, obtendo os seguintes resultados
expressos em unidades de medidas de lã por animal.

Produção de lã segundo a alimentação ingerida e os grupos homogêneos

Alimentação Grupos (Blocos)

(Tratamento) I II III IV V VI VII Totais
A 30 32 33 34 29 30 33
B 29 31 34 31 33 33 29
C 43 47 46 47 48 44 47
D 23 25 21 19 20 21 22
Totais
 EXEMPLO DE APLICAÇÃO

Produção de lã segundo à alimentação ingerida e grupos homogêneos

Alimentação Grupos (Blocos)

(Tratamento) I II III IV V VI VII Totais
A 30 32 33 34 29 30 33 221
B 29 31 34 31 33 33 29 220
C 43 47 46 47 48 44 47 322
D 23 25 21 19 20 21 22 151
Totais 125 135 134 131 130 128 131 914
 EXEMPLO DE APLICAÇÃO
Grupos (Blocos)
Fator de Correção Alimentação
(Tratamento)
I II III IV V VI VII Totais

A 30 32 33 34 29 30 33 221

𝑰 𝟐 B 29 31 34 31 33 33 III 220
𝑳
𝒊=𝟏 𝒊
𝑲= C 43 47 46 47 48 44 47 322
(𝑰 ×𝑱)
D 23 25 21 19 20 21 22 151

Totais 125 135 134 131 130 128 131 914

4 2
𝐿
𝑖=1 𝑖 221+220+322+151 2
𝑲= =
4×7 28

914 2 835.396
𝑲= = = 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒
28 28
 EXEMPLO DE APLICAÇÃO
Grupos (Blocos)
Soma de Quadrados Alimentação
(Tratamento)
I II III IV V VI VII Totais
Total A 30 32 33 34 29 30 33 221

𝑰 𝑱 𝟐 B 29 31 34 31 33 33 III 220
𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝒊=𝟏 𝒚
𝒋=𝟏 𝒊𝒋 −𝑲
C 43 47 46 47 48 44 47 322

D 23 25 21 19 20 21 22 151

Totais 125 135 134 131 130 128 131 914

𝟒 𝟕 𝟐
𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝒊=𝟏 𝒋=𝟏 𝒚𝒊𝒋 −𝑲

𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟑𝟎𝟐 + 𝟑𝟐𝟐 + 𝟑𝟑𝟐 + ⋯ + 𝟐𝟐𝟐 − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒

𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟑𝟐. 𝟎𝟓𝟎 − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒

𝑺𝑸𝑻𝒐𝒕𝒂𝒍 = 𝟐. 𝟐𝟏𝟒, 𝟒𝟐𝟖𝟔

 EXEMPLO DE APLICAÇÃO
Soma de Quadrados Alimentação Grupos (Blocos)
(Tratamento)
I III IV V VI VII Totais
de Tratamentos II

A 30 32 33 34 29 30 33 221
𝟏 𝑰 𝟐 B
𝑺𝑸𝑻𝒓𝒂𝒕 = 𝑳
𝒊=𝟏 𝒊 −𝑲 29 31 34 31 33 33 III 220
𝑱
C 43 47 46 47 48 44 47 322

D 23 25 21 19 20 21 22 151

Totais 125 135 134 131 130 128 131 914

𝟏 𝟒 𝟐
𝑺𝑸𝑻𝒓𝒂𝒕 = 𝑳
𝒊=𝟏 𝒊 −𝑲
𝟕

𝟏
𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟐𝟐𝟏𝟐 + +𝟐𝟐𝟎𝟐 + 𝟑𝟐𝟐𝟐 + 𝟏𝟓𝟏𝟐 − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒
𝟕

𝟐𝟐𝟑.𝟕𝟐𝟔
𝑺𝑸𝑻𝒓𝒂𝒕 = − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒
𝟕

𝑺𝑸𝑻𝒓𝒂𝒕 = 𝟐. 𝟏𝟐𝟓, 𝟐𝟖𝟓𝟕

 EXEMPLO DE APLICAÇÃO
Soma de Quadrados Alimentação Grupos (Blocos)
(Tratamento)
I II III IV V VI VII Totais
de Blocos
A 30 32 33 34 29 30 33 221
𝟏 𝑱 𝟐 B 29 31 34 31 33 33 III 220
𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝑪
𝒊=𝟏 𝒊 −𝑲
𝑰 C 43 47 46 47 48 44 47 322

D 23 25 21 19 20 21 22 151

Totais 125 135 134 131 130 128 131 914

𝟏 𝟕 𝟐
𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝑪
𝒊=𝟏 𝒊 −𝑲
𝟒

𝟏
𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏𝟐𝟓𝟐 + 𝟏𝟑𝟓𝟐 + 𝟏𝟑𝟒𝟐 + 𝟏𝟑𝟏𝟐 + 𝟏𝟑𝟎𝟐 + 𝟏𝟐𝟖𝟐 + 𝟏𝟑𝟏𝟐 − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒
𝟒

𝟏𝟏𝟗.𝟒𝟏𝟐
𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒
𝟒

𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟐𝟗. 𝟖𝟓𝟑, 𝟎 − 𝟐𝟗. 𝟖𝟑𝟓, 𝟓𝟕𝟏𝟒

𝑺𝑸𝑩𝒍𝒐𝒄𝒐 = 𝟏𝟕, 𝟒𝟐𝟖𝟔𝟏𝟔𝟎

 EXEMPLO DE APLICAÇÃO

 Soma de Quadrados do Resíduo

𝑺𝑸𝑹𝒆𝒔 = 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 − 𝑺𝑸𝑻𝒓𝒂𝒕 − 𝑺𝑸𝑩𝒍𝒐𝒄𝒐𝒔

𝑺𝑸𝑹𝒆𝒔 = 𝑺𝑸𝑻𝒐𝒕𝒂𝒍 − 𝑺𝑸𝑻𝒓𝒂𝒕 − 𝑺𝑸𝑩𝒍𝒐𝒄𝒐𝒔

= 𝟐. 𝟐𝟏𝟒, 𝟒𝟐𝟖𝟔 − 𝟐. 𝟏𝟐𝟓, 𝟐𝟖𝟓𝟕 − 𝟏𝟕, 𝟒𝟐𝟖𝟔 = 71,7143

 EXEMPLO DE APLICAÇÃO
Quadro de Análise de Variância para DBC
Causas de
GL SQ QM F
Variação

Tratamento
Blocos
Resíduo
Total
 EXEMPLO DE APLICAÇÃO
Quadro de Análise de Variância para DBC
Causas de
GL SQ QM F
Variação

Tratamento 3 𝟐. 𝟏𝟐𝟓, 𝟐𝟖𝟓𝟕 708,4286 177,8127∗∗

Blocos 6 𝟏𝟕, 𝟒𝟐𝟖𝟔 2,9048 0,7291𝑁𝑆

Resíduo 18 71,7143 3,9841

Total 27 𝟐. 𝟐𝟏𝟒, 𝟒𝟐𝟖𝟔

o Valores de F da tabela para Tratamento

 F 3GL×𝟏𝟖 GLl. 5% = 3,16
𝑭𝒄𝒂𝒍𝒄 = 𝟏𝟕𝟕, 𝟖𝟏𝟐𝟕 > 𝟓, 𝟎𝟗 = 𝑭𝒕𝒂𝒃 (𝟏%)
 F 3 GL×𝟏𝟖 GL 1% = 5,09

o Valores de F da tabela para Blocos

 F 6 GL×𝟏𝟖 GL 5% = 2,66 𝑭𝒄𝒂𝒍𝒄 = 𝟎, 𝟕𝟐𝟗𝟏 < 𝟐, 𝟔𝟔 = 𝑭𝒕𝒂𝒃 𝟓%
 F 6 GL×𝟏𝟖 GL 1% = 4,01
 EXEMPLO DE APLICAÇÃO
Conclusões
 Para Tratamento
 O teste F foi significativo com nível de significância de 1%,
indicando que devemos rejeitar 𝐻0 em favor de 𝐻1 e concluir
que os alimentos testados possuem efeitos distintos quanto a
produção de lã.
 Para Blocos
 O teste F foi não significativo, indicando que devemos
aceitar 𝐻0 e concluir os grupos de ovelhas testados possuem
efeitos semelhantes quanto a produção de lã.
 EXEMPLO DE APLICAÇÃO
o Para tirar conclusões mais específicas sobre o comportamento
dos tratamentos, devemos utilizar um teste de comparação de
médias.
Ao planejar um experimento, o pesquisador deve utilizar
𝐿𝑖
1. Cálculo
alguns das médias
princípios de cada
básicos tratamento
para que 𝑚𝑖 =
os dados a serem , 𝑖=
𝐽
𝐴, 𝐵,obtidos
𝐶, 𝐷 . permitam uma análise correta e levem a
221 220
𝑚𝐴 = válidas
conclusões = 31,5714 𝑚𝐵ao=problema
em relação = 31,4286
em estudo.
7 7

322 151
𝑚𝐶 = = 46,0 𝑚𝐷 = = 21,5714
7 7

𝑠
2. Cálculo do erro padrão da média: 𝑠 𝑚 = , 𝑠 2 = 𝑄𝑀𝑅𝑒𝑠
𝐽

𝑠 𝑄𝑀𝑅𝑒𝑠 3,9841
𝑠 𝑚 = = = = 0,7544
𝐽 𝐽 7
 EXEMPLO DE APLICAÇÃO
3. Aplicação do teste de Tukey para comparação das médias dos

tratamentos.
Ao planejar um experimento, o pesquisador deve utilizar
a) Amplitude total estudentizada
alguns princípios (𝛼 =
básicos para 5%):
que os dados a serem
obtidos permitam uma análise correta e levem a
𝑞 4 ×𝟏𝟖 𝐆𝐋 5% = 𝟒, 𝟎𝟎
conclusões válidas em relação ao problema em estudo.

b) Diferença mínima significativa ∆= 𝑞 𝐼 × 𝐺𝐿Resíduo ∙𝑠 𝑚

∆= 𝑞 4 ×𝟏𝟖 𝐆𝐋 𝟓% ∙ 𝑠 𝑚 = 𝟒, 𝟎𝟎 ∙ 0,7544 = 3,0176

 EXEMPLO DE APLICAÇÃO
c) Cálculo das estimativas dos contrastes entre duas médias.

𝑚𝐶 = 46,0 𝑚𝐴 = 31,5714 𝑚𝐵 = 31,4286 𝑚𝐷 = 21,5714

𝒎𝑪 𝒎𝑨 𝒎𝑩 𝒎𝑫

𝒎𝑪 −

𝒎𝑨 − −

𝒎𝑩 − − −

𝒎𝑫 − − − −
 EXEMPLO DE APLICAÇÃO
c) Cálculo das estimativas dos contrastes entre duas médias.

𝑚𝐶 = 46,0 𝑚𝐴 = 31,5714 𝑚𝐵 = 31,4286 𝑚𝐷 = 21,5714

𝒎𝑪 𝒎𝑨 𝒎𝑩 𝒎𝑫
𝒎𝑪 − 14,4286∗ 14,5714∗ 24,4286∗
𝒎𝑨 − − 0,1428NS 10∗
𝒎𝑩 − − − 9,8572∗
𝒎𝑫 − − − −
 EXEMPLO DE APLICAÇÃO
d) Conclusão
Médias seguidas de pelo menos uma letra em comum não diferem entre
si teste de Tukey, ao nível de significância de 5%.
Ao planejar um experimento,𝒂 o pesquisador deve utilizar
𝒎𝑪
alguns princípios básicos para
𝒃 que os dados a serem
𝒎𝑨
obtidos permitam uma análise
𝒃 correta e levem a
𝒎𝑩
conclusões válidas em relação
𝒎 𝒄 ao problema em estudo.
𝑫

100∙𝑠
4. Cálculo do coeficiente de variação do experimento 𝐶𝑉 =
𝑚

100 ∙ 𝑠 100 ∙ 𝑄𝑀𝑅𝑒𝑠 100 ∙ 3,9841

𝐶𝑉 = = = = 6,11 %
𝑚 914/27 32,6429
DBC com uma parcela perdida
 Introdução

• O DBC é balanceado de tal forma que todos os blocos

Ao planejar um experimento, o pesquisador deve utilizar
possuem todos os tratamentos.
alguns princípios básicos para que os dados a serem

 Assim,
obtidos permitamuma
se ocorrer umaperda
análisedecorreta e levem
parcela a quebra
há uma
conclusões válidas em relação ao problema em estudo.
neste balanceamento e, consequentemente, temos

algumas alterações no método de análise da variância.

 Estimativa da Parcela Perdida
o Considere um experimento em blocos casualizados com 𝐼 tratamentos e
J blocos.
 Os valores observados, que se referem à característica em estudo,
podem ser agrupados conforme o quadro abaixo:
Blocos
Tratamento Total
1 2 … 𝑗 … 𝐽
𝐽

1 𝑦11 𝑦12 … 𝑦1𝑗 … 𝑦1𝐽 𝐿1 = 𝑦1𝑗

𝑗=1
𝐽

2 𝑦21 𝑦22 … 𝑦2𝑗 … 𝑦2𝐽 𝐿2 = 𝑦2𝑗

𝑗=1

⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮

𝑖 𝑦𝑖1 𝑦𝑖2 … 𝑦𝑖𝑗 … 𝑦𝑖𝐽 𝐿 + 𝑦𝑖𝑗 Parcela

⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮ Perdida
𝐽

𝐼 𝑦𝐼1 𝑦𝐼2 … 𝑦𝐼𝑗 … 𝑦𝐼𝐽 𝐿𝐼 = 𝑦𝐼𝑗

𝑗=1

Total 𝐶1 𝐶2 ⋯ 𝐶 + 𝑦𝑖𝑗 ⋯ 𝐶𝐽 𝐺′
 Estimativa da parcela perdida

A melhor estimativa da parcela perdida é aquela que minimiza a

soma de quadrados de resíduos e é dada por:
𝐼∙𝐿+𝐽∙𝐶−𝐺 ′
𝑦𝑖𝑗 =
𝐼−1 𝐽−1

sendo:
• 𝐿: a soma das parcelas existentes no tratamento que perdeu a
parcela
• 𝐶: a soma das parcelas existentes no bloco que perdeu a parcela
• 𝐺′: a soma das parcelas existentes no experimento
 Obtenção da Análise de Variância
 Uma vez obtida a estimativa da parcela perdida, substituímos
o seu valor no quadro de dados e calculamos as somas de
quadrados de maneira usual.

 Soma de Quadrados:

 Soma de Quadrados Total

2
𝐼 𝐽 𝐼
2 1
𝑆𝑄𝑇𝑜𝑡𝑎𝑙 = 𝑦𝑖𝑗 − 𝐾, 𝐾= 𝐿𝑖
𝐼×𝐽
𝑖=1 𝑗=1 𝑖=1
1 𝐼 2
 Soma de Quadrados de Tratamentos: 𝑆𝑄𝑇𝑟𝑎𝑡 = 𝑖=1 𝐿𝑖 −𝐾
𝐽
1 𝐽 2
 Soma de Quadrados de Blocos: 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 = 𝑗=1 𝐶𝑗 −𝐾
𝐼

 Soma de Quadrados do Resíduo: 𝑆𝑄𝑅𝑒𝑠 = 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 − 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠

 Obtenção da Análise de Variância

 O método dos mínimos quadrados torna mínima a soma de

quadrados do resíduo, a qual fica corretamente estimada, porém,
causa uma superestimação na soma de quadrados na soma de
quadrados de tratamentos e de blocos, as quais devem ser
corrigidas.

 Fator de Correção para Tratamento

𝐼−1 𝑐 2
𝑈= 𝑦𝑖𝑗 −
𝐼 𝐼−1
 Fator de Correção para Bloco (opcional)
2
𝐽−1 𝐿
𝑈𝐵𝑙𝑜𝑐𝑜𝑠 = 𝑦𝑖𝑗 −
𝐽 𝐽−1
 Obtenção da Análise de Variância

 Ao montar o quadro da ANOVA, devemos lembrar que há uma

perda de um grau de liberdade para o total e para o resíduo, devido
à estimativa da parcela perdida.

Quadro da ANOVA para DBC com uma parcela perdida

CV GL SQ QM F
𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 𝑄𝑀𝐵𝑙𝑜𝑐𝑜𝑠
Blocos 𝐽−1 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
𝐽−1 𝑄𝑀𝑅𝑒𝑠
𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑼 𝑄𝑀𝑇𝑟𝑎𝑡
Tratamento 𝐼−1 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑼
𝐼−1 𝑄𝑀𝑅𝑒𝑠
𝑆𝑄𝑅𝑒𝑠
Resíduo 𝐼−1 𝐽+1 −1 𝑆𝑄𝑅𝑒𝑠 𝐼−1 𝐽+1 −1

Total 𝐼×𝐽 −1−1 𝑆𝑄𝑇𝑜𝑡𝑎𝑙

 Conclusões Específicas
o Conclusões mais específicas sobre o comportamento dos
tratamentos

1. Ao planejar
Cálculo um experimento,
das médias o pesquisador deve utilizar
de cada tratamento
As médias de tratamentos
alguns são obtidas
princípios básicos paradeque
maneira usual:a serem
os dados
𝐿𝑘
• 𝑚𝑘 = , para os tratamentos que não perderam parcela
obtidos
𝐽 permitam uma análise correta e levem a
𝐿+𝑦𝑖𝑗
• 𝑚conclusões
𝑖 = 𝐽 , para o tratamento
válidas que perdeu
em relação a parcelaem estudo.
ao problema

2. Cálculo dos erros padrões das médias de tratamentos

𝑠
• 𝑠 𝑚𝑘 = , para as médias dos tratamentos que não perderam
𝐽
parcela
1 𝐼
• 𝑠 𝑚𝑖 = 𝑉 𝑚𝑖 = + 𝑠2 , para a média do
𝐽 𝐽 𝐽−1 𝐼−1
tratamento que perdeu a parcela.
 Conclusões Específicas
3. Aplicação do teste de Tukey para comparação das médias dos
tratamentos.
Ao planejar
• Temos um aexperimento,
dois casos considerar: o pesquisador deve utilizar

a) alguns princípios
Comparação básicos
entre para que
as médias dosostratamentos
dados a serem
sem parcela
obtidos permitam uma análise correta e levem a
perdida:
𝑌 =em
conclusões válidas 𝑚𝑘relação
− 𝑚𝑙 ao problema em estudo.
2 2
𝑉 𝑌 = ∙𝑠
𝐽
Então, para aplicação do Teste de Tukey, temos:
𝑠
∆= dms = 𝑞𝐼 × 𝐼−1 𝐽−1 −1 5% ∙
𝐽
 Conclusões Específicas
b) Comparação entre as médias dos tratamentos sem parcela perdida (𝑘)
com média do tratamento que perdeu a parcela (𝑖) :
𝑌 = 𝑚𝑘 − 𝑚𝑖o pesquisador deve utilizar
Ao planejar um experimento,
2 𝐼
alguns𝑉 princípios 𝑠 2 dados a serem
𝑌 = +básicos para que∙ os
𝐽 𝐽 𝐼−1 𝐽−1
obtidos permitam uma análise correta e levem a
Então, para aplicação do Teste de Tukey, temos:
conclusões válidas em relação ao problema em estudo.
1
∆= dms = 𝑞 𝐼 × 𝐼−1 𝐽−1 −1 5% ∙ ∙𝑉 𝑌
2

4. Cálculo do coeficiente de variação do experimento

𝟏𝟎𝟎 ∙ 𝒔
𝑪𝑽 =
𝒎