Delineamento em Blocos Casualizados 63 1.

DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Suponha que um experimentador esteja interessado em estudar os efeitos de 3 diferentes dietas. A primeira providncia do pesquisador foi a de se inteirar a respeito da natureza do material experimental disponvel. Feito isto, constatou que ele disporia de 12 animais com aproximadamente o mesmo peso. Entretanto, estes 12 animais eram provenientes de 4 ninhadas, cada uma contendo trs animais. Dentro de uma ninhada, os trs animais foram sorteados s trs dietas. Os animais foram colocados em 12 baias idnticas e alimentados com as dietas sorteadas, em idnticas condies. Mediu-se, ento, o ganho de peso desses animais depois de 12 semanas. Os dados obtidos so apresentados no quadro abaixo:
Dieta 1 2 3 Total 1 28,7 30,7 31,9 91,3 2 29,3 34,9 34,2 98,4 Ninhada 3 28,2 32,6 34,9 95,7 4 28,6 34,4 35,3 98,3 Total 114,8 132,6 136,3 383,7

O delineamento experimental para este ensaio de dietas um exemplo de um Delineamento em Blocos Casualizados com trs tratamentos e quatro blocos. Os tratamentos so nveis de um fator experimental, as trs dietas; os blocos so os nveis do fator confundido, as ninhadas. Dado que os animais em diferentes ninhadas respondem diferentemente a uma dada dieta, a ninhada considerada, um fator de confundimento. As 12 unidades experimentais (animais) so agrupados em 4 blocos de tal forma que, dentro de cada grupo, trs unidades so afetadas pelo mesmo nvel do fator de confundimento. Por causa da poro das caractersticas inerentes aos animais dentro de uma mesma ninhada (bloco), suas respostas sero muito similares, enquanto que as respostas dos animais pertencentes a diferentes ninhadas iro variar muito; isto , as unidades experimentais so mais homogneas dentro dos blocos do que entre os blocos. Assim, resumidamente, podemos definir que um DBC um delineamento no qual as unidades (unidades experimentais) s quais os tratamentos so aplicados so subdivididos em grupos homogneos, denominados de blocos, tal que o nmero de unidades experimentais em um bloco igual ao nmero (ou algum mltiplo do nmero) de tratamentos estudados. Os tratamentos so ento sorteados s unidades experimentais dentro de cada bloco. Deve-se ressaltar que cada tratamento aparece em cada bloco, e todo bloco recebe todos os tratamentos. Quando se usa o DBC, o objetivo isolar e remover do termo de erro (resduo) a variao atribuda ao bloco, garantindo assim, que as mdias dos tratamentos esto livres do efeito dos blocos. A efetividade deste delineamento depende da habilidade em se obter blocos homogneos de unidades experimentais. A habilidade para formar blocos homogneos depende do conhecimento que o pesquisador tem do material experimental. Quando os blocos so usados adequadamente, o QMR (quadrado mdio do resduo) no quadro da ANOVA ser reduzido, a estatstica F aumentar, e a chance de se rejeitar H0 (hiptese de nulidade) ser maior. Em experimentos com animais, quando acredita-se que diferentes raas de animais responder diferentemente ao mesmo tratamento, a raa do animal pode ser usada como um fator a ser considerado na formao dos blocos. O DBC pode, tambm, ser

Estatstica Experimental

Delineamento em Blocos Casualizados 64 empregado efetivamente quando um experimento deve ser conduzido em mais de um laboratrio (bloco) ou quando vrios dias (blocos) so requeridos para a realizao do experimento. No DBC temos os trs princpios bsicos da experimentao: repetio, casualizao e controle local.
VANTAGENS DO DBC

Com o agrupamento das parcelas, geralmente se obtm resultados mais precisos que aqueles obtidos num DIC. Desde exista material experimental suficiente, o delineamento ser sempre balanceado, podendo-se incluir qualquer nmero de tratamentos. A anlise estatstica bastante simples. Se a varincia do erro experimental maior para alguns tratamentos que para outros, pode-se obter um erro no viesado para testar qualquer combinao especfica das mdias dos tratamentos.

PRINCIPAL DESVANTAGEM

Aparece quando da perda de parcela(s) em algum tratamento. Apesar de existir um mtodo apropriado de estimao desses valores, h a perda de eficincia na comparao de mdias envolvendo esses tratamentos. 2. ORGANIZAO DOS DADOS NO DBC. Vamos considerar k -tratamentos; r blocos e y ij o valor observado na parcela que recebeu o tratamento i e se encontra no bloco j. Assim, um quadro para representar os valores amostrais de um DBC pode ser da forma abaixo:
TRAT. 1 2 3 . . . i . . . k TOTAL 1 Y11 Y21 Y31 . . . . . . . Yk1 Y+1 2 Y12 Y22 Y32 . . . . . . . Yk2 Y+2 3 Y13 Y23 Y33 . . . . . . . Yk3 Y+3 BLOCOS ... j ... ... ... ... . . . . . . . ... ... ... ... ... ... ... Yij . . . ... Y+j ... ... ... ... . . . . . . . ... ... r Y1r Y2r Y3r . . . . . . . Ykr Y+r TOTAL Y1+ Y2+ Y3+ . . . . . . . Yk+ Y++ MDIA

Y1+ Y2 + .
Y3+
. . . . . . .

Yk +

3. MODELO MATEMTICO
Yij = + j + i + ij i = 1, 2 , L , k e j = 1, 2 , L , r

Estatstica Experimental

Delineamento em Blocos Casualizados 65 sendo: y ij a observao que recebeu o i simo tratamento no j simo bloco ;

mdia geral comum a todas as observaes; j o efeito do j simo bloco , com

r

j =1 r j =1

= 0; = 0;

i efeito do i simo tratamento com ij o efeito do erro aleatrio.

4. SUPOSIES DO MODELO. Neste modelo, cada y ij observado constitui uma amostra aleatria independente de tamanho 1 de cada uma das kr populaes os ij so independentes e normalmente distribudos com mdia 0 e varincia

2 , ou seja, ij ~ N ( 0 , 2 ) . Isto implica em que as kr populaes so

normalmente distribudas com mdia ij e a mesma varincia 2 , ou seja,

y ij ~ N ( ij , 2 ) ;
os efeitos de blocos e tratamentos so aditivos. Esta suposio pode ser interpretada como no existe interao entre tratamentos e blocos. Em outras palavras, uma particular combinao bloco-tratamento no produz um efeito que maior que ou menor que a soma dos efeitos individuais.

5. HIPTESE ESTATSTICA. Podemos testar

H 0 : i = 0 , com i = 1,2 , ..., k H1 : nem todos os i = 0 Geralmente o teste de hiptese com relao aos efeitos de blocos no feito por dois motivos: primeiro o interesse principal testar os efeitos de tratamento, o propsito usual dos blocos eliminar fontes estranhas de variao. Segundo, embora as unidades experimentais sejam distribudas aleatoriamente aos tratamentos, os blocos so obtidos de uma maneira no aleatria.

Estatstica Experimental

Delineamento em Blocos Casualizados 66

6. PARTIO DA SOMA DE QUADRADOS. Voltemos ao quadro de representao das observaes no DBC
TRAT. 1 2 3 . . . i . . . k TOTAL MDIA 1 Y11 Y21 Y31 . . . . . . . Yk1 Y+1 2 Y12 Y22 Y32 . . . . . . . Yk2 Y+2 3 Y13 Y23 Y33 . . . . . . . Yk3 Y+3 BLOCOS ... j ... ... ... ... . . . . . . . ... ... ... ... ... ... ... ... Yij . . . ... Y+j ... ... ... ... . . . . . . . ... ... ... r Y1r Y2r Y3r . . . . . . . Ykr Y+r TOTAL Y1+ Y2+ Y3+ . . . . . . . Yk+ Y++ MDIA

Y1+ Y2 +.
Y3+
. . . . . . .

Yk +

Y+1

Y+ 2

Y+ 3

Y+ j

Y+ r

Y+ +

Podemos identificar os seguintes desvios: y ij y + + , como o desvio de uma observao em relao a mdia amostral geral; y ij y i + , como o desvio da observao em relao mdia de seu grupo ou do i-simo tratamento; y i + y + + , como o desvio da mdia do i-simo tratamento em relao mdia geral. y + j y + + como o desvio da mdia do j-simo bloco em relao mdia geral.

Consideremos a identidade
( y ij y + + ) = ( y i + y + + ) + ( y + j y + + ) + ( y ij y i + y + j + y + + ) , a qual representa a a variao de uma observaes em relao mdia geral amostral como uma soma da variao desta observao em relao mdia de seu grupo, com a variao desta observaoem relao mdia do j-simo bloco em que se encontra esta observao, com a variao do erro experimental . Elevando-se ao quadrado os dois membros da identidade acima e somando em relao aos ndices i e j, obtemos:

( y ij y + + ) 2 = ( y ij y i + ) 2 + ( y + j y + + ) 2 +
i =1 j =1 k r i =1 j =1 i =1 j =1

+ ( y ij y i + y + j + y + + ) 2 ,
i =1 j =1

O termo

Estatstica Experimental

Delineamento em Blocos Casualizados 67

k ri

( y
i =1 j =1

ij

y ++ )2 ,

denominado de Soma de Quadrados Total e vamos denot-lo por SQT.O nmero de graus de liberdade associado SQT kr - 1, ou N 1, pois temos N observaes e a restrio

( y
i =1 j =1

ri

ij

y ++ ) = 0 .

O termo:

( y
i =1 j =1

ri

i+

y ++ )2 ,

denominado de Soma de quadrados de tratamentos, representada por SQTr, e uma medida da variabilidade entre os tratamentos. Quanto mais diferentes entre si forem as mdias dos tratamentos, maior ser a SQTr. Desde que temos k tratamentos e a restrio de que

( y
i =1 k ri

i+

y ++ ) = 0 ,

a SQTr est associada a k-1 graus de liberdade. O termo

( y
i =1 j =1

+j

y ++ )2

denominado de Soma de quadrados de blocos, representada por SQB, e uma medida da variabilidade entre os blocos. Quanto mais diferentes entre si forem as mdias dos blocos, maior ser a SQB, justificando assim, a utilizao do delineamento em blocos. Desde que temos r blocos e a restrio de que

( y
i =1

+j

y ++ ) = 0 ,

a SQB est associada a r-1 graus de liberdade. Finalmente, o termo

( y
i =1 j =1

ij

y i + y + j + y ++ )2 ,

Notem que a magnitude da SQR no depende da diferena entre as mdias dos tratamentos. Os graus de liberdade associada SQR (k-1)(r-1), isto , o produto dos graus de liberdade dos tratamentos e blocos SQT = SQB + SQTr + SQR , e os graus de liberdade associados a cada membro da equao acima fica total kr-1 = blocos (r-1) + tratamentos (k-1) + resduo (k-1)(r-1)

Estatstica Experimental

Delineamento em Blocos Casualizados 68

7. QUADRADOS MDIOS. Dividindo a SQB, SQTr e SQR pelos correspondentes graus de liberdade, obtemos, respectivamente o Quadrado Mdio Blocos (QMB), o Quadrado Mdio Entre Tratamentos (QMTr) e o Quadrado Mdio Resduo, isto ,

QMB =

SQB r 1

QMTr =

SQTr SQR e QMR = k 1 ( k 1 )( r 1 )

8. ESTATSTICA E REGIO CRTICA DO TESTE. A estatstica para o teste

QMTr , QMR a qual, deve ser prximo de 1 se H0 for verdadeira, enquanto que valores grandes dessa estatstica so uma indicao de que H0 falsa. A teoria nos assegura que Fc tem, sob H0 distribuio F Snedecor com (k -1) e (k-1)(r-1) graus de liberdade no numerador e no denominador, respectivamente. Resumidamente, indicamos: Fc ~ F( k 1 , ( k 1 )( r 1 ), ) , sob H 0 . Fc =

Rejeitamos H0 para o nvel de significncia se Fc > F( k 1 ,( k 1 )( r 1 ), ) , sendo, F( k 1 , ( k 1 )( r 1 ), ) o quantil de ordem (1 ) da distribuio F-Snedecor com (k 1) e (k-1)(r-1) graus de liberdade no numerador e no denominador. 9. QUADRO DA ANLISE DE VARINCIA (ANOVA). Dispomos as expresses necessrias ao teste na Tabela abaixo, denominada de Quadro de Anlise de Varincia (ANOVA).
Fonte de variao gl SQ QM F

Blocos

r1

j =1 k

Y+2j k

( Y+ + ) 2 kr

SQB r 1 SQTr k 1 QMTr QMR

Tratamentos

k-1

Yi 2 ( Y+ + ) 2 + kr i =1 r

Resduo

(k-1)(r-1)
k r

SQR ( k 1 )( r 1 ) ( Y+ + ) 2 kr

TOTAL

kr 1

Yij2
i =1 J =1

Pode-se provar que:

Estatstica Experimental

Delineamento em Blocos Casualizados 69 E ( QMR ) = 2 , ou seja, QMR um estimador no viesado da varincia 2 ; k r E ( QMTr ) = 2 + i , ou seja, QMTr um estimador no viesado da ( k 1 ) i =1 varincia 2 se a hiptese H 0 : 1 = 2 = ... = k = 0 verdadeira. E ( QMB ) = 2 +

r k j ( r 1 ) j =1 10. DETALHES COMPUTACIONAIS. Apresentaremos alguns passos que facilitam os clculos das somas de quadrados da ANOVA. ( y )2 Calcule a correo para a mdia CM = + + ; N

2 Calcule a Soma de Quadrados dos Totais (SQT) SQT = y ij CM ; i =1 j =1

Calcule a Soma de Quadrados Entre os Tratamentos (SQTr) r Yi 2 SQTr = + CM ; i =1 r Calcule a Soma de Quadrados de blocos (SQB) SQB =
j =1 r

CM ; k Calcule a Soma de Quadrados Residual (SQR) pela diferena, isto , SQR = SQT SQTr SQB ; Calcule os Quadrados Mdios Entre os Tratamentos (QMTr) e o Quadrado SQB SQTr SQR Mdio Residual (QMR) QMB = , QMTr = e QMR = r 1 k 1 ( k 1 )( r 1 ) QMTr QMB Calcule Fc para tratamentos FcTr = e FcBl = QMR QMR 11. EXEMPLO 1: Vamos considerar os dados apresentados no item1. Os clculos para montar-mos o quadro da ANOVA so: k = 3, r = 4, e kr = N =(3)(4) =12. Ento
Graus de liberdade: Total = kr 1 = N 1 = ( 3 )( 4 ) 1 = 12 1 = 11; Trat . = k 1 = 3 1 = 2 Blo cos = r 1 = 4 1 = 3 e Re s = ( k 1 )( r 1 ) = ( 3 )( 2 ) = 6

Y+2j

( 383 ,80 ) 2 = 12275 ,20 12 SQT = ( 28 ,7 ) 2 + ( 29 ,3 ) 2 + ... + ( 35 ,3 ) 2 CM = 12353 ,35 12268 ,81 = 84 ,54 (114 ,8 ) 2 (132 ,6 ) 2 (136 ,3 ) 2 SQTr = + + CM = 4 4 4 12334 ,87 12268 ,81 = 66 ,06 CM =

Estatstica Experimental

Delineamento em Blocos Casualizados 70

( 91,3 ) 2 ( 98 ,4 ) 2 ( 95 ,7 ) 2 ( 98 ,3 ) 2 + + + CM = 3 3 3 3 12279 ,88 12268 ,81 = 11,07 SQR = SQT SQTr SQB = 84 ,54 66 ,06 11,07 = 7 ,41 66 ,06 11,07 7 ,41 QMTr = = 33 ,03 , QMB = = 3 ,69 e QMR = = 1,24 2 3 6 QMTr 33 ,03 QMB 3 ,69 FcTr = = = 26 ,64 e FcBl = = = 2 ,99 QMR 1,24 QMR 1,24 SQB =

Organizando estes resultados no Quadro da ANOVA, temos:

Fonte de variao Tratamentos Blocos Resduo 2 3 6 11 66,06 11,07 7,41 84,54 33,03 3,69 1,24 26,64 2,99 g.l. SQ QM Fc

Total

Das tabelas das distribuies F, temos que F( 2 ,6 , 0 ,05 ) = 5 ,14 e F( 2 ,6 , 0 ,01 ) = 10 ,92 . O valor FcTr = 26,64 maior do que estes valores tabelados, ento rejeitamos a hiptese nula H0 para um nvel = 0 ,01, ou 1% de probabilidade (se significativo a 1%, tambm significativo a 5%), e conclumos que existe uma diferena entre as trs dietas. As concluses sobre s diferenas entre os efeitos de ninhadas (blocos) podem ser baseadas no Fc para blocos (FcBl = 2,98 com p=0,118). Parece que no existe uma variao significativa entre as ninhadas nos ganhos de peso. O teste F da ANOVA para os blocos um teste aproximado mesmo quando as suposies so satisfeitas. Alguns pesquisadores sugerem que no se considere o efeito colocado nos blocos em futuros estudos similares, somente se o valor mnimo significativo (valor de p) associado estatstica calculada for maior ou igual a 0,25 ( p 0 ,25 ) . Para estes dados, FcBl = 2,99 tem um p = 0,118. Portanto, mesmo que existe insuficientes evidncias para rejeitar H 0 : j = 0 , ou seja, no existe efeito de ninhada, no uma boa idia ignorar os efeitos de ninhada em futuros estudos. Resultados fornecidos pelo Minitab
Analysis of Variance for Peso Source DF SS Dieta 2 66.06 Ninhada 3 11.07 Error 6 7.41 Total 11 84.54 MS 33.03 3.69 1.23 F 26.75 2.99 P 0.001 0.118

Estatstica Experimental

Delineamento em Blocos Casualizados 71

Individual 95% CI ----+---------+---------+---------+------(------*-----) (------*------) (-----*------) ----+---------+---------+---------+------28.00 30.00 32.00 34.00

Dieta 1 2 3

Mean 28.70 33.15 34.08

12. ESTIMAO DE PARCELA PERDIDA. Um problema relativamente srio deste tipo de delineamento ocorre quando perdemos uma (ou mais) parcela(s) durante o desenvolvimento do experimento. Vamos considerar o seguinte exemplo: Exemplo:
Trat. A B C D E Total Classe de idade (Blocos) 1 2 3 4 15 11 20 18 22 31 45 26 33 37 * 30 44 31 49 34 37 30 36 21 151 140 150 129 Total 64 124 100 158 124 570

A generalizao destes dados pode ser representada no quadro abaixo

Trat. 1 2 . . . i . . . 1 Y11 Y21 . . . . . . . 2 Y12 Y22 . . . . . . . 3 Y13 Y23 . . . . . . . Blocos ... ... ... . . . . . . . j ... ... ... ... ... ... ... ... . . . . . . . r Y1r Y2r . . . . . . . Total

Y1+ Y2 +
. . .

ij Y
. . . ...

Yi+

K Total

Yk1

Yk2

Yk3

...

...

Ykr

. .

Yi +
Y+ +

Y+1

Y+ 2

...

+j

Y+ r

sendo: ij a estimativa da parcela perdida; Y

k o nmero de tratamento s e r o nmero de blo cos;

Y+ + o total das parcelas disponvei s ;

YI+ o total das parcelas res tan tes no tratamento onde ocorreu a parcela perdida ;
Y+ j o total das parcelas res tan tes no bloco onde ocorreu a parcela perdida.

Estatstica Experimental

Delineamento em Blocos Casualizados 72

Uma soluo interessante para o caso da perda de uma parcela consiste em estimar seu valor usando a frmula:
ij = Y
kYI+ + rY+ j Y+ +

( k 1 )( r 1 ) No exemplo acima, temos uma parcela perdida no tratamento C no bloco 3 (classe de idade). Nestes dados temos: k = 5 , r = 4 , Y+ 3 = 150 , Y3 + = 100 e Y+ + = 570 ; ij = 5 (100 ) + 4(150 ) 570 = 44 ,17 a estimativa da parcela dado por Y ( 5 1 )( 4 1 ) Este valor deve ser substitudo no lugar do dado perdido e a anlise feita como anteriormente. A nica diferena que se perde um grau de liberdade no resduo, obtendo-se o seguinte quadro de anlise de varincia:
Fonte de Variao Blocos Tratamentos Resduo 3 4 11 18 488,56 1289,00 347,18 2124,75 162,86 322,25 31,56 10,21 g.l. SQ QM Fc

Total

F(4; 11; 0,05) = 3,36; F(4; 11; 0,01) = 5,67; F(3; 11; 0,05) = 3,59 ; F(3; 11; 0,01) = 6,62

Observao: Nessa ltima anlise, o quadrado mdio do resduo est corretamente estimado, mas aquele correspondente a tratamento est ligeiramente exagerado. Para corrigi-lo, basta subtrair da SQTr a seguinte quantidade: Y+ j 2 k 1 U= ( Yij ) k k 1 Ento, temos: U =
5 1 150 2 ( 44 ,17 ) = 35 ,59 , logo a SQTr 5 5 1 correta fica igual a SQTr = 1289,00 35,59 = 1253,41 e a Q MTr = 313,35. F c = 9,93. Como o valor de Fc > F( 4 ,11: 0 ,05 ) a concluso sobre a presena de pelo

menos um efeito de tratamento no nulo, continua valendo. OBS: Muitas vezes, dispensa-se o uso dessa correo, j que nem sempre ela altera os resultados. Entretanto, na dvida, devemos aplicar essa correo. Fazendo esta mesma anlise no MiniTab, com asterisco no lugar da parcela perdida temos o seguinte resultado

Estatstica Experimental

Delineamento em Blocos Casualizados 73

General Linear Model: Y versus Bloco; Trat Factor Type Levels Values Bloco fixed 41234 Trat fixed 5ABCDE Analysis of Variance for Y, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Bloco 3 333.40 400.48 133.49 4.23 0.032 Trat 4 1253.42 1253.42 313.35 9.93 0.001 Error 11 347.18 347.18 31.56 Total 18 1934.00

Reparem que a SQTr j esta corrigida, ou seja, quando se usa o MiniTab ou o SAS no necessrio estimar a parcela e depois substitu-la nos dados e fazer a ANOVA. Nestes programas a correo da SQTr feita automaticamente. No MiniTab necessrio seguir os seguintes passos: Stat/ANOVA/General Linear Models e nesta janela colocar os termos do modelo em Model na ordem apresentada.

Antes de acionar o OK nesta janela v janela General Model Options marcar na Sum of Square a Adjusted (Type III) e OK

Estatstica Experimental

Delineamento em Blocos Casualizados 74

13. ANLISE DE VARINCIA DE MEDIDAS REPETIDAS. Um delineamento experimental de medidas repetidas aquele no qual, vrias medidas so feitas na mesma unidade experimental (geralmente animal), e estas medidas repetidas constituem as repeties. Para ilustrar melhor esta caracterstica vamos considerar o exemplo 2, item 11 da Aula 3 , pg 35. Neste exemplo tnhamos 4 amostras independentes de animais e todos os animais de cada grupo foram alimentados, depois do sorteio, com uma das 4 dietas. Nos delineamentos de medidas repetidas no existe amostras independentes de animais; ao contrrio, cada um dos 5 animais tero seus pesos medidos depois que foram submetidos a uma determinada dieta, depois de um certo perodo de tempo, os mesmos cinco animais tero seus pesos avaliados depois de terem sidos submetidos a outra dieta, e assim sucessivamente, at serem submetidos a todas as dietas. A tabulao dos dados pode ser bem parecida com a representao dos dados do DBC. Neste exemplo podemos ter:
Animais 1 2 3 4 5 TOTAL 1 Y11 Y21 Y31 Y41 Y51 Y+1 Dietas 2 Y12 Y22 Y32 Y42 Y52 Y+2 3 Y13 Y23 Y33 Y43 Y53 Y+3 4 Y14 Y24 Y34 Y44 Y54 Y+4 TOTAL Y1+ Y2+ Y3+ Y4+ Y5+ Y++

Os resultados dos clculos da ANOVA de um delineamento de medidas repetidas so os mesmos de uma anlise de um DBC. A grande vantagem deste tipo de delineamento o seu econmico requerimento de unidades experimentais (animais). Este delineamento tem desvantagens se existe um efeito por causa da seqncia em que os tratamentos so administrados (dietas no presente exemplo) aos animais. Uma outra desvantagem surge se o tempo entre a aplicao de diferentes tratamentos insuficiente para evitar a sobreposio de efeitos do tratamento anterior. EXEMPLO. Considere o conjunto de dados abaixo os quais se referem a nveis de concentrao de colesterol (mg/dl) em sangue de 7 animais experimentais, depois que foram tratados cada um com uma das trs drogas, com suficiente tempo entre as aplicaes das drogas para que seu efeito desaparecesse do animal.
Drogas 2 3 152 178 181 222 136 132 194 216 219 245 159 182 157 165 1198 1340

Animais 1 2 3 4 5 6 7 TOTAL

1 164 202 143 210 228 173 161 1281

TOTAL 494 605 411 620 692 514 483 3819

Estatstica Experimental

Delineamento em Blocos Casualizados 75

A hiptese de interesse que a mdia do nvel de colesterol no sangue a mesma independente da droga (tratamento). (Extrado de ZAR, J. H. Biostatistical Analysis, pg. 255, 1999)

H 0 : 1 = 2 = 3 H1 : pelo menos duas mdias diferentes Os resultados fornecidos pelo MiniTab so:
Analysis of Variance for N_C, using Sequential SS for Tests Source DF Seq SS Adj SS Animal 6 18731.2 18731.2 Droga 2 1454.0 1454.0 Error 12 695.3 695.3 Total 20 20880.6 Seq MS F P 3121.9 53.88 0.000 727.0 12.55 0.001 57.9

Concluso: rejeita-se H0 (Refazer estes clculos, manualmente e no MiniTab. Siga as instrues dadas no final do item 12 desta aula)

Estatstica Experimental