Bioestatística e Estatística Experimental

UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO
INSTITUTO DE CINCIAS EXATAS

Departamento de Matemtica
rea Estatstica
IC 283 BIOESTATSTICA
IC 284 ESTATSTICA EXPERIMENTAL
Marcelo Jangarelli
Prof. Adjunto DEMAT/ICE/UFRRJ
Seropdica Rio de Janeiro

Outubro 2013
UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO

INSTITUTO DE CINCIAS EXATAS
Departamento de Matemtica
rea Estatstica
IC 283 BIOESTATSTICA
IC 284 ESTATSTICA EXPERIMENTAL
Esta apostila constitui o material bsico das disciplinas IC 283 Bioestatstica e IC

284 Estatstica Experimental. Em todas as aulas sero feitas complementaes
suplementares com o objetivo de atualizar, acrescentar novas informaes relevantes ainda
no implementadas e facilitar o entendimento do material apresentado.
Marcelo Jangarelli
Prof. Adjunto DEMAT/ICE/UFRRJ
Seropdica Rio de Janeiro

Outubro 2013
Sumrio
Distribuio Amostral e Intervalo de Confiana
01
II
Testes de Hipteses
05
III
Princpios Bsicos da Experimentao
16
IV
Delineamentos Experimentais e Teste de Comparao de Mdias *
20
Experimentos Fatoriais
37
VI
Regresso Linear
42
VII
Listas de Exerccios
47
VIII
Gabarito
62
Referncias
65
Apndice
66
O tpico Delineamento em Quadrado Latino presente no CONTEDO IV apenas ser
abordado na Disciplina IC 284 Estatstica Experimental.
IC283 Bioestatstica e IC284 Estatstica Experimental

Professor Marcelo Jangarelli DEMAT ICE - UFRRJ
CONTEDO I
DISTRIBUIO AMOSTRAL E INTERVALO DE CONFIANA
1 INTRODUO
Ao retirarmos uma amostra aleatria de uma populao e calcularmos a partir desta
amostra qualquer quantidade (medidas descritivas numricas), encontramos a estatstica, ou
seja, chamaremos os valores calculados em funo dos elementos da amostra de estatsticas.
As estatsticas, sendo variveis aleatrias, tero alguma distribuio de probabilidade,
com uma mdia, uma varincia, etc. A Distribuio de Probabilidade de uma estatstica
denominada de Distribuio Amostral.
A Inferncia Estatstica tem por objetivo fazer generalizao sobre uma populao
com base em dados de uma amostra (Estatsticas). As populaes so caracterizadas por
medidas descritivas numricas, chamadas de parmetros. Muitas pesquisas tem por objetivo
fazer inferncia a respeito de um ou mais parmetros da populao. Essa inferncia pode ser
por meio de um nico valor numrico (Estimao por Ponto), por uma amplitude de valores
numricos (Estimao por Intervalo) ou pelo simples sim ou no (Teste de Hiptese).
Como exemplo, considere uma nova marca de inseticida lanada no mercado. A
pesquisa pode ter diversos interesses: i) saber qual dose de inseticida mata 90% dos insetos
(estimao por ponto); ii) desejar um intervalo da dose com coeficiente 1 de confiana
para que se tenha a mortalidade de 90% dos insetos (estimao por intervalo); iii) ou ainda o
interesse poderia focar se o inseticida novo melhor do que os j existentes no mercado
(testes de hipteses).
A estimao por ponto utiliza a informao da amostra para chegar a um nico valor
numrico ou ponto, que estima o parmetro de interesse (parmetro populacional). Ex: Mdia,
Varincia, Coeficiente de Variao, etc.
A estimao por intervalo utiliza a informao da amostra para chegar a dois nmeros,
entre os quais pretende-se que esteja o parmetro de interesse. Caso esse intervalo esteja
associado a uma probabilidade 1 , tem-se um intervalo de confiana com coeficiente de
confiana de 1 .

2 DEFINIES
Populao: o conjunto de todos os elementos sobre os quais desejamos desenvolver
determinado estudo;
Amostra: uma parte desses elementos, ou seja, qualquer subconjunto da populao;
Parmetro: uma medida utilizada para descrever uma caracterstica da populao;
Estatstica: uma caracterstica da amostra, ou seja, uma estatstica T uma funo
de X1, X2, X3, ..., Xn T = f (X1, X2, X3, ..., Xn);
Estimador: qualquer estatstica T = f (X1, X2, X3, ..., Xn) utilizada para estimar uma
quantia desconhecida. Em geral, ele representado por uma determinada frmula;
Estimativa: o valor numrico assumido pelo estimador quando os valores
observados (X1, X2, X3, ..., Xn) so considerados.
3 DISTRIBUIO AMOSTRAL DA MDIA
A distribuio amostral de determinada estatstica a distribuio de todos os
possveis valores que ela pode assumir, calculados a partir de todas as possveis amostras de
mesmo tamanho.
Para determinado tamanho n da amostra, tomada de uma populao com mdia ,
o valor da mdia amostral ( X ) ir variar de uma amostra para outra. A distribuio amostral
da mdia descrita para determinar o valor esperado [E( X )] e o desvio padro [( X )] da
distribuio das mdias. Uma vez que este desvio padro indica a acurcia da mdia da
amostra como um estimador por ponto, ( X ) usualmente chamado de erro padro da
mdia. Em geral, o valor esperado e o erro padro da mdia so definidos como:

E( X ) =
( X ) =
Se o desvio padro da populao () for desconhecido o erro padro da mdia pode ser
estimado por meio do desvio padro amostral (s).
s( X ) =
s
n

4 INTERVALO DE CONFIANA (IC)

A estimao por ponto bastante til, embora no indique nenhuma acurcia ou
preciso associada a ela. Assim, ao invs de inferirmos sobre um nico valor referente ao
parmetro populacional, podemos inferir se o verdadeiro parmetro est contido em um
determinado intervalo compreendido entre dois valores, que representam os extremos do
intervalo (LSuperior e LInferior).
O objetivo da estimao por intervalo gerar intervalos pequenos que incluam o
verdadeiro parmetro populacional com alta probabilidade.
Os extremos do intervalo podem variar aleatoriamente de uma amostra para outra, pois
esto em funo das mdias amostrais (estimativas).
O comprimento do intervalo pode ser obtido pela diferena entre os limites superior e
inferior (LSup. LInf.).
4.1 IC para a mdia () de uma populao normal com 2 conhecida

P X Z
X + Z
=1
n
n
2
2
IC () 1 : X Z
2
Note que, o comprimento do IC tambm pode ser obtido pela expresso:

2. Z
2
Caso seja mantido os valores de n, e o seu comprimento ser fixo/constante.

J a estimativa da mdia ( X ) continua sendo uma varivel aleatria, determinando os
extremos do intervalo de acordo com a amostra considerada.
A interpretao do IC pode ser assim mencionada: Tem-se 1 (%) de confiana de
que o parmetro populacional () esteja compreendido no intervalo obtido. Ou mesmo, se
construirmos n intervalos do mesmo tipo (tamanho e nvel de confiana), espera-se que em 1
(%) deles contenha o verdadeiro parmetro ().

4.2 IC para a mdia () de uma populao normal com 2 desconhecida

Se a varincia populacional (2) no for conhecida, podemos substituir o ( X ) por
s( X ), em que o desvio padro amostral (s) a raiz quadrada da varincia amostral (s2).
A pressuposio da distribuio normal garantida para amostras grandes (n 30), ou
mesmo amostras menores, desde que sua populao seja normalmente distribuda e o
conhecido. Para amostras pequenas em que no se pode afirmar sobre sua normalidade, a
distribuio normal (Z) deve ser substituda pela distribuio t de Student.
IC () 1 : X t
2
t (n 1) g .l.
2
EXERCCIOS PROPOSTOS
1 Uma Varivel Aleatria X tem distribuio normal, com mdia 100 e desvio padro 10.
a) Qual a P (90 < X < 110)?
b) Se X a mdia de uma amostra de 25 elementos, calcular P (95 < X < 105);
c) Qual tamanho deveria ter a amostra para que P (90 < X < 110) fosse obtido a 95% de
confiana?
2 Seja X a durao da vida de uma pea de equipamento tal que = 5 horas. Admita que
100 peas foram ensaiadas fornecendo uma durao de vida mdia de X = 500 horas.
a) Obter um intervalo de 95% para a mdia ;
b) Qual o tamanho da amostra para o intervalo obtido? IC ()95%: 500 1,63
c) Com a amostra de 100 peas foi obtido o intervalo 500 0,765. Determinar a
confiana (%) utilizada para obter este intervalo;
3 Em uma amostra aleatria de 25 crianas de uma determinada comunidade encontrou-se
altura mdia 150 cm e desvio padro 5 cm. Admitindo que a distribuio das alturas das
crianas normal, determine:
a) Um intervalo de 95% de confiana para a altura mdia da populao;
b) O comprimento do intervalo obtido na letra a.

CONTEDO II
TESTES DE HIPTESES
1 INTRODUO
As duas principais reas de inferncia estatstica so: estimao de parmetros

populacionais e testes de hipteses.
O objetivo dos testes de hipteses desenvolver mtodos gerais para testar hipteses,
aplicando tais metodologias a alguns problemas comuns. Em geral, feita uma determinada
afirmao sobre uma populao, usualmente sobre um parmetro desta, e desejamos saber se
os resultados de uma amostra contrariam ou no tal afirmao.
Desta forma, a finalidade do teste estatstico de hiptese fornecer ferramentas que
nos permitam validar ou rejeitar uma hiptese atravs dos resultados amostrais.
2 DEFINIES
Parmetro uma funo de valores populacionais. Em geral, representa um valor
desconhecido associado populao;

Estimador O estimador de um parmetro qualquer funo das observaes
amostrais (X1, X2, ..., Xn). Ele representa uma determinada frmula de clculo, fornecendo
valores diferentes conforme a amostra selecionada;
Estimativa o valor numrico assumido pelo estimador quando os valores
amostrais (X1, X2, ..., Xn) so considerados.

3 TESTES DE HIPTESES
uma regra decisria que nos permite aceitar ou rejeitar uma hiptese estatstica com
base nos elementos de uma amostra. Estas hipteses so, em geral, sobre parmetros
populacionais ou relacionadas natureza da distribuio da populao.

3.1 Hiptese Estatstica
uma suposio referente ao valor de um parmetro populacional que ser verificada

por um teste paramtrico, ou mesmo uma afirmao quanto natureza da populao que pode
ser verificada por meio de um teste de aderncia.
Exemplos de hipteses estatsticas:
1. A mdia populacional da altura dos brasileiros de 1,66 metros, isto , = 1,66;
2. A proporo de brasileiros com determinada doena de 40%, ou seja, p = 0,40;
3. A distribuio dos pesos dos alunos da UFRRJ normal, ou seja, X ~ N (;2);
Hipteses a serem formuladas:
3.1.1 Hiptese de Nulidade (H0)
a hiptese a ser testada, tambm chamada de hiptese bsica ou nula. Os testes so

construdos sobre a pressuposio de que H0 seja verdadeiro.
O teste de hiptese consiste em verificar se determinado valor estimado, a partir de
uma amostra representativa da populao, difere significativamente do resultado esperado sob
H0.
Exemplos:
1. Um pesquisador informa que a produtividade mdia de uma cultura de 500 kg/ha;
H0 : = 500;
2. Duas marcas de raes (I e II) para leites em fase de crescimento propiciam em
mdia o mesmo ganho de peso. H0: 1 = 2.
Para os dois exemplos, o raciocnio que enquanto no houver evidncias amostrais
sugerindo que tais informaes no sejam verdadeiras, elas so tomadas como verdicas
(verdadeiras).
3.1.2 Hiptese Alternativa (H1)
a hiptese que contraria H0, formulada com base no conhecimento prvio do

problema, informaes de pesquisas/cientficas, entre outras indagaes. Considerando os
exemplos anteriores:
6

1. H1 : > 500 ou < 500 ou 500;

2. H1 : 1 > 2 ou 1 < 2 ou 1 2.
No teste de hiptese, a rejeio de H0 implicar na aceitao automtica de H1. Isso se
deve
ao
fato
dessas
hipteses
serem
contrastantes
mutuamente
excludentes,
impossibilitando que sejam simultaneamente verdadeiras.

Denomina-se teste de significncia quele utilizado para se testar tais hipteses.
3.2 Regio Crtica (RC)
a faixa de valores da estatstica do teste que nos leva a rejeio da hiptese H0, ou
seja, a RC para um teste de hiptese a que nos leva a rejeio de H0. vlido ressaltar que o
teste estatstico construdo na suposio de que H0 verdadeiro.
Caso o valor observado da estatstica do teste (F, t, 2 , etc.) pertena regio crtica,
rejeitamos H0, caso contrrio, no rejeitamos ou aceitamos H0.
3.3 Tipos de Erros
Para qualquer deciso que tomarmos, a partir de uma amostra da populao, estaremos
sujeitos a erros, pois trabalhamos com amostras e no com a populao como um todo.
3.3.1 Erro tipo I ou erro
O erro tipo I caracterizado pelo fato de rejeitarmos H0 sendo H0 verdadeiro. Sua

probabilidade representada por , sendo denominada nvel de significncia do teste. Logo,
= P (erro tipo I) = P (rejeitar H0/ H0 verdadeiro).
3.3.2 Erro tipo II ou erro
O erro tipo II caracterizado pelo fato de no rejeitarmos H0 sendo H0 falso. A

probabilidade de cometermos este tipo de erro indicada por . Logo, = P (erro tipo II) = P
(no rejeitar H0/ H0 falso).

A tabela a seguir apresenta as probabilidades de cometermos os erros do tipo I e do

tipo II.
Deciso
Realidade
H0 verdadeiro
H0 falso
Rejeitar H0
No rejeitar H0
3.4 Tipos de Testes

3.4.1 Teste Unilateral Direita
A partir de uma valor C (ponto crtico), rejeita-se H0 se X C.

H0 : = K
H1 : > K
3.4.2 Teste Unilateral Esquerda
A partir de uma valor C (ponto crtico), rejeita-se H0 se X C.

H0 : = K
H1 : < K
3.4.3 Teste Bilateral
Rejeita-se H0 se X C1 ou X C2.
H0 : = K
H1 : K
3.5 Etapas para construo de um Teste de Hiptese
1. Enunciar a hiptese nula (H0) e a hiptese alternativa (H1);

2. Especificar o nvel de significncia (erro I ou ) a ser utilizado, selecionando a
estatstica do teste;

3. Estabelecer o valor crtico (C) ou os valores crticos (C1 e C2) da estatstica do teste
em funo do nvel e das tabelas estatsticas apropriadas;
4. Determinar o valor real da estatstica do teste por meio dos elementos amostrais;
5. Tomar a deciso pela no rejeio ou rejeio de H0 (concluso) pela comparao do
valor obtido na 4 etapa com o valor crtico (ou valores crticos) fixado (s) pela
estatstica do teste na 3 etapa.
4 DISTRIBUIO t DE STUDENT E O TESTE PARA UMA MDIA DA
POPULAO COM DESVIO PADRO POPULACIONAL () DESCONHECIDO
(Teste t)
Para testar hipteses referentes mdia de uma populao, cujo desvio padro
populacional () desconhecido, utiliza-se a estatstica t (Teste t), definida por:
t calc. =
X X
=
,
s
s( X )
n
que tem Distribuio de Student com n 1 graus de liberdade (g.l.).

Hipteses:
H0 : = K
H1 : > K ou
< K ou
K
Valor crtico da distribuio t:

ttab. = f [; (n 1)g.l.]
Tomada de deciso (concluso):

Se t calc. ttab: Rejeita-se H0;
Se t calc. < ttab: No Rejeita-se H0 ou Aceita-se H0.

OBS: A tabela da distribuio t de Student a ser utilizada em nossas aulas bilateral. Assim,
se o teste efetuado for bilateral, entra exatamente com o na tabela. Caso contrrio, o teste
realizado seja unilateral, deve-se entrar com 2 na tabela.
5 DISTRIBUIO t DE STUDENT E O TESTE PARA COMPARAR MDIAS DE
DUAS AMOSTRAS INDEPENDENTES DE POPULAES NORMAIS COM
VARINCIAS DESCONHECIDAS (Teste t)
Muitos problemas aparecem quando se deseja testar hipteses sobre mdias de

populaes. Por exemplo, um pesquisador pode ter interesse em investigar um novo tipo de
adubo, comparando a produtividade de determinada cultura em dois perodos simultneos, um
referente utilizao do adubo antigo e outro referente utilizao do adubo novo.
Quando as varincias das populaes so substitudas pelas varincias das amostras,
isto , 2 por s2, o teste recomendado o Teste t. A execuo do teste fica na dependncia se
as varincias das populaes so ou no iguais entre si, tendo assim dois casos a serem
considerados.
Seja X a medida de certo atributo dos elementos de uma populao A, e Y a medida
do mesmo atributo dos elementos de uma populao B. Sejam X e Y normalmente
distribudas com varincias desconhecidas.
Considere as hipteses:
H0 : A = B
H1 : A > B ou
A < B ou
A B
Inicialmente deve-se efetuar um Teste Preliminar com o objetivo de comparar as

varincias das duas populaes, ou seja, aplicamos o Teste F.
A Distribuio F (Teste F) testa a diferena entre duas varincias de populaes
normais. Considere duas amostras, casuais e independentes, de tamanho nx e n y,
respectivamente.
10

Sejam as hipteses:
H0 : x2 = y2
H1: x2 > y2 ou
x2 < y2 ou
x2 y2
Para testar H0, utiliza-se a estatstica F (Teste F), definida por:
FCalc. =
s x2
,
s 2y
que tem Distribuio de Fisher com (nx 1) e (ny 1) graus de liberdade.

OBS: Para simplificar o uso da tabela utilizaremos expresso:
Fcalc. =
> var incia

FCalc. > 1
< var incia
Assim, a hiptese alternativa corresponder a um teste unilateral direita.

H0: x2 = y2
H1: x2 > y2
O valor crtico da distribuio F ser estabelecido de acordo com o nvel de

significncia () e o nmero de graus de liberdade.
Ftab = f (; n1 ; n 2)
n1 = nmero de g.l. do numerador
n 2 = nmero de g.l. do denominador

Se Fcalc. Ftab: Rejeita-se H0;
Se Fcalc. < Ftab: No Rejeita-se H0 ou Aceita-se H0.
Ao testarmos as hipteses do Teste F teremos dois casos a considerar:
11

5.1 Caso 1 ou Caso A
Quando H0 no for rejeitada. Admitimos que as varincias sejam iguais, cujos valores
assumidos por s A2 e s B2 so estimativas de um mesmo valor 2. Devemos combinar essas
varincias ( s A2 e s B2 ), estimando-se uma varincia comum ( sC2 ).
sC2 =
s A2 =
SQD A
SQD A = (n A 1).s A2
nA 1
s B2 =
SQDB
SQDB = (n B 1).s B2
nB 1
(n A 1).s 2A + (nB 1).s B2 SQD A + SQDB

=
n A + nB 2
n A + nB 2
A seguir, testa-se H0 utilizando-se a distribuio t de Student (Teste t), definida por:

t calc. =
X Y
1
1
sC2
+
n A nB
ttab. = f ( ; nA + nB 2 g.l.)
5.2 Caso 2 ou Caso B
Quando H0 for rejeitada. Admitimos que as varincias sejam diferentes, no devendo

assim estimar uma varincia comum. Neste caso, utilizaremos para o nosso teste, os valores
assumidos por s A2 e s B2 .
Neste caso, a estatstica t de Student (Teste t) fica definida:
t calc. =
X Y
s A2 s B2
+
n A nB
que segue distribuio t com n* graus de liberdade, em que n* dado por:
12

n* =
s A2 s B2
+
n A nB
s 2A
s B2

nA + nB
n A 1 nB 1
ttab. = f ( ; n* g.l.)
OBS: Adotar como g.l. o maior valor inteiro desde que no supere o valor calculado.

6 DISTRIBUIO t DE STUDENT E O TESTE PARA COMPARAR A

DIFERENA ENTRE AS MDIAS DE DUAS AMOSTRAS DEPENDENTES (DADOS
PAREADOS/EMPARELHAD0S) (Teste t)
Os procedimentos do item seis (6) so baseados na hiptese de que as duas amostras

foram coletadas independentemente uma da outra. Contudo, em muitas situaes as amostras
so coletadas como pares de valores, tal como medidas sobre o mesmo indivduo antes e
depois da aplicao de algum medicamento; sobre um mesmo animal antes e depois do
fornecimento de uma suplementao alimentar; ou tambm sobre uma mesma planta antes e
depois de
administrar
um
determinado
fertilizante.
Referimo-nos a
isto
como
observaes/dados emparelhados ou pareados. Contrastando com amostras independentes,

duas amostras que contm observaes emparelhadas so chamadas de amostras dependentes.
Para observaes emparelhadas, o teste apropriado para a diferena entre as mdias
das duas amostras consiste em determinar primeiro a diferena d entre cada par de valores,
e ento testar a hiptese nula de que a mdia das diferenas na populao zero (ou igual a
determinado valor ). Logo, do ponto de vista de clculo, o teste aplicado a uma nica
amostra de n diferenas di.
A mdia e o desvio padro da amostra de valores di so obtidos pelas frmulas bsicas
de estatstica, substituindo os valores Xi por di.
13

n
di
n
i =1
2
di
n
i =1
n 1
d
d=
i =1
sd =
O erro padro da diferena mdia entre as observaes emparelhadas obtido por:

sd =
sd
n
Sejam as hiptese:
H0 : D = 0
H1 : D > 0 ou
D < 0 ou
D 0
Para testar H0, utiliza-se a estatstica t de Student, definida por:
t calc. =
di D
sd
Sob H0 D = 0:
t calc. =
di 0 di
=
,
sd
sd
n
que tem distribuio t de Student, cujo grau de liberdade representa o nmero de pares
observados menos um, ou seja, (n 1) graus de liberdade (g.l.).
ttab. = f [; (n 1)g.l.]

14

EXERCCIOS PROPOSTOS
1 Um fertilizante foi aplicado a uma variedade de tomate. As produes, em kg, de dez ps
de tomate foram: 1,6; 1,7; 1,8; 1,4; 1,5; 1,9; 2,3; 2,1; 1,9 e 1,7 Kg. Verificar se o fertilizante
proporciona uma produo superior a 1,5 kg por p de tomate. Adotar = 5%.
2 Em indivduos sadios o consumo renal de oxignio (O2) distribui-se normalmente com
mdia de 12 cm3/minuto. Deseja investigar, com base em cinco indivduos portadores de certa
doena, se esta tem influncia no consumo renal mdio de O2. Os consumos medidos para os
cinco pacientes foram: 14,4; 12,9; 15,0; 13,7 e 13,5 cm3/minuto. Qual a concluso ao nvel de
1% de significncia?
3 Os dados a seguir referem-se a um experimento de competio de duas prognies de
Eucalyptus saligna. Cada prognie foi cultivada em solos com caractersticas semelhantes e a
avaliao das plantas foi feita pela mdia dos dimetros altura do peito (DAP) de cada
parcela. Foram utilizadas dez parcelas para cada prognie. Avaliar as prognies (A e B) com
relao caracterstica mensurada. ( = 5%)
Prognie A
Prognie B
15,4
13,5
Mdia DAP (cm)
2,5
3,0
Varincia DAP (cm2)
10
10
Nmero de Parcelas
4 Desejando saber se duas raes A e B, para determinada raa de sunos, so equivalentes

ou se a rao A superior a rao B em relao ao ganho de peso, h 11 animais sorteados ao
acaso foi dado a rao A e a outros 19 a rao B. Os resultados, em kg, foram:
X A = 66 kg e s A2 = 40 kg2
X B = 63 kg e s B2 = 16 kg2
A que concluso chegar se adotarmos o nvel de significncia de 5%?
5 A Tabela abaixo apresenta dados da presso sangunea sistlica de dez mulheres, na faixa
etria de 30 a 35 anos, que fizeram uso de anovulatrio por determinado perodo e depois no
o fez, e vice e versa. Teste a hiptese de que o uso de anovulatrio no tem efeito sobre a
presso sangunea sistlica. ( = 5%)
Anovulatrio
Mulheres (30 35 anos)
111 119 121 113 116 126 128 123 122 121
Sim
109 113 120 117 108 120 122 124 115 112
No
15

CONTEDO III
PRINCPIOS BSICOS DA EXPERIMENTAO
1 INTRODUO
Grande parte do conhecimento que a humanidade acumulou ao longo dos sculos foi
adquirido atravs da experimentao. A ideia de experimentar no se limita a antiguidade,
pois tambm est presente no nosso dia a dia. Todos ns j aprendemos alguma coisa ao
longo da vida experimentando. Entretanto, a experimentao s se difundiu como tcnica
sistemtica de pesquisa h pouco mais de um sculo, quando foi formalizada atravs da
estatstica (Vieira, 2006).
Entende-se por experimento uma experincia realizada sob condies previamente
estabelecidas e que opera com causas controladas. O propsito da estatstica experimental
analisar, objetivamente, os dados experimentais, isolando as causas da variao do acaso,
prprias de qualquer conjunto de dados observados (Dias & Barros, 2009).
A experimentao tem por objetivo o estudo dos experimentos, ou seja, seu
planejamento, execuo, anlise dos dados e interpretao dos resultados.
2 CONCEITOS
a) Experimento ou Ensaio: um trabalho previamente planejado seguindo

determinados princpios bsicos. Nele se faz a comparao dos efeitos dos
tratamentos;
b) Tratamento: o mtodo, elemento ou material cujo efeito desejamos medir ou
comparar em um experimento;
c) Unidade Experimental: a unidade que vai receber o tratamento e fornecer os dados
que devero refletir o seu efeito;
d) Varivel Resposta : a varivel (caracterstica) mensurada no experimento utilizada
para avaliar o efeito do (s) tratamento (s);
e) Delineamento Experimental: o plano utilizado na experimentao. Implica na
forma como os tratamentos sero designados s unidades experimentais e em um
amplo entendimento das anlises a serem feitas quando todos os dados estiverem
disponveis.
16

A pesquisa cientfica est constantemente se utilizando de experimentos para avaliar e

validar suas hipteses. Apesar dos experimentos variarem de uma pesquisa para outra, todos
eles so regidos por alguns princpios bsicos, necessrios para que as concluses que venham
a ser obtidas se tornem vlidas.
3 PRINCPIOS BSICOS DA EXPERIMENTAO
So trs os princpios bsicos da experimentao: Repetio, Casualizao e Controle

Local.
3.1 Repetio
O princpio da repetio consiste na reproduo do experimento bsico e tem por

finalidade propiciar a obteno da estimativa do erro experimental. A repetio consiste em
aplicar determinado tratamento em vrias parcelas em um mesmo experimento.
Quanto maior o nmero de repeties, maior ser a preciso do experimento. Contudo,
esta relao vlida at determinado nmero de repeties, a partir do qual o incremento na
preciso no significativo.
O nmero de repeties dependente do conhecimento que o pesquisador tem sobre o
assunto e do conjunto de condies em que ser realizado o experimento. O nmero de
tratamentos, o nvel de preciso desejado, o tipo de unidade experimental a ser
estudada/utilizada e o custo da realizao do experimento so alguns exemplos de fatores
limitantes ao nmero de repeties.
O nmero de repeties necessrias pode ser calculado atravs de frmulas. A
aplicao de tais frmulas exige, no entanto, que o pesquisador tenha informaes estatsticas
de experimentos anteriores.
Quanto menor a diferena a ser comparada entre os tratamentos, maior dever ser o
nmero de repeties para cada tratamento. Aumentando o nmero de repeties, menores
diferenas entre os tratamentos podem atingir a significncia estatstica, isto , h um
aumento da preciso do experimento.
De acordo com Gomes (2009), os experimentos devem ter pelo menos 20 unidades
experimentais (parcelas) e 10 graus de liberdade para o erro experimental ou resduo.
17

3.2 Casualizao
O princpio da casualizao tem por finalidade propiciar, a todos os tratamentos, a

mesma probabilidade de serem designados a qualquer uma das unidades experimentais. Desta
forma, seu objetivo evitar que determinado tratamento venha a ser sistematicamente
favorecido ou desfavorecido por fatores externos nas diversas parcelas. Isto significa que a
distribuio dos tratamentos nas unidades experimentais deve ser feita ao acaso, atravs de
um mecanismo qualquer de sorteio.
O princpio da casualizao se faz necessrio para que as variaes que contribuem
para o erro experimental sejam convertidas em variveis aleatrias. Alm disso, a
casualizao permite obter uma estimativa vlida do erro experimental, alm de garantir o uso
de testes de significncia por tornar os erros experimentais independentes.
digno de nota ressaltar que sem os princpios bsicos da repetio e da casualizao
no existe experimentao.
3.3 Controle Local
A finalidade do controle local dividir um ambiente heterogneo em sub-ambientes

homogneos, tornando o experimento mais eficiente pela reduo do erro experimental. O
controle local isola fontes de variao que podem ser controladas e que normalmente seriam
includas no resduo, o que acarreta a reduo do erro.
O material experimental dividido em pores homogneas ou blocos, cada um dos
quais contendo todos os tratamentos. A formao dos blocos corresponde a uma
estratificao. A casualizao dos tratamentos s unidades experimentais sofre a restrio de
ser dentro de cada bloco.
Entre os blocos poder existir grande variabilidade. Entretanto, dentro de cada bloco a
uniformidade/homogeneidade deve ser mxima.
4 FONTES DE VARIAO DE UM EXPERIMENTO
4.1 Premeditada
a variao introduzida pelo pesquisador com a finalidade de fazer comparaes.

Exemplo: os tratamentos.
18

4.2 Sistemtica
Variao no intencional, porm de natureza conhecida. So variaes inerentes ao

material
experimental,
que
podem
ser
controladas
pelo
pesquisador.
Exemplo:
heterogeneidade do solo, tamanho de semente, idade dos animais, etc.

4.3 Aleatria
So variaes de origem desconhecida, que no podem ser controladas. Constituem o

erro experimental propriamente dito. So resultantes de duas fontes: variaes do material
experimental e falta de uniformidade nas condies experimentais.
Ressalta-se que nem sempre possvel distinguir claramente esse tipo de variao da
variao sistemtica.
19

CONTEDO IV
DELINEAMENTOS EXPERIMENTAIS E TESTE DE COMPARAO DE MDIAS
1 DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
o tipo de delineamento mais simples que existe, representando o delineamento

bsico. Os demais delineamentos se originam dele, pela imposio de restries (ex. controle
local). A distribuio dos tratamentos s unidades experimentais feita completamente ao
acaso, ou seja, sem nenhuma restrio na casualizao.
O DIC envolve dois princpios bsicos da experimentao: repetio e casualizao.
Ele indicado quando as condies experimentais so homogneas, sendo mais recomendado
em experimentos de laboratrio e casas de vegetao, em que as condies ambientais podem
ser melhor controladas.
Para a instalao deste delineamento no campo deve-se ter certeza quanto
homogeneidade das condies ambientais e do material experimental.
1.1 Vantagens e Desvantagens do DIC
1.1.1 Vantagens
Pode-se utilizar qualquer nmero de tratamento e repeties, sendo que o nmero de
repeties pode variar de um tratamento para outro sem ocasionar maiores

dificuldades na anlise estatstica. No entanto, sempre que possvel, deve-se manter o
mesmo nmero de repeties entre os tratamentos;
1.1.2 Desvantagens
Exige homogeneidade total das condies experimentais;
Pode conduzir a uma estimativa da varincia residual bastante alta, uma vez que ao
no utilizar o princpio do controle local todas as variaes sero consideradas como

variao do acaso, exceto as devidas aos tratamentos.
20

1.2 Quadro de tabulao dos dados
A ttulo de exemplo, considere um experimento instalado no DIC com I tratamentos e

J repeties. A coleta de dados da pesquisa pode ser resumida no quadro a seguir:
Repeties
1
2
.....
J
Totais
Tratamentos
2
.....
Y21
.....
Y22
.....
.....
.....
Y2J
.....
T2
.....
1
Y11
Y12
.....
Y1J
T1
I
YI1
YI2
.....
YIJ
TI
Deste quadro podem-se retirar algumas informaes de interesse:
N de unidades experimentais: N = I x J
Total geral: G =
I ,J
i =1
j =1
i =1
Yij = Ti
Total para o tratamento i: Ti =
ij
j =1
Mdia para o tratamento i: mi =

^
Ti
J
Mdia geral do experimento: m =
G
IJ
1.3 Anlise de Varincia (ANOVA)
uma tcnica de anlise estatstica que permite decompor a variao total, ou seja, a
variao existente entre todas as observaes, na variao devido diferena entre os
tratamentos e na variao devido ao acaso (erro experimental ou resduo). Entretanto, para
que esta tcnica seja empregada necessrio que sejam satisfeitas diversas pressuposies,
entre elas citam-se:
Os erros so variveis aleatrias independentes;
A varincia constante (homocedasticidade);
A distribuio dos erros normal ou aproximadamente normal.
21

Por meio do modelo estatstico pode-se decompor a variao total entre as observaes
em duas partes que a compem, como ser demonstrado a seguir.
Considere o modelo estatstico para um experimento instalado segundo o DIC:
Yij = m + ti + eij ,
fazendo ti = mi m, tem-se:
(Yij m) = (mi m) + eij ,

Substituindo m e mi por seus estimadores, elevando ambos os membros ao quadrado e
aplicando somatrio, tem-se:
I ,J
(Y
ij
I,J
I ,J
m) 2 = ( m i m) 2 + eij2
i =1
j =1
i =1
j =1
i =1
j =1
Escrevendo de forma mais simplificada, a igualdade anterior representa:

SQTotal = SQTratamentos + SQResduo
Aplicando as propriedades do somatrio em cada termo da soma de quadrados tem-se
o desenvolvendo de frmulas mais prticas para encontrar os valores das respectivas somas de
quadrados.
Para a SQTotal tem-se que:
I ,J
SQTotal =
I ,J
(Y
ij
m) 2 =
I ,J
2
ij
ij
)2
ij
)2
i =1, j =1
IJ
i =1
j =1
i =1
j =1
Para a SQTratamento:
I ,J
T2
SQTrat. = (m i m) 2 = i
i =1
i =1 J
I ,J
j =1
22
Y
i =1, j =1
IJ

Esta frmula utilizada quando o nmero de repeties igual para todos os

tratamentos. Quando ocorrer variao no nmero de repeties entre os tratamentos a frmula
apropriada :
I ,J
SQTrat. =
Ti
i =1 J
ij
i =1, j =1
)2
,
em que:
I
N = o nmero de unidades experimentais =
r ;
i
i =1
ri = o nmero de unidades experimentais (repeties) do tratamento i.

A soma de quadrados do resduo obtida por diferena:
SQResduo = SQTotal SQTratamento
O quadro da Anlise de Varincia (ANOVA) para um experimento instalado segundo

o DIC, com igual nmero de repeties para todos os tratamentos, dado a seguir:
FV
GL
SQ
QM
Tratamentos
(I 1)
SQTrat.
SQTrat
I 1
QMTrat
QM Re s
Resduo
I(J 1)
SQRes.
SQ Re s
I ( J 1)
Total
IJ 1
SQTotal
A partir das SQTratamentos e SQResduo obtm-se os respectivos quadrados mdios,

por meio do quociente entre a soma de quadrado com o respectivo nmero de graus de
liberdade.
Para concluir se existe diferena entre os tratamentos calcula-se o valor da estatstica
F, que obtido pelo quociente do QMTrat. com o QMRes. Este valor, denominado F
calculado, deve ser comparado com o valor de F tabelado, o qual obtido na tabela de
distribuio da varivel aleatria F (Fisher), de acordo com o nvel de significncia do teste, o

grau de liberdade para tratamento e o grau de liberdade para resduo.
23

As hipteses para o Teste F da Anlise de Varincia so:

H0: m1 = m2 = ... = mI = m; O que equivale a dizer que todos os possveis contrastes
entre as mdias dos tratamentos so estatisticamente nulos ao nvel de
probabilidade/significncia em que foi realizado o teste;
H1: no H0; O que equivale a dizer que existe pelo menos um contraste entre as
mdias dos tratamentos estatisticamente diferente de zero ao nvel de
probabilidade/significncia em que foi realizado o teste.
A regra decisria para o Teste F a seguinte:
Se o valor do F calculado for maior ou igual ao valor do F tabelado, rejeita-se H0.
Conclui-se que os tratamentos tem efeitos diferenciados ao nvel de significncia em
que foi realizado o teste;
Se o valor do F calculado for menor que o valor do F tabelado, no rejeita-se H0.
Conclui-se que os tratamentos tem efeitos iguais ao nvel de significncia em que foi
realizado o teste.
2 MEDIDAS DE AVALIAO DA QUALIDADE DOS EXPERIMENTOS
2.1 Coeficiente de Variao (C.V.)
O Coeficiente de Variao permite avaliar a preciso do experimento. Quanto menor o

C.V., maior ser a preciso do experimento. O conhecimento desta preciso auxilia na
avaliao dos seus resultados.
O C.V. calculado da seguinte maneira:
C.V .(%) =
Q Re sd
^
.100 , em que m =
G
N
De acordo com Gomes (2009), na experimentao agrcola (experimentos de campo) o

coeficiente de variao pode ser classificado nas seguintes categorias, com relao a sua
preciso:
24

C.V.(%)
< 10%
10% a 20%
20% a 30%
> 30%
Preciso
Alta
Mdia
Baixa
Muito Baixa
2.2 Coeficiente de Determinao (R2)
Por definio, o Coeficiente de Determinao (R2) a razo entre a soma de quadrado

de tratamento e a soma de quadrado total, isto :
R2 =
SQTrat.
SQTotal
Portanto, o R2 uma medida da proporo da variao total explicada pela variao

devido aos tratamentos. Como o valor de R2 varia entre 0 e 1, pode-se interpret-lo como uma
percentagem.
Ex: R2 = 0,9215 92,15% da variao total est sendo explicada pela variao devido
aos tratamentos.
3 TESTE DE COMPARAO DE MDIAS
Os modelos de Anlise de Varincia so geralmente utilizados para analisar os efeitos

de um ou mais fatores (varivel independente sob estudo) sobre a varivel dependente.
O Teste F tem seu emprego na Anlise de Varincia dos delineamentos experimentais.
Ele utilizado para comparar varincias, representando um teste preliminar, cujo resultado
estabelece se ser necessria uma detalhada anlise dos efeitos dos nveis do fator em estudo.
Se o Teste F leva a concluso que os efeitos dos nveis do fator so iguais, a
implicao que no existe nenhuma relao entre o fator e a varivel dependente. Todavia,
se o Teste F leva a concluso que nem todos os nveis do fator tem efeitos idnticos, a
implicao que existe uma relao entre o fator e a varivel dependente.
Em experimentos envolvendo dois ou mais tratamentos (ou nveis do fator) de
interesse saber onde esto as diferenas no caso em que o Teste F leva a rejeio da hiptese
de igualdade dos efeitos dos tratamentos. Isso pode ser feito pela comparao direta dos
tratamentos (ou nveis do fator) utilizando tcnicas de estimao. Neste caso, podem-se
25

estimar contrastes entre os nveis do fator em estudo e, posteriormente, aplicar um Teste de

Mdias.
Existe um grande nmero de procedimentos para comparaes de mdias utilizados
posteriormente Anlise de Varincia quando o Teste F for significativo. Os testes de mdias
so utilizados para identificar os nveis do fator (ou tratamentos) que diferem estatisticamente
entre si. Cada teste est fundamentado em um particular conjunto de suposies que o torna
efetivo para os propsitos especficos.
3.1 Contraste
O estudo de contraste na estatstica experimental de grande relevncia,

principalmente quando o experimento em anlise composto por dois ou mais tratamentos. O
uso de contraste possibilita ao pesquisador estabelecer comparaes entre tratamentos ou
grupos de tratamentos que sejam de interesse. Os contrastes assim estabelecidos podem ser
testados por meio de um teste de comparao de mdias, o qual complementa o resultado da
anlise de varincia.
3.1.1 Definio de Contraste
Considere a seguinte funo linear de mdias populacionais de tratamentos:
Y = a1m1 + a2m2 + ... + anmn

A funo Y ser um contraste entre mdias se satisfazer a seguinte condio:
=0
i =1
3.1.2 Estimador do Contraste
Na prtica, geralmente no se conhece os valores das mdias populacionais (mi), mas

^
sim suas estimativas ( mi ). Dessa forma, na estatstica experimental no trabalhamos com o

contraste Y, mas sim com seu estimador . Este tambm representa uma funo linear de
26

mdias obtidas por meio de experimentos ou amostras. Assim, o estimador para o contraste de
mdias dado por:
^
= a1 m1 + a2 m 2 + ... + an mn
3.2 Teste de Tukey
O teste de Tukey, baseado na amplitude total estudentizada, pode ser utilizado para
comparar todo e qualquer contraste entre duas mdias de tratamentos. Ou seja, para n I
tratamentos (nmero de tratamentos ou de nveis do fator em estudo) podero ser
estabelecidos nI(n I 1)/2 contrastes do tipo Yij = mi mj, para i j.
Este teste baseia-se na diferena mnima significativa (DMS), representada por , dada
por:
=q
1 ^ ^
V (Y )
2
em que:
= a diferena mnima significativa (DMS );
q = o valor tabelado da amplitude estudentizada, que obtido pela expresso:
q (n1;n 2), em que o nvel de significncia; n1 o nmero de tratamentos ou nveis
do fator e n2 representa o nmero de graus de liberdade do resduo na Anlise de

Varincia.
A estimativa da varincia da estimativa do contraste dada por:
^
^
1 1
V (Y ) = QMRes +
r r
j
i
Para ri rj, o clculo de dado pelo seguinte estimador:

=q
1 1 1
+
QM Re s
2 ri r j
Para ri = rj = r, o clculo de pode ser representado pela expresso:

=q
QM Re s
r
27

Para a realizao do Teste de Tukey necessrio:

a) Enunciar as hipteses:
H0: mi = mj
H1: mi mj , para i j
^
b) Obter as estimativas dos contrastes: Y ij = m i m j , com base nos valores amostrais;

c) Calcular a diferena mnima significativa ();
d) Concluir a respeito da significncia dos n I(n I 1)/2 contrastes em teste, utilizando a
seguinte relao:
^
Se Y ij , rejeita-se H0;
Se Y ij < , no rejeita-se H0.
Neste caso a concluso ser nica para todos os contrastes que se fizerem necessrio
avaliar: As mdias seguidas por pelo menos uma mesma letra no diferem entre si ao nvel
de probabilidade pelo Teste de Tukey.
4 DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
O Delineamento em Blocos Casualizados (DBC) constitui no delineamento estatstico

mais utilizado na pesquisa agronmica, devido a sua simplicidade, flexibilidade e alta
preciso. Ele utilizado quando as condies experimentais no so completamente
homogneas. Nesta situao, devemos subdividir a rea ou o material experimental em blocos
(ou grupos), de modo que exista homogeneidade dentro de cada bloco e que ele contenha uma
repetio de cada tratamento, distribudo dentro de cada bloco inteiramente ao acaso.
Os experimentos em blocos casualizados levam em considerao os trs princpios
bsicos da experimentao: repetio, casualizao e controle local. No controle local faz-se a
diviso do local ou material experimental em subgrupos ou blocos, de tal forma que se tenha
garantido a uniformidade dentro de cada bloco.
Em experimentos de campo deve-se subdividir a rea em blocos de maneira que se
tenha homogeneidade dentro deles, por exemplo: com relao declividade do solo; a
fertilidade do solo; a incidncia de luz solar; etc. Em experimentos zootcnicos deve-se
28

subdividir os animais em blocos de tal forma que cada bloco possa ser homogneo dentro de
si, por exemplo: com relao a idade; peso; raa; etc.
Em experimentos instalados segundo o DBC, no importa que as condies
experimentais de um bloco sejam diferentes das condies experimentais do outro bloco. O
importante a homogeneidade dentro de cada bloco.
4.1 Vantagens e Desvantagens do DBC
4.1.1 Vantagens
Se o controle local se fizer necessrio, esse delineamento mais eficiente que o
inteiramente casualizado (DIC), pois a formao dos blocos isola as variaes

controlveis (sistemtica) que causam a heterogeneidade, diminuindo sensivelmente a
variao ao acaso (aleatria ou erro experimental);
O delineamento no tem restries de uso, seja com relao ao nmero de tratamentos
(Delineamento em Quadrado Latino DQL), seja por exigir uniformidade nas

condies experimentais (DIC).
4.1.2 Desvantagens
O delineamento perde eficincia quando o controle local for dispensvel, uma vez que
o nmero de graus de liberdade do resduo ser menor ao que se obteria caso o

delineamento utilizado fosse o inteiramente casualizado;
Esse delineamento exige que todos os tratamentos tenham o mesmo nmero de
repeties. Logo, quando h perda de parcela a soma de quadrado para tratamento

(SQTrat.) apenas aproximada.
4.2 Quadro de tabulao dos dados
Considere um experimento instalado no DBC, com I tratamentos e J repeties

(blocos). A coleta de dados da pesquisa pode ser resumida no quadro a seguir:
29

Blocos
1
2
.....
J
Totais
Tratamentos
2
.....
Y21
.....
Y22
.....
.....
.....
Y2J
.....
T2
.....
1
Y11
Y12
.....
Y1J
T1
I
YI1
YI2
.....
YIJ
TI
Totais
B1
B2
.....
BJ
G
Deste quadro podem-se retirar as seguintes informaes:
N de unidades experimentais: N = I x J
I ,J
Total geral: G =
ij
i =1
j =1
= Ti = B j
i =1
j =1
Total para o tratamento I: Ti =
ij
j =1
I
Total para o bloco J: Bj =
ij
i =1
^
Mdia para o tratamento I: mi =

^
Mdia para o bloco J: m j =
Ti
J
Bj
I
^
Mdia geral do experimento: m =
G
IJ
Para analisar os dados obtidos no delineamento em blocos casualizados deve-se

decompor a variao total, que existe entre todas as observaes, na variao devido
diferena entre os efeitos de blocos, na variao devido diferena entre os efeitos de
tratamentos e na variao devido ao acaso, que tambm denominada de erro experimental
ou resduo.
Neste tipo de delineamento a decomposio feita da seguinte forma:
30

I ,J
SQTotal =
I ,J
2
ij
ij
)2
i =1, j =1
IJ
i =1
j =1
I ,J
T2
SQTrat. = i
i =1 J
I
ij
i =1, j =1
IJ
I,J
SQBloco =
j =1
B
I
2
j
)2
ij
)2
i =1, j =1
IJ
SQResduo = SQTotal SQTratamento SQBloco
O quadro da Anlise de Varincia (ANOVA) para um experimento instalado no DBC

dado a seguir:
FV
GL
SQ
QM
Blocos
(J 1)
SQBlocos
Tratamentos
(I 1)
SQTrat.
SQTrat
I 1
QMTrat
QM Re s
Resduo
(I 1)(J 1)
SQRes.
SQ Re s
( I 1)( J 1)
Total
(IJ 1)
SQTotal
As hipteses para o Teste F da Anlise de Varincia so as seguintes:
H0: m1 = m2 = ... = mI = m
H1: no H0
Ou,
Todos os possveis contrastes entre as mdias dos tratamentos so estatisticamente
nulos ao nvel de probabilidade/significncia;
Existe pelo menos um contraste entre as mdias dos tratamentos estatisticamente
diferente de zero ao nvel de probabilidade/significncia.
31

Por fim chega-se a tomada de deciso:

Se Fcal Ftab Rejeita-se H0
Se Fcal < Ftab No Rejeita-se H0
5 DELINEAMENTO EM QUADRADO LATINO (DQL)
Os delineamentos em quadrado latino, assim como os blocos casualizados, consideram

os princpios da repetio, casualizao e controle local. Neste delineamento o controle
efetuado em duas direes: blocos horizontais (linhas) e blocos verticais (colunas).
Entretanto, os delineamentos em quadrado latino so menos usuais na experimentao
agrcola, em analogia aos blocos casualizados.
O Delineamento em Quadrado Latino (DQL) mais utilizado nas pesquisas em que
duas fontes principais de variao esto presentes e precisam ser controladas, sendo sua
aplicao mais comum na experimentao animal. A sua configurao constituda de linhas
e colunas, cada qual estruturado como um bloco. Assim, em caso de I tratamentos, o nmero
total de parcelas I2. No DQL cada tratamento est representado uma nica vez em cada linha
e em cada coluna. Logo, o DQL utilizado quando podemos observar duas fontes de
variabilidade nas unidades experimentais.
Vejamos alguns exemplos ilustrativos nos quais o seu emprego recomendado:
Exemplo 1 Em um laboratrio devem ser comparados cinco mtodos de anlise (A,
B, C, D, E), programados em cinco dias teis e, em cada dia, feita uma anlise a cada hora,
totalizando um perodo de cinco horas.
O quadrado latino assegura que todos os mtodos sejam processados uma nica vez
em cada perodo e em cada dia. O quadro abaixo ilustra a configurao a ser adotada.
Perodos
1
2
3
4
5
1
A
C
D
E
B
Dias
3
C
E
A
B
D
2
E
B
C
D
A
4
D
A
B
C
E
5
B
D
E
A
C
OBS: Note que os nveis de uma fonte formam as linhas e os nveis da outra fonte formam as
colunas.
32

Exemplo 2 Em um experimento com sunos pretende-se avaliar quatro tipos de
rao (A, B, C, D), em quatro raas distintas e em quatro idades de animais. Como o interesse
avaliar os quatro tipos de rao, tomam-se as raas e as idades dos animais como blocos, ou
seja:
Raas
Idades
I1
I2
I3
I4
R1
A
B
D
C
R2
B
C
A
D
R3
D
A
C
B
R4
C
D
B
A
5.1 Caractersticas do DQL

O nmero total de unidades experimentais necessrias igual a I2, sendo I o nmero
de tratamentos;
Cada tratamento representado uma nica vez, e ao acaso, em cada linha e em cada
coluna;
O nmero de tratamento igual ao nmero de repeties;
Este delineamento aconselhvel quando o nmero de tratamentos oscila entre 3 e 10.
Contudo, para 3 e 4 tratamentos somente quando se puder repetir o experimento em

vrios quadrados latinos.
Admitindo-se K tratamentos, I linhas e J colunas (I = J = K), o esquema da Anlise de

Varincia fica conforme o quadro a seguir:
FV
GL
SQ
QM
Linhas
(I 1)
SQLinhas
Colunas
(J 1)
SQColunas
Tratamentos
(K 1)
SQTratamentos
QMTrat.
Resduo
(K 1)(K 2)
SQResduo
QMRes.
QMTrat
QM Re s
SQTotal
Total
(K 1)
33

Considerando:
LI = Total da linha i;
CJ = Total da coluna j;
TK = Total do tratamento k;
G = Total geral.
As somas de quadrados so dadas por:

I ,J
SQTotal =
I ,J
Yij2 C
C=
ij
i =1, j =1
i =1
j =1
IJ
SQLinhas =
1 I 2
Li C
I i=1
SQColunas =
1 J 2
C j C
I j =1
SQTratamentos =
)2
=
G2 G2
= 2
IJ
I
1 K 2
Tk C
I k =1
SQResduo = SQTotal SQLinhas SQColunas SQTratamentos
As hipteses para o Teste F da Anlise de Varincia, bem como a tomada de deciso,

seguem os mesmos princpios j mencionados para os delineamentos anteriores (DIC e DBC).
Hipteses:
H0: m1 = m2 = ... = mI = m
H1: no H0
Ou,
Todos os possveis contrastes entre as mdias dos tratamentos so estatisticamente
nulos ao nvel de probabilidade/significncia;
Existe pelo menos um contraste entre as mdias dos tratamentos estatisticamente
diferente de zero ao nvel de probabilidade/significncia.
Tomada de deciso:
Se Fcal Ftab Rejeita-se H0
Se Fcal < Ftab No Rejeita-se H0
34

EXERCCIOS PROPOSTOS
1 Para comparar o crescimento de mudas de quatro espcies de eucalipto um pesquisador
tomou 20 parcelas similares e distribuiu, inteiramente ao acaso, cada uma das quatro espcies
em cinco parcelas experimentais. A partir dos dados fornecidos abaixo, possvel concluir
que existe diferena significativa entre as espcies com relao ao crescimento das mudas?
Utilizar o nvel de significncia de 5%.
Totais
A
25
26
20
23
21
115
Espcies
B
C
31
22
25
26
28
28
27
25
24
29
135
130
D
33
29
31
34
28
155
2 Considere as seguintes produes dirias (kg) de leite a 4% de gordura de vacas em

lactao submetidas administrao de razes e tubrculos como suplementao de inverno
na alimentao.
Sem Suplementao
19,58
21,07
23,43
25,42
22,81
23,54
Mandioca
23,40
22,37
24,36
25,12
22,94
-
Araruta
35,42
32,47
34,48
33,79
35,04
35,19
Batata Doce
22,15
24,37
26,54
20,37
19,54
24,06
a) Ao nvel de 5% de significncia, concluir a respeito das suplementaes utilizadas;

b) Obter o Coeficiente de Variao;
c) Obter o Coeficiente de Determinao, interpretando-o.
3 Foi montado um experimento no DIC com o objetivo de verificar qual meio de cultura (A,
B, C e D) propicia maior crescimento de colnias bacterianas. O nmero de colnias
bacterianas, 48 horas aps a inoculao, fornecido abaixo:
Meio de Cultura
A
B
C
D
N. de Colnias Bacterianas
19
31
15
30
40
35
46
41
33
39
27
20
29
45
27
12
13
28
30
Totais
95
195
160
110
Considerando o nvel de significncia de 5%, pede-se:

a) Proceder a ANOVA;
b) Aplicar o Teste de Tukey, se necessrio;
c) Estabelecer um contraste entre o meio de cultura A versus os meios de culturas B, C e
D. Obter sua estimativa e interpretao.
35

4 Aplicar o Teste de Tukey as comparaes mltiplas obtidas com as mdias dos

tratamentos. O experimento foi conduzido utilizando o Delineamento Inteiramente
Casualizado (DIC). Concluir para o nvel de 1% de significncia.
m 1 = 230,6 ; m 2 = 217,2 ; m 3 = 204,9 ; m 4 = 209,9 ; m 5 = 188,3

r1 = r2 = r3 = 4 ; r4 = r5 = 3
C.V.(%) = 2,7483%
5 Com a finalidade de aumentar a produo de l de suas ovelhas, por meio de uma

alimentao mais apropriada, um criador separou 28 ovelhas de sua criao. Como eram de
idades diferentes elas foram divididas em sete grupos, de modo que dentro de cada grupo
existiam quatro ovelhas com idade similar e homogeneidade para as demais caractersticas.
Em cada grupo foi realizado um sorteio para distribuir inteiramente ao acaso quatro tipos de
alimentao. O experimento iniciou-se no momento de se realizar uma nova tosquia, obtendo
os seguintes resultados expressos em unidades de medidas de l por animal:
Alimentao
1
2
3
4
Totais
1
30
29
43
23
125
2
32
31
47
25
135
3
33
34
46
21
134
Grupos
4
34
31
47
19
131
5
29
33
48
20
130
6
30
33
44
21
128
7
33
29
47
22
131
Totais
221
220
322
151
914
Avaliar os tipos de alimentao, aplicando o teste de Tukey se necessrio. Adotar =

1%.
6 Com os resultados apresentados a seguir, resultantes de um experimento conduzido no
Delineamento em Quadrado Latino (DQL), pede-se: ( = 5%)
Perodos
1
2
3
4
5
Totais
1
40,8 (A)
66,3 (C)
33,4 (D)
60,2 (E)
51,7 (B)
252,4
2
57,3 (E)
46,5 (B)
70,6 (C)
35,6 (D)
48,7 (A)
258,7
Dias
3
61,8 (C)
54,8 (E)
53,2 (A)
54,2 (B)
29,8 (D)
253,8
a) ANOVA;
b) Aplicar o Teste de Tukey, se necessrio.
36
4
38,6 (D)
38,7 (A)
41,7 (B)
64,0 (C)
55,3 (E)
238,3
5
50,6 (B)
30,2 (D)
50,1 (E)
45,3 (A)
65,7 (C)
241,9
Totais
249,1
236,5
249,0
259,3
251,2
1.245,1

CONTEDO V
EXPERIMENTOS FATORIAIS
1 INTRODUO
Os Experimentos Fatoriais so aqueles em que se estudam dois ou mais fatores

simultaneamente, cada qual com dois ou mais nveis. O experimento fatorial um tipo de
esquema, ou seja, uma maneira de organizar os tratamentos, no constituindo um tipo de
delineamento.
Os experimentos fatoriais so montados seguindo determinado tipo de delineamento
(DIC, DBC ou DQL). Neles, os tratamentos so obtidos pelas combinaes dos nveis dos
fatores. Cada nvel de um fator combina com todos os nveis dos outros fatores.
Exemplo:
Fator A A1 ; A2 ; A3 ; A4 (quatro nveis)
Fator B B1 ; B2 ; B3 (trs nveis)
A combinao dos nveis entre os Fatores A e B totalizam 12 tratamentos (4Ai x 3Bj).

O objetivo da aplicao dos experimentos fatoriais avaliar o efeito/influncia de
diversos fatores sobre a varivel em estudo, bem como o relacionamento entre os fatores
sobre a varivel resposta.
A simbologia comumente utilizada indicar o produto dos nveis dos fatores em teste.
Exemplo: o experimento fatorial (2 x 4 x 6) informa que foram testados trs fatores
simultaneamente. O primeiro com dois nveis, o segundo com quatro nveis e o terceiro com
seis nveis. Quando o nmero de nveis igual para todos os fatores pode-se utilizar a
seguinte simbologia: nF, em que: F o nmero de fatores e n o nmero de nveis de cada
fator. Exemplo: 43 indica que no experimento fatorial foram testados trs fatores com
quatro nveis cada (4 x 4 x 4).
2 VANTAGEM E DESVANTAGEM DO EXPERIMENTO FATORIAL
2.1 Vantagem
Permite o estudo dos efeitos principais dos fatores e a interao entre fatores;
37

2.2 Desvantagem
Requer maior nmero de unidades experimentais em comparao aos experimentos
simples.
3 EFEITOS AVALIADOS EM UM EXPERIMENTO FATORIAL
Nos experimentos fatoriais podem ser estudados os seguintes efeitos:

Efeito Principal: o efeito de cada fator, independente do efeito dos outros fatores;
Efeito da Interao: o efeito simultneo dos fatores varivel em estudo. Ocorre
interao entre os fatores quando os efeitos dos nveis de um fator so modificados
pelos efeitos dos nveis de outros fatores.
4 QUADRO DE TABULAO DOS DADOS
Uma maneira de tabular os dados de um experimento fatorial com dois fatores A e B,

com i e j nveis, respectivamente, instalados segundo o DIC com k repeties, fornecida
abaixo:
A1
B1
Y111
Y112
...
Y11K
A1B1
B2
Y121
Y122
...
Y12K
A1B2
A2
...
...
...
...
...
...
BJ
Y1J1
Y1J2
...
Y1JK
A1BJ
B1
Y211
...
...
Y21K
A2B1
B2
Y221
...
...
Y22K
A2B2
Total do ij-simo tratamento : (AB)ij =
...
...
...
...
...
...
BJ
Y2J1
...
...
Y2JK
A2BJ
ijk
k =1
Total do i-simo nvel do fator A: Ai =
K ;J
ijk
k =1
j =1
Total do j-simo nvel do fator B: Bj =
K ;I
ijk
k =1
i =1
Total geral: G =
K ;J ;I
ijk
k =1
j =1
i =1
38
...
...
...
...
...
...
...
AI
B1
YI11
...
...
YI1K
AIB1
B2
YI21
...
...
YI2K
AIB2
...
...
...
...
...
...
BJ
YIJ1
...
...
YIJK
AIBJ

^
Ai
JK
Bj
Mdia do i-simo nvel do fator A: m Ai =
Mdia do j-simo nvel do fator B: m Bj =
Mdia geral: m =
IK
G
IJK
A tabulao dos dados fornecida acima pode ser resumida no quadro a seguir:
Bj \ Ai
B1
B2
...
BJ
Total
A1
A1B1
A1B2
...
A1BJ
A1
A2
A2B1
A2B2
...
A2BJ
A2
...
...
...
...
...
...
AI
AIB1
AIB2
...
AIBJ
AI
Total
B1
B2
...
BJ
G
5 ANLISE DE VARINCIA
A Anlise de Varincia de um experimento fatorial feita desdobrando-se a soma de

quadrados de tratamentos (SQTrat.) nas partes devido aos efeitos principais de cada fator e na
parte devido interao entre os fatores.
O quadro abaixo representa a ANOVA de um experimento fatorial com dois fatores A e
B, com i e j nveis, respectivamente, e com k repeties, instalado segundo o DIC.
FV
Fator A
GL
(I 1)
SQ
SQA
QM
QMA
Fator B
(J 1)
SQB
QMB
Interao (AxB)
(I 1)(J 1)
SQ(AxB)
QM(AxB)
Tratamento
Resduo
Total
(IJ 1)
(IJ)(K 1)
(IJK 1)
SQTrat.(AB)
SQResduo
SQTotal
QMRes.
-
SQTotal =
I ,J ,K
Y
i =1
j =1
k =1
SQTrat(AB) =
1
K
I,J
2
ijk
G2
IJK
( Ai B j ) 2
i =1
j =1
39
G2
IJK
F
QMA
QM Re s
QMB
QM Re s
QMAxB
QM Re s
-

SQA =
SQB =
1
JK
Ai2
i =1
G2
IJK
1 J 2 G2
B j IJK
IK j =1
SQ(AxB) = SQTrat(AB) SQA SQB

SQResduo = SQTotal SQTrat(AB)
ou
SQResduo = SQTotal SQA SQB SQ(AxB)
As hipteses estatsticas para o Teste F da anlise de varincia devem ser lanadas

para cada um dos efeitos principais, como tambm para a interao. As hipteses sero assim
enunciadas:
Efeitos Principais
Fator A:
H0: mA1 = mA2 = ... = mAI = m

H1: No H0
Ou,
H0: Todos os possveis contrastes entre as mdias dos nveis do fator A so estatisticamente
nulos ao nvel de % de probabilidade;

H1: Existe pelo menos um contraste entre as mdias dos nveis do fator A estatisticamente
diferente de zero ao nvel de % de probabilidade.
Fator B:
H0: mB1 = mB2 = ... = mBJ = m

H1: No H0
Ou,
H0: Todos os possveis contrastes entre as mdias dos nveis do fator B so estatisticamente
nulos ao nvel de % de probabilidade;

H1: Existe pelo menos um contraste entre as mdias dos nveis do fator B estatisticamente
diferente de zero ao nvel de % de probabilidade.
40

Efeito da Interao
H0: Os fatores atuam independentemente;

H1: Os fatores no atuam independentemente.
Os valores de Fcal obtidos na anlise de varincia para cada uma das fontes de variao
em teste (efeitos principais e efeito da interao) devem ser comparados com os valores de
Ftab apropriados, os quais sero obtidos na tabela para valores de F, de acordo com o nvel de
significncia () desejado, graus de liberdade da fonte de variao em teste (n1) e o grau de

liberdade do resduo (n 2).
A Tomada de Deciso deve ser feita inicialmente para a interao. Se Fcal Ftab A
deciso Rejeitar H0 ao nvel de significncia em que foi executado o teste. Caso contrrio
(Fcal < Ftab) No Rejeita H0.
A No Rejeio de H0 para a interao implica que os fatores atuam
independentemente. Assim, devem-se estudar os fatores isoladamente. Neste caso, observa-se
o resultado do teste F para cada fator e, caso ele seja significativo, aplica-se um teste de mdia
para comparar os nveis do fator.
A Rejeio de H0 para a interao implica que os fatores no atuam
independentemente. Assim, no se devem estudar os fatores isoladamente. Neste caso, devese proceder a uma nova anlise estatstica de cada fator dentro dos nveis do (s) outro (s) fator
(es).
EXERCCIO PROPOSTO
1 Considere um Experimento Fatorial com dois fatores: Variedade de Sorgo com trs nveis
e Adubao Nitrogenada com quatro nveis. Ele foi instalado utilizando o DBC, com trs
repeties (blocos). Os dados, para os totais de produo, so apresentados a seguir:
Adubao Nitrogenada
Variedade de Sorgo
1
2
3
4
25,4
27,8
29,6
31,4
1
23,1
25,0
27,2
29,6
2
20,5
22,8
24,8
26,8
3
Totais
69,0
75,6
81,6
87,8
Dados: SQResd. = 36,2780 e = 5%
Pede-se:
a) ANOVA;
b) Aplicar o Teste de Tukey, se necessrio.
41
Totais
114,2
104,9
94,9
314,0

CONTEDO VI
REGRESSO LINEAR
1 INTRODUO
A Anlise de Regresso consiste na realizao de uma anlise estatstica com o

objetivo de verificar a existncia de uma relao funcional entre variveis dependente e
independente.
A expresso Anlise de Regresso Simples indica que a predio da varivel
dependente feita por uma nica varivel independente, enquanto a Anlise de Regresso
Mltipla diz respeito predio da varivel dependente com base em duas ou mais variveis
independentes.
Na anlise de regresso obtm-se uma equao que tenta explicar a variao da
varivel dependente pela variao dos nveis da (s) varivel (is) independente (s). As variveis
independentes so classificadas como quantitativas, cujos nveis representam diferentes
quantidades de um mesmo fator.
2 ANLISE DE REGRESSO
Para tentar estabelecer uma equao que representa o fenmeno em estudo pode-se
plotar (desenhar) um Diagrama de Disperso para verificar como se comporta os valores da
varivel dependente (Y) em funo da variao dos nveis da varivel independente (X). O
diagrama de disperso um grfico no qual cada ponto plotado representa um par observado
de valores para as variveis dependente e independente. O valor da varivel independente X
plotado no eixo horizontal, enquanto o valor da varivel dependente Y no eixo vertical.
O comportamento de Y em relao a X pode-se apresentar de diversas maneiras:
linear, quadrtico, exponencial, etc. Para estabelecer o modelo apropriado para explicar o
fenmeno, deve-se verificar qual o tipo de curva e equao de um modelo matemtico que
mais se aproxima dos pontos plotados no diagrama de disperso.
Contudo, pode-se observar que os pontos do diagrama de disperso no se ajustaro
perfeitamente ao modelo matemtico proposto. Existir, na maioria dos pontos, uma distncia
entre os pontos do diagrama e os pontos do modelo matemtico. Isto devido ao fato do
fenmeno em estudo no ser um fenmeno matemtico e sim um fenmeno sujeito a
42

influncias que acontecem ao acaso. Desta forma, o objetivo da regresso obter um modelo
matemtico que melhor se ajuste aos valores observados de Y em funo da variao dos
nveis da varivel X.
2.1 Modelo da Regresso Linear Simples e Mtodo de Estimao dos Parmetros
O modelo estatstico da Regresso Linear Simples definido por:
Yi = 0 + 1Xi + ei
em que:
Yi o valor observado para a varivel dependente Y no isimo nvel da varivel
independente X;
0 a Constante de Regresso. Representa o intercepto da reta com o eixo Y;
1 o Coeficiente de Regresso. Representa a variao de Y em funo da variao
de uma unidade da varivel X;
Xi o isimo nvel da varivel independente X (i = 1, 2, 3, ..., n);
ei o erro associado a distncia entre o valor observado Yi e o seu respectivo
correspondente na curva do modelo proposto (valor estimado).

Um mtodo adequado para estimar os parmetros da equao de regresso linear
simples entre duas variveis X e Y ser aquele que minimize as distncias entre os pontos do
diagrama de disperso e do modelo matemtico. Este mtodo denominado de Mtodo dos
Mnimos Quadrados (MMQ). Nele, a soma dos quadrados das distncias entre os pontos do
diagrama de disperso e os respectivos pontos na reta/curva da equao estimada

minimizada, obtendo assim uma relao funcional entre X e Y com o mnimo de erro possvel,
de acordo com o modelo escolhido.
Os estimadores de 0 e 1 so ento obtidos pelo MMQ, minimizando a soma de
quadrados dos erros, por meio de derivaes. Os estimadores pelos quais se estimam os
valores de 0 e 1 so:
^
0 = Y 1 X
43

XY
Cov( X , Y )
1 =
=
Var. X
^
X Y
XY
n 1
( X )
X Y
SPXY
n
=
2
( X ) SQDX
n
n 1
^
Uma vez obtida as estimativas de 0 e 1 , podemos escrever a equao estimada de

Regresso Linear Simples da seguinte maneira:
^
Y = 0 + 1 X i
2.2 Avaliao Estatstica do Modelo
2.2.1 Anlise de Varincia da Regresso
A obteno da equao estimada apenas estabelece uma relao funcional entre a

varivel dependente e a varivel independente para o fenmeno em estudo. A simples
obteno da equao estimada no responde ao pesquisador se a variao dos nveis da
varivel independente (X) influencia significativamente a varivel dependente (Y).
Para solucionar esta indagao necessrio realizar um teste estatstico para a
^
estimativa do coeficiente de regresso ( 1 ). Um teste que pode ser realizado para verificar tal
fato o Teste F da Anlise de Varincia.
O quadro para Anlise de Varincia da Regresso fica assim estabelecido:
FV
Regresso
GL
p
SQ
SQRegresso
Resduo da
Regresso
n1p
SQResduo
Total
n1
SQTotal
QM
SQ Re gres.
p
SQ Re sd .
n 1 p
-
em que:
p Nmero de Coeficientes de Regresso (no inclui o 0);
n Nmero de observaes ou nveis;
44
F
QM Re gres.
QM Re sd .

n
SQTotal =
( Yi ) 2
2
i =1
SQRegresso =
(SPXY )2
SQD X
i =1
n
^
= 1 ( SPXY )
SQResduo = SQTotal SQRegresso
As hipteses estatsticas para o Teste F so as seguintes:

H0: 1 = 0; O que equivale a dizer que a varivel independente no exerce influncia
na varivel dependente, de acordo com o modelo proposto;
H1: 1 0; O que equivale a dizer que a varivel independente exerce influncia na
varivel dependente, de acordo com o modelo proposto.
Considerando F (p ; n 1 p), a regra decisria para o Teste F a seguinte:
Se o valor do F calculado for maior ou igual ao valor do F tabelado, ento Rejeita H0
ao nvel % de probabilidade. Pode-se inferir que o modelo proposto adequado para
descrever o fenmeno.
Se o valor do F calculado for menor que o valor do F tabelado, ento No Rejeita H0
ao nvel % de probabilidade. Infere-se que o modelo proposto no adequado para
descrever o fenmeno.
2.2.2 Coeficiente de Determinao
O Coeficiente de Determinao, denominado R2 (Regresso Linear Mltipla) ou r2

(Regresso Linear Simples), fornece uma informao auxiliar ao resultado da anlise de
varincia da regresso, verificando se o modelo proposto adequado ou no para descrever o
fenmeno.
2
(SPXY )
SQ Re gresso
R =r =
=
SQTotal
SQD X .SQDY
2
O valor do coeficiente de determinao varia no intervalo de 0 a 1. Valores prximos

de 1 indicam que o modelo proposto adequado para descrever o fenmeno. Ele representa a
45

percentagem da variao total (Y varivel dependente) que explicada pela equao de

regresso (X varivel independente).
2.2.3 Grfico da Equao de Regresso Estimada
O Grfico da Equao de Regresso Estimada pode ser obtido atribuindo valores para
a varivel independente e, consequentemente, obtendo os respectivos valores estimados para a
varivel dependente. Esses pares de valores so plotados nos respectivos eixos X e Y, obtendo
assim o grfico da equao de regresso estimada.
A distncia dos pontos observados no experimento em relao ao grfico (curva ou
reta) da equao de regresso estimada tambm uma indicao da adequao ou no do
modelo de regresso proposto para descrever o fenmeno.
EXERCCIOS PROPOSTOS
1 De acordo com os dados fornecidos abaixo para a varivel X (dose de Zn em ppm) e para a
varivel Y (MS (g)/planta), pede-se:
a) Obter a equao de regresso de 1 grau;

b) Verificar se o modelo de regresso linear de 1 grau adequado para descrever a
relao entre as variveis. Utilize os mtodos vistos em sala de aula: i) ANOVA; ii)
Coeficiente de Determinao; iii) Grfico da Equao de Regresso Estimada. ( =
5%).
X
Y
1,0
20,3
2,5
26,3
4,0
29,6
5,5
31,1
7,0
32,2
8,5
34,7
2 Um laboratrio est interessado em medir o efeito da temperatura sobre a potncia de um

antibitico. Sete amostras foram guardadas em diferentes temperaturas (C) e aps 15 dias
mediu-se a potncia. Os resultados esto no quadro abaixo:
Temperatura (C)
Potncia
20
43
30
41
40
34
50
30
60
26
a) Estimar a equao de regresso de 1 grau;

b) Proceder a ANOVA ( = 5%);
c) A que temperatura (C) a potncia do antibitico seria nula?
46
70
23
80
18

VII LISTAS DE EXERCCIOS

CONTEDO I Distribuio Amostral e Intervalo de Confiana
1 O peso dos ovos de determinada linhagem de ave de postura tem distribuio normal, com
mdia de 65 gramas e desvio padro de cinco gramas. Considere uma amostra aleatria de
uma dzia (caixa) desses ovos. Qual a probabilidade de que o peso desta amostra (caixa)
esteja compreendido entre o intervalo de 750 e 825 gramas?
2 Para avaliar a preciso de uma balana de laboratrio, pesa-se repetidas vezes um objeto
padro de peso conhecido igual a 10 gramas. As leituras da balana tem distribuio normal.
Sabe-se que o desvio padro das leituras 0,0002 gramas. Pesa-se o objeto cinco vezes e o
resultado mdio 10,0023 gramas.
a) Estabelea um intervalo de 95% de confiana para a mdia de repetidas pesagens do
objeto;
b) Quantas pesagens ou medidas devem entrar no clculo da mdia a fim de que se
obtenha uma margem de 0,0001 de erro com 95% de confiana?
3 Uma agncia de propaganda, que atende a uma das principais estaes de rdio, gostaria
de calcular a quantidade mdia de tempo que a audincia gasta diariamente ouvindo radio. A
partir de estudos anteriores, o desvio padro calculado em 45 minutos.
a) Que tamanho de amostra necessrio se a agncia quiser ter 90% de confiana de
estar correta em um intervalo de 5 minutos?
b) Se for desejado um nvel de 99% de confiana, que tamanho de amostra necessrio
para o mesmo intervalo da alnea anterior ( 5 minutos)?
c) Faa inferncias a respeito dos tamanhos das amostras encontrados nas alneas
anteriores (a e b), explicando o motivo de ter encontrado dimenses distintas.
4 O tempo de reao de um novo medicamento pode ser considerado como tendo
distribuio normal. Deseja-se fazer inferncia sobre a mdia que desconhecida por meio de
um intervalo de confiana. Vinte pacientes foram sorteados ao acaso e tiveram seu tempo de
reao anotado. Os dados foram os seguintes (em minutos):
2,9
4,8
3,4
5,7
3,5
5,8
4,1
5,0
4,6
3,4
4,7
5,9
4,5
6,3
3,8
4,6
5,3
5,5
4,9
6,2
a) Obter um intervalo de 95% de confiana para a mdia do tempo de reao;

b) Obter um intervalo de 99% de confiana para a mdia do tempo de reao;
c) Estabelecer a amplitude (comprimento) para cada intervalo de confiana obtido nas
alneas anteriores (a e b). Faa inferncias pertinentes ao comprimento.
47

5 Estudos anteriores levam a supor que crianas de dois meses alimentadas exclusivamente
com leite do tipo A sofrem um aumento de peso que segue distribuio normal, com mdia
desconhecida, porm de varincia 9.000 gramas2. Escolhe-se ao acaso 20 crianas de dois
meses, alimentando-as exclusivamente com leite do tipo A. Nesta amostra o aumento de peso
mdio foi de 475 gramas. Obtenha um intervalo de 99% de confiana para o aumento mdio
do peso das crianas nas condies apresentadas.
6 O consumo mensal de calorias (kcal/g) de certa espcie de esquilos segue distribuio
normal com desvio padro 0,16. Recolheu-se uma amostra aleatria de dimenso 18 cuja
mdia amostral foi de 0,41.
a) Obtenha um intervalo de confiana a 95% para o consumo mdio de calorias;
b) Qual deve ser a dimenso da amostra para que um intervalo de confiana a 95% para a
mdia tenha amplitude 0,2?
7 Um conjunto, composto por 12 animais em experincia, foi alimentado com uma dieta
especial durante determinado tempo e verificou-se que os ganhos de peso (em kg) foram de:
25 22 30 26 24 39 32 26 32 33 28 30. Encontrar os limites de confiana
para a mdia ao nvel de 90% de probabilidade.
8 Qual deve ser a dimenso da amostra a recolher de uma populao normal de valor mdio
e desvio padro 10 de modo que o intervalo de confiana para a 99% tenha amplitude 1?
9 Considere que o comprimento dos corpos de uma espcie de camaro de gua doce
apresente distribuio normal. Uma amostra de 60 camares apresentou uma mdia de 5,315
cm e desvio padro 0,8293 cm.
a) Determine um intervalo de confiana a 99% para a mdia da populao;
b) Qual o erro padro associado mdia da amostra?
10 A altura (em mm) da espuma de sabo em uma bacia importante para os fabricantes de
detergentes e supe-se que sua distribuio normal. Foi efetuada uma experincia colocando
a mesma quantidade de detergente em 10 bacias de tamanho padro e, depois de certa
agitao da gua, mediu-se a altura da espuma. Obtiveram-se os seguintes resultados:
10
x
i =1
= 229
10
(x
= 1.553
i =1
a) Determine uma estimativa pontual para a mdia e para o desvio padro;

b) Determine um intervalo a 99% de confiana para a mdia;
c) Comente os dois tipos de estimativa obtidos (nas alneas anteriores) para a mdia.
48

CONTEDO II Testes de Hipteses
1 Um experimentador deseja testar o efeito de certo fertilizante na produo de milho. Para

realizar o experimento tinha-se 12 unidades experimentais de reas iguais, onde 7 receberam
o fertilizante e as outras no. As demais condies foram mantidas iguais. As produes em
kg/unidade experimental foram as seguintes:
c/ fertilizante
s/ fertilizante
25
35
35
25
45
20
30
15
20
30
25
30
De posse dos dados acima, pode o experimentador concluir que h aumento de

produo de milho por causa do fertilizante, com nvel de significncia igual a 5%?
2 Desejando comparar os efeitos de dois analgsicos, A e B, em termos do tempo de ao
sobre pacientes com certa doena, ambos foram aplicados a 14 doentes, em dias diferentes,
sendo que 7 pacientes receberam primeiro o A, e os outros 7 primeiro o B. A situao foi
controlada de forma a no haver interferncia do efeito de um sobre o outro. Os resultados
(em minutos) foram:
Paciente 1
2
3
4
5
6
7
8
9
10 11 12 13 14
362 345 356 370 360 365 345 363 358 332 335 370 335 362
A
320 330 315 325 323 328 318 322 320 310 308 332 307 325
B
Testar a hiptese de diferena nula entre as mdias populacionais, ao nvel de
significncia de 1%.
3 Considere uma amostra de 10 leites da raa Large White. Aos 21 dias de idade foram
feitas medies dos seus pesos (kg), fornecendo os seguintes dados:
Leites
Peso (kg)
1
5,0
2
5,2
3
5,4
4
4,8
5
5,1
6
4,9
7
5,0
8
5,2
9
5,5
10
5,6
Pode-se concluir, ao nvel de 5% de probabilidade, que o peso mdio aos 21 dias de

idade dos leites no difere de 5,0 kg?
4 Determinada cultura apresenta uma produtividade mdia de 10,8 t/ha. Um
experimentador, desejando aumentar a produtividade mdia, introduziu um novo tratamento
cultura. Uma amostra de 20 parcelas submetidas ao novo tratamento apresentou uma
produtividade mdia de 11,50 t/ha e desvio padro de 1,2 t/ha. Testar H0 e concluir para =
5%.
5 Em um estudo sobre metabolismo de citrato no fgado foram tomadas amostras de sangue
da veia heptica de 10 indivduos normais e amostra de sangue arterial de outros 10
indivduos normais, obtendo-se as seguintes determinaes de citrato em cada amostra (em
mg/ml):
Veia Heptica 20,2 24,6 18,3 19,0 29,5 12,6 18,2 30,8 22,2 25,4
Sangue Arterial 26,4 32,2 37,8 25,0 28,4 26,2 31,3 35,0 29,7 27,4
49

Verificar se existe diferena significativa entre o contedo mdio de citrato do sangue

arterial e da veia heptica, adotando = 1%.
6 Modificaes foram implementadas na linha de produo de determinado artigo, utilizado
em motores agrcolas, com o objetivo de reduzir a porcentagem de peas defeituosas
produzidas nas diversas mquinas da linha. Considerando os dados abaixo e = 1%, testar a
hiptese H0 e concluir:
Mquina
% defeito antes (X)
% defeito aps (Y)
1
3,8
2,5
2
4,2
4,2
3
2,3
2,5
4
3,3
2,2
5
3,4
2,0
6
3,1
1,8
7
3,0
2,0
8
2,5
2,0
7 Um nutricionista, desejando comparar dois produtos com relao ao teor de Vitamina C,

retira 10 amostras de cada produto e obtm os teores listados abaixo:
Produto
Teores de Vitamina C (mg)
A
20,2 25,3 21,3 27,0 22,0 26,0 20,0 21,2 23,1 29,3
B
27,3 28,4 29,5 27,0 28,0 29,8 30,1 30,5 28,5 29,1
Testar H0 e concluir para = 5%.
8 Os dados abaixo referem aos pesos, em gramas, de ratos machos da raa Wistar com 15
dias de idade, segundo a condio normal e submetidos extirpao do timo aos 4 dias de
idade. Verificar se a timectomizao piora o ganho de peso destes animais, usando = 5%.
Condio Normal
Timectomizado
40,3
18,6
40,0
20,3
39,6
23,6
35,2
22,2
32,0
20,9
9 Para verificar o efeito da suplementao de alfafa no ganho de peso (kg), considerou-se 8

pares de coelhos, cujos resultados so dados a seguir:
Sem Suplementao
Com Suplementao
0,32
0,72
0,49
0,90
0,51
0,67
0,45
0,83
0,70
0,67
0,52
0,93
0,35
0,80
0,60
0,75
H evidncia que a suplementao aumenta o desempenho, considerando = 5%?

10 Para verificar o efeito da suplementao de alfafa no ganho de peso (kg), considerou-se 8
coelhos, cujos resultados so dados a seguir:
Sem Suplementao
Com Suplementao
0,32
0,72
0,49
0,90
0,51
0,67
0,45
0,83
0,70
0,67
0,52
0,93
0,35
0,80
0,60
0,75
H evidncia que a suplementao aumenta o desempenho, considerando = 5%?
50

CONTEDO IV Delineamentos Experimentais e Teste de Comparao de Mdias
1 Para comparar a produtividade de quatro variedades de milho, tomou-se 20 parcelas

similares e distribuiu, inteiramente ao acaso, cada uma das quatro variedades em cinco
parcelas experimentais. A partir dos dados fornecidos abaixo, possvel concluir que existe
diferena significativa entre as variedades com relao produtividade, utilizando o nvel de
5% de significncia.
Variedades
A
B
C
D
25
31
22
33
26
25
26
29
20
28
28
31
23
27
25
34
21
24
29
28
Totais
115
135
130
155
2 Um treinador de corrida rstica, objetivando melhorar o desempenho de seus atletas,
testou trs novas tcnicas de preparao. Para tanto trabalhou com um grupo de 15 atletas
completamente homogneos para caractersticas essenciais. A designao das tcnicas de
preparao aos atletas foi feita totalmente ao acaso, de tal forma que o nmero de atletas
avaliados em cada uma das tcnicas fosse o mesmo. Os resultados obtidos, aps determinado
perodo de tempo de aprendizado das tcnicas pelos atletas, foram os seguintes:
Repeties
1
2
3
4
5
Totais
1
130
129
128
126
130
643
Tcnicas de Preparao
2
125
131
130
129
127
642
3
127
129
131
128
130
645
De acordo com os resultados, pede-se:

a) Quais foram os princpios bsicos da experimentao utilizados pelo pesquisador neste
experimento?
b) Qual/quem foi a unidade experimental utilizada nesta pesquisa?
c) possvel concluir que exista diferena entre as tcnicas de preparao? ( = 1%)
d) Qual seria a tcnica a ser recomendada?
3 Com o objetivo de diminuir o consumo dos motores gasolina, determinada indstria
petroqumica testou quatro novas formulaes de gasolina, as quais se diferenciavam pelo
tipo de aditivo que era acrescentado mesma durante o seu processo de fabricao. Para
efetuar o teste, a indstria petroqumica utilizou carros completamente homogneos para
todas as caractersticas. A designao das formulaes aos carros foi feita inteiramente ao
acaso. Aps os testes de rodagem, os resultados obtidos foram (km/l):
51

cido Forte
Mdias
14,81
N de carros
10
Dado: SQResduo = 6,0264
Aditivos a base de:

cido Fraco
Base Forte
6,56
10,06
10
10
Base Fraca
10,09
10
Com base nas informaes fornecidas, pede-se:

a) Existe diferena entre os quatro tipos de formulaes?
b) Estabelea um contraste entre o grupo base de formulao cida contra o grupo
base de formulao bsica. Obtenha a estimativa para este contraste.
c) Estabelea um contraste para comparar aditivos de formulao cida. Obtenha a
estimativa para este contraste.
d) Estabelea um contraste para comparar aditivos de formulao bsica. Obtenha a
estimativa para este contraste.
4 Com a finalidade de comparar o efeito do tempo de pastejo no desempenho de sunos,
foram comparados 16 animais distribudos em trs tempos. Os ganhos de peso (kg) no final
do experimento so dados a seguir:
Tempos
4h
6h
8h
7,12
8,45
6,58
6,91
8,53
7,04
Ganhos de Peso (kg)

6,80
6,72
9,02
8,94
7,15
7,38
6,34
8,35
7,23
6,45
-
Existe algum tempo de pastejo no qual o ganho de peso mdio diferiu dos demais, ao
nvel de 5% de significncia?
5 Dez reprodutores foram separados em dois grupos independentes e alimentados com
raes diferentes, obtendo-se os seguintes ganhos de peso (kg):
Rao A
Rao B
5,0
8,0
6,0
9,0
7,0
6,0
4,0
7,0
3,0
10,0
Verifique se as raes influenciam no ganho de peso, ao nvel de 5% de significncia,

utilizando a anlise de varincia para experimentos inteiramente casualizados. Concluir a
respeito das duas raes fornecidas.
6 Com o objetivo de avaliar a utilizao de farelo bruto foi realizado um experimento com
uma durao de 28 dias, composto de quatro tratamentos e cinco repeties por tratamento.
Cada parcela foi constituda de 50 pintos de um dia de idade, da linhagem Ross, sendo 25
machos e 25 fmeas. Os resultados dos ganhos de peso mdio por parcela so dados a seguir:
52

0% de Farelo
0,60
0,62
0,61
0,64
0,63
10% de Farelo
0,82
0,85
0,78
0,79
0,80
20% de Farelo
0,79
0,83
0,82
0,81
0,82
30% de Farelo
0,82
0,81
0,79
0,80
0,79
Ao nvel de 5% de significncia qual tratamento, em mdia, propiciou o maior ganho

de peso?
7 Para os dados fornecidos a seguir aplicar o teste de Tukey e concluir adequadamente ( =
5%).
^
m1 = 370
m 2 = 338
m 3 = 380 m 4 = 320
= 33
m 5 = 325
m 6 = 367
8 Com os dados abaixo, oriundos do delineamento inteiramente casualizado (DIC), aplicar o

teste de Tukey e concluir ao nvel de 5% de probabilidade.
r1 = r2 = r3 = 4
r4 = r5 = 5
Yij2 = 22.446,51
i, j
T1 = 120,6
T2 = 130,7
T3 = 140,8
T4 = 180,6
T5 = 115,6
9 Aplicar o teste de Tukey s comparaes mltiplas obtidas com as mdias dos tratamentos
de um experimento realizado no delineamento inteiramente casualizado (DIC). Concluir para
o nvel de 1% de probabilidade.
SQResduo = 438,8631
r1 = r2 = r3 = 4
r4 = r5 = 3
^
m1 = 230,6
m 2 = 217,2
m 3 = 204,9
m 4 = 209,9
m 5 = 188,3
10 Em uma propriedade agrcola foi realizado um experimento com cinco empregados. Eles
realizaram a pulverizao de cinco reas (uma rea/empregado) com pulverizadores costais
manuais (em condies iguais). No fim de cada turno de trabalho foi avaliado o consumo do
pulverizador por empregado, obtendo, para 10 turnos, as seguintes mdias (consumo em
litros/100m2):
^
m1 = 2,11 m 2 = 2,51 m 3 = 1,87

m 4 = 2,23
m 5 = 1,80
Sabendo-se que a SQTotal = 235,51. Qual empregado apresentou maior consumo em
seu pulverizador ao nvel de 5% de significncia? Se necessrio utilize o teste de Tukey.
11 Um experimento para avaliar a influncia de quatro tipos de aleitamento, no ganho de

peso de leites, foi conduzido utilizando o delineamento inteiramente casualizado com quatro
repeties. Foram obtidos os seguintes resultados:
53

Tratamentos
Totais
1
37,2
2
44,8
3
31,6
4
32,8
F.V.
Tratamento
Resduo
Total
G.L.
SQ
QM
33,82
Complete o quadro da ANOVA e, considerando = 1%, responda: Qual(is) o(s)

melhor(es) tipo(s) de aleitamento? (Use o teste de Tukey, se necessrio).
12 Foi realizado um experimento utilizando o delineamento inteiramente casualizado para
comparar a produtividade de cinco variedades de mandioca. Os resultados foram:
1
9,1
6,8
11,3
10,4
11,4
2
11,5
13,7
14,1
8,9
Variedades
3
8,2
11,1
6,2
15,7
16,1
4
14,2
10,9
13,1
11,4
5
15,2
16,1
11,1
14,4
11,7
a) Efetuar a anlise de varincia e concluir para = 5%.

b) Para recomendar a(s) variedade(s) mais produtiva(s) necessrio aplicar algum teste
de mdias? Justifique sua resposta.
13 Com a finalidade de aumentar a produo de l de suas ovelhas, por meio de uma
alimentao mais apropriada, um criador separou 28 ovelhas de sua criao. Como as ovelhas
eram de idades diferentes, elas foram divididas em sete grupos, sendo que dentro de cada um
destes grupos existiam quatro ovelhas da mesma idade e homogeneidade para as demais
caractersticas. Em cada grupo foi realizado um sorteio para distribuir, inteiramente ao acaso,
os quatro tipos de alimentao (TA) s ovelhas do grupo. O experimento iniciou-se no
momento de se realizar uma nova tosquia, da qual se obteve os seguintes resultados,
expressos em unidade de medida de l por animal:
Grupos
TA
1
2
3
4
5
1
30
32
33
34
29
2
29
31
34
31
33
3
43
47
46
47
48
4
23
25
21
19
20
Totais
125
135
134
131
130
Com base nas informaes anteriores, pede-se:
6
30
33
44
21
128
7
33
29
47
22
131
Totais
221
220
322
151
914
a) Qual o tipo de delineamento experimental utilizado pelo criador? Justifique sua

resposta.
b) Existe diferena entre os tipos de alimentao fornecidos s ovelhas? ( = 1%).
54

c) Com base no teste de Tukey, qual (is) seria (m) o (s) tipo (s) de alimentao a ser (em)
recomendado (s) s ovelhas?
d) Calcular o coeficiente de variao do experimento.
14 Um experimento no DBC, com quatro repeties, forneceu os dados abaixo:
Tratamentos
1
2
3
4
5
Totais
1
142,36
139,28
140,73
150,88
153,49
726,74
Blocos
2
3
144,78
145,19
137,77
144,44
134,06
136,07
135,83
136,97
165,02
151,75
717,46
714,42
4
138,88
130,61
144,11
136,36
150,22
700,18
Totais
571,21
552,10
554,97
560,04
620,48
2.858,80
Para o nvel de 5% de significncia, pede-se:

a) ANOVA.
b) Teste de Tukey, se necessrio.
15 Com o objetivo de verificar qual tipo de pneu que proporciona menor consumo de
combustvel, para trabalhar em terrenos encharcados, testou quatro diferentes tipos. Como a
rea que dispunha para realizar o experimento era heterognea com relao declividade,
subdividiu a rea total em trs sub-reas, de tal forma que dentro de cada uma delas existia
uniformidade com relao a declividade. Dentro de cada sub-rea realizou-se um sorteio ao
acaso dos tipos de pneus s unidades experimentais. Com a realizao da pesquisa obtiveramse os seguintes resultados de consumo, expressos em litros/hora trabalhada:
Pneus
Sub-rea
1
2
3
1
30
29
25
2
32
30
26
3
33
31
30
4
35
33
31
Por meio das informaes fornecidas acima, pede-se: (utilize o nvel de 5% de

significncia, quando necessrio)
a) Quais foram os princpios bsicos da experimentao utilizados neste experimento?
Justifique sua resposta.
b) Qual foi o tipo de delineamento experimental utilizado? Justifique sua resposta.
c) Em termos de consumo, conclua com relao aos tipos de pneus testados, por meio da
anlise de varincia.
d) Qual (is) o (s) tipo (s) de pneu (s) que atende (m) ao objetivo da pesquisa? Use o teste
de Tukey, se necessrio.
55

16 Um experimento com cinco variedades de batata (A, B, C, D e E), em blocos

casualizados, apresentou as seguintes produes (toneladas por hectare):
Blocos
1
2
3
4
A
9
13
11
9
B
21
27
26
25
Variedades
C
22
29
24
25
D
15
11
10
12
E
12
18
18
17
Para o nvel de significncia igual a 5%, pede-se:

a) ANOVA.
b) Teste de Tukey, se necessrio.
17 Em um experimento de competio de variedades de cana forrageira foram utilizadas
cinco variedades: A = COOO290; B = CO294; C = CO297; D = CO299 e E = CO295. Elas
foram dispostas em quadrado latino 5 x 5. O controle feito atravs de blocos horizontais e
verticais teve por objetivo eliminar influncias atribudas as diferenas de fertilidade em duas
direes. As produes, em kg/parcela, foram as seguintes:
Linhas
1
2
3
4
5
Totais
1
432 (D)
724 (C)
489 (E)
494 (B)
515 (A)
2.654
2
518 (A)
478 (E)
384 (B)
500 (D)
660 (C)
2.540
Colunas
3
458 (B)
524 (A)
556 (C)
313 (E)
438 (D)
2.289
4
583 (C)
550 (B)
297 (D)
486 (A)
394 (E)
2.310
5
331 (E)
400 (D)
420 (A)
501 (C)
318 (B)
1.970
Totais
2.322
2.676
2.146
2.294
2.325
11.763
Considerando = 5%, pede-se:

a) Anlise de Varincia.
b) Qual variedade deve ser recomendada com relao a sua produtividade? Utilize o teste
de Tukey, se necessrio.
18 Aplicar o teste de Tukey para comparar as mdias de tratamentos relativas ao
delineamento em quadrado latino 5 x 5.
Dados:
T1 = 3.024,0
T2 = 2.549,0
T3 = 2.349,0
T4 = 1.970,0
SQResduo = 34.116,0
56
T5 = 1.734,0

19 O objetivo do experimento foi estudar o efeito da poca de castrao no

desenvolvimento e na produo de sunos. Dispunha-se para este estudo de cinco matrizes da
mesma raa, que foram submetidas mesma alimentao e manejo durante o perodo de
gestao. Os tratamentos foram: (A) Castrao aos 56 dias de idade; (B) Castrao aos 7 dias
de idade; (C) Castrao aos 36 dias de idade; (D) Inteiros sem castrao; (E) Castrao aos
21 dias de idade. Foi utilizado o delineamento em quadrado latino buscando controlar a
variao entre leitegadas (linhas) e a variao no peso inicial dos leites (colunas), sendo a
parcela experimental constituda de um leito. Os ganhos de peso, em kg, aps o perodo
experimental (28 semanas), esto apresentados no quadro abaixo:
Leitegadas
1
2
3
4
5
Totais
1
93,0 (A)
110,6 (C)
102,1 (B)
115,4 (D)
117,6 (E)
538,7
Faixas de Peso Inicial

2
3
4
115,4 (C) 116,9 (E) 110,2 (D)
96,5 (E)
108,9 (B)
97,6 (A)
108,6 (D)
77,9 (A)
102,0 (E)
94,9 (A)
114,0 (C) 100,2 (B)
114,1 (B) 118,7 (D) 108,8 (C)
529,5
536,4
518,8
5
110,4 (B)
112,0 (D)
111,7 (C)
118,5 (E)
80,2 (A)
532,8
Totais
545,9
525,6
523,3
543,0
539,4
2.656,2
Considerando = 5%, pede-se:

a) Proceder anlise de varincia. Dado: SQTotal = 2.998,4824.
b) Formule um contraste que permita avaliar o efeito mdio da prtica de castrao.
Interpret-lo de acordo com sua estimativa.
20 Descreva sobre os delineamentos experimentais DIC, DBC e DQL, respondendo: i) Em
quais condies so indicados; ii) Caractersticas semelhantes; iii) Caractersticas que os
distinguem.
57

CONTEDO V Experimentos Fatoriais
1 Abaixo fornecido o quadro da Anlise de Varincia e o quadro de Interao para um

experimento fatorial instalado segundo o DBC, com 4 repeties, que foi realizado por um
Zootecnista para comparar trs raas de suno e dois tipos de rao, com relao ao teor de
gordura na carcaa.
FV
Rao
Raa
Interao
(Tratamento)
Blocos
Resduo
Total
GL
SQ
5,0400
1,0000
QM
(20,3750)
15,0000
Raes
Raas
1
2
3
Totais
1
45
38
39
122
2
40
45
48
133
Totais
85
83
87
255
Pergunta-se: Os fatores Raa e Rao atuam independentemente no teor de gordura

dos sunos ao nvel de 5% de probabilidade?
2 Suponha que voc esteja participando de uma seleo para um emprego em uma empresa
de pesquisa. Dentre as vrias reas em avaliao, consta a rea de estatstica, que objetiva
avaliar seus conhecimentos na rea de experimentao, no simplesmente pedindo-lhe para
fazer contas (na ocasio, de menor relevncia), mas sim com relao estratgia de anlise,
interpretao, discusso e tomada de deciso. So feitas as seguintes perguntas:
a) Como voc faria um leigo entender o que vem a ser Interao entre dois Fatores A e
B.
b) Qual a estratgia de anlise a ser efetuada (ou os passos das anlises subsequentes) nos
seguintes casos de um experimento fatorial com dois fatores A e B:
b.1) Interao No Significativa ;
b.2) Interao Significativa.
3 Do experimento fatorial 3 x 4, instalado no DIC com quatro repeties, so dados:
A1
A2
A3
Totais
B1
29
29
21
79
B2
25
23
23
71
B3
22
20
19
61
58
B4
18
15
18
51
Totais
94
87
81
262

Dados: SQResd. = 56,43 e = 5%.

a) Proceder a ANOVA;
b) Aplicar o teste de Tukey, se necessrio.
4 O experimento fatorial 3 x 2 foi montado no DQL. Os resultados esto apresentados
abaixo. Ao nvel de 5% de probabilidade, pede-se:
A1
A2
Totais
B1
20,6
19,8
40,4
Dados: SQLinhas = 18,4682;
2
j
B2
40,5
41,6
82,1
B3
42,3
42,5
84,8
Totais
103,4
103,9
207,3
= 8.362,22 ;
2
ijk
= 1.556,32
j =1
a) Testar os efeitos principais (A e B) e o efeito de interao pela ANOVA;

b) Aplicar o teste de Tukey, se necessrio.
5 Com o objetivo de se estudar a produtividade de trs cultivares de soja plantadas com
cinco adubos diferentes, foi instalado um experimento no esquema fatorial 3 x 5, em blocos
casualizados com trs repeties, obtendo os seguintes resultados:
Adubos
IAC-9
29,8
1
35,0
2
52,9
3
54,2
4
52,9
5
224,8
Totais
Dados: SQResd. = 218,73 e
Cultivares
UFV-1
53,4
42,4
44,6
49,9
23,1
213,4
= 5%.
Criatalina
21,0
40,1
33,7
39,0
27,5
161,3
Totais
104,2
117,5
131,2
143,1
103,5
599,5
a) Avaliar se a interao entre Adubos e Cultivares significativa;

b) De acordo com o resultado para interao entre Adubos e Cultivares, explique
teoricamente os procedimentos das anlises estatsticas a serem executados
sequencialmente.
6 Com os dados do quadro de interao do experimento fatorial 2 x 6, montado no DBC
com duas repeties, verificar se os Fatores A e B atuam independentemente. Considere =
5%.
B1
B2
B3
B4
B5
B6
Totais
46,8
48,2
47,3
49,0
48,5
46,9
286,7
A1
47,2
60,8
69,3
71,6
61,5
46,8
357,2
A2
94,0
109,0
116,6
120,6
110,0
93,7
643,9
Totais
Dado: SQResd. = 120,8325
59

CONTEDO VI Regresso Linear
1 Utilizando os dados amostrais fornecidos abaixo, pede-se:

Temperatura (0C)
Comprimento (mm)
10
1.003
15
1.005
20
1.010
25
1.011
30
1.014
a) Estimar a equao de regresso linear de 1 grau entre o efeito da temperatura sobre o

comprimento de uma barra de ao;
b) Avaliar a adequao do modelo de regresso utilizado por meio da Anlise de
Varincia. ( = 5%)
2 Para verificar se existe uma relao linear de 1 grau entre Umidade Relativa (UR - %) do
ar da secagem de sementes e a germinao das mesmas, um pesquisador realizou um teste
com quatro diferentes valores para a porcentagem de UR do ar que atravessava as sementes
armazenadas, obtendo-se os seguintes valores amostrais:
20
94
UR (%)
Germinao (%)
30
96
40
95
50
97
a) Estabelecer a equao linear de 1 grau estimada;

b) Ao nvel de 5% de probabilidade, qual seria a concluso do pesquisador com relao
adequao da equao de regresso entre UR e germinao?
3 Para o conjunto de pares de valores de X (varivel independente) e Y (varivel
dependente), obter a equao de regresso linear de 1 grau estimada e proceder a anlise de
varincia da regresso. Use o nvel de significncia de 5%.
X
Y
2
10,3
4
18,2
6
25,1
8
35,6
10
43,0
12
50,0
14
59,1
16
67,8
18
75,2
20
85,0
4 O modelo de regresso linear de 1 grau foi proposto para explicar a relao entre a
quantidade de rao fornecida e a produo de leite por cabras. Por meio dos dados fornecidos
abaixo, pede-se:
Nveis de Rao (g)
Produo de Leite (l/dia)
50
1,2
75
1,7
100
2,0
125
2,1
150
2,5
a) Estimar o modelo de regresso proposto;

b) Verificar se o modelo adequado pela ANOVA; ( = 5%)
c) Interpretar o coeficiente de regresso com relao aos nveis de rao fornecida e a
produo de leite pelas cabras.
60

5 Suponha que tenha sido realizada uma pesquisa a respeito da influncia do tempo de
estudo na nota da prova de determinada disciplina. Os dados relacionados a cinco alunos
aleatoriamente entrevistados so dados abaixo:
X = Tempo de estudo (horas)
Y = Nota obtida (0,0 a 10,0)
2
3,0
3
5,0
4
6,0
5
8,0
6
9,0
Dados:
5
X i = 20 ;
X i2 = 90 ;
Yi = 31 ;
Yi 2 = 215 ;
X Y
i =1
i =1
i =1
i =1
i =1
i i
= 139
Pede-se:
a) Ajuste um modelo de regresso linear de 1 grau para tentar explicar a variao na
nota do aluno em funo do tempo de estudo;
b) Poderamos dizer que o tempo de estudo influencia significativamente a nota obtida?
( = 5%)
c) Estime o tempo requerido de estudo (em horas/minutos) para que o aluno obtenha a
nota 7,0 na disciplina.
d) Obter o diagrama de disperso associado ao grfico da equao de regresso estimada.
6 Para estudar a influencia do nmero de plantas existentes na parcela experimental (X)
sobre a produo de gros (Y), em uma variedade de sorgo gramneo, montou-se um
experimento cujos resultados foram:
X
Y
18
58
15
90
17
95
16
53
19
92
24
96
15
75
14
84
17
94
18
87
Pede-se:
a)
b)
c)
d)
Obter a equao de regresso linear de 1 grau estimada;

Proceder anlise de varincia da regresso; ( = 5%)
Calcular o coeficiente de determinao, interpretando-o;
Faa inferncias a respeito do modelo de regresso escolhido para tentar explicar as
variveis X e Y, com base nos resultados obtidos nas letras b e c.
61

VIII - GABARITO
CONTEDO I Distribuio Amostral e Intervalo de Confiana
1 0,9535
2 a) 10,0021247 10,0024753
b) n = 15,37 16
3 a) n = 220,52 221
b) n = 539,17 540
4 a) 4,279 5,211
b) 4,108 5,382
c) Comprimento(a) = 0,932 ; Comprimento (b) = 1,274
5 420,27 529,73
6 a) 0,3361 0,4839
b) n = 9,83 10
7 26,473 31,367
8 n = 2.662,56 2.663
9 a) 5,03 5,6
b) s X = 0,10706
10 a) X = 22,9 ; s = 13,136
b) 9,4 36,4
CONTEDO II Testes de Hipteses
1 tcal = 1,06
t = 1,81
2 tcal = 14,61
t = 3,01
3 Teste t para uma mdia

4 tcal = 2,61
t = 1,73
5 tcal = 3,57
t = 2,88
6 tcal = 3,64
t = 3,00
7 Teste t para duas mdias independentes

8 tcal = 8,81
t = 1,86
9 tcal = 5,19
t = 1,76
10 tcal = 4,72
t = 1,90
62

CONTEDO IV Delineamentos Experimentais e Teste de Comparao de Mdias
1 Fc = 7,8
F = 3,24
2 c) Fc = 0,135
F = 6,93
3 a) Fc = 685,06 F = 2,84
4 Fc = 63,41
F = 3,81
5 Fc = 9,0
F = 5,32
6 Fc = 118,22
F = 3,24
b) 1,22
c) 8,25
d) 0,03
= 0,0351
7 Aplicao direta do teste de Tukey

8 (4;4) = 10,267
(4;5) = 9,7406
(5;5) = 9,183
9 (4;4) = 16,645
(4;3) = 17,980
(3;3) = 19,22
10 Fc = 0,1589
F = 2,61
11 Fc = 15,17
F = 5,95
= 2,1
12 a) Fc = 1,33 F = 2,93
13 b) Fc = 177,81
c) = 3,84
d) 6,115%
14 a) Fc = 5,869
b) = 13,12
15 c) Fc = 20,96
d) = 2,36
16 a) Fc = 37,70
b) = 5,05
17 a) Fc = 12,09
b) = 107,54
18 = 107,54
19 a) Fc = 9,016
b) = 33,66
CONTEDO V Experimentos Fatoriais
1 FA = 5,04;
3 a) FA = 1,68;
FB = 0,50;
FB = 7,85;
FAxB = 7,1675
FAxB = 0,93
b) Teste de Tukey: Fator B ( = 1,349)

4 a) FA = 0,0049; FB = 25,35;
FAxB = 0,0393
b) Teste de Tukey: Fator B

5 a) Interao Significativa
6 Os fatores A e B atuam independentemente (Interao No Significativa)
CONTEDO VI Regresso Linear
^
1 a) Y = 997,4 + 0,56 X
b) Fc = 84,43
63

^
2 a) Y = 92,7 + 0,08 X
b) Fc = 3,55
^
3 Y = 1,522 + 4,128 X
Fc = 8.079,8
^
4 a) Y = 0,7 + 0,012 X
b) Fc = 67,669
^
5 a) Y = 0,2 + 1,5 X
b) Fc = 225,00
c) 4 horas e 32 minutos
^
6 a) Y = 53,895 + 1,648 X
b) Fc = 0,7947
c) r2 = 0,0904
64

REFERNCIAS
BANZATTO, D. A.; KRONKA, S. N. Experimentao Agrcola . 4 Ed. Editora FUNEP,

2006.
DIAS, L. A. S.; BARROS, W. S. Biometria Experimental. 1 Ed. Editora UFV, 2009.
FERREIRA, P. V. Estatstica Experimental Aplicada Agronomia. 3 Ed. Editora
EDUFAL, 2000.
GOMES, F. P. Curso de Estatstica Experimental. 15 Ed. Editora FEALQ, 2009.
GOMES, F. P.; GARCIA, C. H. Estatstica Aplicada a Experimentos Agronmicos e
Florestais. Vol. 11. Editora FEALQ, 2002.
SAMPAIO, I. M. S. Estatstica Aplicada Experimentao Animal. 3 Ed. FEPMVZ

Editora, 2007.
STORCK, L.; GARCIA, D. C.; LOPES, S. J.; ESTEFANEL, V. Experimentao Vegetal. 2
Ed. Editora UFSM, 2006.
VIEIRA, S. Anlise de Varincia: Anova. 1 Ed. Editora Atlas, 2006.
65

APNDICE
As tabelas que aqui constam foram adaptadas do livro: GOMES, F.P. Curso de
Estatstica Experimental. 15. ed. Editora FEALQ, 2009.
Este material ser utilizado em provas. Portanto, no dever conter informaes

adicionais.
Nome: _____________________________________________________________________
Matrcula / Curso: ___________________________________________________________
66

Tabela 1. Valores da funo de Distribuio Normal Padro.
67

Tabela 2. Valores de t (Student) em nveis de 10% a 0,1% de probabilidade (Tabela

Bilateral).
68

Tabela 3. Limites unilaterais de F (Fisher) ao nvel de 1% de probabilidade (F > 1).
n1 = nmero de graus de liberdade do numerador

n2 = nmero de graus de liberdade do denominador
Tabela 4. Limites unilaterais de F (Fisher) ao nvel de 5% de probabilidade (F > 1).
n1 = nmero de graus de liberdade do numerador

n2 = nmero de graus de liberdade do denominador
69

Tabela 5. Valores da amplitude total estudentizada q (Teste de Tukey) ao nvel de 1% de
probabilidade.
I = nmero de nveis (tratamentos) do fator em teste

n2 = nmero de graus de liberdade do resduo
Tabela 6. Valores da amplitude total estudentizada q (Teste de Tukey) ao nvel de 5% de
probabilidade.
I = nmero de nveis (tratamentos) do fator em teste

n2 = nmero de graus de liberdade do resduo
70

Bioestatística e Estatística Experimental

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Bioestatística e Estatística Experimental

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO

INSTITUTO DE CINCIAS EXATAS

Seropdica Rio de Janeiro

UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO

Esta apostila constitui o material bsico das disciplinas IC 283 Bioestatstica e IC

Seropdica Rio de Janeiro

Distribuio Amostral e Intervalo de Confiana

Princpios Bsicos da Experimentao

Delineamentos Experimentais e Teste de Comparao de Mdias *

O tpico Delineamento em Quadrado Latino presente no CONTEDO IV apenas ser

abordado na Disciplina IC 284 Estatstica Experimental.

IC283 Bioestatstica e IC284 Estatstica Experimental

IC283 Bioestatstica e IC284 Estatstica Experimental

mdia. Em geral, o valor esperado e o erro padro da mdia so definidos como:

IC283 Bioestatstica e IC284 Estatstica Experimental

4 INTERVALO DE CONFIANA (IC)

Note que, o comprimento do IC tambm pode ser obtido pela expresso:

Caso seja mantido os valores de n, e o seu comprimento ser fixo/constante.

IC283 Bioestatstica e IC284 Estatstica Experimental

4.2 IC para a mdia () de uma populao normal com 2 desconhecida

IC283 Bioestatstica e IC284 Estatstica Experimental

As duas principais reas de inferncia estatstica so: estimao de parmetros

desconhecido associado populao;

amostrais (X1, X2, ..., Xn) so considerados.

IC283 Bioestatstica e IC284 Estatstica Experimental

3.1 Hiptese Estatstica

uma suposio referente ao valor de um parmetro populacional que ser verificada

a hiptese a ser testada, tambm chamada de hiptese bsica ou nula. Os testes so

a hiptese que contraria H0, formulada com base no conhecimento prvio do

IC283 Bioestatstica e IC284 Estatstica Experimental

1. H1 : > 500 ou < 500 ou 500;

impossibilitando que sejam simultaneamente verdadeiras.

O erro tipo I caracterizado pelo fato de rejeitarmos H0 sendo H0 verdadeiro. Sua

O erro tipo II caracterizado pelo fato de no rejeitarmos H0 sendo H0 falso. A

IC283 Bioestatstica e IC284 Estatstica Experimental

A tabela a seguir apresenta as probabilidades de cometermos os erros do tipo I e do

3.4 Tipos de Testes

A partir de uma valor C (ponto crtico), rejeita-se H0 se X C.

A partir de uma valor C (ponto crtico), rejeita-se H0 se X C.

1. Enunciar a hiptese nula (H0) e a hiptese alternativa (H1);

IC283 Bioestatstica e IC284 Estatstica Experimental

que tem Distribuio de Student com n 1 graus de liberdade (g.l.).

Valor crtico da distribuio t:

Tomada de deciso (concluso):

IC283 Bioestatstica e IC284 Estatstica Experimental

Muitos problemas aparecem quando se deseja testar hipteses sobre mdias de

Inicialmente deve-se efetuar um Teste Preliminar com o objetivo de comparar as

IC283 Bioestatstica e IC284 Estatstica Experimental

que tem Distribuio de Fisher com (nx 1) e (ny 1) graus de liberdade.

> var incia

Assim, a hiptese alternativa corresponder a um teste unilateral direita.

O valor crtico da distribuio F ser estabelecido de acordo com o nvel de

Tomada de deciso (concluso):

Ao testarmos as hipteses do Teste F teremos dois casos a considerar:

IC283 Bioestatstica e IC284 Estatstica Experimental

5.1 Caso 1 ou Caso A

(n A 1).s 2A + (nB 1).s B2 SQD A + SQDB

A seguir, testa-se H0 utilizando-se a distribuio t de Student (Teste t), definida por:

5.2 Caso 2 ou Caso B

Quando H0 for rejeitada. Admitimos que as varincias sejam diferentes, no devendo

que segue distribuio t com n* graus de liberdade, em que n* dado por:

IC283 Bioestatstica e IC284 Estatstica Experimental

Tomada de deciso (concluso):