EXPERIMENTAO

1
Nelson Felipe de Albuquerque LINS NETO

RESUMO

Neste trabalho, buscou-se resumir parte da estatstica experimental aplicada aos cursos das
faculdades de cincias agrrias a fim de facilitar a compreenso dos discentes a cerca desta
disciplina de suma importncia para a referida rea. Foram verificados os temas como o
delineamento inteiramente casualizado (DIC), delineamento em blocos casualizados
(DBC), analise de varincia (ANOVA) e o teste de Tukey.

Palavras chave: DIC, DBC, ANOVA, Tukey.

ABSTRACT

In this study, we sought to summarize part of the experimental statistical courses applied to
the college of agricultural sciences in order to facilitate the understanding of students about
this subject of paramount importance to the area. We checked the themes as a completely
randomized design (CRD), randomized block design (RBD), analysis of variance
(ANOVA) and Tukey's test.

Key words: CRD, RBD, ANOVA, Tukey.

1
Engenheiro Florestal Universidade Federal do Amazonas (UFAM). Manaus, AM.
trilhasamazonicas@gmail.com
1. INTRODUO

Um delineamento experimental uma interferncia planejada por parte do

investigador na ordem natural dos acontecimentos. Ele espera que os resultados obtidos
possam por em relevo o efeito de qualquer alterao nas condies normais. Mas para que
os resultados possam ser elucidativos os dados devem ser obtidos sem ambiguidades. Para
isso, fundamental que um experimento possua uma distribuio aleatria, grupos com
tratamentos e sem tratamentos, e observaes aps o tratamento. Precisamos ter pelo menos
dois grupos para saber se o tratamento teve algum efeito, e precisamos ter alguma certeza
de que os grupos eram equivalentes antes do tratamento para podermos atribuir quaisquer
diferenas ps- tratamento ao tratamento experimental.
Em outras palavras, um experimento delineado um teste ou sries de testes no qual
podemos observar e identificar razes para mudanas na varivel resposta.
Seus objetivos primrios so o de trazer respostas mais precisas para que se possa
ter uma tomada de deciso baseada em argumentos cientficos e de alta credibilidade.
Dentre estas respostas podemos exemplificar a escolha da espcie a ser plantada em
determinado local, testar qual destas mais resistentes a pragas e doenas, que tipo e
quantidade de adubo produzem um efeito mais prximo do desejvel pelo pesquisador,
produtividade, crescimento, desenvolvimento, em fim, o delineamento experimental pode
ser descrito como testes comparativos entre caractersticas desejveis.

2. DIC
O delineamento inteiramente casualizado o mais simples. Este delineamento prev
que os tratamentos sejam distribudos inteiramente ao acaso em todas as unidades
experimentais utilizando os princpios da repetio e da casualizao, pressupondo que as
unidades experimentais estejam sobre condies homogneas.

REPETIES
TRATAMENTOS Totais
1 2 3 ... Rn
1 T1R1 T1R2 T1R3 ... T1Rn T1
2 T2R1 T2R2 T2R3 ... T2Rn T2
3 T3R1 T3R2 T3R3 ... T3Rn T3
... ... ... ... ... ... ...
Tn TnR1 TnR2 TnR3 ... TnRn Tn
TR
Para poder analisarmos de forma mais adequada, deve se proceder ao quadro de tabulao
dos dados, onde sero dispostos os tratamentos e as repeties.
Onde:
T = Tratamento;
R = Repetio;
n = nmero correspondente.

Exemplo 1
Um pesquisador procurou verificar a produtividade de pupunheiras em quilos por hectare
(kg x ha). Onde utilizou 4 concentraes de esterco de galinhas diferentes em 3 reas de sua
fazenda. Aps a coleta dos dados, encontraram-se os seguintes valores:
0 g de Adubo: 25 kg, 26kg e 20 kg;
50 g de Adubo: 31 kg, 25 kg e 28 kg;
100 g de Adubo: 22 kg, 26 kg e 28 kg;
150 g de Adubo: 33 kg, 29kg e 31 kg.

A partir das informaes fornecidas, Tabule os dados.

Primeiramente, devemos identificar o que tratamento e o que repetio.

Observando a questo, verifica-se que o que esta sendo testado, na verdade, a quantidade
de adubos por planta, que ser expressa em quilos de pupunha por hectares. Em outras
palavras, os tratamentos sero 0g, 50g, 100g e 150g de esterco. J os valores
correspondentes ao tratamento 0g, por exemplo, 25, 26 e 20, sero as repeties.

Descriminando tratamentos repeties, agora devemos proceder a tabulao dos dados

(tabela 1).

REPETIES
TRATAMENTOS Totais
1 2 3
0g 25 26 20 71
50g 31 25 28 84
100g 22 26 28 76
150g 33 29 31 93
324
Finalizada a tabulao dos dados, agora seguiremos para o quadro da analise de varincia
(ANOVA.)

3. ANOVA
A ANOVA um procedimento utilizado para comparar tratamentos. Existem
algumas variaes devido aos diferentes tipos de experimentos que podem ser realizados.
Por enquanto, vamos nos concentrar no DIC.
Na ANOVA, sero realizados, a grosso modo, os clculos para uma nica
finalidade, determinar se o valor de F calculado (Fcal) ser maior, igual ou menor que o F
tabelado (Ftab). Se maior ou igual, indica que existe pelo menos um tratamento diferente
significativamente dos outros.
A tabela assim:

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
QM trat
Tratamento t-1 SQ trat. QM trat.
QM res.
Resduo t(r-1) SQ res. QM res.
Total (t x r) - 1 SQ Total

Onde:
t = nmero de tratamentos;
r = nmero de repeties;
SQ trat. = Soma do quadrado do tratamento;
SQ res. = Soma do quadrado do resduo;
SQ total = SQ trat + SQ res;
QM trat. = Quadrado mdio do tratamento;
QM res. = Quadrado mdio do resduo.

Agora, precisamos calcular cada um destes itens, a fim de encontrar o Fcal.

Primeiramente, calcularemos o grau de liberdade do tratamento (GL trat.), o mais fcil de
encontrar, basta contar o nmero de tratamentos em questo e subtrair 1.
Assim temos:
GL trat = t-1 GL trat = 4-1 GL trat = 3.
Encontrado o valor do grau de liberdade do tratamento, este deve assumir seu lugar no
quadro.
Agora seguiremos com os demais.
GL res = t(r-1) GL res = 4(3-1) GL res = 4 x 2 GL res = 8.

GL total = t x r 1 GL total = 4 x 3 1 GL total = 12 1 GL total = 11.

A soma dos quadrados um pouco mais complexa, mas no difcil de entender. Existem
formulas para calcul-los as quais veremos a seguir.

tt2 (tr)2 712 + 842 + 762 + 932 (324)2

SQ trat = SQ trat =
r (t x r) 3 (4 x 3)

26.522 104.976
SQ trat = SQ trat = 8840,76 8748 SQ trat = 92,67
3 12

Observe que tt, significa: somatrio do total dos tratamentos e que tr significa: somatrio
do total de tratamentos e repeties ou apenas, somatrio total, conforme tabela 1.

SQ total = tr2 (tr)2 SQ total = 8.906 104.976

(t x r) 12

SQ total = 8.906 8748 SQ total = 158

Se observarmos bem, tanto para o SQ trat quanto para o SQ total, o segundo termo da
operao matemtica no muda. De modo que podemos cham-lo de constante ou de
FATOR DE CORREO (FC).

Constante (C): C ou FC = (tr)2 (t x r)

Desse modo, as formulas poderiam ficar um pouco mais simples.

Ex:

SQ trat = tt2 _ SQ total = tt2 - FC

FC
r

Calculados os SQ de tratamento e total, podemos calcular o SQ res simplesmente

subtraindo SQ total pelo SQ trat.
SQ res = SQ total SQ trat SQ res = 158 92,76 SQ res = 65,24

Agora vamos coloc-los de volta no quadro geral da ANOVA e ver como esta ficando.

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
QM trat
Tratamento 3 92,67 QM trat.
QM res.
Resduo 8 65,33 QM res.
Total 11 158

Ok, j estamos quase l. Agora vamos calcular os quadrados mdios. Na verdade, s

dividir o SQ pelo GL correspondente de cada um.
Assim temos:
QM trat = SQ trat GL trat QM trat = 92,67 3 QM trat = 30,92
QM res = SQ res GL res QM res = 65,33 8 QM res = 8,53

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
QM trat
Tratamento 3 92,67 30,89
QM res.
Resduo 8 65,33 8,17
Total 11 158

Para concluir a tabela, precisamos ainda do Fcal, que ser encontrado quando dividirmos o
QM trat pelo QM res. Assim. Fcal = 30,89 8,17 Fcal = 3,78
 Causas de Graus de Liberdade Soma de Quadrados
Fcal
Variao (GL) Quadrados Mdios
Tratamento 3 92,67 30,89 3,78
Resduo 8 65,33 8,17
Total 11 158

Concludo o preenchimento do quadro da ANOVA, passamos a testar as hipteses que

iremos chamar de H0, caso no haja diferena e H1, se houver diferena significativa entre
os tratamentos. Se, Fcal for maior ou igual a Ftab, significa que existe diferena
significativa em pelo menos 1 dos tratamentos (H1). Se no for, aceita-se a hiptese (H0)
de que no existe diferena significativa entre os tratamentos. Em outras palavras, tanto faz
voc colocar 0g ou 150g de adubo que a pupunheira produzir, aproximadamente, os
mesmo valores em quilos.
Neste caso, o Ftab 4,07. J que o Fcal neste exerccio 3,78, significa que no h
diferena significativa. Assim sendo, aceita-se H0.

Exemplo 2
Foram analisados 4 tucumanzais ao longo de 4 safras para verificar se havia diferena de
peso em quilos entre a polpa em seus frutos, a fim de serem selecionados como matrizes
para a produo de mudas. Verifique se existe diferena entre eles.

REPETIES
TRATAMENTOS TOTAL
1 2 3 4
A 0,1958 0,1301 0,1806 0,1545 0,661
B 0,3627 0,4841 0,4119 0,4457 1,7044
C 0,1621 0,1150 0,2011 0,2123 0,6905
D 0,2841 0,3099 0,2922 0,1505 1,0367
4,0926

Com o quadro de tabulao j organizado, vamos proceder a ANOVA.

GL trat = t-1 GL trat = 4-1 GL trat = 3.

GL res = t(r-1) GL res = 4(4-1) GL res = 4 x 3 GL res = 12.
GL total = t x r 1 GL total = 4 x 4 1 GL total = 16.- 1 GL total = 15
 tt2 (tr)2 0,6612 + 1,70442 + 0,69052 + 1,03672 (4,0926)2
SQ trat = r (t x r)
SQ trat 4 (4 x 4)

4,8934 16,7494
SQ trat = SQ trat = 1,2234 1,0468 SQ trat = 0,1766
4 16

SQ total = tr2 (tr)2 SQ total = 1,2558 16,7494

(t x r) 16

SQ total = 1,2558 1,0468 SQ total = 0,2090

SQ res = SQ total SQ trat SQ res = 0,2090 0,1766 SQ res = 0,0324

QM trat = SQ trat GL trat QM trat = 0,1766 3 QM trat = 0,0589

QM res = SQ res GL res QM res = 0,0324 12 QM res = 0,0027
Fcal = 0,0589 0,0027 Fcal = 3,78

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
Tratamento 3 0,1766 0,0589 21,82
Resduo 12 0,0324 0,0027
Total 15 0,2090

Concluso da ANOVA: O Fcal maior q o Ftab, que de 4,57. De acordo com o teste F,
foram encontradas evidncias de diferenas significativas, ao nvel de 5% de probabilidade,
entre os tratamentos. Rejeitamos, portanto, a hiptese de nulidade H0. Deve existir pelo
menos um contraste significativo entre as mdias de tratamentos.
O procedimento seguinte, quando de interesse do pesquisador, o de comparar as mdias
de tratamentos utilizando algum teste de comparao ou contrastes para identificar qual, ou
quais, tratamentos so diferentes.
4. TESTE DE TUKEY
Aps concluirmos que existe diferena significativa entre tratamentos, por meio do teste F,
podemos estar interessados em avaliar a magnitude destas diferenas utilizando um teste de
comparaes mltiplas.
O teste de Tukey permite testar qualquer contraste, sempre, entre duas mdias de
tratamentos, ou seja, no permite comparar grupos entre si.
O teste baseia-se na Diferena Mnima Significativa (DMS) . A estatstica do teste se d
da seguinte forma:

Onde:
q = Amplitude tabelada ao nvel de 5% ou = 0,05;
= Diferena mnima significativa (DMS);
QM res = o quadrado mdio do resduo;
r = repetio.

= 3,85 x 0,0260 = 0,1

Se o contraste, que a diferena entre as mdias, for maior do que , ento as mdias
diferem ao nvel de significncia.
Neste teste, utiliza-se o mtodo das letras para discriminar os resultados durante o teste,
apesar de existirem outras formas de se fazer esta representao. Por exemplo, o uso de
tabelas ou barras.
Inicialmente, ordenamos as mdias de forma crescente ou decrescente, para facilitar as
comparaes. Colocamos uma letra do alfabeto na primeira mdia (normalmente a letra A)
e, em seguida, comparamos a diferenas com as mdias seguintes. Se a diferena for
superior ao valor de (5%) a diferena entre duas mdias ser considerada significativa
(*), se no, no significativa (NS). A diferena entre duas mdias representada pela
presena de letras diferentes.
 O resultado final o seguinte:

Tratamentos Mdias
A 0,1653
B 0,4261
C 0,1726
D 1,0367

Organizando os dados em forma crescente fica assim:

Tratamentos Mdias
D 1,0367
B 0,4261
C 0,1726
A 0,1653

Agora s subtrair o maior pelo seguinte e por ai vai.

D B = 1,0367 0,4261 0,6106 * (A diferena entre D e B 0,6106 por tanto maior que 0,1. Por isto significativo *).
B C = 0,4261 0,1726 0,2535 *
C A = 0,1726 0,1653 0,0073 NS

Assim, temos:

Tratamentos Mdias
D 1,0367 a
B 0,4261 b
C 0,1726 c
A 0,1653 c

Observe que o tratamento D significativamente diferente do B, que por sua vez diferente
do C. Mas, o C j no difere significativamente de A. Simplificando tudo, podemos dizer
que as rvores de tucum do tucumanzal D, apresentou em mdia, 1,037 Kg de polpa por
safra. Uma diferena significativa de 0,611 Kg para o segundo melhor, que foi o B.
Enquanto os C e A, no apresentaram diferena entre si. Em outras palavras, tanto faz C
ou A, a produtividade deles so praticamente a mesma.
Contudo, este teste serve para revelar se existe diferena de produtividade entre os
tucumnzeiros. Se sim, qual deles seria o melhor? Neste caso, o tucumanzal A apresenta
maior produtividade.

5. COEFICINTE DE VARIAO
O coeficiente de variao (CV) uma medida relativa de disperso, expressa em
percentual, til para a comparao em termos relativos do grau de concentrao em torno
da mdia. Em outras palavras, serve para verificar o nvel de preciso do seu experimento.
Avaliando o exemplo anterior temos:

CV% = 0,2031 X 100

CV% = 22,31.

Quando o valor de CV% maior ou igual a 15%, diz-se que o experimento possui alta
preciso. Quando seu valor maior que 15% e menor ou igual a 25%, diz-se que possui boa
preciso. Se o valor de CV for maior que 25% e menor ou igual a 35% diz-se que possui
preciso regular. Caso o valor seja maior que 35% diz-se que a preciso esta comprometida
ou ruim. Geralmente, para se diminuir o valor de CV, aumenta-se o nmero de repeties
no experimento.

CV(%) Preciso
< 15% Alta
15 25% Media
25 35% Baixa
> 35% Muito Baixa

No delineamento inteiramente casualizado, tem-se as vantagens de no existirem

exigncias quanto ao nmero de tratamentos e repeties e o delineamento que apresenta o
maior valor para o nmero de graus de liberdade do resduo. Por outro lado, todas as
variaes, exceto a devida a tratamentos, so consideradas como sendo variaes que
ocorrem ao acaso. Isto pode acarretar em uma estimativa muito alta para o erro
experimental. No fcil conseguir e manter total homogeneidade das condies durante
toda a realizao do experimento.

6. DBC
Este delineamento usado quando no houver homogeneidade das condies
experimentais, sejam elas por questes de controle mesmo do experimento, como a
subdiviso de parcelas em ambientes diferentes.
Utiliza o mesmo principio do DIC, repetio, casualizao e controle local, pressupondo
que exista heterogeneidade entre blocos, mas homogeneidade dentro dos blocos.
As parcelas so distribudas em grupos ou blocos, o mais uniformemente possvel, dentro
de cada bloco, sendo que o nmero de parcelas por bloco deve ser mltiplo do nmero de
tratamentos (geralmente, igual ao nmero de tratamentos) e os tratamentos so
designados s parcelas de forma casual dentro de cada bloco.
A seguir, procederemos ao quadro de tabulao dos dados do DBC, onde sero dispostos os
tratamentos e os blocos.

BLOCOS
TBATAMENTOS Totais
1 2 3 ... Bn
1 T1B1 T1B2 T1B3 ... T1Bn T1
2 T2B1 T2B2 T2B3 ... T2Bn T2
3 T3B1 T3B2 T3B3 ... T3Bn T3
... ... ... ... ... ... ...
Tn TnB1 TnB2 TnB3 ... TnBn Tn
Totais B1 B2 B3 ... Bn G

Onde:
T = Tratamento;
B = Bloco;
n = nmero correspondente;
G = Total geral.

Exemplo 1
Uma empresa precisou calcular a produtividade em litros de aa para saber qual a melhor
concentrao de NPK, onde utilizou 5 nveis diferentes de adubao. Com tudo, as plantas
que participaram deste experimento encontravam-se em 3 ambientes distintos, sendo eles a
pleno sol, reas de vegetao secundaria (capoeira) e floresta. Aps a coleta dos dados,
encontrou-se os seguintes valores:
0 g de NPK: 83L, 63L e 55L.
50 g de NPK: 86L, 69L e 61L.
100 g de NPK: 103L, 79L e 79L.
150 g de NPK: 132L, 92L e 91L.
200g de NPK: 116L, 81L e 79L.
A partir das informaes fornecidas, Tabule os dados.

Primeiramente, devemos identificar o que tratamento e o que bloco.

Observando a questo, verifica-se que o que esta sendo testado a quantidade de NPK.
Porm, as planta encontram-se em ambientes distintos, o que poderia interferir na
produo, que ser expressa em litros de aa.

Identificado o que o que, agora devemos proceder a tabulao dos dados.

BLOCOS
TRATAMENTOS Totais Trat
1 2 3
0g 83 63 55 201
50g 86 69 61 216
100g 103 79 79 261
150g 132 98 91 321
200g 116 81 79 276
Totais Blc 520 390 365 1275

Finalizada a tabulao dos dados, agora seguiremos para o quadro da ANOVA.

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
Bloco b-1 SQ bl - -
QM trat
Tratamento t-1 SQ trat. QM trat.
QM res.
Resduo (t-1)x(B-1) SQ res. QM res.
Total (t x b) - 1 SQ Total - -
Onde:
t = nmero de tratamentos;
r = nmero de repeties;
SQ trat. = Soma do quadrado do tratamento;
SQ blc = Soma do quadrado do bloco;
SQ res. = Soma do quadrado do resduo;
SQ total = SQ trat + SQ res;
QM trat. = Quadrado mdio do tratamento;
QM res. = Quadrado mdio do resduo.

Agora, precisamos calcular cada um destes itens, a fim de encontrar o Fcal.

Primeiramente, calcularemos os graus de liberdade.
GL blc = b-1 GL blc = 3 1 GL blc = 2
GL trat = t-1 GL trat = 5 1 GL trat = 4.
GL res = (t-1)x(B-1) GL res = (5-1)x(3-1) GL res = 4 x 2 GL res = 8

Agora, iniciaremos os clculos dos QM:

SQ blc = tblc2 (tb)2 SQ blc = (520)2+(390)2+(365)2 (1275)2

t (t x b) 5 (5 x 3)

SQ blc = 111.145 (FC = 1.625.625 15) SQ blc = 111.145 108.375

SQ blc = 2.770

SQ trat = ttrat2 _ (201)2+(216)2+...+(276)2 _

FC 108.375
b 3

SQ trat = 111.475 108.375 SQ trat = 3.090

SQ total = tblc2 FC SQ total = ((83)2+(63)2++(91)2 ) 108.375

SQ total = 114.419 108.375 SQ total = 6.044

SQ res = SQ total SQ trat SQ blc SQ res = 6.044 3.090 2.770 SQ res = 184

QM trat = SQ trat GL trat QM trat = 3090 4 QM trat = 772,5

QM res = SQ res GL res QM res = 184 8 QM res = 23

Fcal = QM trat QM res Fcal = 772,5 23 Fcal = 33,59

Causas de Graus de Liberdade Soma de Quadrados

Fcal
Variao (GL) Quadrados Mdios
Bloco 2 2.770 - -
Tratamento 4 3.090 772,5 33,59*
Resduo 8 184 23
Total 14 6.044 - -
F tab ( = 0,05) = 3,84.

Como o valor de F cal se mostrou maior que o F tab, procedemos ao teste de comparao
de mdias.

3,84 x (4,7958 3) = 6,1386

Medias dos tratamentos:
Ma = 67
Mb = 72
Mc = 87
Md = 107
Me = 92
Em ordem decrescente:
Md = 107
Me = 92
Mc = 87
Mb = 72
Ma = 67
Testanto:
C1 = Md Me C1 = 107 92 C1=15* > 6,1386
C2 = Me Mc C2 = 92 87 C2 = 5 ns < 6,1386
C3 = Me Mb C3 = 92 72 C3 = 20* > 6,1386
C4 = Mc Mb C4 = 87 72 C4 = 15* > 6,1386
C5 = Mb Ma C5 = 72 67 C5 = 5 ns < 6,1386

Tratamentos Mdias
Md 107 a
Me 92 b
Mc 87 b
Mb 72 c
Ma 67 c

Analisando a tabela acima, possvel entender seu significado:

A mdia referente ao tratamento D Md, apresenta diferena significativa com relao a
segunda maior mdia, que Me. J Me no apresenta diferena significativa quando
comparado com Mc, por este motivo, recebem letras minsculas na tabela para indicar
que no He diferena entre eles. Da mesma forma ocorre com Mb, que diferente de
Mc e por este motivo no recebe uma letra minscula igual a de Mc, porm, no
apresenta diferena significativa quando comparado com Ma e por este motivo, recebe a
mesma letra minscula na tabela.
7. Consideraes Finais

Espera-se que o assunto tratado aqui tenha sido til a sua pesquisa a cerca de uma disciplina
to gostosa, mas que causa certo impacto inicial, o que pode bloquear o estudante para a
absoro de seus assuntos inerentes.