1

Experimentao Agrcola 29/08/2014

Estatstica Aplicada




















Experimentao Agrcola
Wellingthon Ferando Ferreira Pedro
Cursando em Engenharia Agrcola Ambiental da
Universidade Federal do Mato Grosso - UFMT.
Prof. Dr. Ms. Mauricio Farias Couto



2

Trabalho sobre Um Experimentao Fictcio da Agrcola

A Estatstica Experimental a cincia que tem como objetivo estudar experimentos (ensaios),
englobando etapas como o planejamento, execuo, coleta e anlise dos dados experimentais e interpretao
dos resultados obtidos. Ela foi proposta inicialmente na rea de cincias biolgicas por Ronald A. Fisher em
1919. Fisher props o uso da anlise de varincia (ANOVA) como ferramenta para anlise e interpretao
de dados.
A hiptese, resultado de um raciocnio indutivo (consciente ou subconsciente), requer demonstrao
ou prova de sua adequao. Sabemos que a veracidade de uma hiptese nunca pode ser demonstrada ou
provada definitivamente. O que se faz verificar se ela no seria falsa; o que nos levaria a rejeit-la e a
formular outra, se necessrio.
A hiptese estatstica formulada denominada hiptese de nulidade e simbolizada por Ho.
Suponha que se deseja estudar qual cultivar (considerando, por exemplo, trs cultivares diferentes)
proporcionar a melhor produtividade na cultura da soja. No exemplo, Ho seria: no existem diferenas
significativas entre as cultivares (ou seja, qualquer diferena observada devida a fatores no controlados).

Fatores (ou tratamentos) so aqueles que o pesquisador tem interesse em estudar o seu efeito sobre
as variveis respostas. As subdivises de um fator so os nveis dos mesmos. Por exemplo, se o interesse for
planejar um experimento para se estudar o efeito de seis tipos diferentes de rotaes de cultura, o fator em
estudo rotao e os nveis deste fator so os seis tipos de rotao. Suponha que se deseja estudar o efeito de
duas variedades de cana de acar e trs doses de nitrognio; neste caso se trata de um experimento em
fatorial 2x3, em que se tem dois fatores (variedade e dose de nitrognio); dois nveis do fator variedade e
trs nveis do fator dose de nitrognio.
Um fator pode ser classificado em:
I) quando os nveis do fator so categorias, atributos. Por exemplo: nome de variedades de cana de
acar (SP701143 e SP813250); mtodos de plantio (direto convencional); origem de solos (MG, RJ, BA,
SP); etc.
II) Quando os nveis do fator so mensuraes de valores reais. Normalmente os nveis so valores
numricos acompanhados de uma unidade de medida. Por exemplo: dose de nitrognio (0, 25 e 50 kg ha-1);
espaamento de plantio de maracuj (1, 2, 3, 4m entre plantas), etc.
III) Parcela a unidade experimental que receber o tratamento. A parcela pode assumir diferentes
formas e tamanhos. Por exemplo, uma parcela poder ser constituda por uma ou vrias plantas.
IV) Delineamento experimental o plano de distribuio dos tratamentos na rea experimental.
Como exemplo de delineamentos tem-se o delineamento inteiramente casualizado (DIC), o delineamento em
blocos casualizados (DBC), o delineamento em quadrados latinos (DQL), os delineamentos em blocos
incompletos (por exemplo, os ltices, blocos aumentados, etc.).

A anlise de varincia (ANOVA) um dos mtodos para anlise dos dados que visa decompor a
variao total entre parcelas em fontes (causas) de variao devidas a efeitos principais dos fatores, efeitos
de interaes entre fatores, efeitos de alinhamento e resduo (erro). Para facilitar o entendimento, antes de
partirmos para exemplos de anlises de varincia, necessrio fazer alguns comentrios sobre os princpios
bsicos da experimentao e tambm sobre as pressuposies da anlise de varincia.







3

Principios bsicos da experimentao:
Os delineamntos experimentais clssicos so baseados nos trs conceitos a seguir:

Repetio: refere-se ao nmero de parcelas que recebero um mesmo tratamento. Os tratamentos
devem ser repetidos, possibilitando, assim, estimar o erro experimental sem o qual no seria possvel
realizar testes de hipteses. O uso de um nmero adequado de repeties, possibilita uma boa
estimativa do erro experimental, melhorando as estimativas de interesse.
Casualizao: refere-se distribuio aleatria dos tratamentos s parcelas de modo que todas as
parcelas tenham a mesma chance de receber qualquer um dos tratamentos. Com isso, a casualizao
evita que determinado tratamento seja favorecido e garante que os erros sejam independentes.
Controle local: a idia bsica do controle local a partio do conjunto total de parcelas em subconjuntos
(blocos) que sejam os mais homogneos possveis. O princpio do controle local o reconhecimento de
padres supostamente associados s parcelas. Este princpio utilizado para atenuar problemas de
heterogeneidade ambiental (por exemplo, de solo, de distribuio de gua no caso de experimentos irrigados,
etc).




Delineamentos I nteiramente Casualizado (D.I .C.)
Caractersticas: - Os tratamentos so distribudos nas parcelas de forma inteiramente casual (aleatria).
- O DIC possui apenas os princpios da casualizao e da repetio, no possuindo controle local e,
portanto, as repeties no so organizadas em blocos. A instalao do DIC no campo experimental exige
uma certa homogeneidade das condies ambientais (como por exemplo quanto a fertilidade do solo,
distribuio uniforme de gua, etc.).
Vantagens: - Possui grande flexibilidade quanto ao nmero de tratamentos e repeties, sendo
dependente, entretanto, da quantidade de material e rea experimental disponvel.
- Pode-se ter DIC no balanceado, ou seja, com nmeros de repeties diferentes entre tratamentos, o
que no leva a grandes alteraes.
Desvantagens: - Exige homogeneidade das condies experimentais. Se as condies no forem
uniformes, como se esperava antes da instalao do experimento, toda variao (exceto devida a
tratamentos) ir para o erro, aumentando sua estimativa e reduzindo, portanto, a preciso do experimento.

Exemplo de DIC
Suponha que foi avaliado o peso seco da parte area (g/parcela) de 4 variedades de cana-de-acar.
O experimento foi instalado em casa de vegetao. O delineamento foi o inteiramente casualizado com
6 repeties. Cada parcela era constituda de 1 vaso com 3 plantas. Os dados de peso esto dispostos:
Ex: Peso seco da parte area (g/parcela) de 4 variedades de cana-de-acar (A, B, C e D) em um
delineamento inteiramente casualizado com 3 repeties.
Anexo em folha ao lado : ( 1 )












4
Delineamentos em Blocos Casualizados (D.B.C.)
Caractersticas: Os tratamentos so distribudos aleatoriamente em blocos (princpio do controle local)
de modo que haja maior uniformidade possvel dentro de cada bloco. O nmero de parcelas por bloco
igual ao nmero de tratamentos, ou seja, cada bloco dever conter todos os tratamentos. O DBC possui os
trs princpios bsicos da experimentao: casualizao, repetio e controle local e, portanto, as repeties
so organizadas em blocos. Os blocos podem ser instalados na forma quadrada, retangular ou irregular,
desde que seja respeitada a uniformidade dentro do bloco.
Vantagens: - Controla diferenas nas condies ambientais de um bloco para outro. - Leva a uma
estimativa mais exata da varincia residual, uma vez que a variao ambiental entre blocos
isolada.
Desvantagens: - H uma reduo no nmero de graus de liberdade do erro, pois o DBC utiliza o
princpio do controle local.
- O nmero de tratamentos a ser utilizado limitado pela exigncia de homogeneidade dentro dos blocos,
no podendo ser muito elevado.
Exemplo de DBC:
Estudou-se a influncia de 4 tipos de cobertura morta (sorgo, crotalria, milheto e vegetao
espontnea) no peso seco de brcolis. O experimento foi instalado em DBC com 5 repeties. Os dados de
peso seco esto dispostos na Tabela a seguir:
Ex: Peso seco (kg/parcela) de brcolis em um experimento em blocos casualizados (DBC) com 5
repeties em que foi avaliada a influncia de 4 tipos de cobertura morta (1: sorgo, 2: crotalria; 3: milheto e
4: vegetao espontnea).




























Tipos de cobertura morta Repetio Peso seco (kg/parcela)
Sorgo 1
Sorgo 2
Sorgo 3
Sorgo 4
Sorgo 5
Crotalria 1
Crotalria 2
Crotalria 3
Crotalria 4
Crotalria 5
Milheto 1
Milheto 2
Milheto 3
Milheto 4
Milheto 5
Espontnea 1
Espontnea 2
Espontnea 3
Espontnea 4
Espontnea 5

5
Totais dos Tratamentos:
yi. = y1. = y11 + y12 + y13 + y14 + y15 = 292,1
yi. = y2. = y21 + y22 + y23 + y24 + y25 = 343,8
yi. = y3. = y31 + y32 + y33 + y34 + y35 = 291,6
yi. = y4. = y41 + y42 + y43 y44 + y45 = 259,6

Totais dos blocos:
y.j = y.1 = y11 + y21 + y31 + y41 = 253,6
y.j = y.2 = y12 + y22 + y32 + y42 = 250,7
y.j = y.3 = y13 + y23 + y33 + y43 = 249,0
y.j = y.4 = y14 + y24 + y34 + y44 = 218,8
y.j = y.5 = y15 + y25 + y35 + y45 = 215,0

A disposio dos tratamentos realizada de forma aleatria dentro dos blocos.
Esquema de anlise de varincia do DBC com fontes de variao e graus de liberdade
No DBC as repeties representam os blocos, assim o quadro de anlise de varincia para os dados de
um DBC expresso de uma maneira geral por:
Quadro da anlise de varincia:





















FV G.L. SQ QM F
Bloco
Tratamento
Erro ou Resduo
Total
Mdia Geral =
Coeficiente de Variao =

I = n de tratamentos; J = n de blocos












6

Quadro da anlise de varincia:













EXPERI MENTOS FATORI AI S

O experimento mais simples comparou tratamentos de apenas um tipo ou fator, permanecendo os
demais fatores constantes. Existem casos em que vrios fatores devem ser estudados simultaneamente para
que possam nos conduzir a resultados de interesse. Para tanto, nos utilizamos dos experimentos fatoriais, que
so aqueles nos quais so estudados ao mesmo tempo, os efeitos de dois ou mais tipos de tratamentos ou
fatores.
Cada subdiviso de um fator denominada nvel do fator e os tratamentos nos experimentos fatoriais
consistem de todas as combinaes possveis entre os diversos fatores nos seus diferentes nveis.
Por exemplo, podemos, num experimento fatorial, combinar 2 variedades de cana-de-acar, com 3
diferentes herbicidas. Ento, teremos um fatorial 2x3, com os fatores: Variedades (V) e Herbicidas (H),
sendo que o fator Variedades ocorre em 2 nveis (V
1
e V
2
), o fator Herbicidas ocorre em 3 nveis (H
1
, H
2
e
H
3
) e os 6 tratamentos so:

V
1
H
1
V
1
H
2
V
1
H
3

V
2
H
1
V
2
H
2
V
2
H
3

FV G.L. SQ QM F
Bloco
Tratamento
Erro ou Resduo
Total
Mdia Geral =
Coeficiente de Variao =


7
Os experimentos fatoriais no constituem um delineamento experimental, e sim um esquema
orientado de desdobramento de graus de liberdade de tratamentos e podem ser instalados em qualquer dos
delineamentos experimentais. Os experimentos fatoriais nos permitem tirar concluses mais amplas.

Efeito simples de um fator: uma medida da variao que ocorre com a caracterstica em estudo
(produo, por exemplo) correspondente s variaes nos nveis desse fator, em cada um dos nveis do outro
fator.
Ento:
Efeito simples de adubo na ausncia de calcrio
A d. C
0
= A
1
C
0
- A
0
C
0
= 32 14 = 18
Efeito simples de adubo na presena de calcrio
A d. C
1
= A
1
C
1
- A
0
C
1
= 53 23 = 30
Efeito simples de calcrio na ausncia de adubo
C d. A
0
= A
0
C
1
- A
0
C
0
= 23 14 = 9
Efeito simples de calcrio na presena de adubo
C d. A
1
= A
1
C
1
A
1
C
0
= 53 32 = 21

Efeito principal de um fator: uma medida da variao que ocorre com a caracterstica em estudo
(produo, por exemplo) correspondente s variaes nos nveis desse fator, em mdia de todos os nveis do
outro fator.
Logo, o efeito principal de um fator a mdia de todos os nveis do outro fator.
Efeito principal de 24
2
30 18
2
. .
1 0

C Ad C Ad
A
Efeito principal de 15
2
21 9
2
A . Cd A . Cd
C
1 0

Efeito da interao entre dois fatores: uma medida da variao que ocorre com a caracterstica em
estudo, correspondente s variaes nos nveis de um fator, ao passar de um nvel a outro do outro fator.
O efeito da interao entre os dois fatores A e C, :
Efeito da interao AxC 6
2
18 30
2
C . Ad C . Ad
0 1

Efeito da interao CxA 6
2
9 21
2
A . Cd A . Cd
0 1

8

Casualizao dos tratamentos
Um experimento fatorial 2x3, com 2 nveis de Cana-de-acar (C
0
e C
1
) e 3 nveis de Milho (M
1
, M
2
,
e M
3
) poderia ter a seguinte casualizao, se fosse instalado, por exemplo, em blocos ao acaso:

1 Bloco 2 Bloco 2 Bloco 4 Bloco
C
1
M
1
C
1
M
3
C
0
M
2
C
0
M
1

C
0
M
2
C
1
M
2
C
1
M
2
C
0
M
3

C
1
M
2
C
0
M
1
C
0
M
3
C
1
M
2

C
1
M
3
C
1
M
1
C
1
M
1
C
1
M
1

C
0
M
1
C
0
M
3
C
1
M
3
C
0
M
2

C
0
M
3
C
0
M
2
C
0
M
1
C
1
M
3


Esquema da anlise de varincia preliminar
Causa da variao G.L.
Tratamentos
Blocos
Resduo
Total

Os graus de liberdade de tratamentos devem ser desdobrados de acordo com o esquema fatorial 2x3,
ficando:
Tratamentos
Cana-de-acar (C)
Milho (M)
Interao CxM



9


Esquema de anlise de varincia com desdobramento dos graus de liberdade de tratamentos, de
acordo com o esquema fatorial 2x3:

Causa da variao G.L.
Cana-de-acar (C)
Milho (M)
Interao CxM
Tratamentos
Blocos
Resduo
Total


As principais vantagens dos experimentos fatoriais em relao aos experimentos simples:
o Com um nico experimento, podemos estudar os efeitos simples e principais dos fatores e os efeitos
das interaes entre eles;
o Todas as parcelas so utilizadas no clculo dos efeitos principais dos fatores e dos efeitos das
interaes, razo pela qual o nmero de repeties, para o clculo das mdias dos nveis dos fatores
elevado.
o A anlise estatstica mais trabalhosa que nos experimentos simples, e a interpretao dos resultados
se torna mais difcil medida que aumentamos o nmero de nveis e de fatores (principalmente) no
experimento.


Anlise e interpretao de um experimento fatorial com dois fatores:

Exemplo: Vamos considerar os dados de um experimento, em blocos casualizados, no esquema
fatorial 3x3, em que foram estudados os efeitos de 3 peneiras comerciais, associadas a 3 densidades de
plantio, na produtividade do milho.
As peneiras comerciais (P) e as Densidades de plantio (D) estudadas foram:
P
1
= peneira 18 (crivos circulares com de 18/64 polegada)
P
2
= peneira 20 (crivos circulares com de 20/64 polegada)

10
P
3
= peneira 22 (crivos circulares com de 22/64 polegada)
D
1
= 10 plantas por metro linear
D
2
= 15 plantas por metro linear
D
3
= 20 plantas por metro linear

O ensaio constou de 3 blocos, num total de 27 parcelas, cada uma com 4 linhas de 7 metros de
comprimento, espaadas de 0,50 m, com uma rea de 14 m
2
por parcela. As duas linhas externas de cada
parcela, e 1 m de cada rua, foram consideradas como bordadura, fazendo-se as avaliaes apenas nas duas
linhas centrais, o que resultou numa rea til de 6 m
2
por parcela.

Tratamentos
Blocos
Totais
1 2 3
1 P
1
D
1

2 P
1
D
2

3 P
1
D
3

4 P
2
D
1

5 P
2
D
2

6 P
2
D
3

7 P
3
D
1

8 P
3
D
2

9 P
3
D
3


Totais



Inicialmente, devemos proceder a anlise de varincia preliminar, que a anlise comum de um
experimento em blocos casualizados, com 9 tratamentos e 3 blocos:




11













A anlise de varincia preliminar apresentada a seguir:











Para tratamentos, verificamos que o teste significativo (P<0,01), indicando que os tratamentos
apresentam efeitos diferentes sobre a produo mdia de amendoim em vagem, por planta.
Devemos proceder ao desdobramento dos 8 graus de liberdade de tratamentos, para estudar os efeitos
de: Peneiras (P); Densidades (D) e da interao PxD.
Para o clculo das somas de quadrados correspondentes aos efeitos principais dos fatores e
interao entre eles, devemos organizar um quadro auxiliar, relacionando os nveis dos 2 fatores:

(3) D
1
D
2
D
3
Totais de P
P
1

P
2

P
3

Totais de D

Causa da variao G.L. SQ QM F
Tratamentos
Blocos
Resduo
Total

12
Os valores internos do quadro auxiliar so totais de 3 parcelas, que so as repeties do experimento
(indicado na primeira coluna do quadro entre parnteses). Dessa forma, os totais de Peneiras e de
Densidades so totais de 9 parcelas. Logo:








Para o clculo da soma de quadrados da Interao PxD, devemos, inicialmente, calcular a soma de
quadrados do efeito conjunto de Peneiras e Densidades, denotada por SQ
P,D
e calculada com os valores
internos do quadro auxiliar, provenientes de 3 parcelas cada. Logo:







Observao: Nos experimentos fatoriais com dois fatores, a soma de quadrados do efeito conjunto sempre
igual soma de quadrados de tratamentos.






As hipteses de nulidade para este experimento so: Peneiras (P) H
0
: As 3 Peneiras apresentam efeitos
semelhantes sobre a produo mdia de vagens por planta.
Densidades (D) H
0
: As 3 Densidades apresentam efeitos semelhantes sobre a produo mdia de vagens
por planta.
Interao PxD H
0
: Os fatores Peneiras e Densidades agem de modo independente sobre a produo
mdia de vagens por planta.

A anlise de varincia, com desdobramento dos graus de liberdade de tratamentos de acordo com o
esquema fatorial 3x3, apresentada a seguir:




13
Causa da variao G.L. SQ QM F
Peneiras (P)
Densidades (D)

Interao PxD

(Tratamentos)
Blocos
Resduo
Total

Concluses:
Interao PxD
O teste no foi significativo (P>0,05). No rejeitamos H
0
. Logo, os efeitos das Peneiras sobre a produo
mdia de amendoim em vagem por planta, independem da densidade (ou vice-versa).
Peneiras (P)
O teste foi significativo (P<0,01). Rejeitamos H
0
. Logo, as peneiras apresentam efeitos diferentes sobre a
produo mdia de vagens por planta.
Densidades (D)
O teste no foi significativo (P>0,05). No rejeitamos H
0
. Logo, as densidades apresentam efeitos
semelhantes sobre a produo mdia de vagens por planta.

Anlise de Regresso
Uma das preocupaes estatsticas ao analisar dados, a de criar modelos que explicitem estruturas
do fenmeno em observao. O modelo de regresso um dos mtodos estatsticos mais usados para
investigar a relao entre variveis e metodologia estatstica que estuda (modela) a relao entre duas ou
mais variveis.
Tipos de Modelos de Regresso:












14


Mtodo de regresso linear simples: y
i
= b + a.x
i
, i=1,...,n
Sendo
y
i
: valor da varivel dependente (resposta) para o i-simo elemento da amostra
x
i
: valor (conhecido) da varivel independente ou preditora para o i-simo elemento da amostra
b e a so parmetros desconhecidos.
A presena ou ausncia de relao linear pode ser investigada sob dois pontos de vista
Quantificando a fora dessa relao: correlao.
Explicitando a forma dessa relao: regresso.

Aplicao do mtodo Linear:
Montar tabela relacionando as variveis de interesse;
Obter os coeficientes a e b a partir das relaes matemticas apresentadas;
Obter a equao da reta.

Mtodo de regresso linear mltiplo:
A anlise de uma regresso mltipla segue, basicamente, os mesmos critrios da anlise de uma regresso
simples.
Vamos supor que temos X
1
, X
2
,..., X
p-1
variveis preditoras. Definamos modelo de regresso multplo, em
termos das variveis preditoras:
Sendo:
0
,
1
,...,
p-1
, parmetros desconhecidos;

Coeficiente de Correlao Mltiplo:
E uma medida do grau de associaao linear entre Y e o conjunto de variveis X
1
, X
2
, ..... , X
k
.
r varia entre 0 e 1;
r = 1 indica a existncia de uma associao linear perfeita, ou seja, Y pode ser expresso como uma
combinao linear de X
1
, X
2
, ..... , X
k
;
r = 0 indica a inexistncia de qualquer relao linear entre a varivel dependente Y e o conjunto de variveis
independentes X
1
, X
2
, ..... , X
k.