Experimentao Agrcola

H0 = t1 + ... + ti

Experimentao Agrcola
Material Didtico
Apostila da disciplina de experimentao agrcola destinada aos acadmicos do curso de graduao em agronomia da Universidade do Estado de Mato Grosso UNEMAT. Prof. Dr. Willian Krause 2011 1

Experimentao Agrcola 1. Noes bsicas de experimentao agrcola

Prof. Dr. Willian Krause

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 (ANAVA) como ferramenta para anlise e interpretao de dados. A ANAVA permite a decomposio do grau de liberdade e da soma de quadrados total em somas de quadrados correspondentes s fontes de variao previamente definidas no planejamento do experimento. A fase de planejamento do experimento merece considervel ateno por parte do pesquisador, pois dela depender o sucesso da anlise e interpretao dos resultados sendo, portanto, recomendvel uma consulta a um estatstico antes da instalao do experimento. O planejamento envolve etapas como: a) Formulao de hipteses Ao planejar o problema que se vai pesquisar, dever ser dada especial ateno aos seguintes pontos: - Definio da importncia do problema que se estuda; - Determinao do(s) objetivo(s) e finalidade da investigao. Definir a importncia do problema que se estuda explicar o que vamos estudar. Ser impossvel o planejamento das etapas subseqentes se no ficar claramente evidenciado o problema a investigar. No basta, por exemplo, dizer que se vai estudar a biodiversidade do Pantanal, o efeito da poluio do rio Sepotuba, pois provavelmente nenhum pesquisador ter possibilidade e capacidade de abordar todos os aspectos da biodiversidade ou da poluio. importante tambm especificar sua extenso. Antes de empreender o experimento, o pesquisador deve revisar tudo o que diz respeito ao fato em estudo, com a finalidade de saber o que j se conhece sobre o assunto. Decerto sero encontrados vrios subsdios que fornecero valiosa colaborao para o estudo. A reviso bibliogrfica sobre o assunto dever sofrer cuidadosa seleo para que os resultados mais afins possam ser aproveitados no conforto e discusso posteriores da pesquisa. 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. Enquanto no se possa demonstrar que ela incorreta, mantm-se a hiptese como boa. Dela deduzimos as conseqncias ou fazemos previses. Por sua vez, essas conseqncias e previses sero testadas, para ver se a hiptese adotada ainda se mantm ou no. 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). Ho poder ser aceita ou rejeitada; caso seja rejeitada, aceitaremos uma hiptese denominada alternativa, simbolizada por H1 que no exemplo seria: as cultivares diferem significativamente entre si (ou as cultivares se comportam de modo diferente quanto a produtividade). 2

Experimentao Agrcola b) Escolha dos fatores e seus respectivos nveis

Prof. Dr. Willian Krause

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. Em alguns casos, como por exemplo, nos experimentos fatoriais ou em parcelas subdivididas, dois ou mais fatores so estudados. 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: b.1) Qualitativo: 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. b.2) Quantitativo: 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. c) Escolha da parcela (unidade experimental) 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; um vaso contendo uma ou mais plantas; uma placa de Petri com determinado meio de cultura; uma rea com vrias plantas; um animal; etc. d) Escolha do delineamento experimental 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.). e) Escolha das variveis a serem analisadas Variveis respostas ou variveis dependentes ou simplesmente variveis so caractersticas obtidas em cada parcela. Os dados (observaes) so realizaes de uma varivel e sero analisados para verificar se h diferena entre os nveis dos fatores (tratamentos). Assim, exemplos de variveis so: produo de gros de feijo; altura de plantas de milho; pH, teor de Ca, Mg e P em amostras de solo; nmero de plantas de cana-de-acar atacadas por cercosporiose; etc. Uma varivel tambm pode ser classificada, semelhantemente aos fatores (tratamentos), em: e.1) Qualitativa e.1.1) Nominal: quando so categorias, atributos, sem uma ordenao natural. Por exemplo: cor dos gros do feijoeiro (marrom, preto, branco); textura do solo (arenoso, argiloso, silte); etc.

Experimentao Agrcola

Prof. Dr. Willian Krause

e.1.2) Ordinal: quando so atributos com uma ordenao natural. Por exemplo: suscetibilidade do cafeeiro ferrugem (alta, mdia, baixa); nota para o ataque de cercosporiose em cana-de-acar (escala de 1, para ausncia da doena, at 9, para o mximo de doena); etc. e.2) Quantitativa e.2.1) Discretas: quando so contagens de nmeros inteiros positivos com uma ordenao natural. Por exemplo: nmero de chuvas em 2002 superior a 80 mm/h (ex. 20 chuvas); nmero de plantas atacadas com a broca do fruto do cafeeiro (ex. 200 plantas); nmero de minhocas encontradas em determinada amostra de solo (ex. 50 minhocas). e.2.2) Contnuas: quando so mensuraes de valores reais; normalmente existe uma unidade de medida acompanhando a varivel. Por exemplo: produtividade (100,0 kg ha-1); renda (R$2050,73/ms); altura (2,5 m); dimetro (8,18 cm); peso (98,5 g); pH (5,5); teor de P, Ca, Mg, K, matria orgnica, etc. f) Anlise dos dados obtidos com o experimento.

2. Definies gerais a) Pesquisa e experimentao: o termo pesquisa deve ser empregado quando se investigam

coisas novas, e experimentao, ao se verificar a adaptao de conhecimentos ou tecnologias a situao diversas daquelas nas quais foram criadas ou desenvolvidas. Assim a criao de novas cultivares deve ser considerada como pesquisa, mas a realizao de um ensaio de competio de linhagens e/ou cultivares em ambiente diverso quele no qual foram criadas uma experimentao. b) Fator: aquilo que se aplica em um ensaio de forma no homognea, por exemplo, cultivar,

quando se testam vrias delas; adubao ao se compararem diversas formulaes; etc. c) Nvel: as diferentes manifestaes de um fator, por exemplo as doses de adubaes

empregadas, os espaamentos utilizados, as cultivares que se testam, diferentes temperaturas de coco, etc. d) Tratamento: cada um dos nveis do fator ou cada uma das combinaes dos nveis dos

fatores, quando testando mais de um fator. e) Testemunha: tratamento padro de comparao. Pode ser a ausncia de um fator (dose zero

de um adubo), ou a aplicao usual do fator (cultivar recomendada para cultivo na regio, espaamento adotado pelos agricultores, etc). f) Ensaio ou experimento: o conjunto de todos os tratamentos, aplicados de forma repetida.

Quando mais de um fator estiver sendo estudado, o ensaio chamado de ensaio ou experimento fatorial. g) h) Delineamento: o esquema adotado para a distribuio dos tratamentos. Unidade experimental (parcela): sujeito ao se aplica um dos tratamentos. Pode ser uma rea

de solo, um vaso, um animal, uma placa de petri, um indivduo, etc. i) j) rea til: poro da unidade experimental efetivamente utilizada na avaliao do tratamento. Bordadura: parte da parcela no coletada para avaliao do efeito do tratamento.

empregada para evitar efeito de competio ou de contaminao entre parcelas vizinhas. Normalmente constituda pelo mesmo material da rea til. 4

Experimentao Agrcola k) l) Repetio: cada uma das aplicaes de um tratamento.

Prof. Dr. Willian Krause

Bloco: conjunto ambiental homogneo que contm todos os tratamentos ou parte deles (no

caso de blocos incompletos).

3. Anlise de varincia A anlise de varincia (ANAVA) 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 aninhamento 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.

3.1. Princpios bsicos da experimentao Os delineamentos experimentais clssicos so baseados nos trs conceitos a seguir, estabelecidos por Fisher (1935). a) 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. No entanto, o nmero de repeties pode ser limitado, por exemplo, pelo nmero de tratamentos que sero comparados, pela disponibilidade de material e de rea experimental, entre outros fatores. b) 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 (Mead & Curnow, 1983). Alguns programas computacionais elaboram planilhas de campo j com os tratamentos aleatorizados, como por exemplo o GENES, SISVAR e outros. c) Controle local: a idia bsica do controle local a partio do conjunto total de parcelas em subconjuntos (blocos) que sejam os mais homogneos possveis. Para Hinkelmann & Kempthorne (1994), 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).

3.2. Delineamento Inteiramente Casualizado (DIC) a) 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.

Experimentao Agrcola

Prof. Dr. Willian Krause

- Normalmente mais utilizado em experimentos de laboratrio; experimentos em vasos ou bandejas em casa de vegetao, onde h possibilidade de controle das condies ambientais. Nos experimentos em casa de vegetao recomenda-se constantemente mudar as parcelas de posio para evitar diferenas ambientais devido a posio da parcela na casa de vegetao. Com esta tratamento. 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.). b) Vantagens - Possui grande flexibilidade quanto ao nmero de tratamentos e repeties, sendo dependente, entretanto, da quantidade de material e rea experimental disponveis. - Pode-se ter DIC no balanceado, ou seja, com nmeros de repeties diferentes entre tratamentos, o que no leva a grandes alteraes. - A anlise de varincia; mas os testes de comparaes mltiplas passam a ser aproximados e no mais exatos. O ideal que os tratamentos sejam igualmente repetidos. - Considerando o mesmo nmero de parcelas e tratamentos avaliados, o delineamento que possibilita o maior grau de liberdade do erro. c) 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. d) Modelo estatstico do DIC m representa uma constante geral associada a esta varivel aleatria; t representa o efeito do i-simo com mdia zero e varincia comum. e) 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 no Quadro a seguir: y = m + t + e , em que, y representa a observao do i-simo tratamento na j-sima repetio;

tratamento; e e representa o erro experimental associado a observao y , suposto ter distribuio normal

Experimentao Agrcola

Prof. Dr. Willian Krause

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. Tratamento (Cultivares) A A A B B B C C C D D D Repetio 1 2 3 1 2 3 1 2 3 1 2 3 Total Geral Varivel (Peso em g) 200 280 250 390 420 410 180 210 190 650 610 625 Total dos Tratamentos 730

1220

580

1885 4415

Croqui de campo C D A A C B B C A B D D

A disposio das repeties de cada tratamento realizada de forma totalmente aleatria s parcelas. f) Esquema de anlise de varincia do DIC com fontes de variao e graus de liberdade Considerando I tratamento e cada tratamento com J repeties, temos a representao esquemtica dos dados do exemplo acima num delineamento inteiramente casualizado. Quadro dos dados: Tratamento (Cultivares) 1 1 1 2 2 2 3 3 3 4 4 4 Repetio 1 2 3 1 2 3 1 2 3 1 2 3 Total Geral Varivel (Peso em g) yij = y11 = 200 yij = y12 = 280 yij = y13 = 250 yij = y21 = 390 yij = y22 = 420 yij = y23 = 410 yij = y31 = 180 yij = y32 = 210 yij = y33 = 190 yij = y41 = 650 yij = y42 = 610 yij = y43 = 625 Total dos Tratamentos yi. = y1. = y11 + y12 + y13 = 730

yi. = y2. = y21 + y22 + y23 = 1220

yi. = y3. = y31 + y32 + y33 = 580

yi. = y4. = y41 + y42 + y43 = 1885 y.. = 4415

Experimentao Agrcola

Prof. Dr. Willian Krause

Quadro da anlise de varincia: Fonte de Variao (FV) Tratamento Erro ou Resduo Total Mdia Geral Y.. = y.. i. j
..

Grau de Liberdade (GL) I-1 I(J-1) IJ-1

Soma de Quadrado (SQ) y . y.. j i. j SQ SQ y y.. i. j

Quadrado Mdio (QM) QM GL

Teste F (F) QM QM

QM GL

Coeficiente de Variao = CV % =

. 100

I = n de tratamentos; J = n de repeties Resolvendo o exemplo anterior, temos: GLTot = (4 x 3) 1 = 11 GLTrat = 4 - 1 = 3 GLE = 4 (3-1) = 8 Considerando C =
y2 .. i.j

, temos:

SQTot = (2002 + 2802 + 2502 + 3902 + 4202 + 4 102 + 1802 + 4102 + 1902 + 6502 + 6102 + 6252) SQTot =350972,917 SQTrat =
,

C = 345956,250

SQE = 350972,917 - 345956,250 = 5016,667 QMTrat = QME = Fc = Y.. = CV % =

5016,667 8 , ,

= 115318,750

= 627,083 = 183,897

= 367,917
, ,

. 100 = 6,81

Experimentao Agrcola

Prof. Dr. Willian Krause

Quadro da anlise de varincia: FV Tratamento Erro ou Resduo Total Mdia CV % 3 8 11 367,917 6,81 GL SQ 345956,250 5016,667 350972,917 QM 115318,750 627,083 Fc 183,897

g) Concluso e interpretao da anlise de varincia Para verificar a significncia do teste F, num nvel pr-estabelecido, o valor de F calculado (Fc) comparado com o valor de F tabelado (Ft). O valor de Ft obtido da seguinte forma: Ft = F (GLTrat; GLE), onde o valor do GLTrat observado para identificar a coluna e o valor do GLE observado para identificar a linha. O valor da tabela encontrado mediante a intercesso da linha e coluna ser o valor de Ft. Deve-se observar o valor de Ft para a 5% (Anexo 3)e 1% (Anexo 4). Assim: - Se o valor de F calculado maior ou igual que o valor de F tabelado (Fc Ft), rejeita-se H0, diz-se que o teste foi significativo no nvel de probabilidade esperado, logo existe diferena significativa entre os tratamentos. - Se o valor de F calculado menor que o valor de F tabelado (Fc < Ft), no rejeita-se H0, diz-se que o teste foi no significativo, logo no existe diferena significativa entre os tratamentos. No exemplo acima, temos: - Hipteses H0: trat 1 = trat 2 = trat 3 = trat 4 H1: trat 1 trat 2 trat 3 trat 4 - Fc = 183,897 - Ft = F (GLTrat; GLE) = F5% (3; 8) = 4,07 (Anexo 3) Ft = F (GLTrat; GLE) = F1% (3; 8) = 7,59 (Anexo 4) - Concluso: Fc Ft, rejeita-se H0. Desta forma, existe diferena significativa entre os tratamentos ao nvel de 1% de probabilidade de erro. Ou seja, as cultivares de cana de acar avaliadas no experimento acima diferem estatisticamente quanto ao peso de massa seca. As mdias dos tratamentos so calculadas conforme a seguinte frmula Y . = 730 = 243,33 3 1220 Y.= = 406,67 3 580 = 193,33 Y.= 3 Y.=
.

. Assim, temos:

Experimentao Agrcola Y.= 1885 = 628,33 3

Prof. Dr. Willian Krause

3.2. Delineamento em Blocos Casualizados (DBC) a) 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. Normalmente, o delineamento mais utilizado em condies de campo. A eficincia do DBC depende da uniformidade dentro de cada bloco, podendo haver heterogeneidade entre blocos. Os blocos podem ser instalados na forma quadrada, retangular ou irregular, desde que seja respeitada a uniformidade dentro do bloco. b) 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. d) 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. e) Modelo estatstico do DBC m representa uma constante geral associada a esta varivel aleatria; b representa o efeito do j-simo bloco; y = m + b + t + e , em que, y representa a observao do i-simo tratamento no j-simo bloco;

t representa o efeito do i-simo tratamento; e e representa o erro experimental associado a observao y , suposto ter distribuio normal com mdia zero e varincia comum. f) 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:

10

Experimentao Agrcola

Prof. Dr. Willian Krause

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 Sorgo Sorgo Sorgo Sorgo Sorgo Crotalria Crotalria Crotalria Crotalria Crotalria Milheto Milheto Milheto Milheto Milheto Espontnea Espontnea Espontnea Espontnea Espontnea Total Geral 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 Repetio 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 Peso seco (kg/parcela) yij = y11 = 72,8 yij = y12 = 58,3 yij = y13 = 50,4 yij = y14 = 51,6 yij = y15 = 59,0 yij = y21 = 69,0 yij = y22 = 64,1 yij = y23 = 72,1 yij = y24 = 73,6 yij = y25 = 65,0 yij = y31 = 45,3 yij = y32 = 60,9 yij = y33 = 67,2 yij = y34 = 66,2 yij = y35 = 52,0 yij = y41 = 66,5 yij = y42 = 67,4 yij = y43 = 59,3 yij = y44 = 27,4 yij = y45 = 39,0 1187,1

11

Experimentao Agrcola Croqui de Campo Bloco 1 2 3 1

Prof. Dr. Willian Krause

Bloco 2

Bloco 3

Bloco 4

Bloco 5

A disposio dos tratamentos realizada de forma aleatria dentro dos blocos. g) 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 Bloco Tratamento Erro ou Resduo Total Mdia Geral Y.. = y.. i. j
..

GL J-1 I-1 (I-1) (J-1) IJ-1 SQ

SQ y. i y.. i. j

QM QM GL

F QM QM

y . y.. j i. j SQ y

QM GL

SQ y.. ij

QM GL

QM QM

Coeficiente de Variao = CV % = I = n de tratamentos; J = n de blocos

. 100

Resolvendo o exemplo anterior, temos: GLTot = (4 x 5) 1 = 19 GLB = (5-1) = 4 GLTrat = (4-1) = 3 GLE = (4-1) (5-1) = 12 SQTot = (72,82 + 69,02 + + 39,02) SQTrat =
, , ,

= 2748,7495

C = 728,3935 12

Experimentao Agrcola SQ =
, ,

Prof. Dr. Willian Krause

C = 355,4020

SQE = 2748,7495 728,3935 355,4020 = 1664,9540 QMTrat = QMB = QME = Fc =

, , , , ,

= 242,7978 = 88,8505 = 138,7462 = 1,750

Mdia = CV % =

1187,1 = 59,4 4x5

138,7462 . 100 = 19,83 59,4 GL 4 3 12 19 59,4 19,83 SQ 355,4020 728,3935 1664,9540 2748,7495 QM 88,8505 242,7978 138,7462 Fc 0,640 1,750

Quadro da anlise de varincia: FV Bloco Tratamento Erro ou Resduo Total Mdia CV % = 6,81

h) Concluso e interpretao da anlise de varincia Para o DBC, valem as mesmas consideraes realizadas para o DIC. No exemplo acima, temos: - Hipteses H0: trat 1 = trat 2 = trat 3 = trat 4 H1: trat 1 trat 2 trat 3 trat 4 - Fc = 1,750 - Ft = F (GLTrat; GLE) = F5% (3; 12) = 3,49 (Anexo 3) Ft = F (GLTrat; GLE) = F1% (3; 12) = 5,95 (Anexo 4) - Concluso: Fc < Ft, no rejeita-se H0. Desta forma, no existe diferena significativa entre os tratamentos. Ou seja, os quatro tipos de cobertura morta avaliadas no experimento acima no influenciaram sobre o peso seco de brcolis. As mdias dos tratamentos so calculadas conforme a seguinte frmula Y . = 292,1 = 58,42 5 343,8 = 68,76 Y.= 5 Y.= 13
.

. Assim, temos:

Experimentao Agrcola Y.= 291,6 = 58,32 5 259,6 Y.= = 51,92 5 3.3. Experimentos fatoriais a) Caractersticas

Prof. Dr. Willian Krause

Em alguns experimentos, o pesquisador avalia dois ou mais tipos de tratamentos e deseja verificar se h interao entre estes tipos. Tais experimentos so denominados experimentos fatoriais e os tipos de tratamentos so denominados fatores. As categorias (subdivises) de cada fator so ditas nveis do fator. Como exemplo, considere um experimento em que se comparou o efeito de 3 estirpes de rizbio (BR 9001, BR 9004 e BR 4812) e o efeito de um determinado fungo (presena e ausncia do fungo) na varivel nmero de ndulos produzido pelo feijo. Neste caso, existem dois fatores: estirpe de rizbio e a ocorrncia do fungo. Os nveis do fator estirpe so 3 (BR 9001, BR 9004 e BR 48122) e do fungo so 2 (presena e ausncia). Costuma-se representar o fatorial pela multiplicao dos nveis. No exemplo anterior o fatorial 3x2 (fatorial 3 por 2), assim fica claro que existem dois fatores, o primeiro fator com 3 nveis de estirpe e o segundo com 2 nveis de fungo. O nmero total de tratamentos avaliados tambm dado pela multiplicao dos nveis, ou seja, no exemplo so avaliados 3x2 = 6 tratamentos avaliados (1: BR 9001 na presena do fungo; 2: BR 9004 na presena do fungo; 3: BR 4812 na presena do fungo; 4: BR 9001 na ausncia do fungo; 5: BR 9004 na ausncia do fungo; 6: BR 4812 na ausncia do fungo. Se fossem, por exemplo, 3 fatores com 5, 2 e 3 nveis para cada fator respectivamente, a representao seria: fatorial 5x2x3, sendo avaliado um total de 30 tratamentos e assim por diante. Vale lembrar que os experimentos fatoriais no so delineamentos e sim um esquema de desdobramento de graus de liberdade de tratamentos, e podem ser instalado em qualquer dos delineamentos experimentais, DIC, DBC, etc. (Banzatto & Kronka, 1989). b) Vantagens - Permite estudar os efeitos principais dos fatores e os efeitos das interaes entre eles. c) Desvantagens - Como os tratamentos correspondem a todas as combinaes possveis entre os nveis dos fatores, o nmero de tratamentos a ser avaliado pode aumentar muito, no podendo ser distribudos em blocos completos casualizados devido exigncia de homogeneidade das parcelas dentro de cada bloco. Isto pode levar a complicaes na anlise, sendo preciso lanar mo de algumas tcnicas alternativas (como por exemplo, o uso de blocos incompletos). - A anlise estatstica e a interpretao dos resultados pode tornar-se um pouco mais complicada que nos experimentos simples. d) Modelo estatstico do fatorial

14

Experimentao Agrcola

Prof. Dr. Willian Krause

O modelo a seguir corresponde a um modelo de um delineamento em blocos casualizados (DBC) em esquema fatorial com 2 fatores (a e g), mas pode ser estendido para os casos em que h mais fatores, incluindo os fatores isolados e as interaes duplas, triplas e outras entre os fatores. ijk j i k ik ijk y = + b + a + g + (ag) + e em que, ijk y o valor observado referente a parcela que recebeu o i-simo nvel do fator a e o k-simo nvel do fator g no j-simo bloco; m representa uma constante geral; bj representa o efeito do j-simo bloco; ai representa o efeito do i-simo nvel do fator a; g representa o efeito do k-simo nvel do fator g; (ag)ik representa a interao entre o efeito do i-simo nvel do fator a e o efeito do do k-simo nvel do fator g e eijk representa o erro experimental associado observao yijk, suposto ter distribuio normal com mdia zero e varincia comum. e) Exemplo de fatorial Em um experimento em blocos casualizados com 4 repeties, no esquema fatorial 2x3 foi avaliado o efeito de 2 variedades de canade- acar (V1 e V2) e 3 tipos de inoculantes (I1, I2 e I3) quanto ao peso do colmo (ton/ha). Os dados esto apresentados na Tabela 7 a seguir. Tabela 7. Peso do colmo (ton/ha) para os 6 tratamentos de um experimento em blocos casualizados (DBC), com 4 repeties, em esquema fatorial 2x3

15