Anda di halaman 1dari 9

XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Diferentes abordagens no emprego da análise de variância em


experimentos com medidas repetidas no tempo

Janete Pereira Amador (UFSM) janeteamador@.hotmail.com


João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br
Angela Pellegrin Ansuj (UFSM) angela@smail.ufsm.br
Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br

Resumo
O objetivo deste trabalho é estudar o uso de diferentes abordagens da análise de variância
univariada aplicada a experimentos nutricionais com suínos envolvendo medidas repetidas
no tempo. A análise de variância foi aplicada para um experimento inteiramente casualizado
em esquema fatorial para os diferentes períodos experimentais que foram de 7 semanas. As
variáveis estudas foram: a influência de 5 níveis de energia e proteína na ração sobre o
ganho de peso, consumo e conversão alimentar. Os resultados mostraram que nenhuma das
abordagens da análise de variância utilizada identificou influência nos níveis de energia
digestível (ED) sobre as variáveis de estado, bem como para o efeito da proteína bruta (PB)
sobre o consumo acumulado. Quanto aos níveis de PB sobre as variáveis ganho de peso e
conversão alimentar apresentou diferença significativa para os período, 35, 42, 49, 56, 63 e
70 dias.A análise em parcelas subdivididas mostrou diferença significativa no ganho de peso
para o nível de 24% e na conversão alimentar 20 e 24% de PB.
Palavras-chave: Análise de variância, Experimentos nutricionais, Medidas repetidas no
tempo.

1. Introdução
Devido à importância da suinocultura dentro do agronegócio, na economia nacional como
geração de capital promovendo divisas a nível nacional e internacional, se faz necessário o
desenvolvimento de técnicas eficientes para melhor ainda mais o desempenho desta atividade
econômica. Uma das formas pelas quais se pode melhorar o desempenho da suinocultura é o
desenvolvimento de técnicas corretas de avaliação do sistema produtivo. Na indústria, devido
a problemas de custos operacionais e mão-de-obra, a prática comum, em experimentos
nutricionais é trabalhar com valores acumulados para controlar o desempenho das variáveis
de estado. Desta forma, os dados referentes a essas variáveis são obtidos por uma pesagem no
início e no final do período experimental, fato que gera perda de informação. Por isso, esse
trabalho tem por finalidade utilizar diferentes abordagens de análise de variância a fim de
determinar os fatores positivos e negativos de cada abordagem e verificar se essas técnicas
fornecem subsídios para monitorar experimentos cujo comportamento das variáveis altera-se
ao longo do tempo.
2. Revisão bibliográfica
2.1. Experimentos fatoriais
Conforme Anderson & Bancroft (1962), quando se estudam, simultaneamente, dois ou mais
fatores, cada um com diferentes níveis, têm-se os experimentos chamados fatoriais. Os
experimentos fatoriais não são desenhos experimentais, e sim um modo particular de
combinar os níveis dos fatores em estudo.

ENEGEP 2006 ABEPRO 1


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

De acordo Werkema & Aguiar (1996), em um arranjo fatorial cada réplica completa do
experimento possui todas as combinações dos níveis dos fatores investigados. Dessa forma, se
existem a níveis do fator A e b níveis do fator B, cada réplica contém todos os ab tratamentos.
2.2. Experimento em parcelas subdivididas
O esquema do experimento em parcelas subdivididas é apresentado, dentre outros, por
Kempthorne (1962) Steel & Torrie (1960), como sendo uma variação do experimento fatorial
em T e T’ tratamentos, onde os tratamentos T das parcelas são dispostos em qualquer tipo de
delineamento, sendo os mais usados os em blocos casualizados e em quadrados latinos e os T’
das sub-parcelas são dispostos ao acaso dentro de cada parcela.
Snedecor & Cochran (1967) apresentam considerações sobre o experimento em parcelas
subdivididas, e mostram ser vantajoso seu uso, se os efeitos de T’ e da interação T x T’ são de
maior interesse que os efeitos de T. Afirmam ainda que o aumento da precisão de T’ e da
interação T x T’ se obtém mediante a redução da precisão de T.
2.3. Análise de variância
Conforme Markus (1973), na experimentação, são freqüentes as situações nas quais, em vez
de dois, são vários os produtos ou processos que competem entre si. O problema consiste
então na comparação de mais de duas médias. Nestes casos a técnica indicada é a análise de
variância.
A análise de variância (ANOVA) é uma técnica algébrica que permite particionar a soma de
quadrados dos desvios entre cada uma das “N” observações que compõem uma amostra, e as
médias das mesmas, em número finito de somas de quadrados. O número de partição das
somas de quadrados está diretamente relacionado com a estrutura do modelo estatístico
utilizado para descrever a variável resposta (ANDERSON & BANCROFT, 1962).
Johonson & Leone (1976) destacam algumas premissas que devem ser observadas para
utilizar a análise de variância como, a resposta da variável que está sendo analisada deve
seguir uma distribuição normal de probabilidade e os tratamentos das respostas obtidas devem
apresentar variâncias iguais.
2.4. Análise de variância em parcelas subdivididas
Conforme Sampaio (1998), quando um efeito temporal é introduzido em um esquema fatorial,
geralmente, ele participa do ensaio como sub-parcelas. Sendo assim, é preciso policiar a
extensão do tempo testado, grandes amplitudes podem ameaçar a homocedasticidade exigida
pela análise de variância. Se isto ocorrer, ou se analisam os tempos separadamente,
desaparecendo as sub-parcelas ou adota-se a transformação de dados.
Box (1950) discute o problema de observações sucessivas na mesma parcela em um esquema
fatorial. Ele acha válida uma análise simples, em parcelas subdivididas, se puder supor que as
observações têm as mesmas variâncias e as mesmas covariâncias para todas parcelas.
Para verificar a hipótese de homogeneidade entre as matrizes de variâncias e
covariância, das variáveis de estado, utiliza-se o Teste de Esfericidade (VONESH, E. F.
& CHINCHILLI. V. M., 1997).
3. Metodologia
Foram estudados 75 leitões com 21 dias de idade, recém desmamados, durante 7
semanas. Os animais foram pesados no início, durante intervalos de sete dias e no final
do experimento. Assim gerou-se sete medidas para cada variável de estado (peso vivo,

ENEGEP 2006 ABEPRO 2


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

consumo, conversão alimentar - quanto o animal consome para ganhar 1 kg de peso), em


instantes sucessivos de tempo que corresponderam ao período de produção (42 dias). As
variáveis de estado foram obtidas em função das variáveis de controle: idade (medida
em dias), níveis nutricionais de proteína bruta (PB), (medido em percentagem) presente
na ração e níveis nutricionais de energia digestível (ED), (medidas em kcal ED/kg).
O delineamento utilizado foi inteiramente causalidade, sendo as fontes de variação os níveis
de PB e ED. Estes níveis foram dispostos em esquema fatorial (dois fatores com cinco níveis
cada), resultando 25 tratamentos. A unidade experimental empregada foi a baia (com três
animais cada). Os tratamentos desenvolvidos no experimento encontram-se no quadro 1.

kcal ED/kg
PB% 3325 3400 3475 3550 3625
16 T1 T6 T11 T16 T21
18 T2 T7 T12 T17 T22
20 T3 T8 T13 T18 T23
22 T4 T9 T14 T19 T24
24 T5 T10 T15 T20 T25

QUADRO 1 - Tratamentos desenvolvidos no experimento

3.1. Procedimentos adotados para a análise estatística dos dados


3.1.1. Análise de variância no final do período de creche
Para o cálculo da ANOVA não foi possível considerar as interações entre fatores, pois os
dados correspondiam apenas as médias de cada tratamento, onde esses eram formados de três
animais por baia. Sendo assim, não houve graus de liberdade para o cálculo das interações.
3.1.2. Análise de variância em cada período de creche
Para as comparações entre as médias foi utilizado o teste de Tukey. Para o cálculo da
ANOVA foi utilizado, tanto nos resultados obtidos no final do período como em cada
período, o modelo matemático a seguir:
Yij = µ + PBi + EDj + (PB*ED)ij + εij

onde:
Yij = resposta observação submetida ao i-ésimo nível de PB e j-ésimo nível de ED;
µ = média geral dos efeitos;
PBi = efeito do i-ésimo de PB;
EDj = efeito do j-ésimo nível ED;
PB*EDij = efeito da interação entre o do i-ésimo de PB e o j-ésimo nível ED;
εij = erro aleatório associado a observação Yij.
3.1.3. Análise de variância em parcelas subdivididas
As parcelas (unidade primária) são os níveis de energia e proteína e as sub-parcelas (unidade
secundária) são os períodos. O teste de Tukey foi utilizado para a comparação entre médias.

ENEGEP 2006 ABEPRO 3


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Para o cálculo da ANOVA foi utilizado o modelo a seguir descrito:


Yijk. = µ + PBi + EDj + tempok + (PB*ED)ij + dijk + (PB*tempo)ik + (ED*tempo)jk + εijk,

onde:
Yijk= resposta da observação submetida ao i-ésimo nível de PB e j-ésimo nível de ED no
período k
µ = média geral dos efeitos;
PBi = efeito do i-ésimo de PB;
EDj = efeito do j-ésimo nível ED;
tempok = efeito do período k;
(PB*ED)ij = efeito da interação entre o do i-ésimo de PB e o j-ésimo nível ED;
dijk = erro aleatório associado a parcela principal;
(PB*tempo)ik = efeito da interação do i-ésimo nível de PB com o período k;
(ED*tempo) jk = efeito da interação i-ésimo nível de ED com período k;
εij = erro aleatório total.
4. Resultados
4.1. Análise de variância no final do período experimental
Foram utilizados os valores acumulados das variáveis de estado para os 49 dias de
duração do experimento. Os resultados mostram que a análise de variância não foi
sensível para identificar diferença significativa quanto ao aumento nos níveis de
proteína bruta (PB) e de energia digestível (ED) no ganho de peso, conversão alimentar e
o consumo de ração.
4.2. Analise de variância para cada período experimental
Quando a ANOVA foi realizada para cada período experimental, em alguns períodos, foi
possível verificar que o ganho de peso e a conversão alimentar foram influenciados pelos
níveis de PB. Os períodos nos quais os níveis de PB foram significativos correspondem às
idades dos leitões aos 35, 42, 49, 56 e 63 dias. Esses períodos com as respectivas variáveis e
níveis de PB encontram-se nas tabelas 1, 2, 3, 4, e 5.

Níveis de PB (%)
Parâmetros
16 18 20 22 24

CAM (kg) 2,094ab 2,444a 1,718b 1,956ab 1,896 ab


Desvio padrão (kg) ± 0,220 ± 0,372 ± 0,210 ± 0,298 ± 0,509
Coef. de variação (%) 10,50 15,22 12,22 15,23 26,81
Casos 5 5 5 5 5
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente.

TABELA 1 – Evolução cumulativa da conversão alimentar média (CAM) aos 35 dias.

ENEGEP 2006 ABEPRO 4


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Na tabela 1, verifica-se que os animais que receberam ração contendo níveis de 16, 20, 22 e
24% de PB apresentaram uma CAM semelhante. Já o nível de 18% foi o de pior conversão
alimentar.

Níveis de PB (%)
Parâmetros
16 18 20 22 24
CAM (kg) 2,318a 2,086ab 1,778b 1,754b 1,876ab
Desvio padrão (kg) ± 0,324 ± 0,132 ± 0,085 ± 0,229 ± 0,371
Coef. de variação (%) 13,977 6,327 4,780 13,123 19,776
Casos 5 5 5 5 5
GPM (kg) 2,220b 2,472ab 2,966a 3,008a 2,476ab
Desvio padrão (kg) ± 0,481 ± 0,157 ± 0,312 ± 0,410 ± 0,336
Coef. de variação (%) 21,666 6,351 10,519 13,630 12,235
Casos 5 5 5 5 5
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente.

TABELA 2 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 42
dias.

A Tabela 2 indica que os níveis de 20 e 22% apresentam os melhores resultados da CAM.


Enquanto que o nível de 16% foi o de pior conversão alimentar. O mesmo comportamento
ocorreu com a variável GPM.

Níveis de PB (%)
Parâmetros
16 18 20 22 24

CAM (kg) 2,416a 2,030ab 1,926ab 2,200ab 1,814b


Desvio padrão (kg) ± 0,218 ± 0,158 ± 0,228 ± 0,451 ± 0,128
Coef. de variação (%) 9,023 7,832 11,380 20,500 7,056
Casos 5 5 5 5 5
GPM (kg) 3,762b 4,708ab 5,066a 4,866ab 5,234a
Desvio padrão (kg) ± 0,220 ± 0,372 ± 0,210 ± 0,298 ± 0,509
Coef. de variação (%) 5,904 7,901 4,145 6,099 9,724
Casos 5 5 5 5 5
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente.

TABELA 3 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 49
dias.

Conforme a tabela 3, os níveis de 18, 20 e 24% de PB apresentaram, nesse período, os


melhores resultados para a conversão alimentar. Para o GPM os níveis de 20 e 24% de
PB foram os que apresentaram o maior aumento, embora esses níveis, não diferiram dos
níveis de 18 e 22%.

Níveis de PB (%)
Parâmetros
16 18 20 22 24
CAM (kg) 2,222a 1,990ab 1,848b 1,926b 1,810b
Desvio padrão (kg) ± 0,143 ± 0,140 ± 0,162 ± 0,109 ± 0,156
Coef. de variação (%) 6,435 7,035 8,766 5,659 8,618
Casos 5 5 5 5 5

ENEGEP 2006 ABEPRO 5


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

GPM (kg) 6,086b 7,220ab 7,808a 7,558ab 8,338a


Desvio padrão (kg) ± 0,903 ± 0,608 ± 0,924 ± 0,402 ± 0,757
Coef. de variação (%) 14,837 11,875 11,834 5,318 9,078
Casos 5 5 5 5 5
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente.

TABELA 4 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 56
dias.

A Tabela 4 mostra que os níveis de 20, 22 e 24% de PB foram os que apresentaram a


melhor a conversão alimentar. Para o GPM os níveis de 20 e 24% de PB foram os que
tiveram o maior aumento de peso, mesmo que esses níveis não diferiram dos níveis de
18 e 22%.

ENEGEP 2006 ABEPRO 6


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Níveis de PB (%)

Parâmetros
16 18 20 22 24
CAM (kg) 2,214a 2,016ab 1,858b 1,896b 1,842b
Desvio padrão (kg) ± 0,197 ± 0,119 ± 0,098 ± 0,119 ± 0,131
Coef. de variação (%) 8,897 5,902 5,274 6,276 7,111
Casos 5 5 5 5 5
GPM (kg) 9,348b 11,114ab 12,12a 11,446ab 11,940a
Desvio padrão (kg) ± 0,903 ± 0,608 ± 0,924 ± 0,402 ± 0,757
Coef. de variação (%) 9,659 5,470 7,623 3,512 6,340
Casos 5 5 5 5 5
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente

TABELA 5 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) aos 63
dias.

A tabela 5 mostra que os melhores resultados para a CAM e GPM foram obtidos com os
níveis de 20, 22 e 24% de PB. Para o GPM os níveis de 20 e 24% de PB foram os
responsáveis pelo aumento peso, embora não diferindo dos níveis de 18 e 22%.
4.3 Análise de variância em parcelas subdivididas
Para verificar a hipótese de homogeneidade entre as matrizes de variâncias e
covariância, das variáveis de estado, realizou-se o Teste de Esfericidade por meio do
critério de Mauchly´s. Os resultados para as variáveis: consumo acumulado o valor do
teste foi de 0,0336516 com aproximação para a distribuição do Qui-quadrado = 47,88, P
(X2 > x2) = 0,00001; para o ganho acumulado o valor do teste foi de 0,0015599, com
aproximação também para a distribuição do Qui-quadrado = 91,12 P (X2 > x2) =
0,00001; e para a conversão alimentar o valor do teste foi de 0,0300323 com
aproximação para a distribuição do Qui-quadrado = 49,42 P (X2 > x2) = 0,00001. As 3
variáveis foram testadas com 14 graus de liberdade. Nenhuma das variáveis de estado
analisadas apresentou resultado significativo. Por isso, não existe homogeneidade entre
nas matrizes de variância e covariância. Assim, optou-se por analisar os tempos
separadamente eliminando as sub-parcelas.
A análise utilizando parcelas subdivida mostrou que existe diferença significativa para
os níveis de proteína bruta em relação à conversão alimentar e o ganho de peso. Já a
variável consumo não teve seu comportamento influenciado pelos tratamentos. A tabela
6 mostra os resultados das variáveis ganho de peso e conversão alimentar para os
diferentes níveis de proteína bruta.

ENEGEP 2006 ABEPRO 7


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

Níveis de PB (%)
Parâmetros 16 18 20 22 24
CAM (kg) 2,199a 2,106ab 1,876b 1,954ab 1,863b
Desvio padrão (kg) 0,286 0,283 0,212 0,294 0,259
Coef. de variação (%) 13,005 13,437 11,300 15,046 13,902
Casos 30 30 30 30 30
GPM (kg) 6,554b 7,186ab 7,533ab 7,377ab 7,782a
Desvio padrão (kg) 5,515 5,558 5,203 5,318 5,607
Coef. de variação (%) 84,162 77,344 69,069 72,088 72,050
Casos 30 30 30 30 30
(p < 0,05) médias seguidas de letras diferentes, diferem estatisticamente.
TABELA 6 – Evolução cumulativa da conversão alimentar média (CAM) e do ganho de peso (GPM) dos 35 aos
70 dias.

Verificou-se que os níveis de 20 e 24% de PB apresentaram a melhor conversão


alimentar. Já para o ganho de peso o nível de 24% de PB teve melhor ganho. Verificou-
se, também, que o coeficiente de variação, para todos os período analisados, foi alto
para a variável ganho de peso. Isto ocorreu devido ao aumento das variâncias de um
período para o outro, conforme Sampaio, 1998.
5. Conclusão
Os resultados mostraram que nenhuma das abordagens utilizadas identificou influência dos
níveis de energia digestível (ED) sobre as variáveis de estado. Resultado semelhante foi
encontrado para o efeito da proteína bruta (PB) sobre o consumo acumulado que também não
apresentou diferença significativa.

A vantagem de se utilizar a abordagem considerando o período total do experimento, é a


economia de mão-de-obra para coleta dos dados, bem como diminui o estresse causado aos
animais por motivo das pesagens. No entanto, esse método mostra-se ineficiente, pois não se
tem um valor intermediário das variáveis. Além disso, quando se trabalha com unidades
experimentais que estão sujeitas a medidas repetidas no tempo, o efeito dos tratamentos pode
apresentar alterações.

A análise para cada período possibilitou detectar algumas diferenças significativas aos 35, 42,
49, 56, 63 e 70 dias, em relação aos níveis de PB. Quanto ao ganho de peso e conversão
alimentar os melhores resultados foram obtidos nos níveis 20, 22 e 24% de PB,
respectivamente, nos períodos 42, 49, 56 e 63 dias. O fator positivo dessa análise é poder
verificar o comportamento das variáveis em períodos distintos do processo produtivo. Sendo
que em algum desses períodos pode trazer informações relevantes para melhorar o setor
produtivo.

O fator negativo é de não poder monitorar periodicamente o processo a fim de verificar se


houve alteração nas variáveis de estado. Dessa forma não há como interferir no processo
quando essas variáveis apresentam-se fora de controle.
A análise por parcelas subdivididas apresentou diferença significativa para os níveis de
PB de 20 e 24%¨ sobre a variável conversão alimentar e 24% para a variável ganho de
peso. Este resultado vem ao encontro dos resultados obtidos quando a análise de
variância foi feita por período experimental. O fator negativo dessa técnica é de não

ENEGEP 2006 ABEPRO 8


XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a 11 de Outubro de 2006

poder acompanhar o desenvolvimento do animal passo a passo, além de apresentar


restrições estatísticas relacionadas às pressuposições de homogeneidade nas matrizes de
variâncias e covariâncias.

Observou-se que a ANOVA empregada para cada período experimental e para parcelas
subdivididas mostrou-se eficiente para determinar diferenças significativas entre os
tratamentos. No entanto, a ANOVA não seria a técnica apropriada quando se utiliza dados
longitudinais, pois esse tipo de dados não atendem a duas pressuposições básicas requeridas
pela ANOVA: a falta de casualização entre os tratamentos e as épocas de avaliação; e a não
independência de erros devido ao fato das medidas serem tomadas sobre as mesmas parcelas
ao longo do tempo. Além disso, não permite que se monitore o processo produtivo
periodicamente, impossibilitando intervir quando este encontra-se fora de controle. Neste
caso, sugere-se que estudos posteriores sejam realizados utilizando-se técnicas de análise
multivariada tais como o emprego de modelos lineares generalizados e análise de curvas de
crescimento.
6. Bibliografia
ANDERSON, R. B. & BANCROFT, T. A. Statistical theory in research. New York:
McGraw-Hill, 1962. 422 p.
BOX, G. E. P. Problems in the analysis of growth and wer curves. Biometrics. v. 6, p. 362 – 89, 1950.
JHONSON, L. J. & LEONE, F. C. Statistical and experimental design in engineering and the physical
sciences. v. 2, 2 ed. New York: John Wiley & Sons, 1976. 1081 p.
KEMPTHORNE, O. The Desing and analysis of experiments. New York: Robert & Krieser, 1962. 631 p.
MARKUS, R. Elementos de estatística aplicada. Porto Alegre: Faculdade Agronomia UFRGS, 1973. 328 p.
SAMPAIO, I. B. M. Estatística Aplicada à Experimentação Animal. Belo Horizonte: Fundação de Ensino e
Pesquisa em Medicina Veterinária e Zootecnia, 1998. 221 p.
SNEDECOR, G. W. & COCHRAN, W. G. Statistical Methods. 6 ed. Ames: The Iowa State
University Press,1967. 593 p.
STEEL, R. G. D. & TORRIE, J. H. Principles and procedures of statistics. Nova York:
McGraw-Hill, 1960. 481p.
VONESH, E. F. & CHINCHILLI. V. M. Linear and nonlinear models for the analysis of
repeated measurements. New York: Marcel Dekker, 1997. 250 p.
WERKEMA, M. C. C. & AGUIAR, S. Planejamento e Análise de Experimento: Como Identificar e Avaliar as
Principais Variáveis Influentes em um Processo. Belo Horizonte: Fundação Cristiano Ottoni, 1996. 294 p.

ENEGEP 2006 ABEPRO 9