Plano amostral em parcelas de milho para avaliação de atributos de espigas

Tamanho: px
Começar a partir da página:

Download "Plano amostral em parcelas de milho para avaliação de atributos de espigas"

Transcrição

1 Cênca Rural, Santa Mara, Plano v.35, amostral n.6, p , em parcelas nov-dez, mlo 005 para avalação de atrbutos de espgas. ISSN Plano amostral em parcelas de mlo para avalação de atrbutos de espgas Samplng plan n corn plots to evaluate ear caracterstcs Tomas Newton Martn 1 Lndolfo Storck Alessandro Dal Col Lúco 3 Leandro Homrc Lorentz 4 RESUMO Em expermentos agrícolas, a amostragem é mportante para reduzr os custos e a mão-de-obra, embora devam possur característcas que confram precsão expermental adequada. O objetvo do trabalo fo determnar uma metodologa para se amostrar parcelas e sub-parcelas expermentas de mlo, quando o objetvo é avalar atrbutos morfológcos e de rendmento avalados nas espgas. O expermento fo realzado, no Departamento de Ftotecna da Unversdade Federal de Santa Mara, com quatro bases genétcas de mlo (íbrdo smples - DAS 9560; íbrdo duplo - AG 303; íbrdo trplo - AG 6018; varedade cultvada BR 0. O delneamento usado fo blocos completos casualzados com quatro repetções. A parcela fo consttuída de 96 sub-parcelas de um metro. Em cada parcela, amostraram-se as espgas de cnco subparcelas. Foram avalados o comprmento, o dâmetro, o rendmento de grãos e a massa de cem grãos de cada espga. Concluu-se que o tamano da amostra nas parcelas de mlo está relaconado ao atrbuto a ser avalado nas espgas. Exstem nterferêncas genétcas e ambentas sobre a magntude da estmatva do tamano da amostra de espgas de mlo. Pode-se amostrar 4 espgas por parcela, em ses repetções por genótpo, para avalar os atrbutos comprmento e largura de espgas, rendmento de grãos e massa de cem grãos, para obter uma sem-ampltude do ntervalo de confança abaxo de 10% da méda. Palavras-cave: Zea mays L., número de repetções, subparcelas, precsão expermental. ABSTRACT In agrcultural experments good samplng tecnques are mportant to reduce costs and labor, and guarantee adequate expermental precson. Te objectve of ts researc was to study a samplng metodology of expermental plots to evaluate morpologc caracterstc and corn yeld n maze spkes. Sngle (DAS 9560, double (AG 6018 and trple (AG 303 crosses corn ybrds and an open pollnated varety (BR 0 were evaluated. Te experment desgn was a randomzed complete block wt four replcatons and was conducted n te expermental area of te Crop Scence Department of te Federal Unversty of Santa Mara (UFSM, Brazl. Te man plot was dvded n 96 sub plots wt one meter of lengt. In eac plot, te spkes of fve sub-plots were sampled and lengt, dameter, gran yeld and te mass of one undred grans of eac spke was measured or weged. It was concluded tat te sample sze wtn plots s related to te caracterstc to be evaluated n te maze spkes and tere are genetc and envronment factors tat nterfere on estmaton of sample sze of maze spkes. A sample of 4 spkes, one for eac splt-plot, and sx replcatons for eac genotype, results n a consdered approprate precson (less tan 10% from te mean for lengt and wdt of spkes, gran yeld and mass of one undred grans. Key words: Zea mays L., number of replcatons, splt-plot, expermental precson. 1 Escola Superor de Agrcultura Luz de Queroz (ESALQ, Unversdade de São Paulo (USP, Praccaba, SP, Brasl. E-mal: martn@esalq.usp.br Departamento de Ftotecna, Centro de Cêncas Ruras (CCR, Unversdade Federal de Santa Mara (UFSM, , Santa Mara, RS, Brasl. E-mal: lndolfo@smal.ufsm.br. Autor para correspondênca 3 Departamento de Ftotecna, CCR, UFSM, Santa Mara, RS, Brasl. 4 Programa de Pós-graduação em Agronoma (PPGA, UFSM, Santa Mara, RS, Brasl. Recebdo para publcação Aprovado em Cênca Rural, v.35, n.6, nov-dez, 005.

2 158 Martn et al. INTRODUÇÃO A execução de expermentos é, mutas vezes lmtada pelo grande número de mensurações obtdas em cada undade expermental. A amostragem é uma alternatva, porém ao dmensonar uma amostra aleatóra smples, necessta-se do conecmento prévo da varânca da população e do grau de precsão desejado. Quando não se dspõem de nformações sobre a varabldade da população a ser amostrada, deve-se realzar uma pré-amostragem, em pequena escala, a fm de que se possa obter estmatvas dos parâmetros populaconas (méda e varânca, que serão usados na obtenção do melor tamano da amostra (SILVEIRA JÚNIOR et al., Segundo STEEL et al. (1997, para populações fntas exstem três alternatvas báscas de execução de plano amostral: ( amostragem aleatóra, ( amostragem sstemátca e ( amostragem arbtrára. Assm, a dferença entre o valor estmado na amostra e o valor do parâmetro na população denomna-se erro amostral ou de amostragem (GOMEZ & GOMEZ, 1984, e obvamente o erro de amostragem dmnu à medda que o tamano da amostra aumenta. Estmatvas do tamano de amostra para avalação do peso de espga despalada de famílas de meo-rmãos de mlo, ndcam que o maor número de plantas avaladas proporcona resultados mas precsos (PALOMINO et al., 000. Além dsso, parcelas com o mesmo número de plantas, mas dstrbuídas em duas ou três lnas proporconam maor precsão expermental e o gano esperado com a seleção decresce com o aumento do número de plantas utlzadas por parcela. Na avalação do tamano da amostra (número de espgas nas parcelas de mlo, para o percentual de umdade dos grãos, HENRY et al. (194 verfcaram que essa varou de três espgas (10 varedades cultvadas em cnco repetções até 0 espgas (uma varedade cultvada sem repetção. Para peso de 50 grãos, peso de espga e altura de planta, DIAS (1978 conclu que o tamano da amostra deve ser de 13, 15 e 5 plantas, respectvamente. Métodos de amostragem foram pesqusados por SILVA & SOUSA (1991, CONCEIÇÃO et al. (1993 e SILVA et al. (1993. Estes autores produzram nformações sobre dferentes métodos de amostragem aleatóra, para a varável altura de plantas e de nserção de espgas e do número de ramfcações do pendão do mlo. Além desses autores, SILVA et al. (1998 verfcaram o efeto da amostragem aleatóra e não aleatóra sobre caracteres de mlo. O objetvo do trabalo fo determnar uma metodologa para se amostrar parcelas e sub-parcelas expermentas de mlo, quando o objetvo é avalar atrbutos morfológcos e de rendmento avalados nas espgas. O melor plano amostral será defndo como aquele que propca a menor estmatva da varânca de médas de tratamentos. MATERIAL E MÉTODOS ˆ ˆ O expermento fo realzado no ano agrícola 001/00, no campus da Unversdade Federal de Santa Mara, em solo pertencente à undade de mapeamento Santa Mara, Brunzem Hdromórfco (EMBRAPA, Os tratamentos foram compostos de quatro bases genétcas de mlo, sendo elas, íbrdo smples (DAS 9560, íbrdo duplo (AG 303, íbrdo trplo (AG 6018 e varedade cultvada (BR 0. O manejo da cultura do mlo fo de acordo com as ndcações técncas para a cultura de mlo no estado do Ro Grande do Sul (INDICAÇÕES, 001. O expermento fo mplantado segundo o delneamento blocos completos casualzados com quatro repetções, usando parcelas de oto flas de 1m de comprmento com 0,8m entre flas. Cada parcela fo dvdda em 96 sub-parcelas de um metro lnear. Cnco das subparcelas, tomadas ao acaso, foram usadas para se avalar o comprmento e o dâmetro (cm de todas as espgas, o rendmento de grãos (g/espga e a massa de cem grãos (g. Os dados foram analsados segundo o modelo: Y jkl =m+b j +g + j + jk + jkl, onde: Y jkl é o valor observado referente a espga l (l=1,,..., n jk, varando entre 1 e 5 espgas da sub-parcela k (k=1,,..., K=5 do genótpo (=1,,..., I=4 no bloco j (j=1,,..., J=4; m é a méda; b j é o efeto aleatóro do bloco j; g é o efeto fxo do genótpo ; j é o efeto aleatóro do erro expermental; jk é o efeto aleatóro do erro entre as sub-parcelas; jkl é o efeto aleatóro do erro entre espgas. Com as pressuposções usuas de normaldade com méda gual a zero e ndependênca para os d parâmetros de efetos aleatóros; b, j N (0, d d b., e. j N(0, d jk N(0, jkl N (0, O quadro da análse da varânca e as esperanças matemátcas dos quadrados médos estão representados na tabela 1. Usando a metodologa de estmação de componentes de varânca (VENCOVSKY & BARRIGA, 199, foram calculadas: estmatva da varânca entre espgas ( =QM ; estmatva da varânca entre subparcelas ( =(QM QM /L e estmatva da varânca do erro expermental ( ˆ = ( QM QM / KL. Como Cênca Rural, v.35, n.6, nov-dez, 005.

3 Plano amostral em parcelas de mlo para avalação de atrbutos de espgas. 159 Tabela 1 - Fontes de varação, graus de lberdade (GL, quadrados médos (QM e esperança matemátca dos QM. Fontes de varação GL QM E(QM Blocos J-1 QMb + K L + IKL b + K L + JK L Erro expermental (I-1(J-1 QM + KL Erro entre sub-parcelas IJ(K-1 QM Erro entre espgas ( njk 1 QM jk Genótpos I-1 QMg ϕ (g n = número de espgas na sub-parcela k do genótpo do bloco j; φ( g = g /( I 1 * jk n jk não é o mesmo para todas as sub-parcelas, usamos o valor médo estmado por 1 L = ( n. (1/ n. n jk jk IJK 1 adaptado do delneamento nteramente casualzado com dferente número de repetções (BARBIN, Os coefcentes de varação, em percentagem, foram estmados para o erro expermental ( CV = QM mˆ, para a o erro entre subparcelas ( CV = QM mˆ 100 / 100 / e para o erro entre espgas ( CV = QM mˆ. 100 / A estmatva do tamano da amostra (n pode ser obtda pela expressão n = z em que α/ /d d é a sem-ampltude do ntervalo de confança para a méda, z é o valor crítco da dstrbução normal padrão e é a varânca populaconal (FONSECA & MARTINS, Como, no caso, tem-se uma estmatva da varânca (s usa-se o valor crítco da dstrbução t. Para generalzar a expressão de n, substtuí-se D = 100d / x e CV = 100 s / x na expressão de n e obtém-se n= t α/ CV /D, em que o CV é o coefcente de varação (em percentagem, D é a sem-ampltude do ntervalo de confança (em percentagem para a méda (estabeleceu-se D=10% e D=0% e t é o valor crítco da dstrbução t, em nível de 5% de probabldade de erro. QM Como Vˆ ˆ ˆ ˆ mˆ = = + +. JKL JKL JK J é a estmatva da varânca da méda estmada para o genótpo, dependendo das sgnfcâncas das varâncas (, e pode-se dentfcar a combnação J, K e L que mnmza a estmatva Vˆ. Nestas combnações, usa-se as restrções de valores mínmos J=, K=1 e L =1, mantendo-se fxa a quanta JKL =4*5*5=100 espgas por genótpo. Devdo ao pressuposto de efeto aleatóro de blocos, na estmatva Vˆ devera ser somada a componente de varânca de blocos. No entanto, como nos testes de comparação múltpla de médas de Tukey utlza-se a metade de Vˆ mˆ, cuja estmatva ndepende do bloco ser de efeto fxo ou aleatóro, conforme mostrado para o delneamento blocos completos casualzados (STORCK & LOPES, 1998, procedemos Vˆ = Vˆ mˆ / para fns de facltar a obtenção da combnação J, K e L que mnmza Vˆ ˆ. ( m RESULTADOS E DISCUSSÃO O valor médo do número de espgas nas 80 sub-parcelas (16 parcelas x cnco sub-parcelas amostradas fo L =3,18. Comprmento e dâmetro de espgas não tveram efetos sgnfcatvos para o erro entre sub-parcelas e para o erro expermental, sendo suas estmatvas baxas ou nulas (Tabela. Neste caso, por exemplo, para comprmento de espga, a estmatva da varânca da méda estmada de um genótpo é 7,7 0 0,11 7,7. Vˆ = + +, devdo a não JKL JK J JKL sgnfcânca de e. Valores nulos para os componentes de varâncas são admtdos quando a estmatva é um valor negatvo. Ao se constatar problemas dessa natureza, pode-se admtr que o valor do parâmetro seja zero e sua estmatva como nula (SEARLE, 1971; BARBIN, 003. Como o número de repetções (J e o número de sub-parcelas (K são denomnadores das Cênca Rural, v.35, n.6, nov-dez, 005.

4 160 Martn et al. Tabela - Fontes de varação, graus de lberdade (GL, estmatvas dos quadrados médos para comprmento (CE, dâmetro (DE, rendmento de grãos (RG e massa de cem grãos (MCG de espga de mlo, estmatva da varânca do erro expermental ( ˆ e, da varânca entre as sub-parcelas ( e da varânca entre espgas ( ˆ ˆ e respectvos coefcentes de varação em percentagem (CV. Fontes de varação GL CE (cm DE (cm RG (g MCG (g Blocos 3 9,98* 1,49* 6810,8* 17,70 ns Genótpos 3 1,47* 0,95 ns 8997,3 ns 18,35* Erro expermental 9 9,15 ns 0,33 ns 6161,9* 16,58 ns Erro entre sub-parcelas 64 7,5 ns 0,19 ns 18,7 ns 8,4* Erro entre espgas 09 7,7 0,19 15,6 15,01 Méda - 14,67 4,7 134,59 3,85 ˆ (CV - 0,11 (0,6 0,01 (13,5 46,5 (58,3 0,00 (1,4 (CV ˆ - 0,00 (18,4 0,00 (10, 0,9 (35,0 4,19 (16, ˆ (CV - 7,7 (18,9 0,19 (10, 15,6 (35,0 15,01 (11,8 * Sgnfcatvo pelo teste F em nível de 5% de probabldade de erro; ns não-sgnfcatvo. estmatvas não sgnfcatvas de e, pode-se mnmzar Vˆ usando menores valores de J e K (por exemplo, J= e K=1 em favor de um maor número de espgas por sub-parcela (maor L. Nestes atrbutos, não á vantagem em se agrupar espgas em subparcelas ou usar maor número de repetções. Deve-se estmar o número de espgas (L por parcela para cada genótpo conforme a expressão n = t α/ CV /D. Assm, o tamano da amostra para estmar o comprmento de espga, para uma sem-ampltude do ntervalo de confança para a méda de genótpo (D gual a 10%, fo gual a 19 espgas e para D=0% fo gual a sete espgas, para 5% de probabldade de erro. A nterpretação para o atrbuto dâmetro de espga é semelante, sendo a estmatva do tamano da amostra gual a nove e quatro espgas, respectvamente, para D=10% e D=0%, em nível de 5% de probabldade de erro. Entretanto, como não é prátco amostrar número dferente de espgas para determnar o comprmento e o dâmetro das espgas, pode-se adotar o máxmo de 19 espgas para D=10% ou sete espgas para D=0%. No caso de se usar J= repetções, pode-se amostrar 10 espgas por repetção em cada genótpo, pos n=jl, aproxmadamente gual a 0. Para o rendmento de grãos das espgas, a nteração genótpo x bloco (erro expermental fo sgnfcatva e o erro entre sub-parcelas não fo sgnfcatvo (Tabela. Assm, a varação entre repetções não é a mesma nos dferentes genótpos, possvelmente devdo à varação sgnfcatva entre blocos. Neste caso, a estmatva da varânca do erro expermental referente a cada genótpo (decomposção do erro pode ser obtda, aproxmadamente, pela expressão Var( g ˆ = /( J 1 e observada na j j tabela 3. Nesta tabela, a relação entre a maor varânca (genótpo AG 6018 e a menor varânca (genótpo DAS 9560 é gual a 3,8, caracterzando a eterogenedade das varâncas em relação aos genótpos. Por sto, deve-se estmar o tamano da amostra separadamente para cada genótpo. Anda, para o atrbuto rendmento de grãos, a estmatva V ˆ 15,6 0,9 46,5 = + ndca JKL JK + J que o número de repetções (J é mas mportante para se reduzr Vˆ e o tamano da amostra ndepende do agrupamento das espgas em sub-parcelas, pos não fo sgnfcatvo. Assm, o tamano da amostra é dependente do genótpo e, por sto, deve-se amostrar cada genótpo com número específco de espgas ou usar o maor número de espgas, contemplando todos os genótpos com a precsão estpulada. Neste caso, para uma precsão D=10%, o uso de n=148 espgas é mas prátco e, como n=jl =148 (adotamos K=1 e sendo J mas mportante, pode-se reorganzar o delneamento para o máxmo número de repetções. Por exemplo, ao usar J=6 repetções deve-se amostrar 4 espgas por parcela. Problemas com sensbldade ambental dferente entre genótpos de mlo (NASPOLINI FILHO, 1975; SILVA et al., 1998 e outras culturas (ESTEFANEL et al., 1996 causam varação da eterogenedade de varâncas. Estudo realzado por Cênca Rural, v.35, n.6, nov-dez, 005.

5 Plano amostral em parcelas de mlo para avalação de atrbutos de espgas. 161 NASPOLINI FILHO (1975, confrma a teora de que a varânca é crescente no sentdo do íbrdo smples para os íbrdos trplo, duplo e varedade cultvada. No presente estudo, a ordem crescente das varâncas (Tabela 3 não fo exatamente a mesma, talvez porque os genótpos usados não são representantes típcos de cada tpo de íbrdo. O mportante é observar que exstem dferenças a serem consderadas. Para massa de cem grãos, verfcou-se sgnfcânca para o efeto do erro entre sub-parcelas e não-sgnfcânca para o erro expermental (Tabela, por sto, a varânca do erro entre sub-parcelas fo estmada, para cada parcela, pela expressão Var ( j = ˆ /( K. podendo ser observada na tabela 4. k jk 1 Tabela 3 - Estmatvas da varânca do erro expermental referente a cada genótpo (Var, méda (g/espga, coefcente de varação (CV% e número de espgas a serem amostrados em dos níves de precsão (D = 10 e 0% da méda para a estmatva do rendmento de grãos de mlo. Genótpo Var Méda CV% D = 10% D = 0% BR 0 059, 118,3 38, AG ,0 19,8 57, AG , 135, 61, DAS ,6 147,8 9, O tamano da amostra para uma precsão D=10 e 0% (Tabela 4 se refere ao número de espgas em cada parcela ou seja, n=kl. Pela expressão. V ˆ 15,01 4,19 0 observa-se que o = + JKL JK + J aumento do número de repetções (J não é efcente para reduzr a Vˆ. Maor efcênca pode ser obtda ao manter L =1 e maxmzar K (número de sub-parcelas. Assm, o tamano da amostra na parcela (n deve ser obtda pela retrada de uma espga em n sub-parcelas. Por exemplo, ao adotar J=4 repetções, o número de sub-parcelas (espgas a ser amostrada (Tabela 4 vara em função do genótpo e do bloco. Se optarmos pelo número máxmo de espgas para D=10% (5 espgas no bloco dos para o genótpo BR 0 se estara frente a um valor extremo e, se por outro lado, usar a méda não se estara propcando a precsão desejada a todas as parcelas. Como a ampltude de varação do tamano da amostra entre médas de bloco é menor do que a ampltude de varação entre méda de genótpos, poder-se-a usar a maor méda do tamano de amostra para genótpo (BR 0 que, neste caso será gual a 4 espgas por parcela (para D=10%. Para o conjunto dos quatro atrbutos avalados nas espgas de mlo, exstem varações da forma de amostrar nas parcelas. Exstem casos em que, ora a sub-parcela e ora o número de repetções é mas efcente para aumentar a precsão expermental. Usando a stuação da amostragem do número de Tabela 4 - Estmatva da varânca do erro entre sub-parcelas (Var para cada parcela (Genótpo x bloco, médas, coefcente de varação (CV% e número de espgas a serem amostrados em dos níves de precsão (D = 10 e 0% da méda para a estmatva da massa de cem grãos de mlo. Genótpo Bloco Var Méda ( CV% D = 10% D = 0% BR ,5 35,61 1,3 8 4 AG ,39 3,17 19, AG ,51 31,67 14, DAS ,0 31,13 7,0 5 3 BR 0 167,68 35,94 36, AG ,10 33,84 1, AG 6018,95 31,84 5, DAS ,65 34, 8, BR ,97 35,34 19, AG ,19 33,08 13,4 9 4 AG ,91 3,88 8, DAS ,78 3,06,3 1 7 BR ,60 36,76 0, AG ,39 3,55 11,4 7 4 AG ,45 30,69 11, DAS ,09 31,17 3, Cênca Rural, v.35, n.6, nov-dez, 005.

6 16 Martn et al. espgas para rendmento de grãos por espga, a opção por amostrar 4 espgas por parcela em ses repetções por genótpo leva a uma precsão sufcente para os demas atrbutos. Além dsso, é mas convenente amostrar uma espga em cada uma das 4 sub-parcelas compostas por até cnco plantas. Esta conclusão concorda com a encontrada por SILVA et al. (1998, quando recomendou 11 espgas para as característcas número de grãos por espga, comprmento e peso do sabugo. CONCLUSÃO O tamano da amostra nas parcelas de mlo está relaconado ao atrbuto a ser avalado nas espgas. Exstem nterferêncas genétcas e ambentas sobre a magntude da estmatva do tamano da amostra de espgas de mlo. Pode-se amostrar 4 espgas por parcela, em ses repetções por genótpo, para avalar os atrbutos comprmento e largura de espgas, rendmento de grãos e massa de cem grãos, para obter uma sem-ampltude do ntervalo de confança abaxo de 10% da méda. REFERÊNCIAS BARBIN, D. Componentes de varânca: teora e aplcações..ed. Praccaba: FEALQ, p. BARBIN, D. Planejamento e análse estatístca de expermentos agronômcos. Arapongas: Mdas, p. CONCEIÇÃO, M.M. et al. Efetos de bordadura e amostragem em expermentos com mlo. Cênca Agronômca, v.4, p.63-69, DIAS, J.F.S. O tamano da amostra para estudo dos caracteres peso de 50 grãos, peso de espga e altura da planta em quatro grupos de cultvares de mlo (Zea mays, L f. Dssertação (Mestrado em Agronoma - Programa de Pós-graduação em Genétca e Meloramento de Plantas, Unversdade de São Paulo. EMBRAPA. Centro Naconal de Pesqusa de Solos (Ro de Janero, RJ. Sstema braslero de classfcação dos solos. Brasíla: Embrapa-SPI, p. ESTEFANEL, V. et al. Tamano da amostra para avalação de componentes do rendmento na cultura do fejoero. Cênca Rural, v.6, p , FONSECA, J.S.; MARTINS, G.A. Curso de estatístca. 5.ed. São Paulo: Atlas, p. GOMEZ, K.A.; GOMEZ, A.A. Statstcal procedures for agrcultural researc..ed. New York: Jon Wley, p. HENRY, G.F. et al. An adequate sample of corn plots wt reference to mosture and sellng percentages. Agronomy Journal, n.34, p , 194. INDICAÇÕES técncas para a cultura de mlo no Estado do Ro Grande do Sul. Porto Alegre: FEPAGRO; EMBRAPA TRIGO, EMATER/RS; FECOAGRO/RS, n.7, p. NASPOLINI FILHO, V. Varabldade fenotípca e establdade em íbrdos smples, íbrdos duplos, varedades e compostos de mlo (Zea mays L f. Dssertação (Mestrado em Agronoma Programa de Pós-graduação em Genétca e Meloramento de Plantas - Unversdade de São Paulo. PALOMINO, E.C. et al. Tamano de amostra para avalação de famílas de meos-rmãos de mlo. Pesqusa Agropecuára Braslera, v.35, p , 000. SEARLE, S.R. Lnear models. New York: Jon Wley & Sons, p. SILVA, J. et al. Amostragem e tamano da amostra na estmação de caracteres da espga do mlo. Pesqusa Agropecuára Braslera, v.33, p SILVA, P.S.L. et al. Método de amostragem e tamano de amostra para alguns caracteres de mlo. Cênca Agronômca, v.4, p.5-10, SILVA, P.S.L.; SOUSA, R.P. Técncas expermentas para o mlo. Mossoró: Fundação Gumarães Duque/ESAM, p. SILVEIRA JÚNIOR, P. et al. Estatístca geral - nferênca estatístca. Pelotas: UFPEL - DME, p. STEEL, R.G.D. et al. Prncples and procedures of statstcs. 3.ed. Nova York: McGraw Hll Book, p. STORCK, L.; LOPES, S.J. Expermentação II. Santa Mara: UFSM Departamento de Ftotecna, p. VENCOVSKY, R.; BARRIGA, P. Genétca bométrca no ftomeloramento. Rberão Petro: Revsta Braslera de Genétca, p. Cênca Rural, v.35, n.6, nov-dez, 005.

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

ESTABILIDADE FENOTÍPICA DE CULTIVARES ELITES DE ALGODOEIRO HERBÁCEO 1

ESTABILIDADE FENOTÍPICA DE CULTIVARES ELITES DE ALGODOEIRO HERBÁCEO 1 ESTABILIDADE FENOTÍICA DE CULTIVARES ELITES DE ALGODOEIRO HERBÁCEO 1 Francsco José Correa Faras (Embrapa Algodão - Núcleo do Mato Grosso / faras@cnpa.embrapa.br), Natal Antõno Vello (ESALQ US - Departamento

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

MELHORAMENTO DE MILHO-PIPOCA PARA PRODUÇÃO DE MINIMILHO

MELHORAMENTO DE MILHO-PIPOCA PARA PRODUÇÃO DE MINIMILHO ISBN 978-85-61091-05-7 V EPCC Encontro Internaconal de Produção Centífca Cesumar 27 a 30 de outubro de 2009 MELHORAMENTO DE MILHO-PIPOCA PARA PRODUÇÃO DE MINIMILHO Glberto Barbosa Sandoval Junor 1, Klayton

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Estimativa da área de soja no Rio Grande do Sul por meio de amostragem aleatória estratificada de pontos

Estimativa da área de soja no Rio Grande do Sul por meio de amostragem aleatória estratificada de pontos Estmatva da área de soja no Ro Grande do Sul por meo de amostragem aleatóra estratfcada de pontos Marcos Adam Rodrgo Rzz Bernardo Fredrch Theodor Rudorff Maurco Alves Morera Insttuto Naconal de Pesqusas

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da

Leia mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Anais do Congresso de Pesquisa, Ensino e Extensão- CONPEEX (2010)

Anais do Congresso de Pesquisa, Ensino e Extensão- CONPEEX (2010) Anas do Congresso de Pesqusa, Ensno e Extensão- CONPEEX (00) 59-596 CRUZAMENTOS DIALÉLICOS ENTRE GENÓTIPOS DA COLEÇÃO NUCLEAR DE ARROZ DA EMBRAPA João Antôno Mendonça, Jason Perera de Olvera, Paulo Hdeo

Leia mais

CAPACIDADE COMBINATÓRIA ENTRE LINHAGENS DE ALGODÃO (Gossypium hirsutum L.) EM CONDIÇÕES DE CERRADO (*)

CAPACIDADE COMBINATÓRIA ENTRE LINHAGENS DE ALGODÃO (Gossypium hirsutum L.) EM CONDIÇÕES DE CERRADO (*) CAPACIDADE COMBINATÓRIA ENTRE LINHAGENS DE ALGODÃO (Gossypum hrsutum L.) EM CONDIÇÕES DE CERRADO (*) Camlo de Lels Morello 1, Eleuso Curvelo Frere 2, José Wellngton dos Santos 3, Francsco Perera de Andrade

Leia mais

Ciência Rural ISSN: Universidade Federal de Santa Maria Brasil

Ciência Rural ISSN: Universidade Federal de Santa Maria Brasil Cênca Rural ISSN: 0103-8478 cencarural@mal.ufsm.br Unversdade Federal de Santa Mara Brasl Ferrera Paula, Renaldo de; Botrel Andrade, Mlton de; Rugger, Ana Claúda; Perera Vander, Antôno; Coelho Fernandes,

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Análise da curva de crescimento de ovinos cruzados

Análise da curva de crescimento de ovinos cruzados Análse da curva de crescmento de ovnos cruzados Dana Campos de Olvera DEX, UFLA Antôno Polcarpo Souza Carnero DET, UFV Joel Augusto Munz DEX, UFLA Introdução Os ovnos, assm como grande maora dos anmas

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Ajuste de modelos para descrever a fitomassa seca da parte aérea na cultura de milho em função de graus-dia

Ajuste de modelos para descrever a fitomassa seca da parte aérea na cultura de milho em função de graus-dia Revsta Braslera de Agrometeorologa, Santa Mara, v., n., p. 7-8, 25 Recebdo para publcação em 7/2/25. Aprovado em //25. ISSN 4-47 Ajuste de modelos para descrever a ftomassa seca da parte aérea na cultura

Leia mais

EFICIÊNCIAS RELATIVAS DE ÍNDICES DE SELEÇÃO CONSIDERANDO ESPÉCIES VEGETAIS E PESOS ECONÔMICOS IGUAIS ENTRE CARACTERES

EFICIÊNCIAS RELATIVAS DE ÍNDICES DE SELEÇÃO CONSIDERANDO ESPÉCIES VEGETAIS E PESOS ECONÔMICOS IGUAIS ENTRE CARACTERES Orgnal Artcle 76 EFICIÊNCIAS RELATIVAS DE ÍNDICES DE SELEÇÃO CONSIDERANDO ESPÉCIES VEGETAIS E PESOS ECONÔMICOS IGUAIS ENTRE CARACTERES EFFICIENCIES ON THE INDEX OF SELECTION Emmanuel Arnold 1 ; Rcardo

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

UNIDADE VIII ENSAIOS FATORIAIS

UNIDADE VIII ENSAIOS FATORIAIS UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

fenotípicas, genotípicas e ambientais

fenotípicas, genotípicas e ambientais DOI: 10.405/actascagron.v305.5966 Utlzação de bootstrap não-paramétrco para avalação de correlações fenotípcas, genotípcas e ambentas Adéso Ferrera 1*, Cosme Damão Cruz, Edmar Soares de Vasconcelos, Moysés

Leia mais

Adaptabilidade e estabilidade da produção de café beneficiado em Coffea canephora

Adaptabilidade e estabilidade da produção de café beneficiado em Coffea canephora Cênca Rural, Santa Mara, Adaptabldade v.45, n.9, p.53-537, e establdade set, 205 da produção de café benefcado em http://dx.do.org/0.590/003-8478cr204554 Coffea canephora. 53 ISSN 003-8478 FITOTECNIA Adaptabldade

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Aplicação de um modelo simulado na formação de fábricas

Aplicação de um modelo simulado na formação de fábricas Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa) Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Adaptabilidade e estabilidade de genótipos de soja conduzidos em duas épocas de semeadura, na região de Jaboticabal SP

Adaptabilidade e estabilidade de genótipos de soja conduzidos em duas épocas de semeadura, na região de Jaboticabal SP Adaptabldade e establdade de genótpos de soja conduzdos em duas épocas de semeadura, na regão de Jabotcabal SP Adaptablty and stablty of soybean Jab genotypes at two sowng dates n the regon of Jabotcabal

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur

Leia mais

ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA (1)

ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA (1) ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA 7 ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA DERLY JOSÉ HENRIQUES DA SILVA (2), CYRO PAULINO DA COSTA (3), VICENTE WAGNER DIAS CASALI (2), LUÍZ ANTÔNIO

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

DETERMINAÇÃO DO TAMANHO DE PARCELAS EXPERIMENTAIS EM POVOAMENTOS DE Eucalyptus grandis Hill ex-maiden 1. I- PARCELAS RETANGULARES.

DETERMINAÇÃO DO TAMANHO DE PARCELAS EXPERIMENTAIS EM POVOAMENTOS DE Eucalyptus grandis Hill ex-maiden 1. I- PARCELAS RETANGULARES. DETERMINÇÃO DO TMNHO DE PRCELS EXPERIMENTIS EM POVOMENTOS DE Eucalyptus grands Hll ex-maden. I- PRCELS RETNGULRES. Eustáquo Smplíco Joel ugusto Munz Luz Henrque de quno ntono Rezende Soares RESUMO Com

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

Contagens em dispositivos de pesagens (scale counting)

Contagens em dispositivos de pesagens (scale counting) Contagens em dspostvos de pesagens (scale countng) Raquel Cymrot (Unversdade Presbterana Macenze) raquelc@macenze.com.br Lnda Lee Ho (USP) lndalee@usp.br Resumo Mutas vezes uma ndústra produz pequenas

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Estimativa da área de cana-de-açúcar no estado de São Paulo por meio de sistema de amostragem de área e imagens de sensoriamento remoto

Estimativa da área de cana-de-açúcar no estado de São Paulo por meio de sistema de amostragem de área e imagens de sensoriamento remoto Estmatva da área de cana-de-açúcar no estado de São Paulo por meo de sstema de amostragem de área e magens de sensoramento remoto Maurco Alves Morera Vvane Gomes Cardoso Rosa Rodrgo Rzz Bernardo Fredrc

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo: MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no

Leia mais

Modelagem Matemática do Desenvolvimento da Soja

Modelagem Matemática do Desenvolvimento da Soja Modelagem Matemátca do Desenvolvmento da Soja Artur Gustavo Muller Embrapa Cerrados 73310-970, Planaltna, DF E-mal: agmuller@cpac.embrapa.br Jorge Luz Berto Unversdade Regonal do Noroeste do Estado do

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais