EXPERIMENTOS EM LÁTICE: PLANEJAMENTO E ANÁLISE POR MEIO DE PACOTES ESTATÍSTICOS

Tamanho: px
Começar a partir da página:

Download "EXPERIMENTOS EM LÁTICE: PLANEJAMENTO E ANÁLISE POR MEIO DE PACOTES ESTATÍSTICOS"

Transcrição

1 Sére Técnca IPEF, Praccaba, 7(3): -69, dez.99. ISSN EXPERIMENTOS EM LÁTICE: PLANEJAMENTO E ANÁLISE POR MEIO DE PACOTES ESTATÍSTICOS FREDERICO PIMENTEL GOMES CARLOS HENRIQUE GARCIA

2 Sére Técnca IPEF é pblcada trestralente pelo Insttto de Pesqsas e Estdos Florestas e convêno co a Unversdade de São Palo, Escola Speror de Agrcltra Lz de Qeroz, Departaento de Cêncas Florestas. Sére Técnca IPEF pblca todas as contrbções orgnas qe, analsadas pelo Conselho Edtoral, se enqadra coo anas de encontros o onografas, co o objetvo de atalzar o conhecento sobre teas florestas de grande nteresse prátco. Cotê Edtoral Lz E. G. Barrchelo ESALQ, USP Walter de Pala La ESALQ, USP Maralce M. Poggan IPEF Endereço IPEF Bbloteca ESALQ/USP Caxa Postal Praccaba, SP Brasl TELEX IPEF BR FAX (094)

3 SUMÁRIO. INTRODUÇÃO. CARACTERÍSTICAS DOS LÁTICES QUADRADOS 3. AS TRÊS ANÁLISES DO LÁTICE 4. A ANÁLISE COMO BLOCOS CASUALIZADOS 5. A ANÁLISE INTRABLOCOS 5.. Análse pelo SAS 5.. Análse pelo SAEG 5.3. Análse pelo SANEST 5.4. Análse pelo SOC 5.5. Coparação de Médas 6. A EFICIÊNCIA DO LÁTICE 7. O PROBLEMA DAS PARCELAS PERDIDAS 8. ANÁLISE DE EXPERIMENTOS EM LÁTICES QUADRADOS COM RECUPERAÇÃO DA INFORMAÇÃO INTERBLOCOS 8.. O Método de Cochran & Cox 8.. O Método de Bose 8.3. Exeplo de Análse co Recperação 8.4. A Efcênca do Látce na Análse co Recperação da Inforação Interblocos 9. A REPETIÇÃO DO DELINEAMENTO EM LÁTICE 9.. Exeplo de Análse Interblocos 0. ANÁLISE COM RECUPERAÇÃO DA INFORMAÇÃO INTERBLOCOS PARA LÁTICES REPETIDOS 0.. Exeplo de Análse co Recperação da Inforação Interblocos de Látce Repetdo

4 . TIPOS MAIS MODERNOS DE RETICULADOS QUADRADOS. O CASO DE DUAS TESTEMUNHAS EM CADA BLOCO 3. VANTAGENS DOS LÁTICES COM UMA OU MAIS TESTEMUNHAS EM CADA BLOCO 4. REFERÊNCIAS BIBLIOGRÁFICAS ANEXOS

5 EXPERIMENTOS EM LÁTICE: PLANEJAMENTO E ANÁLISE POR MEIO DE PACOTES ESTATÍSTICOS. INTRODUÇÃO Frederco Pentel Goes Carlos Henrqe Garca Os delneaentos retclados (o látces) pode ser de qatro tpos báscos: a. Látces qadrados ("sqare latlces") b. Látces retanglares c. Látces cúbcos d. Qadrados látces ("Iatlce sqares") Nos látces qadrados o núero de trataentos (v) deve ser qadrado perfeto, por exeplo v = 6 = 4, o v = 00 = 0, o seja, no caso geral, V = k. Nos látces retanglares deveos ter v = k (k + ). Por exeplo, para k = 4, o látce retanglar deve ter v = 4 (4 + ) = 0 trataentos. Já no látce cúbco o núero de trataentos deve ser cbo perfeto: v = k 3. Por exeplo, para k = 4, o núero de trataentos é v = 4 3 = 64. Os qadrados látces o qadrados retclados são delneaentos qe se caracterza por ser qadrado perfeto o núero v = k de trataentos, dspostos e lnhas e colnas de k parcelas cada, à seelhança do qe ocorre co os qadrados latnos. Os látces retanglares, os látces cúbcos e os qadrados látces são delneaentos raraente sados na ataldade. Este trabalho estda apenas os látces qadrados (o retclados qadrados), de so relatvaente co.. CARACTERÍSTICAS DOS LÁTICES QUADRADOS O núero de trataentos (v) deve ser qadrado v = k, e eles são dstrbídos e repetções, cada a co k blocos de k parcelas. Por exeplo, no caso de v = 6 = 4 podeos ter = 3 repetções, cada a co 4 blocos de 4 parcelas coo se vê a segr. º bloco º bloco º bloco º bloco ª repetção ª repetção 3ª repetção Ass, o º bloco da ª repetção encerra os trataentos,, 3, 4, já o 3º bloco da ª repetção ncl os trataentos 3, 7,, 5. Prof. Catedrátco aposentado da ESALQ/USP e Consltor do IPEF Engenhero Florestal Pesqsador do IPEF

6 Note-se qe os trataentos de qalqer bloco da ª repetção se dstrbe por todos os blocos da ª repetção o da 3ª. Por exeplo, o º bloco da ª repetção ncl os trataentos 5, 6, 7, 8; na ª repetção o trataento 5 está no º bloco, o 6, no º, o 7 no 3º e o 8 no 4º bloco. Por sa vez, na 3ª repetção, o trataento 5 está no º bloco, o 6, no º, o 7, no 4º, e o 8, no 3º. Fato seelhante ocorre co qalqer bloco de qalqer daqelas três repetções, sto é, os trataentos de bloco qalqer de a repetção qalqer se dstrbe pelos blocos de qalqer otra repetção: este é o prncípo fndaental do delneaento e látce (o retíclado) qadrado. Repetções co esta propredade se dze ortogonas. Teos, pos, nesse exeplo, 3 repetções ortogonas do látce de v = 4 = 6 trataentos. No látce de v = k trataentos, co k, podeos obter sepre pelo enos 3 repetções ortogonas. Mas no caso de k ser núero pro, tal coo k =, 3, 5, 7, o 3, o a potênca de núero pro, tal coo k = 4 =, o k = 8 = 3, o k = 9 = 3, pode-se obter sepre k + repetções ortogonas. Fora desses casos, sto é, para k = 6, k = 0 o k =, não há possbldade de obter k + repetções ortogonas, as se pode consegr três para k = 6 o 0, e qatro, para k =. Qando, n retclado qadrado co v = k trataentos, saos k + repetções ortogonas, teos o qe se chaa, látce balanceado o eqlbrado. Neste caso, qalqer trataento ocorre jntaente co qalqer otro j a e a só vez no eso bloco. Qando, ao contráro, o núero() de repetções ortogonas é nferor a k +, há pares de trataentos qe ocorre no eso bloco (a só vez): são os preros assocados, e há otros e qe sso não ocorre: são os segndos assocados. Ass, no látce de três repetções ortogonas de nosso exeplo, os trataentos 3 e 4 são preros assocados, pos aparece jntos no bloco da ª repetção. O eso acontece co os trataentos 7 e 5, qe aparece jntos no 3º bloco da ª repetção. Já os trataentos e 7 são segndos assocados, pos jaas aparece no eso bloco, nesse experento. Tas látces, e qe teos k, se dze parcalente eqlbrados o parcalente balanceados. Nos látces correspondentes a k =, 3, 4, 5, 7, 9, e 3 pode-se sepre sar k + repetções ortogonas e obter, ass, látce balanceado. Já para k = 6, 0 e, tal possbldade não exste, e o látce será sepre parcalente eqlbrado. U delneaento e látce co das repetções ortogonas ( = ) constt o retclado dplo ("doble lattce"), tabé chaado sples ("sple lattce"). No caso de = 3, teos o látce trplo ("trple lattce"). O látce eqlbrado (o balanceado), co = k +, pode ser analsado coo delneaento e blocos ncopletos eqlbrados (o balanceados), de análse to as fácl. Já os látces parcalente eqlbrados, sepre co preros e segndos assocados, tê análse to as dfícl. 3. AS TRÊS ANÁLISES DO LÁTICE Para qalqer delneaento e látce, há três tpos de análse be dferentes: I) A análse co blocos casalzados, a as sples, as só convenente qando os efetos de blocos são peqenos o nlos. II) A análse ntrablocos, qe é exata e leva e conta as dferenças entre blocos, geralente portantes.

7 III) A análse co recperação da nforação ntrablocos, as sofstcada, qe condz a resltados apenas aproxados, as qe é, tas vezes, a as efcente. Para cada experento, convé pesqsar qal das três análses é preferível. 4. ANÁLISE COMO BLOCOS CASUALIZADOS Toareos coo exeplo látce qadrado trplo de 4 x 4 qe consta do lvro de PIMENTEL-GOMES (990), cjos dados são reprodzdos na Tabela, e cjas repetções (ortogonas) sege o esqea ndcado na seção. Tabela Dados de látce qadrado trplo de 4 x 4. (),0 (5),3 (9),6 (3),3 (), () 3, (3) 3, (4) 4,0 () 3,0 (),8 (3),7 (4) 4,4 ª Repetção Totas de blocos (),9 (3), (4) 3,9,0 (6),5 (7),4 (8),7 7,9 (0) 3,0 (),5 (), 8, (4) 3,4 (5),0 (6),8 0,5 37,6 ª Repetção Totas de blocos (5),3 (9),7 (3),4 8,6 (6),8 (0),6 (4),7,3 (7),9 (),5 (5), 0,9 (8),8 (),7 (6) 4,5,0 4,7 3ª Repetção Totas de blocos (5),9 (),6 (6) 3,,6 (6),9 (),9 (5),5 9, (7),0 (9),4 (4),3 7,4 (8) 3,7 (0) 3,3 (3), 3,6 4,7 A análse coo blocos casalzados se faz consderando qe cada a das três repetções é bloco copleto casalzado. Os cálclos são fetos pelas fórlas conhecdas para esse tpo de delneaento (PIMENTEL-GOMES, 990, capítlo 5). Para efetá-los, podeos lançar ão de qalqer pacote estatíttco, coo por exeplo, o SAEG, o SANEST, o SOC o o SAS. Os resltados obtdos são os segntes (Lstage n o ). C. de Varação G.L. S.Q. Q.M. F Repetções Trataentos 5 0,779,038 0,3590 0,805,0,9 Resídos 30 0,588 0,350 =,59 CV = 3,48%

8 Esta análse não leva e conta a provável heterogenedade dos blocos e, pos, fornece, e geral, QM Resído nflaconado, prncpalente no caso de experentos co árvores, e qe as parcelas e os blocos são necessaraente be aores do qe nos ensaos co plantas peqenas. As édas dos trataentos, calcladas da fora sal para os experentos e blocos casalzados, são dadas na tabela. Tabela Médas dos trataentos (não ajstadas) do ensao e látce trplo cjos dados consta da Tabela. Trataento Méda (não aj.) Trataento Méda (não aj.) ,40,60,33 4,0,7,73,67, ,90,97,0,57,97,83,30,47 Vereos adante e qe condções este tpo de análse pode ser recoendada. 5. A ANÁLISE INTRABLOCOS A análse ntrablocos dos látces se basea no tradconal étodo dos qadrados ínos, tal coo o qe é feta para os delneaentos nteraente casalzados o e blocos copletos casalzados. Toareos coo exeplo látce trplo qe consta de lvro de PIMENTEL- GOMES (990), cjos dados são reprodzdos na Tabela, e cjas repetções (ortogonas) sege o esqea ndcado na seção. 5.. Análse pelo SAS A análse ntrablocos de látces qadrados parcalente eqlbrados pode ser feta pelo prograa GLM do SAS. Co os dados da Tabela esse prograa de os resltados segntes para a análse da varânca do tpo I (Lstage n o ). C. de Varação G.L. S.Q. Q.M. F Prob. Repetções Blocos (Repetções)(não aj.) Trataentos (aj.) 9 5 0,779 8,694 9,495 0,3590 0,9577 0,6330,69 4,5,99 0,08 0,00 0,008 Resído 4,453 0,0 =,59 CV = 8,5%

9 É portante salentar qe nessa análse (de tpo I), só é valdo o teste F aplcado às Repetções e aos Trataentos. Co efeto, nos látces o teste F para Blocos dentro de Repetções, ndcados coo Blocos (Repetções) só pode ser aplcado se o QM respectvo tver sdo ajstado para efetos de Trataentos. Por sa vez o teste só pode ser aplcado para Trataentos se o QM respectvo tver sdo ajstado para Blocos. Na análse de tpo I do SAS, feta na orde ndcada, o QM Trataentos está ajstado, as o QM Blocos (Repetções) não está. Logo é váldo o F para Trataentos, as não é váldo o F para Blocos (Repetções). O as correto nesse caso, sera ndcar a análse da varânca da anera segnte, se calclar o F para Blocos (Repetções). C. de Varação G.L. S.Q. Q.M. F Prob. Repetções Blocos (Repetções)(não aj.) Trataentos (aj.) Resído 9 5 0,779 8,694 9,495 4,453 0, ,6330 0,0,69...,99 0, ,008 As retcêncas (...) ndca qe o valor correspondente não fo calclado. Se qseros aplcar o teste F tanto a Trataentos coo a blocos, é preferível sar a análse de tpo III do SAS, dada a segr, e qe os Trataentos estão ajstados e tabé os Blocos. C. de Varação G.L. S.Q. Q.M. F Prob. Repetções Blocos (Repetções)(não aj.) Trataentos (aj.) Resído 9 5 0,779 6,0765 9,495 4,453 0,3590 0,675 0,6330 0,0,69 3,8,99 0,08 0,038 0,008 Neste caso, é váldo o teste F tanto para Repetções, coo para Blocos (Repetções) e tabé para Trataentos. E se verfca qe há dferença sgnfcatvas tanto para Blocos coo para Trataentos. 5.. Análse pelo SAEG A análse ntrablocos de látces qadrados tabé pode ser feto pelo prograa ANOVAG do SAEG. Para sso consderaos, no caso dos dados da Tabela, qe teos blocos ncopletos co 6 trataentos, sto é, não se leva e conta as Repetções. A análse da varânca obtda é a segnte (Lstage n o 3). C. de Varação G.L. S.Q. Q.M. F Prob. Blocos (aj.) Trataentos (aj.) 5 6,7944 9,495 0,677 0,6330,9,99 0,069 0,008 Resído 4,453 0,0 =,59 CV = 8,5%

10 Nesta análse o QMTrataentos é ajstado para efetos de Blocos, logo o teste F para trataentos é váldo. Por otro lado, a SQBlocos é ajstada para efetos de trataentos, de sorte qe tabé é váldo o teste F =,9 respectvo. Convé salentar, poré, qe teos aí: SQBlocos(aj.) = SQRepetções + SQB(Repetções)(aj.). Se qseros testar o efeto de Blocos dentro de Repetções, é fácl calclar SQRepetções e obter onde SQB(Repetções)(aj.) = SQBlocos(aj.) SQRepetções, (,) SQRepetções = [(37,6) + (4,8) + (4,7) ] - = 0, Nota-se qe G =, = 37,6 + 4,8 + 4,7 é o total de todas as parcelas do experento e qe C = (/48)(,) é a correção. No presente caso teos, pos: SQB(Rep.)(aj.) = 6,7944 0,779 = 6,0765, 6,0765 QMB(Rep.)(aj.) = = 0,675, 9 0,779 QMRepetções = = 0,3590, Ua vez qe há G.L. para Repetções e 9 para Blocos dentro de Repetções. Podeos aplcar o teste F para Blocos dentro de Repetções (aj.), ass: 0,675 F = = 3,8 0,0 Mas, e geral, não há nteresse e fazer este teste. O prograa dá tabé as édas de trataentos ajstadas, qe são as esas da Tabela Análse pelo SANEST

11 Tabé para o SANEST.consderaos, no caso dos dados da Tabela, qe teos blocos ncopletos, co 6 trataentos, sto é, não se leva e contas as Repetções. A análse da varânca obtda é a segnte (Lstage n o 4). C. de Varação G.L. S.Q. Q.M. F Prob. Blocos (aj.) Trataentos (aj.) 5 6,7944 9,495 0,6330,99 0,008 Resído 4,453 0,0 =,59 CV = 8,5% Coo teos SQBlocos(aj.), pode-se copletar o qadro da análse de varânca para fazer o teste de blocos, ass: 6,7944 QMBlocos (aj.) = = 0,677, 0,677 F = =,9 0,0 Por otro lado, podeos tabé, coo no caso do SAEG, obter: SQB(Rep.)(aj.) = SQBlocos(aj.) - SQRepetções = 6,7944 0,779 = 6,0765, 6,0765 QMB(Rep.)(aj.) = = 0,675, 9 0,675 F = =,9 0,0 Mas, e gera, não há nteresse e fazer este teste Análse pelo SOC Tabé para o SOC, consderaos, no caso dos dados da Tabela, qe teos blocos ncopletos, co 6 trataentos, sto é, não se leva e conta as repetções. A análse da varânca obtda é a segnte (Lstage n o 5):

12 C. de Varação G.L. S.Q.(seq.) Q.M. F Prob. Blocos (aj.) Trataentos (aj.) 5 9,3373 9,495 0,8488 0,6330 4,00,99 0,003 0,0 Resído 4,453 0,0 Total 47 3,848 Nesse caso, a SQBlocos não é ajstada, logo o teste F para Blocos não é váldo. Mas loco a segr o prograa da nova análse co a Soa de Qadrados ajstada. Ela é a segnte: C. de Varação G.L. S.Q.(par.) Q.M. F Prob. Blocos 6,7944 0,677,9 0,07 Trataentos 5 9,495 0,6330,99 0,0 Agora, abas as Soas de Qadrados são ajstadas, logo são váldos os valores de F obtdos nos dos casos. No entanto, o qe aí aparece coo SQBlocos (aj.) na verdade ncl a SQRepetções, sendo: SQBlocos(aj.) = SQRepetções + SQB(Rep.)(aj.), Co as conseqüêncas já vstas para análse pelo SANEST Coparação de Médas O prograa GLM do SAS nos dá tabé as édas de trataentos (se ajste) (Tabela ) e as copara pelo teste de Tkey. Usa então a dferença ína sgnfcatva. = q = 5,46 =,45 QMResído 0,0 3 Mas essa aplcação do teste de Tkey à coparação entre as édas não ajstadas não é correta. O fato de haver ponderáves dferenças entre blocos (coo ostra o teste F = 3,8 para Blocos (Repetções)(ajstados) exge, evdenteente qe se copare as édas ajstadas, sto é, as édas qe fora corrgdas para as dferenças entre blocos. Tas édas são dadas pelo GLM coo o noe de least sqare eans, e costa da Tabela 3. Elas dfere bastante das édas não ajstadas, coo se vê pela esa Tabela. Para copará-las entre s precsaos conhecer a varânca da dferença entre das delas. Qando elas são édas de preros assocados, sto é, de trataentos qe ocorre e eso bloco, a estatva dessa varânca é:

13 Vr V ( ) = (+ onde Vr = QMResído, é o núero de repetções e k é o taanho de cada bloco. Tabela 3 Médas dos trataentos do ensao e látce trplo cjos dados consta da Tabela. Trat. Méda não aj. Méda aj ,40,60,33 4,0,7,73,7,90,97,0,57,97,83,30,47,,70,44 3,95,44,7,66,9,89,98,85,59,9,08,6 Para segndos assocados, sto é, para trataentos e qe não ocorra e eso bloco, a estatva é: V( Vr ) = [ + ) k ] ( -)k No caso presente obteos, para preros assocados: x 0,0 V( ) = [+ 3 Consderando os trataentos e 4, qe são preros assocados, teríaos a dferença ína sgnfcatva ao nível de 5% de probabldade, pelo teste de Tkey: = q = 5,46 =,63 0,50 V ( 0,50 x 0,767 ) ] 4

14 Este é o valor correto, e não o =,45 antes enconado. Coo a dferença 4 = 3,95, =,74, verfca-se qe é sgnfcatva ao nível de 5% de probabldade, pelo teste de Tkey. É bastante co fazer tabé a coparação pelo teste t, qe nos dara a dferença ína sgnfcatva (ds), ao nível de 5% de probabldade, de: ds = t s ( =,08 = 0,874, 0,767 ) = t V ( ) onde t =,08 é trado das tabelas co G.L. Sendo 4 = 3,95, =,74, contna sgnfcatva a dferença observada. O teste de Dncan se aplca tal coo o de Tkey, as sbsttndo q por z e tendo e ra ordenação das édas ajstadas (PIMENTEL-GOMES, 990, capítlo 3). No caso de segndos assocados, tas coo os trataentos e 0, teos: = q = 5,46 =,70 Vr V( ) = [+ V( Neste caso o teste de Tkey nos dá: 0,50 V ( e, para o teste t: ds = t =,08 = 0,97 0,50 x 0,943 V ( 0,943 ) ) ], ( -)k x 0,0 3 ) = (+ ), 3 x 4 = 0,943 Coo a dferença observada 0 =,89, = 0,68, verfca-se não ser sgnfcatva ao nível de 5% de probabldade pelo teste t. É sal, poré, não dstngr trataentos preros o segndos assocados, coparando das édas qasqer por eo de a varânca, cja estatva é dada pela fórla:

15 V( Vr ) = [+ ( -)(k ], + ) x 0,0 3 = (+ ), 3 x 5 = 0,837, Neste caso teos = q = 5,46 =,655, ds = t =,08 0,50 V ( = 0,89 0,50 x 0,837 V( 0,837 ) ) A coparação das édas ajstadas ( least sqare eans ) pelo teste t é feta pelo GLMdo SAS. Mas, coo é realzada para todos os 0 pares qe se pode obter co os 6 trataentos, tal coparação é nacetável, por levar a níves excessvos de erro de tpo I. O SAEG e o SANEST não faze as coparações entre édas ajstadas. O pesqsador poderá, poré, copletar o trabalho, co aplcação do teste de Tkey, do de Dncan o do t da anera ndcada. Nocaso do teste de Tkey, ao nível de 5% de probabldade, teos =,70 para segndos assocados, o =,655 e éda, para qalqer caso. Por sa vez, o teste t se aplcara co ds = 0,974 para preros assocados, ds = 0,97 para segndos assocados, e ds = 0,89 e éda, para qalqer caso Estdo de contrastes as coplexos Consdereos constraste y = c + c c v v, a estatva de varânca de sa estvatva é dada pela fórla (PIMENTEL-GOMES, 987): V(Y) Vr + ( -)k + ( -)k C C = C j co j, onde se refere apenas aos valores de e de j tas qe os trataentos correspondentes seja preros assocados.

16 Teos: Por exeplo, para o contraste Y = , C = (-) + (-) + () x 6, ' CC j = CC3 + CC 4 + C3 C 4 = (-)(-) + ()() + (-)() = - 3 Aparece todos os prodtos C C 3, C C 4 e C 3 C 4 porqe todos eles se refere a preros assocados, a vez qe os trataentos, 3 e 4 ocorre, todos eles, no º bloco da ª repetção. Teos, pos: V (Y ) = 0, (-3) = 0, x 4 3 x x 4 A dferença ína sgnfcatva, pelo teste t, ao nível de 5% de probabldade, sera, pos: A estatva do contraste é: ds = t V(Y ) =,08 0,5300 =,5 Y = -,,44 + x 3,95 = 3,5. Coo teos 3,5 >,5, verfca-se qe o contraste é sgnfcatvo ao nível de 5%. Otro odo (aproxado) de estar V(Y ) se basea na Varânca Efetva Méda calclada pela fórla: VEf(éda) = Vr + = 0,0 + = 0,756 ( -)(k 3 x 5 + ) A segr se aplca a fórla sal da varânca de contraste, co o so da Varânca Efetva no lgar do QMRes. = s.

17 Obteos, pos: V(Y ) = (/) C x VEf = (6/3) x 0,756 = 0,55 Este valor, as fácl de calclar, no caso presente speresta a varânca. E otros casos, pode sbestá-la. U exeplo as coplexo sera dado pelo contraste Y = Pertence a preros assocados os pares: (,5), (5,7) e (7,). Os deas, sto é: (,7), (,) e (5,) se refere a segndos assocados. Teos, pos: A varânca é, pos: C ' C C = () j + () (Y ) = 0,0 + 3 =,483. V + () + (-3) =, = ()() + ()() + ()(-3) = - x 4 + Pela fórla da Varânca Efetva obteríaos: 3 x x 4 (-) V (Y ) = C VEf = x 0,7567 =,04 3 Neste caso, pos, a fórla da Varânca Efetva nos dá valor sbestado. Co qalqer desses valores podeos aplcar o teste de Scheffé, qe nos dá o valor crítco: S = (v -) V(Y)F, onde v é o núero de trataentos e F é o valor das tabelas, relatvo ao teste de trataentos na análse de varânca. Ao nível de 5% de probabldade, co 5 G.L. para trataentos e para o resído, teos F =,8. Coo V = 6 trataentos e V(Y) =,483, teos: A estatva de contraste é: S = 5 x,483 x,8 = 6,3 Y =,70 +,44 +,48 3 x,98 =,68

18 Não atnge, pos, o nível de 5% de sgnfcânca. Se tvésseos toado o valor aproxado para a varânca (,04), o valor tera sdo S = 6,00, e vez de 6,3. 6. A EFICIÊNCIA DO LÁTICE Para calclar a efcênca, convé, antes de as nada, fazer a análse do experento coo blocos ao acaso. No exeplo a qe refere a Tabela, tal análse dá os segntes resltados. C. de Varação G.L. S.Q. Q.M. F Repetções Trataentos Resído ,779,038 0,588 0,3590 0,805 0,350,0,9 Para calclar a efcênca (Ef) saos a fórla: QMRes(Blocos Casalzados) Ef = Var. Efetva Acontece, poré, qe há três Varâncas Efetvas: A. Varânca efetva para preros assocados VEf() = Vr + = 0,0 (+ /4) = 0,650 k B. Varânca efetva para segndos assocados VEf() = Vr + = 0,0 (+ 3/ x 4) = 0,95 ( -)k C. Varânca efetva éda, qe se denona splesente Varânca efetva, e geral. VEf(éda) = Vr + = 0,0 (+ 3/ x 5) = 0,756 ( -)(k + ) Concl-se, pos qe teos três dstntas efcêncas para o látce: A. Para preros assocados: 0,350 Ef() = =,353 = 3,5% 0,650

19 B. Para segndos assocados: C. E éda: 0,350 Ef() = =,04 = 0,4% 0,95 0,350 Ef(éda) = =,74 = 7,4% 0,756 Para qe o látce tenha efcênca elevada é necessáro qe seja grande o efeto dos blocos. No caso de áreas experentas nfores o de blocos al localzados, o látce pode ter efcênca da orde de 00% e sera eqvalente a ensao e blocos copletos casalzados. 7. O PROBLEMA DAS PARCELAS PERDIDAS Na prátca agronôca o florestal os látces são geralente sados para copetção de cltvares nerosos, não raro e núero speror a 00. Nestas condções, são relatvaente cons as parcelas perddas. Havendo a parcela perdda, há dos étodos para obter a análse da varânca: A. Calclar valor, qe sbstt o qe se perde, fazer cálclos todos da fora sal, as descontar gra de lberdade no Resído. B. Utlzar prograa de coptador qe trabalhe dretaente co os dados dsponíves. Caso A Estação da Parcela Perdda Essa estação pode ser feta pela fórla segnte, cada por COCHRAN & COX (957): ( -)k T R + G kc + kc' X =, ( -)(k -)(k - k -) one: é o núero de repetções ortogonas; k é o taanho do bloco; T é o total das parcelas dsponíves para o trataento e qe se perde a parcela, R é o total das parcelas restantes na repetção e qe fgra a parcela perdda e G é o total de todas as parcelas dsponíves no experento. Resta defnr C e C. Teos: C = Total (para todas as repetções) de todos os trataentos do bloco relatvo ao trataento co parcela perdda B, onde B é o total do bloco e consderação. C = Total dos valores de C calclados para todos os blocos qe contenha o trataento co parcela perdda. Exeplo; Sponhaos qe se perdesse a parcela relatva ao trataento, no º bloco da ª repetção, cjo valor na tabela é,0. Obteos:

20 T =, + 3,0 = 5,, R =,9 +, + 3,9 +, ,8 = 35,6, G = 35,6 + 4,7 + 4,7 = 9,. Os totas dos trataentos,, 3 e 4, qe ocorre no º bloco da ª repetção são: e o total do bloco é: T = 5,; T = 7,8; T3 = 7,0; T4 =,3, B =,9 +, + 3,9 = 9,0. O valor de C para o º bloco da ª repetção é, pos, C = 5, + 7,8 + 7,0 +,3 = 3 x 9,0 = 5,3 O valor de C para o º bloco da ª repetção, onde tabé ocorre o trataento, é: C = T + T 5 + T 9 + T 3 3 x B = 5, + 6,5 + 5,7 + 5,9 3 x 8,6 = -,5. Já para o º bloco da 3ª repetção, onde galente ocorre o trataento, obté-se: Logo: C = T + T 6 + T + T 6 3 x,6 = 5, + 8, + 6,6 + 7,4 3 x,6 = -7,4. C = 5,3 + (-,5) + (-7,4) = -4,6. Ass sendo, o valor x, estado para a parcela perdda, é: x 6 x 5, - 3 x 35,6 + 9,- 3 x 4 x 5,3 + 4 (-4,6) X = x 3 x (3 x 4-4 -) =,30 Este valor é sbsttído no lgar da parcela perdda (cjo valor real era,00) para o trataento no º bloco da ª repetção e se faz, no coptador, a análse ntrablocos coo se não hovesse nenh dado perddo. Os resltados, obtdos pelo SAS, são os segntes, co os dados do tpo I (Lstage n o 6).

21 C. de Varação G.L. S.Q. Q.M. F Blocos Trataentos Resído 5 9,494 9,57 4,44 0,863 0,60 0,0 4,,90 Essa análse, ebora não esteja correta, nos perte calclar os valores corretos. E prero lgar, o núero de gras de lberdade do Resído deve ser 0 (e não ), a vez qe hove perda de a parcela. A SQResído = 4,43 está certa, as o qadrado édo correspondente é: 4,44 QMResído = = 0,06 0 Por otro lado, não está correta a Soa de Qadrados de trataentos, qe deve estar sobrestada. Para obter o valor correto, clacla-se nova estatva para a parcela perdda, pela fórla: B X =, k - onde B é o total das parcelas restantes no bloco co parcela perdda, e k é o taanho orgnal do bloco. No nosso caso, teos B =,9 +, + 3,9 = 9,0 e k = 4, logo: 9,0 X = = 3, Co este lado sbsttído no lgar do valor perddo (,00), fazeos a análse da varânca e qe otos a contrbção dos trataentos, sto é, soente co Blocos e Resído. Este Resído, qe ncl Trataentos, se chaa Resído Condconal. Os resltados obtdos são os segntes: C. de Varação G.L. S.Q. Blocos Resído Condconal 35 0,006 3,975 Total 46 3,8 O valor correto da Soa de Qadrados de Trataentos (ajstada) se obté ass: SQT = SQRes. Condconal SQResído = 3, = 8,785 Obteos, pos, a segnte análse da varânca:

22 C. de Varação G.L. S.Q. Q.M. F Blocos Trataentos(aj.) Resído 5 0 9,494 8,785 4,43 0,5857 0,06,66* Esta é a análse correta para o ensao co parcela perdda. As édas ajstadas são obtdas da anera sal, co o axílo do valor estado x =,30. Caso B. Análse pelo Coptador co os Dados Dsponíves A análse pode ser feta co axílo do SAS (prograa GLM) o do SAEG (prograa ANOVAG). A análse pelo SAS dá os resltados segntes para o tpo I (Lstage n o 7). C. de Varação G.L. S.Q.(seq.) Q.M. F Prob. Blocos (não aj.) Trataentos (aj.) Resído 5 0 9,8080 8,785 4,43 0,896 0,5857 0,06 4,04,65 0,0033 0,05 O teste F para Blocos não é correto, e não devera ser calclado, as são certos os resltados para Trataentos e para Resído. As édas ajstadas, co o noe de LSMeans, sto é, édas obtdas pelo étodo dos qadrados ínos, são as segntes: Trataento Méda (aj.) Trataento Méda (aj.) ,3,67,4 3,93,45,73,48, ,30,89,99,85,60,9,08,8 Os resltados obtdos pelo SAEG são os esos. Podeos dar agora exeplo co das parcelas perddas, o valor referente ao trataento no º bloco da ª repetção (qe era,00) e o relatvo ao trataento, no 3º bloco da ª repetção (qe era,50). Tanto o SAS coo o SAEG dão os resltados segntes (Lstage n o 8). C. de Varação G.L. S.Q.(seq.) Q.M. F Prob. Blocos (não aj.) Trataentos (aj.) Resído ,79 4,409 0,8977 0,583 0,3 3,87,50 0,0048 0,0306

23 Anda neste caso, o teste para Blocos não é váldo, as o teste para Trataentos é correto, pos são váldas as estatvas para SQT(aj.) e para SQRes. As édas ajstadas são as segntes: Trataento Méda (aj.) Trataento Méda (aj.) ,30,68,4 3,93,45,73,49, ,30,89,97,85,60,9,08,7 Co as de das parcelas perddas, o procedento é o eso. 8. ANÁLISE DE EXPERIMENTOS EM LÁTICES QUADRADOS COM RECUPERAÇÃO DA INFORMAÇÃO INTERBLOCOS E todos os experentos e blocos casalzados, copletos o ncopletos, o odelo ateátco, relatvo à parcela qe recebe o trataento no bloco j é: Onde: é a éda geral, t é o efeto do trataento, b j é o efeto do bloco j, e j é o erro aleatóro relatvo à parcela. Y j = + t + b j + e j Adte-se, na análse dos experentos e blocos copletos e tabé na análse ntrablocos dos experentos e blocos ncopletos (tas coo os látces qadrados), qe os efetos de blocos são fxos e qe o erro e j te varânca, gal para todas as parcelas. Mas há, no caso de blocos ncopletos, otro tpo de análse, be dferente, a análse co recperação da nforação nterblocos, e qe o efeto de blocos bj se consdera tabé aleatóro, co varânca σ, gal para todos os blocos. Nessa análse é b essencal conhecer o qocente / σ. Coo dele só se te a estatva, os testes nela b aplcados não são exatos. Há dos étodos para a recperação da nforação nterblocos. Abos tlza as estatístcas: V b = QMBlocos dentro de Repetções (ajstado), V r = QMResído. Tas étodos são o de COCHRAN & COX (957) e o de BOSE (954), exposto e copletado por PIMENTEL-GOMES (954 e 990).

24 Qalqer desses dos étodos, aplcados aos dados da Tabela, nos leva à segnte análse da varânca: C. de Varação G.L. S.Q. Q.M. F Blocos (Rep.)(aj.) Trataentos (aj.) Resído 9 5 6,0765 9,605 4,453 V b = 0,675 0,640 V r = 0,0 3,0 Note-se qe o novoqmt(aj.) spera o valor obtdo pela análse ntrablocos (se recperação da nforação nterblocos), qe era 0,6330, e vez de 0,640. Neste caso o acrésco é to peqeno, as, e casos favoráves, pode ser portante. Coo conseqüênca, aenta tabé o valor de F para trataentos (ajstados), qe é agora F = 3,0, e vez de F =,99. Isto é a vantage. Mas, por otro lado, o teste F aplcado a esta nova análse não é exato, as apenas aproxado. Tabé são apenas aproxados os testes de coparação de édas aplcados às novas édas ajstadas de trataentos. Coo regra geral, consdera-se qe a aproxação é razoável desde qe tenhaos pelo enos 0 gras de lberdade para Blocos dentro de Repetções e tabé para o Resído (COCHRAN & COX, 957). 8.. O Método de Cochran & Cox Os ajstes a sere fetos na análse da varânca ntrablocos tlza a estatístca M, cja estatva é dada pela fórla: Vb - Vr M = k( -)V onde k é o núero de parcelas por bloco e é o núero de repetções ortogonas (PIMENTEL-GOMES & GARCIA, 990). Note-se qe COCHRAN & COX (957) sa a letra grega, e lgar de M, para representar essa estatístca. A teora deonstra qe: onde E ndca esperança ateátca. k( -) E(Vb ) = σ + σ b E(V ) = σ, r Coo teos σ b 0, é o de se esperar qe se obtenha V b V r. Mas, eventalente, devdo à varação do acaso, podeos ter V b V r. Neste caso, toa-se M = 0, adte-se qe não haja efeto de blocos e se analsa o látce coo experento e blocos copletos casalzados, co repetções (COCHRAN & COX, 957). Por otro lado, teos sepre b,

25 M < k( -) 8.. O Método de Base Neste étodo, os ajstes a sere fetos na análse da varânca nterblocos tlza a estatístca a, cja estatva é dada pela fórla ( -) Vr a =, Vb - Vr Coo vos, é de se esperar, pela teora, qe se obtenha V b V r. Mas, eventalente, devdo à varação do acaso, podeos ter V b V r. Neste caso, toa-se a =. Por otro lado, para V b >V r obteos sepre 0 < a. Ass, sendo, o valor a satsfaz às desgladades. 0 < a < Co a = 0, nenh ajste é feto, e voltaos à análse ntrablocos, se nenha alteração. Co a =, a análse co recperação se torna dêntca à de blocos casalzados. Mas para 0 < a <, a análse co recperação da nforação nterblocos dfere das otras das. Coo regras prátcas sgere-se as segntes: A. para a > 0,8, analsar coo blocos casalzados, B. para a < 0,, sar a análse ntrablocos, C. para 0, a 0,8, sar a análse co recperação da nforação nterblocos. É nteressante salentar qe o valor de a pode ser obtdo da estatístca M sada no étodo de Cochran & Cox, pos teos: - k( -) M a = + km A varânca estada para contraste entre as édas de dos trataentos preros assocados é dada pela fórla: V( ) * V = r Vb - Vr +, kvb onde o asterístco ndca e se fez a recperação da nforação nterblocos.

26 Para segndos assocados, a fórla é: V( ) * V = r + ( -) k Vb - Vr, V b O as co, poré, é sar a varânca éda, a ser aplcada ndscrnadaente. Ela é dada pela fórla: V( ) * Vr = + ( -)(k + ) Vb - Vr, V b 8.3. Exeplo de Análse co Recperação Usareos otra vez os esos dados da Tabela. O prograa LATICE do CIAGRI dá os resltados segntes (Lstage n o 9). C. de Varação G.L. S.Q. Q.M. F Repetções Blocos (Rep.)(aj.) Trataentos (aj.) Resído 9 5 0,779 6,0765 9,605 4,453 0,3590 V b = 0,675 0,640 V r = 0,0,69 3,0 O valor de M é 0,086, e nos dá: - k( -) M - 4 x x 0,086 a = = = 0,3. _ km + 4 x 0,086 Este valor, relatvaente baxo, já nos faz prever qe a recperação da nforação nterblocos não tratá grandes vantagens. O prograa nos dá tabé varânca da dferença entre as édas de dos trataentos: para preros assocados, V( ) * = 0,656, V( ) * = 0,777, para segndos assocados e, e éda para qalqer caso: V( ) * = 0,704, Esses valores, dados pelo coptados, pode ser calclados pelas fórlas segntes:

27 Para preros assocados: V( ) * V = r Vb - Vr +, kvb Para segndos assocados: Estatva éda: V( ) * V = r + ( -) k Vb - Vr, V b V( ) * Vr = + ( -)(k + ) Vb - Vr, V b E todos os casos, toa-se V b V r = 0 qando se obté V b < V r. Note-se qe o prograa da tabé a Varânca Efetva Méda, calclada pela fórla: V(éda) * = V r + ( -)(k + ) V b - V V b r = 0,5565 As novas édas ajstadas são apresentadas, e consta da Tabela 4 (Lstage n o 9). Tabela 4 Médas ajstadas obtdas na análse co recperação da nforação nterblocos. Trataento Méda (aj.) Trataento Méda (aj.) ,7,67,4 4,00,36,7,54, ,7,9,05,76,7,90,5,6 Calcleos, co a varânca éda para a dferença entre as édas de dos trataentos, o valor de referente ao teste de Tkey. Teos:

28 = q = 5,46 =,594 (0,50) V( (0,50) 0,704 Já o ds, relatvo ao teste t, nos dara: ds = t =,08 = 0,859 V( 0,704 ) * ) * A dferença 4 3 =,90,7 =,9 é, pos, sgnfcatva pelo teste t, as não pelo teste de Tkey. Cálclos seelhantes pode ser fetos, se qser, para trataentos preros assocados o segndos assocados, separadaente. O prograa LATICE do SAEG (Lstage n o 0) calcla as édas ajstadas e o valor M = 0,086, as não dá o QMTrataentos (ajstados) e não aplca o teste F. E lgar dos valores de V( ) ele dá a varânca efetva éda VEf = 0,556. Co ela calclaos a varânca éda para a dferença entre das édas qasqer pela fórla: V( * ) = VEf(éda) = 0,556 3 = 0,704 Co este valor podeos aplcar os testes t e de Tkey do odo já conhecdo. O prograa PROC LATTICE do SAS (Lstage n o ), tabé não dá o QMTrataentos (ajstados) e não aplca o teste F, as apresenta os valores de V( ) para preros assocados, para segndos assocados e para o valor édo, de so geral. Co eles se pode calclar a dferença ína sgnfcatva pelo teste de Tkey () e a dferença ína sgnfcatva pelo teste t (ds) A Efcênca do Látce na Análse co Recperação da Inforação Interblocos. Para calclar a efcênca (Ef * ) saos a fórla: * Ef = QMResído (Bloco Casalzados) * Varânca Efetva Tal coo no caso da análse ntrablocos, aq há três Varâncas Efetvas e, pos, três efcêncas.

29 A. Varânca Efetva para preros assocados e a efcênca é: logo VEf() * = Vr + k = 0,0 + = 0,484 Vb - V V 4 b r 0,675-0,0 0,675 0,350 Ef() * = =,43 = 4,3% 0,484 B. Varânca Efetva para segndos assocados VEf() * = Vr + = 0,0 + = 0,665 ( -)k 3 x 4 Vb - V V b r 0,675 0,675-0,0 0,350 Ef() * = =,37 = 3,7% 0,665 C. Varânca Efetva éda, qe, e geral, se denona splesente Varânca Efetva logo VEf(éda) * = Vr + = 0,0 + = 0,556 ( -)(k 3 x 5 Vb - V + ) V 0,675-0,0 0,675 0,350 Ef(éda) * = =,373 = 37,3% 0,556 b r

30 Esta últa Efcênca é dada tanto pelo prograa do CIAGRI coo pelo prograa LÁTICE do SAEG, e anda pelo prograa PROC LATTICE do SAS. 9. A REPETIÇÃO DO DELINEAMENTO EM LÁTICE Coo vos no capítlo, para os látces de 6 x 6 o de 0 x 0 só exste 3 repetções ortogonas, e para o de x, apenas 4. Nestas condções, coo podeos, por exeplo, nstalar látce de 0 x 0, para 00 cltvares de ecalpto, co 6 repetções? A solção é toar as 3 repetções ortogonas dadas por COCHRAN & COX (957), as tlzando cada a das das vezes: é o qe se chaa látce trplo dplcado. Alternatvaente, poderíaos toar das repetções ortogonas e tlzar cada a delas 3 vezes: sera látce dplo (o sples) trplcado. E lnhas geras, a análse sege os étodos já vstos anterorente. Teos, pos, 3 tpos de análse: I. A análse coo blocos casalzados. II. A análse ntrablocos. III. A análse co recperação da nforação nterblocos. As condções para so dessas análses são as esas já vstas no capítlo Exeplo de Análse Intrablocos Toareos coo exeplo látce dplo de 6 x 6, dplcado, cjos dados consta da Tabela 5. Tabela 5 Valores édos de Altra () de experento de E. grands e látce dplo de 6 x 6 dplcado. (),9 (7) 3,3 (3),3 (9), (5),5 (3) 3,6 ª repetção ortogonal () 7,7 (8),8 (4), (0) 8,9 (6),7 (3) 3, (3) 9,0 (9) 0, (5),6 (),9 (7) 0,4 (33),7 (4), (0) 4,4 (6),5 () 4,8 (8) 3,9 (34),5 (5),7 () 6,4 (7),3 (3),3 (9) 8,5 (35) 4,8 (6) 0,4 () 3, (8) 4,3 (4) 4,4 (30) 5,0 (36) 5,0 (),9 () 9,7 (3),8 (4),5 (5) 9,9 (6) 4, ª repetção ortogonal (7) 3,4 (8) 7,8 (9) 9,4 (0) 3,9 () 4,6 () 4,7 (3),9 (4) 9,9 (5) 3,8 (6) 3,4 (7) 3,6 (8) 4,8 (5) 0,0 (6) 6,4 (7),3 (8),8 (9) 3,6 (30),7 (3) 0,4 (3) 3, (33) 4,3 (34),8 (35),8 (36) 5,5

31 () 9,5 (7) 3,5 (3) 0,0 (9),9 (5) 9,4 (3) 6,3 () 6,0 (8) 3,8 (4),6 (0) 0, (6),6 (3) 8, ª repetção ortogonal dplcada (3),7 (9),7 (5), () 6,3 (7) 3,5 (33), (5) 6, (),9 (7) 3,5 (3), (9),9 (35) 9,4 (6) 9,9 () 4,9 (8) 0,4 (4) 0,3 (30) 0, (36),6 (), () 9,5 (3),9 (4) 3, (5),7 (6),3 (7) 0, (8),0 (9) 6, (0),6 () 4,5 () 0,7 ª repetção ortogonal dplcada (3), (4),0 (5) 0, (6),7 (7),8 (8) 3,5 (5),8 (6),4 (7) 9, (8) 3, (9) 9, (30) 0,5 (3) 0,4 (3), (33) 3, (34),7 (35) 9, (36),0 A análse pelo prograa GLM do SAS (tpo III) dá os resltados segntes (Lstage n o ) C. de Varação G.L. S.Q. Q.M. F Prob. Blocos (Rep.)(aj.) Trataentos (aj.) ,4007 5,09 V b = 6,8435 4,3435,53,6 0,00 0,040 Resído 95 9,548 V r =,700 Total 43 Coo se trata de valores ajstados, o teste F é váldo tanto para Blocos (ajstados) coo para Trataentos (ajstados). As édas estadas, dadas pelo prograa, consta da Tabela 6. Coo, poré, podeos realzar a coparação de édas? É necessáro, antes de as nada, calclar as estatvas das varâncas dos dversos contrastes.

32 Tabela 6 Médas estadas para a varável Altra () de experento de E. grands e látce dplo de 6 x 6 dplcado. Trataento Méda (aj.) Trataento Méda (aj.) ,68 9,00,00,8 0,89,0,98 0,3 8,56,83 3,48,8,3,8,8,98,56, ,,59 0,36,7, 3,38,0,68,08,97 0,99 0,73 9,44,48,0,43,4 3,04 Para preros assocados, coo os trataentos e, teos: V( V ) = r n +, k onde é o núero de repetções ortogonas e n é o núero de vezes qe se so cada a delas. No caso presente teos = repetções ortogonas, correspondentes ao esqea segnte, cada a delas aplcada n = vezes Por otro lado, teos V b = 6,8435; V r =,700. Obteos, pos, para preros assocados: V( x,700 ) = +, x 6 =,567

33 Para segndos assocados a fórla é: V( Vr ) = n + = x,700 x =,800. k( -) + 6( -) Pode-se sar tabé a estatva éda, a ser aplcada ndscrnadaente, para preros o segndos assocados. Se valor é: V( Vr ) = n + (k )( -) + x,700 = x + (6 )( -) + =,7358. O teste de Tkey se aplca, coo sepre, pela fórla: = q 0,50 V( ) onde q é trado das tabelas de apltde total estdentzada co v = 36 trataentos e n = 85 G.L. do Resído. Para o caso de preros assocados (trataentos e por exeplo) teos, ao nível de 5% de probabldade: = 5,65 0,50 x,567 = 4,9 O contraste entre as édas dos dos trataentos nos dá: Y = =,68 9,00 = 3,68 Coo Y = 3,68 < 4,9 =, concl-se qe a dferença não é sgnfcatva. Para segndos assocados, a dferença ína pelo teste de Tkey, ao nível de 5% de probabldade, sera: = q = 5,65 = 5,36 0,50 V( ) 0,50 x,800

34 e o valor édo, de so geral, sera: = 5,65 0,50 x,6358 = 5, Por sa vez, o ds, pelo teste t, para preros assocados e ao nível de 5% de probabldade, nos dara: ds = t =,99 =,45 V(,567 Para contrastes as coplcados, o as fácl é sar a Varânca Efetva Méda: VEf(éda) = Vr + Por exeplo, para contraste Teos, aproxadaente: =,700 + = 3,476 ) ( -)(k ( -)(6 + ) Y = c + c c v v, + ) V(Y) = c n VEf (éda) No caso partclar de Y = = 3 9, Obteos: A estatva do contraste é: c = (-3) =, V(Y) = 3,476 = 0,448 x ds =,99 0,448 = 6,4

35 Y,68 +,00 +,8 3 x 8,56 =,8 Teos Y =,85 > 6,4 = ds, logo o contraste é sgnfcatvo pelo teste t. 0. ANÁLISE DE RECUPERAÇÃO DA INFORMAÇÃO INTERBLOCOS PARA LÁTICES REPETIDOS Neste caso, o valor de M (o ) do étodo de COCHRAN & COX é dado pela fórla: M = k n(v b - V ) [ n( -) V + ( n -) V ] onde é o núero de repetções ortogonas, n é o núero de vezes qe cada a delas fo sada, V b é o QMBlocos (Rep.)(aj.) e V r é o QMResído da análse ntrablocos. No caso de V b V r < 0 b, toa-se M = 0. Salenta-se qe são satfetas as desgaldades: 0 M < b r k( -) O valor de a do étodo de Bose é dado pela fórla: r ( n -) Vr a = n V - V b r e para ele vale as desgaldades Por otro lado, contna a fórla e dá o eso resltado. 0 < a. - k ( -) M a =, + km

36 A análse da varânca geralente acopanha o esqea segnte. Repetções Trataentos (aj.) Blocos (Rep.)(aj.) Resído G.L. M n- K - M n(k-) (k-)( n k k-) QMT(aj.) * V b V r Q.M. A estatva da varânca para a dferença entre as éda ajstadas de dos trataentos preros assocados é dada pela fórla: * Vr V( ) = + n Para segndos assocados, essa estatva é: a estatva éda, de so geral, é: * Vr V( ) = + n V( ) * = Vr n [ (n -) M] [ n M] + n k M k + Co essas varâncas, é fácl obter a dferença ína sgnfcatva pelo teste de Tkey: = q 0,50 V( ) o pelo teste t: ds = t V( ) Por otro lado, a Varânca Efetva Méda é dada pela fórla: VEf(éda) = Vr + k n M k + 0. Exeplo de Análse co Recperação da Inforação Interblocos de Látce Repetdo Toareos coo exeplo os dados de látce de 5 x 5 dplo dplcado estraídos do lvro de COCHRAN & COX (957) e reprodzdos na Tabela 7.

37 A análse ntrablocos pelo GLM do SAS dá os restlados segntes (tpo III) (Lstage n o 3). C. de Varação G.L. S.Q. Q.M. F Repetções Blocos (Rep.)(aj.) Trataentos (aj.) Resído ,9 786,00.03,4 76,56 V b = 49, 45,97 V r = 3,60 3,38 O valor de M é: M = k [ n ( -) V + (n -) V ] (49, -3,60) = 5 () [ 49, + ()3,60] = 0,7 n(v b - V ) Tabela 7 Prodções de soja de experento de copetção de cltvares e látce dplo dplcado de 5 x 5. Totas de blocos () 6 (6) 6 () 7 (6) 8 () 4 () 7 (7) () 7 (7) 6 () 5 (3) 5 (8) (3) 7 (8) 3 (3) (4) 8 (9) 3 (4) 9 (9) 3 (4) 4 (5) 6 (0) 8 (5) 4 (0) 4 (5) ª repetção ortogonal 89 () 4 () (3) 6 (4) 7 (5) 5 (6) 3 (7) (8) 4 (9) 0 (0) 5 () 4 () 4 (3) (4) 30 (5) (6) (7) (8) (9) 9 (0) 6 () 8 () 3 (3) (4) 3 (5) ª repetção ortogonal 39 () 3 (6) 5 () 9 (6) () 5 () 6 (7) 8 () 0 (7) 6 () (3) 9 (8) (3) 0 (8) 7 (3) 3 (4) 3 (9) (4) 0 (9) 4 (4) 0 (5) (0) 5 (5) 6 (0) 7 (5) ª repetção ortogonal dplcada 36 b r r,,

38 () 6 () 5 (3) 7 (4) 9 (5) 7 (6) 7 (7) 0 (8) (9) 4 (0) 8 () 0 () (3) 5 (4) 0 (5) 0 (6) 3 (7) 7 (8) 5 (9) 6 (0) 5 () () 4 (3) 6 (4) 6 (5) ª repetção ortogonal dplcada 357 Por otro lado, teos: ( n -) Vr a = n V - V b r = ( x -)3,60 x x 49, -3,60 = 0,3 Tabé se pode calclar ass: - k( -) - 5 x x 0,7 a = = = 0,3 + km + 5 x 0,7 Coo teos 0,0 < a < 0,80, convé fazer a recperação da nforação nterblocos. O prograa LATTICE do SAS dá os resltados segntes (Lstage n o 4). C. de Varação G.L. S.Q. Q.M. Repetções Blocos (Rep.)(aj.) Trataentos (não aj.) Resído ,9 786,00 79,4 76,56 V b = 49, V r = 3,60 Crosaente, os resltados expostos não perte qe se faça teste F para Trataentos, pos não é calclado o QMTrataentos ajstado co recperação da nforação nterblocos QMT(aj.) *. Mas são dadas as édas ajstadas por esse étodo, qe são as segntes.

39 Trataento Méda (aj.) Trataento Méda (aj.) ,66 9,3, 4,69,73,73,89,30 9,5,55,0, ,6 7,89 8,67 4,57,48 3,4 5,36,90 5,36 7,0 3,9 7,65 3,8 Co o axílo dessas édas ajstadas podeos calclar teste F aproxado para a análse da varânca. Co efeto teos, aproxadaente: No caso presente obteos: SQT(aj.) QMT(aj.) * SQT(aj.) = n - * QMT(aj.) SQT(aj.) k - * 04,38 = = 50,8 4 ( ) (349,76) = x 594, * * k, n k M VEf(éda) = Vr + k + 5 x x 0,7 = 3, = 6,48 50,8 F = = 3,69 3,60 = 04,38

40 Mas o prograa dá tabé: V( ) = 7,66 para preros assocados, V( ) = 8,53 para segndos assocados, V( ) = 8,4 para so geral A dferença ína sgnfcatva pelo teste de Tkey, ao nível de 5% de probabldade para preros assocados é, pos: = q = 5,44 = 0,65 Para segndos assocados obteos: 0,50 V( (0,50) 7,66 = 5,44 (0,50) 8,53 =,3 O as co, poré, é sar valor édo para, aplcável tnato a preros coo a segndos assocados. Ele é: = 5,44 (0,50) 8,4 =,04 Já pelo teste t obteos, para preros assocados, ao nível de 5% de probabldade: e analogaente para otros casos. ds = t =,99 = 5,5 V( Crosaente, o ds ao nível de 5% dado pelo prograa parece ter sdo calclado erradaente, ass: 7,66 x QMRes x 3,60 ds = t =,96 = 5, n x O ds = 6,77, para o nível de % de probabldade, fo calclado do eso odo, e tabé não é correto. Está claro qe esse cálclo não sera váldo, a vez e não é cabível sar o t co nfntos gras de lberdade, ne dexar de lado a covarânca entre édas ajstadas, qe se sabe exstr. Para contraste as coplexo ) )

41 Y = c + c c v v, teríaos aproxadaente: V(Y) = (/ n) ( c ) VEf(éda) Ass, no caso de Y = , teríaos V(Y) = 6,48 = 49,44, x Y = 3 x 9,3, 4,69,73 = 9,9, 9,9-0 t = =,74 49,44 ** O teste de Scheffé se aplcara co S = (k -) F V(Y) = 4 (,66) 49,44 = 44,38. O contraste não é sgnfcatvo por este teste, a vez qe teos y = 9,9 < 44,38 = S. O prograa dá tabé o QMRes(Blocos Casalzados) =,49. Logo a Efcênca Méda do experento é:,49 EF(éda) = = 30,4%. 6,48. TIPOS MAIS MODERNOS DE RETICULADOS QUADRADOS E anos as recentes, srg a déa de nclr e cada bloco de delneaento retclado (o látce) a testenha (A). Ass, por exeplo, no látce de 4 x 4, co k = 6 trataentos, a prera repetção tera os segntes blocos: Bloco : 3 4 A Bloco : A Bloco 3: 9 0 A Bloco 4: A

42 A letra A aí ndcada a testenha, a ser casalzada jntaente co os deas trataentos (chaados reglares) de cada bloco. A análse ntrablocos do delneaento ass obtdo fo pblcada por PIMENTEL-GOMES & VIÉGAS (978). Posterorente, OLIVEIRA & BARBIN (988) e OLIVEIRA (990) propsera delneaento seelhante co as de a testenha e cada bloco. No caso de a só testenha por bloco, há três tpos de assocação entre trataentos: preros, segndos e terceros. Preros assocados São Trataentos reglares (, ) qe ocorre no eso bloco, por exeplo, os trataentos e da repetção exposta. Teos, neste caso, V( ) = σ - +, k - k + onde é o núero de repetções ortogonas. Segndos assocados São trataentos reglares qe não ocorre no eso bloco. Neste caso teo: V( ) = σ +, k - k + Terceros assocados É o caso do contraste entre trataento reglar qalqer e a testenha. Teos então: Exeplo V( A ) = + k k - + k (k - k + ) Toareos coo exeplo dados de PIMENTEL-GOMES & VIEGAS (978), reprodzdos na Tabela 8, qe se refere a retclado qadrado de 5 x 5 = 5 trataentos, co a testenha (A) e cada bloco. O núero de trataentos é, pos, k + = 6. Usaos aq apenas três das qatro repetções ortogonas enconadas no artgo ctado. A análse ntrablocos pode ser feta pelo GLM do SAS, o por prograas seelhantes de otros aplcatvos, e de os resltados segntes (Lstage n o 5). C. de Varação G.L. S.Q. Q.M. F Prob. Repetções Blocos (Repet.) Trataentos (aj.) ,83,,0 0,0683 0,0335 0,0087 Resído Total

43 As édas ajstadas são as segntes: Trataento Méda Trataento Méda A Para contraste entre os trataentos e teríaos: V( ) = x = 509, , 3 x A dferença ína sgnfcatva pelo teste de Tkey, ao nível de 5%, sera, pos: = 5,50 0,50 x =.775,5, onde o valor de q = 5,50 corresponde a 6 édas e 50 G.L. para o Resído. Mas a dferença entre as édas é = 9, de sorte qe não atnge a sgnfcânca ao nível de 5%. O ds (pelo teste t) sera: ds = t =,0 x 73,66 = 44,6. Tabé neste caso a dferença não é sgnfcatva. Para dos segndos assocados (por exeplo, os trataentos e 4), teríaos: V( ) = x = , 3 x A dferença ína sgnfcatva, ao nível de 5% de probabldade, pelo teste de Tkey, sera:

44 = 5,50 0,50 x =.866,5. A dferença entre as édas dos trataentos e 4 é = 69 e não alcança, pos, a sgnfcânca. Tabela 8 Prodção de lho, e kg/ha, de retclado qadrado trplo de 5 x 5, co a testenha (A) e cada bloco. ª repetção Totas de blocos º bloco º bloco 3º bloco 4º bloco 5º bloco 66(05) 6809(0) 3670(04) 660() 675(4) 6497() 664(0) 6899(07) 766(0) 743(03) 6309(08) 5(3) 5770() 595(3) 5768(06) 67(9) 4646(4) 467(8) 533(0) 6059(7) 5743() 540(6) 495(5) 5509(09) 5704(5) 660(A) 673(A) 6430(A) 4608(A) 70(A) º bloco 7º bloco 8º bloco 9º bloco 0º bloco 68(0) 5580(0) 699(5) 5960() 6986(7) 669(8) 5586(5) 3844(04) 509(4) 59(09) 66(0) 468(3) 5549() 6300(07) 704(05) 63(4) 655(9) 5550(6) 6993(0) 6999(3) 638() 837(06) 6480(08) 5996(03) 6394(3) 5787(A) 5487(A) 4844(A) 680(A) 600(A) º bloco º bloco 3º bloco 4º bloco 5º bloco 605(07) 45(0) 435(3) 599(6) 59() 6439(06) 58(0) 4867() 3985(0) 5080(5) 6600(0) 956(04) 4734(5) 509(9) 3609(4) 5855(08) 70(05) 634(4) 4998(8) 578(3) 760(09) 7804(03) 769() 63(7) 5538() 6687(A) 573(A) 5744(A) 483(A) 6044(A) Já os trataentos A e 3 são terceros assocados e para eles teos: V( 3 A ) = = , 3 x (5 x 3-5, + 3 logo: = 5,50 0,50 x =.49,9. Poder-se-a pensar, neste caso, e aplcar o teste de Dnnett, específco para a coparação co a testenha, as, ao qe parece, só há tabelas pblcadas para o áxo de 0 trataentos.

45 . O CASO DE DUAS OU MAIS TESTEMUNHAS EM CADA BLOCO No caso de das o as testenhas e cada bloco (OLIVEIRA & BARBIN, 988) a análse ntrablocos tabé é feta se dfcldade pelo prograa GLM do SAS, pelo ANOVAG do SAEG, pelo SANEST o pelo SOC. Mas há, agora, qatro tpos de assocação, os três já enconados e as qarto: o referente a dos trataentos cons (os qe ocorre e todos os blocos). Para expor as fórlas relatvas aos contrastes respectvos, precsaos defnr novos parâetros, qe são k, A, B e D. Teos: K = k + c, onde c é o núero de trataento cons. Qanto aos parâetros A, B, D, ses valores são dados pela Tabela 9, e fnção de c. Tabela 9 Valores dos parâetros A, B e D para algns tpos de retclados co núero de trataentos reglares varável e trataentos cons. No exeplo qe estaos dsctndo, sto é, de retclado trplo não repetdo, teos: A = 3 c + 6, B = -6, D = 9c + 75 c + 50 No caso de c =, sto é, de dos trataentos cons, teos, pos: A = 3 x + 6 = B = -6 D = 9 x x + 50 = 336 As fórlas para as varâncas são as segntes:

46 Preros assocados V = V( k' Vr A ) = - r(k'-) D Segndos assocados V = V( k' Vr B ) = - r(k'-) D Terceros assocados V 3 k' V = = r kk' - (k -) V( ) + - r k(k'-) k' D B Qartos assocados V4 = V( ) = V b r onde b é o núero de blocos. Exeplo As letras e, neste caso, ser refere a trataentos cons qasqer. Toareos coo exeplo, os dados da Tabela 0, qe são os esos da Tabela 8 co adção de as a testenha (B) e cada bloco, sto é, co c =. Tabela 0 Prodção de lho, e kg/ha, de retclado qadrado trplo de 5 x 5, co das testenhas (A e B) e cada bloco. º bloco º bloco 3º bloco 4º bloco 5º bloco 66(05) 6809(0) 3670(04) 660() 675(4) 6497() 664(0) 6899(07) 766(0) 743(03) 6309(08) 5(3) 5770() 595(3) 5768(06) 67(9) 4646(4) 467(8) 533(0) 6059(7) 5743() 540(6) 495(5) 5509(09) 5704(5) 660(A) 673(A) 6430(A) 4608(A) 70(A) 6700(B) 6373(B) 6600(B) 4808(B) 70(B) º bloco 7º bloco 8º bloco 9º bloco 0º bloco 68(0) 6809(0) 699(5) 5960() 6986(7) 669(8) 5586(5) 3844(04) 509(4) 59(09) 66(0) 468(3) 5549() 6300(07) 704(05) 63(4) 655(9) 5550(6) 6993(0) 6999() 638() 837(06) 6480(08) 5996(03) 6394(3) 5787(A) 5487(A) 4844(A) 680(A) 600(A) 5987(B) 5387(B) 544(B) 6480(B) 60(B)

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss

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

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste

Leia mais

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

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que

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

Redes de Petri. Definições:

Redes de Petri. Definições: Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo

Leia mais

CIRCUITOS RESISTIVOS

CIRCUITOS RESISTIVOS Temátca Crctos Eléctrcos Capítlo nálse de Crctos Lneares CICITOS ESISTIVOS INTODÇÃO Nesta secção apresentamse dversas metodologas para resolção de crctos lneares tas como o método geral, a smplfcação do

Leia mais

Figura 7.1: O problema do ajuste de funções a um conjunto de dados

Figura 7.1: O problema do ajuste de funções a um conjunto de dados Fgura 7: O problea do ajuste de funções a u conjunto de dados Capítulo 7 Aproxação de Funções por Mínos Quadrados 7 Introdução Dado u conjunto de observações (dados), frequenteente deseja-se condensar

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,

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

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

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

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1 Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

5.1 Método de Ponderação da Linha de Rotação

5.1 Método de Ponderação da Linha de Rotação 5 etodologa O copressor é o coponente de aor nfluênca no desepenho da turbna a gás ass a precsão de sua odelage te pacto sgnfcatvo na efcáca do odelo nuérco coputaconal desta ara a odelage do copressor

Leia mais

Deformações na Notação Indicial

Deformações na Notação Indicial SEÇÃO DE ENSINO DE ENGENHARIA DE FORTIFICAÇÃO E CONSTRUÇÃO Pós-gradação em Engenhara de Transportes Deformações na Notação Indcal MAJ MONIZ DE ARAGÃO Campo de deslocamentos; Componentes de deformação;

Leia mais

FONTES DISCRETAS DE INFORMAÇÃO

FONTES DISCRETAS DE INFORMAÇÃO FONTES DISCRETAS DE INFORMAÇÃO Podeos caracterzar fontes dscretas de nforação por u conjunto fnto x x, K, denonados de alfabeto da fonte. A probabldade de M síbolos, {,, x M } da fonte etr cada síbolo

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

Capítulo 6. Misturas de Gases

Capítulo 6. Misturas de Gases Caítlo 6 stras de Gases Objetvos Desenvolver regras ara se estdar as roredades de stras de gases não-reatvos co base no conhecento da coosção da stra e das roredades dos coonentes ndvdas Defnr grandezas

Leia mais

Acompanhamento de Cenas com Calibração Automática de Câmeras

Acompanhamento de Cenas com Calibração Automática de Câmeras Acompanhamento de Cenas com Calbração Atomátca de Câmeras por Fláo Szenberg Orentadores: Marcelo Gattass Palo Cezar Pnto Caralho Departamento de Informátca, PUC-Ro 9 de dezembro de 00 Jz Vrtal pontos de

Leia mais

2a VERIFICAÇÃO REFINO DOS AÇOS I Julho Um aço é dessulfurado por uma escória, em condições desoxidantes.

2a VERIFICAÇÃO REFINO DOS AÇOS I Julho Um aço é dessulfurado por uma escória, em condições desoxidantes. a VERIFICAÇÃ REFIN D AÇ I Julho 8 U aço é dessulfurado por ua escóra, e condções desoxdantes. Reação quíca na nterface: + - = - +. Faça u esquea da nterface aço-escóra, lstando todas as etapas que pode

Leia mais

ESPECTROSCOPIA ROTACIONAL

ESPECTROSCOPIA ROTACIONAL 05/03/08 ESPECTOSCOPIA OTACIONAL Prof. Harley P. Martns Flho O odelo do rotor rígdo Partícula de assa grando no espaço a ua dstânca constante de u ponto fxo no espaço: Moento angular da partícula: = rp

Leia mais

PARTE II EQUILÍBRIO DA PARTÍCULA E DO CORPO RÍGIDO

PARTE II EQUILÍBRIO DA PARTÍCULA E DO CORPO RÍGIDO 1 PARTE II EQUILÍBRIO DA PARTÍULA E DO ORPO RÍGIDO Neste capítulo ncalente trataos do equlíbro de partículas. E seguda são apresentadas as defnções dos centros de gravdade, centros de assa e centródes

Leia mais

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P) PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando

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

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

, para. Assim, a soma (S) das áreas pedida é dada por:

, para. Assim, a soma (S) das áreas pedida é dada por: (9) - wwweltecapnascobr O ELITE RESOLE FUEST 9 SEGUND FSE - MTEMÁTIC MTEMÁTIC QUESTÃO Na fgura ao lado, a reta r te equação x + no plano cartesano Ox lé dsso, os pontos B, B, B, B estão na reta r, sendo

Leia mais

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como

Inicia-se este capítulo com algumas definições e propriedades para uma seqüência de funções tal como . Métodos de Resídos Ponderados. Defnções áscas Inca-se este capítlo com algmas defnções e propredades para ma seqüênca de fnções tal como x ( x ( x ( x ( (. ( 3 4 n x Tas fnções são assmdas satsfazerem

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

Resolução. Capítulo 32. Força Magnética. 6. C Para que não haja desvio devemos garantir que as forças magnética ( F M. ) e elétrica ( F E

Resolução. Capítulo 32. Força Magnética. 6. C Para que não haja desvio devemos garantir que as forças magnética ( F M. ) e elétrica ( F E esolução orça Magnétca E D 3 C 4 D 5 Capítulo 3 Dos vetores são antparalelos quando suas dreções são concdentes (paralelos) e seus sentdos são opostos, sto é, θ 8º, coo ostra a fgura adante: E Deste odo,

Leia mais

AULA Exercícios. ORTOGONALIDADE EM R N. , o vector u tem norma. O produto interno entre os vector u e v, é

AULA Exercícios. ORTOGONALIDADE EM R N. , o vector u tem norma. O produto interno entre os vector u e v, é Note bem: a letra destes apontamentos não dspensa de modo algm a letra atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo alno resolvendo os problemas

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

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

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

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

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos Tópcos em Econometra I Ala /7/23 Modelo Tobt para solção de canto Eemplos Solções de canto. Qantdade de dnhero doado para cardade: mtas pessoas não fazem este tpo de doação. Uma parcela epressva dos dados

Leia mais

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA

Cálculo Vetorial / Ilka Rebouças Freire / DMAT UFBA Cálclo Vetoral / Ila Reboças Frere / DMAT UFBA. Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos..1 Campos Escalares e Vetoras Dada ma regão D do espaço podemos asocar a

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUISTA FILHO FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU UNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU COMPARAÇÃO ENTRE OS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS E MÍNIMOS DESVIOS ABSOLUTOS

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas

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

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

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

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

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

2 - Derivadas parciais

2 - Derivadas parciais 8 - ervadas parcas Sea por eemplo: Estma-se qe a prodção semanal de ma ábrca sea dada pela nção Q 00 500 ndades onde representa o número de operáros qalcados e representa o número dos não-qalcados. Atalmente

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

Lista de exercícios Micro III 03/09/2008. Externalidades e Bens Públicos

Lista de exercícios Micro III 03/09/2008. Externalidades e Bens Públicos Lsta de exercícos Mcro III 03/09/008 Prof. Afonso A. de Mello Franco Neto Externaldades e Bens Públcos Exercícos Mas-Colell:.B a.b.5,.c.,.c.,.d. a.d.5,.d.7. QUESTÃO Nma economa exstem ma frma e dos consmdores.

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

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

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

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

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Delineamento Aleatorizado em Blocos Completos (DABC)

Delineamento Aleatorizado em Blocos Completos (DABC) Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Álgebra Linear I - Aula 1. Roteiro

Álgebra Linear I - Aula 1. Roteiro Álgebra Linear I - Aula 1 1. Resolução de Sisteas Lineares. 2. Métodos de substituição e escalonaento. 3. Coordenadas e R 2 e R 3. Roteiro 1 Resolução de Sisteas Lineares Ua equação linear é ua equação

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

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez

Engenharia Civil/Mecânica Cálculo 3-3º semestre de 2012 Profa Gisele A.A. Sanchez Engenhara Cvl/Mecânca Cálclo - º semestre de 01 Proa Gsele A.A. Sanchez 4ª ala: Dervadas Dreconas e Gradente Gradentes e dervadas dreconas de nções com das varáves As dervadas parcas de ma nção nos dão

Leia mais

e represente as no plano Argand-Gauss.

e represente as no plano Argand-Gauss. PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros

Leia mais

ANÁLISE DO LUGAR DAS RAÍZES

ANÁLISE DO LUGAR DAS RAÍZES VII- &$3Ì78/ 9,, ANÁLISE DO LUGAR DAS RAÍZES 7.- INTRODUÇÃO O étodo de localização e análise do lugar das raízes é ua fora de se representar graficaente os pólos da função de transferência de u sistea

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

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

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica. Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento

Leia mais

Física. Física Módulo 1. Sistemas de Partículas e Centro de Massa. Quantidade de movimento (momento) Conservação do momento linear

Física. Física Módulo 1. Sistemas de Partículas e Centro de Massa. Quantidade de movimento (momento) Conservação do momento linear Físca Módulo 1 Ssteas de Partículas e Centro de Massa Quantdade de ovento (oento) Conservação do oento lnear Partículas e ssteas de Partículas Átoos, Bolnhas de gude, Carros e até Planetas... Até agora,

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

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

Leia mais

Dinâmica Estocástica. Instituto de Física, novembro de Tânia -Din Estoc

Dinâmica Estocástica. Instituto de Física, novembro de Tânia -Din Estoc Dnâca Estocástca Insttuto de Físca, novebro de 06 Modelo de Glauber-Isng Equação de evolução para agnetzação Abordage de capo édo & transção de fase no odelo e expoentes crítcos Equação Mestra para dnâcas

Leia mais

MECÂNICA CLÁSSICA. AULA N o 8. Invariância de Calibre-Partícula em um Campo Eletromagnético-Colchetes de Poisson

MECÂNICA CLÁSSICA. AULA N o 8. Invariância de Calibre-Partícula em um Campo Eletromagnético-Colchetes de Poisson 1 MECÂNICA CLÁSSICA AULA N o 8 Invarânca de Calbre-Partícula e u Capo Eletroagnétco-Colchetes de Posson Vaos ver novaente, agora co as detalhes, o ovento de ua partícula carregada e u capo eletroagnétco,

Leia mais

Capítulo III TRANSFORMAÇÕES LINEARES

Capítulo III TRANSFORMAÇÕES LINEARES Capítlo III RANSFORAÇÕES LINEARES Capítlo III rasforações Lieares Capítlo III rasforações o Aplicações Seja dois cojtos A e B Se a cada eleeto a A for associado e só eleeto b B dir-se-á qe foi defiida

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

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

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

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

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

CIRCULAR TÉCNICA N o 176 JANEIRO UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus

CIRCULAR TÉCNICA N o 176 JANEIRO UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus ISSN -45 CIRCULAR TÉCNICA N o 76 JANEIRO 99 UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus Introdução Frederico Pimentel Gomes * Carlos Henrique Garcia ** Os ensaios fatoriais apresentam, em

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

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 NOTAS DE AULA DA DISCIPLINA CE76 6. ANÁLISE FATORIAL 6.. Introdução A Análse Fatoral teve níco odernaente no prncípo do século XX co K. Pearson e C. Spearan, que estudara as eddas de ntelgnca. A dfculdade

Leia mais

TÓPICOS. Diferenciação complexa. Derivadas complexas. Funções analíticas. Equações de Cauchy-Riemann. Funções harmónicas. Regra de L Hospital.

TÓPICOS. Diferenciação complexa. Derivadas complexas. Funções analíticas. Equações de Cauchy-Riemann. Funções harmónicas. Regra de L Hospital. Note be a leitra destes apontaentos não dispensa de odo alg a leitra atenta da bibliograia principal da cadeira Chaa-se à atenção para a iportância do trabalho pessoal a realiar pelo alno resolendo os

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade 8. USO DA ANÁLISE DE VARIÂNCIA E DA REGRESSÃO 8.1. Introdução A estatístca é a cênca que lda com a coleta, o processamento e a dsposção de dados (nformação) atuando como ferramenta fundamental nos processos

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

05/08/2014. RM = (RB ± IM) unidade. Como usar as informações disponíveis sobre o processo de medição e escrever corretamente o resultado da medição?

05/08/2014. RM = (RB ± IM) unidade. Como usar as informações disponíveis sobre o processo de medição e escrever corretamente o resultado da medição? 6 Resltados de Medições Diretas Fndamentos da Metrologia Científica e Indstrial Slides do livrofmci Motivação definição do mensrando procedimento de medição resltado da medição condições ambientais operador

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

18 a 21 de novembro de 2014, Caldas Novas - Goiás

18 a 21 de novembro de 2014, Caldas Novas - Goiás 8 a de novebro de 4, Caldas Novas - Goás SIMULAÇÃO NUMÉRICO-COMPUTACIONAL DE PLACAS FINAS EM GRANDES DESLOCAMENTOS Andressa Fernanda Rosa de La, andressaernanda@hotal.co.br Antôno Marcos Gonçalves de La,

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

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

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

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

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos.

Texto 03: Campos Escalares e Vetoriais. Gradiente. Rotacional. Divergência. Campos Conservativos. 1 Unversdade Salvador UNIFACS Crsos de Engenhara Cálclo IV Profa: Ila Reboças Frere Cálclo Vetoral Teto 03: Campos Escalares e Vetoras. Gradente. Rotaconal. Dvergênca. Campos Conservatvos. Campos Escalares

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

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

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja

Leia mais