Estatística Experimental. Profa. Simone Gisele de Oliveira Universidade Federal do Paraná
|
|
- Fátima Varejão Salgado
- 6 Há anos
- Visualizações:
Transcrição
1 Profa. Simone Gisele de Oliveira Universidade Federal do Paraná
2 Pontos importantes: - Por quê? - Quando? - Como?
3 Parte I: - Importância - Definições gerais - Amostragem (probabilista e não-probabilista) Parte II: - Estatística descritiva - Medidas de posição e dispersão - Princípios da experimentação
4 Parte III: - Planejamento experimental - Delineamentos experimentais Delineamento Inteiramente Casualizado Delineamento em Blocos Casualizados Delineamento em Quadrado Latino Delineamentos para Respostas de Fluxo Continuado
5 Parte IV: - Forma de arranjo dos dados Fatorial Parcelas subdivididas - Associação de variáveis quantitativas Correlação Regressão
6 Introdução Estatística - Matemática aplicada aos dados de observação
7 Introdução Estatística experimental Estudo dos experimentos, seu planejamento, execução e análise Estatística experimental Fatores controláveis Fatores não controláveis
8 Introdução Fatores não controláveis Variação ao acaso Significativo Resultados?? Não significativo
9 Estatística na metodologia científica Observação do fenômeno L Raciocínio dedutivo L Formulação da Hipótese E Compactação de Resultado E Coleta de resultados E Instalação do Experimento E Teste de Hipótese E + L Conclusão L Intervenções da lógica E Intervenções estatísticas
10 Definições gerais Tratamento - Método, elemento ou material cujo efeito deseja-se medir e comparar Experimento - Trabalho previamente planejado que segue determinados princípios básicos no qual se faz comparações dos efeitos dos tratamentos Pesquisa x Experimentação Pesquisa - Procura por novos conhecimentos Experimentação - Adaptação de conhecimento ou tecnologia
11 Definições gerais Unidade experimental ou parcela - Unidade na qual o tratamento é aplicado, fornecendo dados que deverão refletir o efeito do tratamento Repetição - Cada uma das aplicações do tratamento Delineamento Experimental - Distribuição dos tratamentos nas parcelas propiciando a análise dos dados
12 Amostragem População ou Universo (X) - Conjunto de seres animados ou inanimados que apresentam as mesmas características (dados com relação ao elemento em estudo)
13 Amostragem Amostra (n) - Porção selecionada da população
14 Amostragem Colher informações de grupo grande (universo) Amostragem Representativa Aleatoriedade Como escolher??
15 Amostragem Probabilista Amostragem Estatística Correções da amostragem Não-Probabilista
16 Amostragem Aleatória simples Sistemática Aleatória de múltiplo estágio Probabilista Por área Conglomerados ou grupos Fases múltiplas Estratificada
17 Amostragem Aleatória simples - Escolha do indivíduo da população ao acaso (cada membro tem a mesma probabilidade de ser escolhido) a) Sem reposição: Mais utilizado, em que cada elemento só pode entrar uma vez para a amostra b) Com reposição: Quando os elementos da população podem entrar mais de uma vez na amostra
18 Exemplo Escolha de 50 animais em rebanho de 200 animais 1 - Numerar animais 2 - Consultar tabela de números aleatórios Exemplo dos primeiros sorteados: 81, 49, 34, 08, 50, 14, 35, 15, 06, 30, 38 e 48
19
20 Amostragem Sistemática - A população deve estar ordenada de forma que cada elemento seja identificado pela sua posição Exemplo - Lista de número de brinco, número de registro
21 Exemplo Escolher 10 vacas de um rebanho de Escolher aleatoriamente números de 1 a 10 Ex: Número sorteado foi Procurar no número do brinco o número 8 Ex.: 008, 018, 028, 038, 048, 058, 068, 078, 088, 098, 108, 118,
22 Amostragem Aleatória de múltiplo estágio: Consiste em dois ou mais estágios, utilizando amostragem aleatória e/ou sistemática Exemplo Avaliação de rebanhos Secretaria da Agricultura Lista de rebanhos por município 1 - Escolha do município (10 municípios) 3 - Escolha do rebanho (5 propriedades)
23 Exemplo 1 - Escolha dos municípios (10) Primeira coluna: Dois últimos algarismo (25, 03, 18, 30, 17, 05, 12, 06, 7 e 14) 2 - Escolha 5 propriedades (rebanhos) Primera coluna: Dois últimos algarismos (14, 06, 30, 24, 05)
24 Amostragem Por área: Não se conhece a totalidade dos compostos da população a) Divisão da área a ser pesquisada - Estado, município l b) Sorteio da área e pesquisa de todos os rebanhos desta área
25 Amostragem Por conglomerados ou grupos: Municípios, distritos, rebanho leiteiro, rebanho de corte a) O indivíduo só pode pertencer a um grupo b) Rápido e barato - Unidade amostral é o conjunto c) Quando não forem do mesmo tamanho = sub-grupos
26 Amostragem Fases múltiplas: a) Fase I Ampla, rápida e pouco profunda b) Fase II Extrai da primeira fase uma amostragem menor Exemplo Avaliar rebanhos de alta produção em determinado Estado a) Fase I - Número grande de rebanhos b) Fase II - Sortear amostras de algumas propriedades
27 Amostragem Estratificada: Pesquisador forma grupos, estratos (sexo, idade, etnia, profissão, renda) - Estratos homogêneos - Heterogeneidade entre estratos - A medida que as variáveis são acrescidas para formar estratos, estes crescem de forma geométrica - Amostragem estratificada NÃO PROPORCIONAL - Amostragem estratificada PROPORCIONAL
28 Amostragem Intencional Não-Probabilista Por juri Por quotas - Não usa formas aleatórias de seleção - Não aplica-se fórmula estatística para cálculo
29 Amostragem Intencional: Interesse no comportamento de elementos específicos da população Exemplo: Como pensam o líderes de opinião de uma localidade Por Juris : Questões específicas em determinado período de tempo Exemplo: Audiência de rádio ou TV, teste de consumo de produtos
30 Amostragem Por Quotas: Levantamento de mercado, prévia eleitoral ou opinião pública. a) Classificação da População - Característica avaliada b) Percentual da população para cada estrato c) Fixar quotas
31 Estatística Descritiva Medidas de Tendência Central Medidas de Dispersão Produção de leite em vacas consumindo diferentes dietas experimentais Dieta A 20,3 22,5 26,7 30,1 28,4 26,5 27,4 21,4 31,2 25,4 28,2 26,3 25,3 22,4 26,4 27,5 Dieta B 28,4 30,5 32,5 33,4 29,5 30,4 31,3 27,4 29,6 32,5 28,4 31,3 30,9 33,1 29,9 30,0
32 Medidas de Tendência Central Necessidade de resumir as informações Os dados de observação tendem a se concentrar em torno de um valor Mediana Medidas de tendência central Moda Média
33 Mediana (Md( Md) Valor que divide a amostra em duas partes É valor central em uma série com número ímpar de elementos ou a média aritmética dos dois valores centrais em uma série com número para de elementos Exemplo A: Md = 5 Exemplo D: Md = Média de 6 e 7 = 6,5
34 Mediana (Md( Md) Para facilitara localização da mediana, pode-se usar a fórmula que dá a posição do valor mediano. Exemplo: = 7 valores VMd = N + 1 = = 8 = 4 (4 valor) Exemplo: = 7 valores
35 Mediana (Md( Md) A grande restrição na utilização da mediana em ensaios com animais é que a medida não é afetada por valores extremos Exemplo: Md = 4 Exemplo: Md = 4
36 Moda (Mo) Valor mais freqüente em uma série de valores - Unimodal Aparece apenas um valor mais freqüente Exemplo: Bimodal Mais de um valor apresenta mais freqüência Exemplo: Amodal Todos os valores aparecem uma única vez
37 Moda (Mo) Em uma curva de distribuição a moda é o valor em correspondência Ponto máximo Mo Cálculo do valor aproximado de uma moda: Mo: 3 Md 2 M (Mo = moda, Md = mediana e M = média)
38 Moda (Mo) Exemplo: Mo = 3 Md - 2 M Mo = 3 x 5,5-2 x 4,67 Mo = 16,5-9,34 Mo = 7,16 Só pode ser usada se a amostra for unimodal
39 Média (M)( Valor obtido pelo quociente entre a soma dos valores de uma amostra ou população e o seu número M = X N Quando a distribuição dos valores observados é simétrica, a média, a moda e a mediana coincidem
40 Média (M)( Exemplo: Média: = 42 = Mediana: N +1 = = 8 = 4 (4 valor) = Moda: 6 (número que aparece mais vezes) Mo Md M
41 Média (M)( Substituindo na série o valor 8 por 18 a série passa a ser: Média: = 52 = 7,4 7 7 Mo e Md = 6
42 Média (M)( Mo Md M Deslocamento da média
43 Medidas de Dispersão Os dados de observação biológica são heterogêneos Média não informa se os valores que representa estão agrupados em torna dela Medidas de dispersão
44 Medidas de dispersão É o grau de dispersão dos dados em função do valor central (geralmente a média) Amostras de mesma média podem ter dispersões diferentes Exemplo: a) = 75/5 = Média = 15 b) = 75/5 = Média = 15 Como medir a dispersão???
45 Medidas de dispersão Amplitude Total a) = 9 b) 16-14= 2 Desvio padrão Variância Erro padrão da média Coeficiente de variação
46 1 - Desvio padrão Influência de fatores não controlados em um experimento, chamados ao acaso, pode ser calculada e chamada de desvios, afastamento ou erro Exemplo: Produção leiteira 25,5 24,3 Média = 26,1 kg 27,7 23,5 25,3 25,5 28,7 23,5 30,5 26,6 Desvios Variação entre cada observação em relação ao valor médio
47 1 - Desvio padrão Desvios dos valores em relação a média -0,6-1,8 1,6-2,6-0,8-0,6 2,6-2,6 4,4 0,5 Conhecidos os desvios, calcula-se o Desvio Padrão
48 1 - Desvio padrão Cálculo: s = SQD n Quando possui todos os dados da população s = SQD n - 1 Quando se avalia amostras
49 Cálculo: SQD = (- 0,6) 2 + (- 1,8) (4,4) 2 + (0,5) 2 = 49,12 s = 49,12 = 0,779 9 s = Σx 2 -(Σx) 2 n n-1 O Cálculo do Desvio Padrão permite estimar a variação não controlada, isto é, a variação do acaso ou aleatória
50 2 - Variância A variância de uma população, representada por s 2, é definida como a média dos quadrados dos desvios em relação a média da população s = SQD N s 2 = SQD N
51 2 - Variância A variância de dentro de cada grupo (tratamento) deve ser semelhante entre grupos Homogeneidade de variâncias Se a variação dentro dos tratamentos for maior que a variação entre os tratamentos não é possível detectar diferenças significativas entre tratamentos 9,8 8, ,1 10,2 m = 10 10,8 10, ,1 11,2 m = 11 Variação dentro é menor do que variação entre tratamentos Variâncias homogêneas 9,8 8, ,1 10,2 m = m = 11 Variação dentro é maior do que variação entre tratamentos Não há homogeneidade de variâncias
52 3 - Erro Padrão da Média Ferramenta utilizada para indicar a precisão com que foi calculada a média S (m) = s/ n n = Número de dados da amostra Exemplo: S (m) = s/ n S (m) = 0,779/ 10 S (m) = 0,247
53 3 - Erro Padrão da Média Obtém-se dessa forma que a estimativa para a média é m = 26,1 ± 0,247 Quanto menor o erro padrão da média, maior a precisão dos dados Se o erro padrão for muito alto, ou transforma-se os dados ou utiliza-se outra Medida de Tendência Central
54 4 - Coeficiente de Variação Relaciona o Desvio Padrão em percentual (%) da média Fornece a idéia de precisão do experimento CV = s x 100 m Alto = > 8% Exemplo: CV = 0,779 x 100 = 3,0% 26,1 Médio = 5-8% Baixo = < 5%
55 4 - Coeficiente de Variação O mais usado Falha do método Não considerar número de repetições Exemplo: O número de amostras é 100 e não 10, com os mesmos valores de m e s (m = 26,1 e s= 0,799) CV = 0,779 x 100 = 3,0% 26,1 S(m) = 0,779 = 0,
56 Princípios Básicos da Experimentação 1- Repetição: Distribuição dos tratamentos a várias unidades experimentais Permite calcular o ERRO EXPERIMENTAL 2 - Casualização: Distribuição dos tratamentos de forma aleatória à cada unidade experimental Sorteio
57 Princípios Básicos da Experimentação 3 - Controle local: Homogeneização do material experimental (grupo), tornando os animais o mais homogêneos possíveis dentro de cada grupo Grupo = Blocos Blocos = Categoria animal, instalações, fertilidade do solo Quando o material experimental (animais, instalações) for homogêneo não há necessidade do controle local
58 Princípios Básicos da Experimentação - Quando material for homogêneo: Delineamento Inteiramente Casualizado (DIC) Causas de Variação: Tratamento (Controlado) Acaso (Não controlado) - Quando o material experimental for heterogêneo: Delineamento Blocos ao Acaso (DBC) Causas de Variação: Tratamento (Controlado) Blocos (Controlado) Acaso (Não controlado)
59 Teste de Significância Possibilita tomar decisões a respeito de tratamentos Formular hipóteses Hipótese 1 Não existe diferença entre os tratamentos (qualquer diferença numérica é devido ao acaso) H 0 = Hipótese de nulidade
60 Teste de Significância Hipótese 2 Existe diferença entre os tratamentos (Hipótese de nulidade é rejeitada) H 1 = Hipótese alternativa Existe diferença entre os tratamentos
61 Teste de Significância Quanto é diferente? Quem é diferente? Testes de significância
62 Teste de Significância Ao tomar a decisão de rejeitar ou não Ho, pode-se estar cometendo um dos tipos de erros: Tipo 1 Quando rejeita-se H 0 verdadeiro Tipo 2 Quando aceitamos H 0 falso Exemplo: H 0 - Efeito da dieta T1 é igual ao efeito da dieta T2 H 1 - Efeito de T1 é diferente do efeito de T2
63 Planejamento Experimental
64 Planejamento de experimentos Fase onde o sucesso de toda a pesquisa é determinado Necessário definir com extatidão: Objetivos (Qual é a hipótese do trabalho?) Quais as questões a serem respondidas? Quais animais deverão ser utilizados? Quais tratamentos deverão ser aplicados? Melhor forma de condução do trabalho Metodologias de coleta e análise adotadas Delineamentos experimentais apropriados Como obter as respostas
65 Planejamento de experimentos Definir objetivos Escolha das variáveis avaliadas Fatores que afetam estas características Delineamento estatístico Teste estatístico
66 Planejamento de experimentos Adoção de delineamentos experimentais apropriados Inteiramente casualizado Blocos inteiramente casualizados Quadrado latino - Tipo de animal experimental - Disponibilidade de tempo para condução do trabalho - Uniformidade das condições experimentais - Número de animais disponíveis para realização do trabalho - Características dos tratamentos
67 Planejamento de experimentos Utilizar desenhos que facilitem detecção dos efeitos Variações entre unidades deve ser a menor possível - Menor variância do erro experimental (QME) - Melhor estimativa do efeito dos tratamentos Grandeza da diferença que quer medir Poder do teste estatístico Número de repetições necessárias?
68 Planejamento de experimentos Cálculo do número de repetições r = q 2 s 2 F d 2 s e d = Valores de literatura ou experimentos anteriores q e F = Valores tabelados
69 Cálculo do número de repetições Exemplo: s = 2 kg de leite/animal d = 6 kg de leite/animal Número de tratamentos = 5 GL do resíduo = 15
70 Cálculo do número de repetições Se r = 5: Fonte de Variação GL Tratamento 4 Resíduo 20 Total 24 (tr -1) F 4,20 = 2,87 q 5,20 = 4,23
71 Cálculo do número de repetições r = 2,87 2 x2 2 x4, r = 8,24 x 4 x 4,23 36 r = 3,9 animais/tratamento
72 Cálculo do número de repetições Se r = 4: Fonte de Variação GL Tratamento 4 Resíduo 15 Total 19 (tr -1) F 4,15 = 3,06 q 5,15 = 4,08
73 Cálculo do número de repetições r = 3,06 2 x2 2 x4, r = 9,36 x 4 x 4,08 36 r = 4,2 4 animais/tratamento
74 Planejamento de experimentos Principais causas de interpretações errôneas: - Número insuficiente de repetições - Delineamento experimental inadequado - Erro de amostragem - Unidades experimentais não representativas da população em estudo - Medição de variável irrelevante - Confundimento de efeitos - Identificação incorreta da unidades experimentais - Testes estatísticos incorretos - Ausência de casualização
75 Delineamentos Experimentais
76 Análise de Variância Tratamento Instalações Manejo Variação individual Resultado experimental Estágio de lactação Delineamento inadequado Análise inadequada
77 Análise de Variância Instalações Manejo Variação individual Quando não identificados Somam-se a estimativa da variância individual Estágio de lactação Necessário sucesso no controle das fontes de variação indesejada
78 Análise de Variância Algumas premissas: 1 - A resposta que está sendo analisada deve ser uma variável com distribuição normal 2 - Os tratamentos onde a resposta está sendo medida devem apresentar variância iguais Caso contrário Análise não paramétrica Transformação dos dados
79 1 - Curva de Distribuição Normal Refere-se a distribuição dos dados obtidos em relação à média M M M Distribuição normal Forma de sino
80 2 - Variância Homogeneidade de variâncias Se a variação dentro dos tratamentos for maior que a variação entre os tratamentos não é possível detectar diferenças significativas entre tratamentos 9,8 8, ,1 10,2 m = 10 10,8 10, ,1 11,2 m = 11 Variação dentro é menor do que variação entre tratamentos Variâncias homogêneas 9,8 8, ,1 10,2 m = m = 11 Variação dentro é maior do que variação entre tratamentos Não há homogeneidade de variâncias
81 Transformação dos dados Quando os dados não apresentam a mesma variância ou não existe distribuição normal, antes de analisados, devem ser transformados - Transformação logarítmica - Transformação angular - Transformação radical
82 Análise de Variância Domínio dos efeitos das fontes de variação não controlados permite que o valor estimado da variância (s 2 ) entre os indivíduos seja referente somente ao tratamento Quantificar as variâncias causadas por cada fonte de variação Efeito dos tratamentos
83 Análise de Variância Fontes de Variação e Graus de Liberdade Montar Quadro de Análise de Variância Fontes de Variação entre Unidades Experimentais (dentro de cada Tratamento Erro Experimental Entre as médias dos tratamentos Tratamentos
84 Delineamentos Relaciona-se a forma de casualização dos tratamentos nas parcelas Objetivos Estimar o erro experimental Reduzir o erro experimental Reduzir a presença de vícios Como conseguir? Estimativa e redução do erro Repetições em número adequado Validade das estimativas Prática da casualização
85 Delineamento Inteiramente Casualizado Existe a variação de somente um fator enquanto que os demais permanecem constantes Distribuição dos tratamento às unidades experimentais de forma aleatória Envolve os princípio da repetição e casualização
86 Delineamento Inteiramente Casualizado Unidades Experimentais Homogêneas Variabilidade entre as unidades experimentais é mínima Condições ambientais facilmente controladas
87 Delineamento Inteiramente Casualizado Vantagens - É o mais simples entre todos os tipos de delineamento - Flexível no arranjo das unidades experimentais - Sem restrição ao número de tratamentos ou repetições - Análise estatística simples
88 Delineamento Inteiramente Casualizado Desvantagens - Unidades experimentais devem ser homogêneas Restringe utilização em nível de campo - Não há controle local Toda variação entre unidades experimentais entra no erro experimental
89 Delineamento Inteiramente Casualizado Casualização 1 - Numerar tratamentos T1, T2, T3 2 - Numerar repetições T1R1, T1R2,..., T3R5, T3R6 3 - Distribuir os tratamentos pelas unidades experimentais
90 Delineamento Inteiramente Casualizado A B C D E F G H I T1R1 T3R1 T1R2 T2R1 T3R2 T3R3 T1R3 T2R2 T3R4 J K L M N O P Q R T1R4 T2R6 T2R3 T3R5 T1R5 T2R4 T2R5 T1R6 T3R6
91 Produção de N-NH 3 em silagens de diferentes híbridos de sorgo avaliados em silos experimentais (Delineamento Inteiramente Casualizado) Repetições Tratamentos I II III IV Total Média 1 5,16 5,01 5,19 5,41 20,77 5,19 2 6,45 5,63 5,89 6,44 24,41 6,10 3 5,43 5,52 6,40 5,75 23,10 5,78 4 6,11 6,17 6,53 7,53 26,34 6,59 Σ 94,62 5,92
92 Análise de Variância Fontes de Variação e Graus de Liberdade Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 Erro Experimental 12 Total 15 (t - 1) (t (r - 1)) ou (GL Total - GL Tratamento) (tr - 1)
93 Análise de Variância Soma dos Quadrados Fontes de Variação GL SQ QM F observado F requerido Tratamentos Erro Experimental 3 SQ Trat 12 SQ Erro Total 15 SQ Total
94 Análise de Variância Soma dos Quadrados Totais SQ Total = Σx 2 -C C = G 2 N Fator de correção G = Somatório total da variável observada (94,62) N = Número de observações (16)
95 Análise de Variância Soma dos Quadrados Totais Exemplo: C = (94,62) 2 = 559,56 16 SQ Total = 5, , , ,53 2 C SQ Total = 566,11-559,56 = 6,55
96 Análise de Variância Soma dos Quadrados dos Tratamentos SQ Trat = ΣTrat 2 - C r = Número de repetições r Exemplo: SQ Trat = 20, , , , C SQ Trat = 563,66-559,56 = 4,10
97 Análise de Variância Soma dos Quadrados do Erro SQ Erro = SQ Total -SQ Trat Exemplo: SQ Erro = 6,55-4,10 = 2,45
98 Análise de Variância Quadrados Médios Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 4,1 QM Trat Erro Experimental 12 2,45 QM Erro Total 15 6,55
99 Análise de Variância Quadrados Médio dos Tratamentos QM Trat = SQ Trat GL Trat Exemplo: QM Trat = 4,10 = 1,37 3
100 Análise de Variância Quadrados Médio do Erro QM Erro = SQ Erro GL Erro Exemplo: QM Erro = 2,45 = 0,20 12
101 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos ,37 F Erro Experimental ,20 Total
102 Análise de Variância Teste F para comparação da variância O Teste F é utilizado para a comprovação ou não do teste de Hipótese (H 0 ou H 1 ) A diferença entre as médias dos tratamentos é função do acaso Aceita-se H 0 A diferença encontrada entre as médias dos tratamentos não é casual rejeita-se H 1
103 Análise de Variância Teste F para comparação da variância O teste F é calculado da seguinte maneira: F = QM Trat QM Erro Exemplo: F = 1,37 = 6,85 0,20
104 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 4,10 1,37 6,85 Tabelado Erro Experimental 12 2,45 0,20 Total 15 6,55
105 Análise de Variância Teste F para comparação da variância F Tabelado (5% e 1%) Obtido em função do número de graus de liberdade do numerador (tratamento, bloco) e do número de graus de liberdade do denominador (resíduo) GL Tratamento GL Resíduo
106 Análise de Variância Teste F para comparação da variância Exemplo: Tratamento = 3 GL Resíduo = 12 GL GL Tratamento F5% = 3,49 F1% = 5,95 GL Resíduo
107 Análise de Variância Teste F para comparação da variância Se F observado > que o F tabelado Significativo Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 4,10 1,37 6,85 3,49 5,95 Erro Experimental 12 2,45 0,20 5% 1% Total 15 6,55
108 Análise de Variância Teste F para comparação da variância Se F observado > que o F tabelado Significativo Fontes de Variação GL SQ QM F observado Pr > F Tratamentos 3 4,10 1,37 6,85 P < 0,05 P < 0,01 Erro Experimental 12 2,45 0,20 5% (*) 1% (**) Total 15 6,55 F observado > F tabelado = Significativo (* e **)
109 Teste de Comparação de Médias Quando F é significativo, em experimento com mais de dois tratamentos Testes estatísticos: - t de Student - Student Newman Keuls -Tukey -Scheffé -Duncan - Dunnett Mais utilizado (5%)
110 Teste de Comparação de Médias - Tukey Para a aplicação do teste: 1- Calcular as estimativas dos contrastes entre 2 médias Y1 = m1 - m2 Y2 = m1 - m3 Y3 = m1 - m4
111 Teste de Comparação de Médias - Tukey 2 - Calcular a Diferença Mínima significativa ( ) Sendo: = q s r q: Valor dado na tabela de Tukey (5% e 1%) em função do número de tratamentos (horizontal) e do número de GL do resíduo (vertical) s = QMRes r = número de repetições
112 Teste de Comparação de Médias - Tukey Se Y > Teste é significativo As duas médias diferem entre si Se Y < Teste não significativo As duas médias não diferem entre si
113 Teste de Comparação de Médias - Tukey Exemplo: 4 tratamentos com 4 repetições Teste F significativo m D = 6,59 g m B = 6,10 g m C = 5,78 g m A = 5,19 g
114 Teste de Comparação de Médias - Tukey 1 - Calcular a Diferença Mínima Significativa (DMS) = q s r Obtenção do valor de q para 4 tratamentos e 12 GL resíduo (5%) Tabela q = 4,20
115 Teste de Comparação de Médias - Tukey s = QM Erro = 0,20 = 0,48% r = 4 = 2 = 4,20 x 1,17 = 1,01% 2
116 Teste de Comparação de Médias - Tukey 2 - Calcular as estimativas dos contrastes entre 2 médias Y1 = m D - m B = 0,49% (NS) Y2 = m D - m C = 0,81% (NS) Y3 = m D - m A = 1,4% (*) Y4 = m B - m C = 0,32% (NS) Y5 = m B - m A = 0,91% (NS) Y6 = m C - m A = 0,59% (NS)
117 Teste de Comparação de Médias - Tukey 3 - Representar as diferenças entre as médias Valor de Y deve ser maior que (1,01%) para ser significativo Y1 = m D - m B = 0,49% (NS) Y2 = m D - m C = 0,81% (NS) Y3 = m D - m A = 1,4% (*) Y4 = m B - m C = 0,32% (NS) Y5 = m B - m A = 0,91% (NS) Y6 = m C - m A = 0,59% (NS) m D = g a m B = g ab m C = g ab m A = g bc
118 Delineamento em Blocos Casualizados Os tratamentos são alocados ao acaso em grupos homogêneos = Blocos Objetivo Manter a variabilidade entre as unidades experimentais dentro do bloco menor possível e maximizar as diferenças entre os blocos Usado para controlar as variabilidades conhecidas
119 Delineamento em Blocos Casualizados Vantagens Elimina, pelo uso dos blocos, uma fonte de variabilidade nas unidades experimentais Adapta-se a uma grande variabilidade de situações É de fácil análise
120 Delineamento em Blocos Casualizados Desvantagens Quando os blocos não são homogêneos existe um aumento do erro experimental Quando as diferenças entre os blocos não são grandes o uso deste delineamento reduz o número de Graus de Liberdade do erro sem aumentar a precisão do ensaio
121 Delineamento em Blocos Casualizados Casualização: Identificar e numerar os Blocos: B1, B2, B3, B4, B5 Numerar tratamentos: T1, T2, T3, T4 Numerar repetições: T1R1, T1R2,..., T4R4, T4R5 Sortear os tratamentos aos Blocos de modo que cada bloco contenha todos os tratamentos
122 Delineamento em Blocos Casualizados Blocos B1 B2 B3 B4 B5 T4R1 T1R2 T3R3 T2R4 T1R1 T4R2 T2R3 T4R4 T2R1 T3R2 T1R3 T4R4 T3R1 T2R2 T4R3 T1R4 T1R5 T2R5 T4R5 T3R5
123 Análise de Variância Fontes de Variação e Graus de Liberdade Fontes de variação Tratamento, bloco, erro experimental (resíduo), total Graus de liberdade Número de observações menos 1, para cada fonte de variação
124 Efeito do processamento do milho na produção de leite de vacas holandesas (Delineamento em Blocos Casualizados) Blocos Tratamentos A B C D E Total Média 1 29,3 30,4 28,4 31,2 30,9 150,2 30,4 2 27,5 29,5 29,0 28,0 28,4 142,4 28,5 3 31,6 30,5 30,9 32,0 31,0 156,0 31,2 4 28,3 27,3 29,8 27,0 28,1 140,5 28,1 Σ 116,7 117,7 118,1 118,2 118,4 589,1 29,55
125 Análise de Variância Fontes de Variação e Graus de Liberdade Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 Blocos 4 Erro Experimental 12 Total 19 (t - 1) (b - 1) (t - 1) (b - 1) ou (GL Total - GL Trat - GL Blocos) (tb - 1)
126 Análise de Variância Soma dos Quadrados Fontes de Variação GL SQ QM F observado F requerido Tratamentos Blocos Erro Experimental 3 SQ Trat 4 SQ Blocos 12 SQ Erro Total 19 SQ Total
127 Análise de Variância Soma dos Quadrados Totais SQ Total = Σx 2 -C C = G 2 N Fator de correção G = Somatório total da variável observada (589,1) N = Número de observações (20)
128 Análise de Variância Soma dos Quadrados Totais Exemplo: C = (589,1) 2 = ,9 20 SQ Total = 29, , , ,1 2 -C SQ Total = , ,9 = 74,8
129 Análise de Variância Soma dos Quadrados dos Tratamentos SQ Trat = ΣTrat 2 - C r = Número de repetições r Exemplo: SQ Trat = 150, , , , C SQ Trat = , ,9 = 30,9
130 Análise de Variância Soma dos Quadrados dos Blocos SQ Trat = ΣBlocos 2 - C t = Número de tratamentos t Exemplo: SQ Trat = 116, , , , , C SQ Trat = , ,9 = 0,5
131 Análise de Variância Soma dos Quadrados do Erro SQ Erro = SQ Total -SQ Trat -SQ Blocos Exemplo: SQ Erro = 74,8-30,9-0,5 = 43,4
132 Análise de Variância Quadrados Médios Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 30,9 QM Trat Blocos 4 0,5 QM Blocos Erro Experimental 12 43,4 QM Erro Total 19 74,8
133 Análise de Variância Quadrados Médio dos Tratamentos QM Trat = SQ Trat GL Trat Exemplo: QM Trat = 30,9 = 10,3 3
134 Análise de Variância Quadrados Médio dos Blocos QM Blocos = SQ Blocos GL Blocos Exemplo: QM Blocos = 0,5 = 0,13 4
135 Análise de Variância Quadrados Médio do Erro QM Erro = SQ Erro GL Erro Exemplo: QM Erro = 43,4 = 3,6 12
136 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 30,9 10,3 F Trat Blocos 4 0,5 0,13 F Blocos Erro Experimental 12 43,4 3,6 Total 19 74,8
137 Análise de Variância Teste F para comparação da variância O teste F é calculado da seguinte maneira: F Trat = QM Trat QM Erro F Blocos = QM Blocos QM Erro Exemplo: F Trat = 10,3 = 2,86 F Blocos = 0,13 = 0,04 3,6 3,6
138 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 30,9 10,3 2,86 Tabelado Blocos 4 0,5 0,13 0,04 Tabelado Erro Experimental 12 43,4 3,6 Total 19 74,8
139 Análise de Variância Teste F para comparação da variância F Tabelado (5% e 1%) Obtido em função do número de graus de liberdade do numerador (tratamento, bloco) e do número de graus de liberdade do denominador (resíduo) GL Tratamento GL Resíduo
140 Análise de Variância Teste F para comparação da variância Exemplo: Tratamento = 3 GL Resíduo = 12 GL GL Tratamento F5% = 3,49 F1% = 5,95 GL Resíduo
141 Análise de Variância Teste F para comparação da variância Se F observado > que o F tabelado Significativo Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 30,9 10,3 2,86 3,49 5,95 Blocos 4 0,5 0,13 0,04 3,26 5,41 Erro Experimental 12 43,4 3,6 5% 1% Total 19 74,8 F observado < F tabelado = Não significativo (NS)
142 Delineamento em Quadrado Latino Controle local mais eficiente Duplo (linhas e colunas) Permite o controle de 2 fatores de variação controláveis que contribuem para a heterogeneidade das condições experimentais Estágio de lactação e número de lactações
143 Delineamento em Quadrado Latino Permite eliminar das comparações entre os tratamentos e da estimativa da variação casual as diferenças entre filas (estágio de lactação) e as diferenças entre colunas (número de lactações) Tratamentos são comparados em condições mais homogêneas Número de repetições deve ser igual ao de tratamentos
144 Delineamento em Quadrado Latino Vantagem Permite maior eficiência na análise estatística Elimina variações que seriam computadas nas comparações entre tratamentos e da estimativa da variação casual Permite a utilização de número reduzido de animais
145 Delineamento em Quadrado Latino Desvantagens Número de tratamentos deve ser igual ao de tratamentos, o que torna inviável experimentos com elevado número de tratametos Atenção aos tratamentos que possuam efeito residual Análise estatística pode tornar-se complexa
146 Delineamento em Quadrado Latino Casualização: Sortear um quadrado padrão Numerar tratamentos: T1, T2, T3, T4 Numerar repetições: T1R1, T1R2,..., T5R4, T5R5 Atribuir a cada letra um dos tratamentos
147 Delineamento em Quadrado Latino 4 x 4 5 x 5 A B C D B C D A C D A B D A B C A B C D E B D A E C C E B A D D C E B A E A D C B
148 Delineamento em Blocos Casualizados Colunas C1 C2 C3 C4 C5 L1 T1R1 T2R2 T3R3 T4R4 T5R5 Linhas L2 L3 L4 L5 T2R1 T4R2 T1R3 T5R4 T3R5 T3R1 T5R2 T2R3 T1R4 T4R5 T4R1 T3R2 T5R3 T2R4 T1R5 T5R1 T1R2 T4R3 T3R4 T2R5
149 Análise de Variância Fontes de Variação e Graus de Liberdade Fontes de variação Tratamento, linha, coluna, erro experimental (resíduo), total Graus de liberdade Número de observações menos 1, para cada fonte de variação
150 Digestibilidade do trato total de vacas em lactação alimentadas com silagens de diferentes híbridos de sorgo (Delineamento em Blocos Casualizados) Colunas Linhas A B C D E Total Média 1 68,2 A 61,6 B 66,3 C 62,6 D 67,2 E 325,9 65,2 2 71,3 B 73,3 D 72,3 A 74,2 E 69,6 C 360,7 72,1 3 67,4 C 66,4 E 69,4 B 70,5 A 69,4 D 343,1 68,6 4 74,6 D 67,5 C 66,4 E 78,7 B 64,3 A 351,5 70,3 5 68,9 E 70,9 A 72,3 D 67,4 C 69,4 B 348,9 69,8 Σ 350,4 339,7 346,7 353,4 339,9 1730,1 69,2
151 Análise de Variância Fontes de Variação e Graus de Liberdade Fontes de Variação GL SQ QM F observado F requerido Tratamentos 3 Linha 4 Coluna 4 Erro Experimental 12 Total 19 (t - 1) (t - 1) (t - 1) (t - 1) (t - 2) ou (GL Total - GL Trat - GL Coluna - GL Linha) (t 2-1)
152 Análise de Variância Soma dos Quadrados Fontes de Variação GL SQ QM F observado F requerido Tratamentos Linhas 4 SQ Trat 4 SQ Linhas Colunas 4 SQ Colunas Erro Experimental 12 SQ Erro Total 24 SQ Total
153 Análise de Variância Soma dos Quadrados Totais SQ Total = Σx 2 -C C = G 2 N Fator de correção G = somatório total da variável observada (1730,1) N = Número de observações (25)
154 Análise de Variância Soma dos Quadrados Totais Exemplo: C = (1730,1) 2 = ,8 25 SQ Total = 68, , , ,4 2 -C SQ Total = , ,8 = 353,9
155 Análise de Variância Soma dos Quadrados dos Tratamentos SQ Trat = ΣTrat 2 - C t = Número de tratamentos t Exemplo: SQ Trat = 346, , , , , C SQ Trat = , ,8 = 25,4
156 Análise de Variância Soma dos Quadrados das Linhas SQ Trat = ΣLinhas 2 - C r = Número de repetições r Exemplo: SQ Linhas = 325, , , , , C SQ Linhas = , ,8 = 133,5
157 Análise de Variância Soma dos Quadrados das Colunas SQ Colunas = ΣColunas 2 - C t = Número de tratamentos t Exemplo: SQ Colunas = 350, , , , ,9 - C 5 SQ Colunas = , ,8 = 30,4
158 Análise de Variância Soma dos Quadrados do Erro SQ Erro = SQ Total -SQ Trat -SQ Linhas -SQ Colunas Exemplo: SQ Erro = 353,9-25,4-133,5-30,4 = 164,6
159 Análise de Variância Quadrados Médios Fontes de Variação GL SQ QM F observado F requerido Tratamentos 4 25,4 QM Trat Linhas 4 133,5 QM Linhas Colunas 4 30,4 QM Colunas Erro Experimental ,6 QM Erro Total ,9
160 Análise de Variância Quadrados Médio dos Tratamentos QM Trat = SQ Trat GL Trat Exemplo: QM Trat = 25,4 = 6,35 4
161 Análise de Variância Quadrados Médio das Linhas QM Linhas = SQ Linhas GL Linhas Exemplo: QM Linhas = 133,5 = 33,4 4
162 Análise de Variância Quadrados Médio das Colunas QM Colunas = SQ Colunas GL Erro Exemplo: QM Colunas = 30,4 = 7,6 4
163 Análise de Variância Quadrados Médio das Colunas QM Erro = SQ Erro GL Erro Exemplo: QM Erro = 164,6 = 13,72 12
164 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos 4 25,4 6,35 F Trat Linhas 4 133,5 33,4 F Linhas Colunas 4 30,4 7,6 F Colunas Erro Experimental ,6 13,7 Total ,9
165 Análise de Variância Teste F para comparação da variância O teste F é calculado da seguinte maneira: F Trat = QM Trat F Linhas = QM Linhas F Colunas = QM Colunas QM Erro QM Erro QM Erro Exemplo: F Trat = 6,35 = 0,46 F Linhas = 33,4 = 2,44 F Colunas = 7,6 = 0,55 13,7 13,7 13,7
166 Análise de Variância Teste F para comparação da variância Fontes de Variação GL SQ QM F observado F requerido Tratamentos 4 25,4 6,35 0,46 Tabelado Linhas 4 133,5 33,4 2,44 Tabelado Colunas 4 30,4 7,6 0,55 Tabelado Erro Experimental ,6 13,7 Total ,9
167 Análise de Variância Teste F para comparação da variância F Tabelado (5% e 1%) Obtido em função do número de graus de liberdade do numerador (tratamento, linha e coluna) e do número de graus de liberdade do denominador (resíduo) GL Tratamento GL Resíduo
168 Análise de Variância Teste F para comparação da variância Exemplo: Tratamento = 4 GL Resíduo = 12 GL GL Tratamento F5% = 3,26 F1% = 5,41 GL Resíduo
169 Análise de Variância Teste F para comparação da variância Se F observado > que o F tabelado Significativo Fontes de Variação GL SQ QM F observado F requerido Tratamentos 4 25,4 6,35 0,46 3,26 5,41 Linhas 4 133,5 33,4 2,44 3,26 5,41 Colunas 4 30,4 7,6 0,55 3,26 5,41 Erro Experimental ,6 13,7 5% 1% Total ,9 F observado < F tabelado = Não significativo (NS)
170 Delineamentos para Respostas de Fluxo Contínuo Ensaios aplicados em experimentação com vacas leiteiras Utilizados quando a resposta fisiológica apresenta grande variação natural (produção de leite, gordura e proteína do leite) Se considerar a produção de leite total por vaca a variação será muito grande, mas ao considerar durante o período de lactação a resposta produção diária torna-se uma resposta de fluxo continuado
171 Delineamentos para Respostas de Fluxo Contínuo Ensaios Rotativos (Change-over) Estrutura do Quadrado Latino Faixa ideal para experimentação se encontra depois do pico de lactação até a metade da gestação (3 a 5 meses) Necessário período de adaptação dos animais ao tratamento Efeito residual Limita número de tratamentos
172 Delineamentos para Respostas de Fluxo Contínuo Ensaios Rotativos (Change-over) Como cada tratamento ocorre nos três períodos, ocorre certa compensação para seus efeitos Importante utilizar animais com produção semelhantes (persistência de lactação) Vaca 1 Vaca 2 Vaca 3 Período 1 A B C Período 2 C A B Período 3 B C A
173 Delineamentos para Respostas de Fluxo Contínuo Ensaios de reversão (Switch-back) Cada animal é utilizado em 3 períodos experimentais sucessivos Período inicial e final têm sempre o mesmo tratamento Procura eliminar as diferenças de velocidade de queda de produção entre diferentes vacas Não aconselhado para tratamentos com efeito residual
174 Delineamentos para Respostas de Fluxo Contínuo 2 Tratamentos Vaca 1 Vaca 2 Vaca 3 Vaca 4 Vaca 5 Vaca 6 Período 1 A B A Período 2 B Período 3 A B A B A A B B A A B B A B 3 Tratamentos Vaca 1 Vaca 2 Vaca 3 Vaca 4 Vaca 5 Vaca 6 Período 1 A B C A B C Período 2 B C A C A B Período 3 A B C A B C 4 Tratamentos Período 1 A B C D A B C D A B C D Período 2 B C D A C D A B D A B C Período 3 A B C D A B C D A B C D
175 Delineamentos para Respostas de Fluxo Contínuo Ensaios de reversão (Switch-back) Fontes de Variação GL SQ QM F observado F requerido Tratamentos Erro Experimental Total Fontes de Variação GL SQ QM F observado F requerido Tratamentos Blocos Erro Experimental Total
176 Forma de Arranjo dos Tratamentos
177 Arranjo Fatorial Investigação de dois ou mais fatores ao mesmo tempo Tratamentos Combinações possíveis dos fatores Utilizado em qualquer delineamento Quando a presença de um fator altera o comportamento do outro, tem-se a interação de efeitos
178 Arranjo Fatorial Exemplo: Fatores avaliados Nível de tanino e PEG Silagem com baixo tanino Com PEG Sem PEG Silagem com alto tanino Com PEG Sem PEG
179 Arranjo Fatorial Vantagens Avaliação de mais de um fator ao mesmo tempo Avaliação da interação dos efeitos dos fatores Na ausência de efeito de interação o número de repetições é aumentado no teste dos efeitos principais Utilização mais racional dos recursos disponíveis
180 Arranjo Fatorial Desvantagens O simples aumento do número de fatores ou dos níveis de um fator aumenta muito o número de tratamentos A análise de resultados, dadas suas características, é torna-se muito complicada
181 Arranjo Fatorial Análise de variância Fontes de Variação GL SQ QM F observado Pr > F Tratamentos Volumoso (V) Aditivo (A) V x A Erro Experimental Total
182 Análise estatística - SAS
183 Arranjo Fatorial Análise de variância Fontes de Variação GL SQ QM F observado Pr > F Tratamentos 3 70,61 23,54 6,66 0,0068 Volumoso (V) 1 9,82 9,82 2,78 0,1216 Aditivo (A) 1 2,67 2,67 0,75 0,4023 V x A 1 58,13 58,13 16,44 0,0016 Erro Experimental 12 42,44 3,54 Total ,05
184 Arranjo Fatorial Composição química das silagens dos híbridos de sorgo avaliados com ou sem adição de polietilenoglicol (PEG) Tratamentos Composição (% da matéria seca) PB FDN NIDN/N Hemicelulose BTSP 8,05 59,08 21,75 15,69 BTCP 6,40 57,89 23,56 16,32 ATSP 8,31 53,87 23,93 13,15 ATCP 7,72 48,83 19,99 17,29 CV (%) 8,27 5,43 11,76 16,17 Volumoso Efeitos Principais Baixo tanino 7,22 a 58,43 b 22,66 16,01 Alto tanino 8,02 b 51,35 a 21,96 15,22 Aditivo Sem PEG 8,18 b 56,47 22,84 14,42 Com PEG 7,06 a 53,36 21,78 16,81
185 Arranjo Fatorial Desdobramento das interações observadas para composição das silagens de híbridos de sorgo com e sem adição de polietilenoglicol (PEG) Aditivo Volumosos BT AT Média CV (%) MS (%) Sem PEG 30,90 bb 36,28 aa 33,59 4,62 Com PEG 35,53 A 33,29 B 34,41 6,28 Média 33,22 34,78 CV (%) 7,30 3,13 FDA (%) Sem PEG 43,39 40,72 A 42,05 B 4,60 Com PEG 41,57 a 31,53 bb 36,55 A 6,34 Média 42,48 b 36,13 a CV (%) 5,60 5,13
186 Parcelas Subdividas Consiste em atribuir os níveis de um dos fatores às parcelas dispostas segundo um delineamento básico apropriado (DIC, DBC, DQL) e os níveis do outro fator às divisões das parcelas As parcelas do delineamento básico são denominadas parcelas principais ou parcelas e suas subdivisões são denominadas parcelas
187 Parcelas Subdividas Experimentos com medidas repetidas ao longo do tempo sobre as unidades experimentais são analisados como parcelas subdivididas As observações sobre uma mesma unidade experimental em instantes diferentes são consideradas como observações em subdvisões (subparcelas da unidade) Atribui maior precisão para o fator em subparcelas para o qual resulta em maior número de repetições
188 Parcelas Subdividas Vantagens Confere maior precisão ao fator contido na subparcela Atribui maior número de GL para a estimativa da varância do erro correspondente a subparcela Permite combinar em um mesmo experimento um fator que exige unidades experimentais grandes e um fator que requer unidades experimentais de pequenas dimensões
189 Parcelas Subdividas Desvantagem A análise estatística é mais complexa, já que há dois tamanhos diferentes de unidades experimentais e, em consequência, dois diferentes componentes do erro
190 Parcelas Subdividas Análise de variância Fontes de Variação GL SQ QM F observado Pr > F Bloco (r - 1) Animal (A) (a - 1) Erro A (a - 1) (r - 1) Total A (Parcela) (ar - 1) Horário coleta (HC) (b - 1) A x HC (a -1) (b - 1) Erro B a (b - 1) (r - 1) Total B (Subparcela) abr - 1
191 Associação de Variáveis Quantitativas
192 Correlação A correlação entre duas variáveis poderá ser calculada quando se deseja saber se a variação de uma delas acompanha proporcional ou inversamente a variação da outra A associação entre quantitativas se manifesta sem que seja possível estabelecer efeito causativo de uma sobre a outra
193 Correlação r Coeficiente de correlação Mede o grau de associação entre duas variáveis -1 r 1 r = 1 Correlação perfeita positiva, X acompanha proporcionalmente Y r = -1 Correlação perfeita negativa, X inversamente proporcional a Y r = 0 Não há correlação alguma, X e Y variam independentemente
194 Correlação Cálculo:
195 Análise de Correlação - SAS
196 Correlação Correlação entre a produção de metano, ingestão de matéria seca e digestibilidade ruminal de nutrientes IMS (kg/d) DRMS (%) DRMO (%) DRFDN (%) DREB (%) DRAM (%) Metano (g/d) 0,4895** -0,5078** -0,5446** -0,4127* -0,5479** -0,5542** IMS (kg/d) -0,5341** -0,6390*** -0,6025*** -0,6101*** -0,6596*** DRMS (%) 0,9777*** 0,9236*** 0,9801*** 0,8642*** DRMO (%) 0,9260*** 0,9940*** 0,8664*** DRFDN (%) 0,9203*** 0,7714*** DREB (%) 0,8651*** * P < 0,05; ** P < 0,01; *** P < 0,001.
197 Regressão Ferramenta estatística que possibilita a formulação de equações estabelecendo relações entre variáveis com o objetivo de realizar predições Estabelece relação funcional (regressão), entre tratamento (x) e os dados obtidos como resposta (y) Variável independente Variável dependente
198 Regressão Ferramenta aplicada quando se trabalha com níveis quantitativos Níveis de inclusão de determinado ingrediente Níveis nutricionais em dietas Níveis de fertilização em forragens Teor de PB da dieta Produção de leite X (%) 10% 12% 15% 18% Y (kg) 10,5 13,4 16,1 17,7
199 Regressão A relação entre as variáveis independente (x) e dependente (y) pode ser expressa matematicamente y = a + bx y = a + bx 1 + cx 2 + dx 3 Regressão Linear Simples Regressão Linear Múltipla Linear Os expoentes de x são = 1 Simples = Possui apenas 1 variável independente Linear Os expoentes de x são = 1 Múltipla = Possui mais de 1 variável independente
200 Regressão A relação entre as variáveis independente (x) e dependente (y) pode ser expressa matematicamente y = a + bx 1 + cx 2 y = a + bx 1 + cx 2 + dx 3 Regressão Quadrática Regressão Cúbica
201 Regressão Fontes de Variação GL SQ QM F observado Pr > F Regressão linear Regressão quadrática Cúbica Desvios da regressão Tratamento Blocos Erro experimental Total
202 Regressão r 2 Coeficiente de determinação Mostra a adequação de um modelo em relação ao fenômeno observado Proporção da variação total em y que é explicada pela variação independente x r 2 = SQ Modelo SQ Total 0 r 2 1
203 Regressão Exemplo: Avaliação de níveis de monensina na digestibilidade de nutrientes y Estimativa da digestibilidade recebendo nível x de monensina a Coeficiente linear de regressão (corresponde aovalor de u quando x = 0) b Coeficiente de regressão do nível de monensina sobre a digestibilidade Dig CHO y = 62, ,240x 0,006x 2 r 2 = 0,1328 0u 13,28% Regressão Quadrática
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Introdução o Os ensaios em quadrados latinos levam em conta o controle local, aplicado em dois destinos:
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisConcurso Público para provimento de cargo efetivo de Docentes
Questão 01 Os dados, a seguir, são referentes às notas de cinco alunos de uma turma para as provas P 1 e P 2. P 1 = {2, 3, 4, 5, 6} P 2 = {2, 2, 4, 5, 7} Analisando os resultados, é possível afirmar que:
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia maisTécnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir
Leia maisPLANEJAMENTO DE EXPERIMENTOS
PLANEJAMENTO DE EXPERIMENTOS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 01 de julho de 2017 Planejamento de Experimentos A experimentação
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Caracterização o O delineamento inteiramente casualizado (DIC) é o mais simples de todos os delineamentos
Leia maisESTATÍSTICA EXPERIMENTAL. Delineamento experimental. Aula 04
ESTATÍSTICA EXPERIMENTAL Delineamento experimental. Aula 04 Conceito Delineamento experimental É o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes tratamentos
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisPlanejamento Experimental
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 22 de setembro de 2018 Londrina Um pesquisador científico resolve problemas de interesse da sociedade de forma direta ou indireta, pela aplicação
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
Leia maisBioexperimentação. Prof. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em
Leia maisExperimentos em parcelas subdivididas e procedimentos para a aplicação dos testes de comparação de médias
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UNIDADE ACADÊMICA DE CIÊNCIAS AGRÁRIAS DISCIPLINA: ESTATÍSTICA EXPERIMENTAL Experimentos em parcelas subdivididas e procedimentos para a aplicação
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br UNIDADE EXPERIMENTAL OU PARCELA Unidade Experimental (ou Parcela) são os indivíduos (plantas ou animais)
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTE DE DUNCAN TESTE DE DUNCAN O teste de Duncan também pode ser usado como um complemento do Teste
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 06 de julho de 2016 Nos experimentos fatoriais, todas
Leia maisPlanejamento da pesquisa científica: incerteza e estatística. Edilson Batista de Oliveira Embrapa Florestas
Planejamento da pesquisa científica: incerteza e estatística Edilson Batista de Oliveira Embrapa Florestas Pesquisa em laboratórios na Embrapa Anos 70 Anos 80 Anos 90 Século 21 Precisão em Laboratórios:
Leia maisDelineamento e Análise Experimental Aula 5
Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes
Leia maisLucas Santana da Cunha 27 de novembro de 2017
EXPERIMENTAÇÃO E ANÁLISE DE VARIÂNCIA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 27 de novembro de 2017 Experimentação A experimentação se difundiu como
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisCapacitação de Alunos do IFSULDEMINAS Campus Machado Para Realização de Planejamento e Análise Estatística
4ª Jornada Científica e Tecnológica e 1º Simpósio de Pós-Graduação do IFSULDEMINAS 16, 17 e 18 de outubro de 2012, Muzambinho MG Capacitação de Alunos do IFSULDEMINAS Campus Machado Para Realização de
Leia maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m = 0 H a : pelo menos m u m k, para
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisDELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador
DELINEAMENTO COMPLETAMENTE CASUALIZADO Prof. Dra. Janete Pereira Amador Análise de Variância Considerando esquematicamente um experimento, tem-se: Tratamentos Unidade Experimental Efeito onde ij são as
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisQual o delineamento e quantas observações devo considerar em meu projeto? Ivan Barbosa Machado Sampaio Professor Emérito Escola de Veterinária - UFMG
Qual o delineamento e quantas observações devo considerar em meu projeto? Ivan Barbosa Machado Sampaio Professor Emérito Escola de Veterinária - UFMG Após 45 dias sob mesmo manejo... Foram selecionados
Leia maisb) 5 6 d) 1 6 e) 7 6
CONHECIMENTOS ESPECÍFICOS 21. Em estatística, duas medidas são de grande importância na análise de dados, medidas de tendência central e de dispersão. Dentre as medidas indicadas abaixo, são, respectivamente,
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m I = 0 H a : pelo menos m u m k,
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 1ª parte Introdução PPE - Parte da
Leia maisIntrodução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas de Variabilidade
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas
Leia maisMedidas Estatísticas NILO FERNANDES VARELA
Medidas Estatísticas NILO FERNANDES VARELA Tendência Central Medidas que orientam quanto aos valores centrais. Representam os fenômenos pelos seus valores médios, em torno dos quais tendem a se concentrar
Leia maisAULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL)
AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) Características Utiliza-se de três princípios básicos da experimentação: repetição, casualização e controle local. Possui um controle local mais eficiente que
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
DISCIPLINA BIOEXPERIMENTAÇÃO Exercício de experimento fatorial resolução passo-à-passo Os dados apresentados abaixo são uma adaptação do exemplo apresentado por Banzato e Kronka (199) Os dados são valores
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisEstatística. O que é Estatística? Estatística pode ser: Estatística Descritiva. Ivonete Melo de Carvalho. Conteúdo
Estatística Estatística Descritiva Ivonete Melo de Carvalho Conteúdo Definições; Tabelas e Gráficos; Medidas de tendência central; Medidas de dispersão. Objetivos Diferenciar população e amostra. Elaborar
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisINTRODUÇÃO A ESTATISTICA PROF. RANILDO LOPES
INTRODUÇÃO A ESTATISTICA PROF. RANILDO LOPES DESCRIÇÃO DOS DADOS CONTÍNUOS Trazem informações que expressam a tendência central e a dispersão dos dados. Tendência Central: Média ( x ), Mediana ( Md ),
Leia maisProbabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
Leia maisBioestatística Aula 4
Bioestatística Aula 4 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 32 Amostragem A amostragem é um campo da estatística que estuda técnicas de planejamento de pesquisa para possibilitar
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV TESTES DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS Profª Railene Hérica Carlos
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisPlanejamento de instalação de experimentos no campo
Planejamento de instalação de experimentos no campo Antonio Williams Moita Embrapa Hortaliças Goiânia, 28 de novembro de 2012 Experimentação Agrícola Histórico John Bennet Lawes - após prolongadas experimentações
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística Experimental Princípios básicos de experimentação Delineamento inteiramente casualizado (DIC) Delineamento
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisCIRCULAR 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 maisExperimentos em Quadrado Latino. Estatística Experimental
Experimentos em Quadrado Latino Estatística Experimental Características gerais O Quadrado Latino é um delineamento apropriado para ambientes experimentais heterogêneos. Foi proposto com a finalidade de
Leia maisPlanejamento de Experimentos. Como designar os tratamentos às unidades experimentais? Quantas vezes deve-se repetir os diferentes tratamentos?
Planejamento de Experimentos Como designar os tratamentos às unidades experimentais? Quantas vezes deve-se repetir os diferentes tratamentos? FISHER, matemático e estatístico, desenvolveu: tipos de experimentos
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística A Estatística originou-se com a coleta e construção de tabelas de dados para o governo. A situação evoluiu e esta coleta de dados representa somente um
Leia maisCE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisEstatística aplicada ao Melhoramento animal
Qual é a herdabilidade para uma característica? Qual é a variabilidade de desempenho para essa característica? Selecionando para a característica X, característica Y será afetada? Como predizer os valores
Leia maisTEAZ Técnicas Experimentais Aplicadas à Zootecnia PLANO DE ENSINO
TEAZ Técnicas Experimentais Aplicadas à Zootecnia PLANO DE ENSINO II EMENTA Principais delineamentos experimentais usados em pesquisas zootécnicas. Condução de pesquisas e análises estatísticas mais utilizadas.
Leia maisEstatística Descritiva (aula 2) Curso de Farmácia Prof. Hemílio Fernandes
Estatística Descritiva (aula 2) Curso de Farmácia Prof. Hemílio Fernandes 1 Estatística População Características Técnicas de amostragem Amostra Análise descritiva Conclusões sobre as características da
Leia maisAnálise Descritiva de Dados
Análise Descritiva de Dados Resumindo os dados de variáveis quantitativas Síntese Numérica Descrição e Apresentação de Dados Dados 37 39 34 34 30 35 38 32 32 30 46 36 40 31 39 33 33 35 29 27 39 Ferramentas
Leia maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior http:\\lira.pro.br\wordpress 1 Item da avaliação 2010-1 Média avaliações semanais 2 Condução e análise do trabalho prático 2 Apresentação e artigo do trabalho prático 3 Prova
Leia maisBIOESTATÍSTICA AULA 4. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 4 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Amostragem AMOSTRAGEM A amostragem é um campo da estatística que estuda técnicas de planejamento
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO
UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição
Leia maisTécnicas de Amostragem
Técnicas de Amostragem 1 Amostragem é o processo de seleção de uma amostra, que possibilita o estudo das características da população. Quando obtemos informações a partir de amostras e tentamos atingir
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos FISHER, matemático e estatístico, desenvolveu: tipos de experimentos (Delineamento de Experimentos) métodos estatísticos para analisar os experimentos (Análise de Variância)
Leia maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Página do curso: http://www.leg.ufpr.br/ragronomia Vamos a um exemplo... Um experimento foi realizado para avaliar de que forma se distribuía uma
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTE DE TUKEY O teste de Tukey também pode ser usado como um complemento do Teste F da análise de variância.
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema 1: Princípios básicos de agrária. Conceitos básicos na Experimento - inquérito planeado para obtenção de novos factos ou para confirmar resultados de estudos prévios e para
Leia maisPRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO. Profª. Sheila Regina Oro
PRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO Livro: Curso de estatística experimental Autor: Frederico PIMENTEL-GOMES Capítulo: 2 Livro: Estatística experimental Autor: Sonia VIEIRA Capítulo: 1 Profª. Sheila Regina
Leia maisESTATÍSTICA. Estatística é o conjunto de métodos para a obtenção, organização, resumo, análise e interpretação dos dados.
ESTATÍSTICA Termo vem de status Aspectos de um país (tamanho da população, taxas de mortalidade, taxas de desemprego, renda per capita). Estatística é o conjunto de métodos para a obtenção, organização,
Leia maisDelineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)
Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados
Leia maisIntrodução. O objetivo do melhoramento genético é obter genótipos superiores. Entretanto, o ambiente influencia na expressão de grande número de
ula 03 Introdução O objetivo do melhoramento genético é obter genótipos superiores. Entretanto, o ambiente influencia na expressão de grande número de caracteres, podendo mascarar genótipos. os efeitos
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população, com
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS» ESTATÍSTICA EXPERIMENTAL «21. Na construção de uma distribuição para uma amostra, o número de classes depende a) apenas do número de dados. b) somente da amplitude dos dados
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia maisUNIDADE V EXPERIMENTOS FATORIAIS (RC)
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V EXPERIMENTOS FATORIAIS (RC) Profª Railene Hérica Carlos Rocha Pombal, PB. 1. Conceitos
Leia maisTESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
Leia maisAMOSTRAGEM. É a parte da Teoria Estatística que define os procedimentos para os planejamentos amostrais e as técnicas de estimação utilizadas.
AMOSTRAGEM É a parte da Teoria Estatística que define os procedimentos para os planejamentos amostrais e as técnicas de estimação utilizadas. Nos planejamentos amostrais, a coleta dos dados deve ser realizada
Leia mais