Assim, de acordo com o tipo de níveis atribuídos para o fator, a técnica apropriada será escolhida. Logo temos o seguinte esquema:
|
|
- Dina Penha Cipriano
- 5 Há anos
- Visualizações:
Transcrição
1 Assim, de acordo com o tipo de níveis atribuídos para o fator, a técnica apropriada será escolhida. Logo temos o seguinte esquema: Fator Qualitativo Teste de comparações múltiplas Rejeita H 0 H 0 H ANOVA Fator Quantitativo Regressão Aceita H 0 As pressuposições devem ser satisfeitas!
2 Como estudar os fatores? Fatores Qualitativos Fatores Quantitativos Cultivares de milho (A,, C e D) Rações (Comum e remium) Idades de Corte de Gramíneas (0, 60 e 90 dias) Níveis de Estradiol na Ração (0, 0, 0, 60 e 80 mg) Raças Temperaturas (R, R,...) (7 0 C, 0 C e 0 C ) Seo (acho e Fêmea) Irrigação (resença e Ausência) Adubação (Orgânica, Química, Testemunha) Níveis de Energia (800, 000, 00 e 00 Kcal/kg) Doses de Adubo (0, 0, 0, 0 e 0 kg/ha) orcentagem de proteína (6, 8, 0 e %) Teste de Comparações últiplas Regressão
3 Regressão na ANOVA (olinômios ortogonais) rof. a Dr. a Simone Daniela Sartorio de edeiros DTAiSeR-Ar
4 A análise de variância, como é feita usualmente, pressupõe a independência dos efeitos dos diversos tratamentos utilizados. Quando essa hipótese não se verifica, a análise de variância deve refletir a dependência entre os efeitos dos tratamentos, sob pena de não ser válida. olinômios ortogonais para fatores quantitativos Nos eperimentos em que os tratamentos são quantitativos, como por eemplo: níveis crescentes de adubo, inseticida, fungicida etc., muitas vezes se justifica a eistência de uma correspondência funcional, denominada equação de regressão, que liga os valores dos tratamentos (X) aos dados analisados (Y). Variável resposta y = 0, ,98 Valor observado Valor estimado Idade de Corte (dias)
5 Como fazer a análise de variância para o estudo da regressão? O método a ser utilizado é o dos polinômios ortogonais, que é de fácil aplicação quando os níveis que compõem os tratamentos são igualmente espaçados, pois nos permitem a utilização de coeficientes dados em tabelas. ara a construção de polinômios ortogonais para níveis que não são igualmente espaçados ver: CAOS, H. Estatística aplicada à...98 Capítulo.
6 olinômios y =a + b Equação y = a + b + c y = a + b + c + d y = a + b + c + d + f y = a + b + c + d + f + g y = a + b + c + d + f + g + h 6 odelo Linear (º grau): reta Quadrático (º grau): parábola Cúbico (º grau) º grau º grau 6º grau y = a + b + c + d + f + g + h 6 + i º grau... 6
7 Eemplos: O número de modelos possíveis de serem ajustados depende do número de níveis do fator em estudo. Fator A com níveis (gl = ) odelo linear (º grau) Fator A com níveis (gl = ) odelo linear (º grau) odelo quadrático (º grau) Fator A com níveis (gl = ) odelo linear (ºgrau) odelo quadrático (º grau) odelo cúbico (º grau) Fator A com níveis (gl = ) odelo linear (ºgrau) odelo quadrático (º grau) odelo cúbico (º grau) Regressão de º grau... 7
8 Eemplo Um eperimento inteiramente casualizado com repetições para estudar os feitos de 7 doses de gesso (0, 0, 00, 0, 00, 0 e 00 kg/ha) sobre diversas características do feijoeiro. ara a característica peso de 000 sementes os resultados obtidos, em gramas, são apresentados na Tabela. Eiste diferença entre as doses para a variável em estudo? Teste essa hipótese ao nível de % de significância. Qual é a melhor dose para se recomendar? Repetições Tratamentos (kg/ha) Totais T) 0,8 9,7 7,6,, T) 0 6,7 7,7 0,,7 6, T) 00 60,7 7,7 6, 6, 68, T) 0 69,8 68, 60,7 6,0 69,7 T) 00 6,7 60,0 8,,0 6,9 T6) 0 7,8 7, 0, 60, 69,9 T7) 00, 60, 8,8,0 67,7 Total 79, Fator quantitativo: Note que há uma tendência de aumento na produção do feijoeiro (Y) à medida que aumentamos a dose de gesso (X). 8
9 Tabulação: DIC_feijao_reg.csv dose y repet 0,8 0 9,7 0 7,6 0, 0 6,7 0 7,7 0 0, 0, ,7 00 7,7 00 6, 00 6, 0 69,8 0 68, 0 60,7 0 6,0 00 6, ,0 00 8, 00,0 0 7,8 0 7, 0 0, 0 60, 00, 00 60, 00 8,8 00,0 Repetições Trat édia T) 0,8 9,7 7,6, 8,60 T) 0 6,7 7,7 0,,7,60 T) 00 60,7 7,7 6, 6, 6, T) 0 69,8 68, 60,7 6,0 6,9 T) 00 6,7 60,0 8,,0 8,7 T6) 0 7,8 7, 0, 60, 9,98 T7) 00, 60, 8,8,0, Eemplo No R: y = c(.8, 9.7, 7.6,., 6.7, 7.7, 0.,.7, 60.7, 7.7, 6., 6., 69.8, 68., 60.7, 6.0, 6.7, 60.0, 8.,.0, 7.8, 7., 0., 60.,., 60., 8.8,.0) # peso 000sementes dose<- rep(c(0, 0, 00, 0, 00, 0, 00),each=) DIC<- data.frame(y, dose) #OU DIC<- read.csv("dic_feijao_reg.csv",head=t,dec=", ") 9
10 Eemplo ANOVA Causas de Variação gl SQ Q F Tratamento 6 SQTrat QTrat F calc Resíduo SQRes QRes - Total 7 SQTotal - - Tarefa : a) Faça esses cálculos da ANOVA à mão, com o auílio da calculadora. b) Conclua o teste de hipóteses. No R: mod<- lm(y ~ factor(dose), data=dic) anova(mod) Analysis of Variance Table Response: y Df Sum Sq ean Sq F value r(>f) factor(dose) *** Residuals # F_tab = F(6,; %) qf(0.9,6,) [].77 0
11 No R: # Normalidade dos erros shapiro.test(rstudent(mod)) Shapiro-Wilk normality test data: rstudent(mod) W = 0.97, p-value = 0.67 Verificando as pressuposições da ANOVA # Homocedasticidade bartlett.test(y ~ dose, data=dic) artlett test of homogeneity of variances data: y by dose artlett's K-squared =.8, df = 6, p-value = 0.99
12 No R: # Gráfico Quantil-quantil com envelope simulado library(car); par(mfrow=c(,)) qqlot(rstudent(mod), pch=9) Verificando as pressuposições da ANOVA # Gráfico de resíduos preditos plot(fitted(mod), rstudent(mod), pch=6, lab='valores ajustados', ylab='resíduos studentizado'); abline( h=c(-,0,), lty=) rstudent(mod) - 0 Resíduos studentizado norm quantiles Valores ajustados
13 Eemplo Desdobramento das doses em regressões por polinômios ortogonais. Como os tratamentos são quantitativos, uma análise completa deve levar em conta a regressão, subdividindo-se os 6 graus de liberdade de tratamento da seguinte maneira: ANOVA Causas de Variação gl SQ Reg. Linear (. o grau) SQRL Reg. Quadrática (. o grau) SQRQ Reg. Cúbica (. o grau) SQRC Reg. de. o grau SQR Reg. de. o grau SQR Reg. de 6. o grau SQR6 (Tratamento) (6) SQTrat ANOVA Causas de Variação gl SQ Reg. Linear SQRL Reg. Quadrática SQRQ Reg. Cúbica SQRC Desvios de regressão SQDV (Tratamento) (6) (SQTrat) Resíduo SQResíduo Total 7 SQTotal Resíduo SQRes Total 7 SQTotal Na ANOVA, podemos considerar as regressões maiores que. o grau como uma única causa de variação, denominada desvios de regressão, pois regressão maior que. o grau não tem interesse prático
14 Análise de variância Qual é o modelo de regressão que se deve usar para esse eperimento? ANOVA Causas de Variação gl SQ Q F Reg. Linear SQRL QRL F_RL Reg. Quadrática SQRQ QRQ F_RQ Reg. Cúbica SQRC QRC F_RC Desvios de regressão SQDV QDR F_DR (Tratamento) (6) (SQTrat) QTrat F_calc Resíduo SQResíduo QRes - Total 7 SQTotal - - (significativa) Resposta: Quando o teste F para Desvios de regressão for significativo, isto indica que eiste alguma regressão significativa, de grau maior que. o e, se tivermos interesse em estudá-la devemos desdobrar os desvios de regressão.
15 Análise de variância Qual é o modelo de regressão que se deve usar para esse eperimento? ANOVA Causas de Variação gl SQ Q F Reg. Linear SQRL QRL F_RL Reg. Quadrática SQRQ QRQ F_RQ Reg. Cúbica SQRC QRC F_RC Desvios de regressão SQDV QDR F_DR (Trat) (6) (SQTrat) QTrat F_calc Resíduo SQResíduo QRes - Total 7 SQTotal - - (significativa) Resposta: odelo Linear: y = a + b
16 Análise de variância Qual é o modelo de regressão que se deve usar para esse eperimento? ANOVA Causas de Variação gl SQ Q F Reg. Linear SQRL QRL F_RL Reg. Quadrática SQRQ QRQ F_RQ Reg. Cúbica SQRC QRC F_RC Desvios de regressão SQDV QDR F_DR (Trat) (6) (SQTrat) QTrat F_calc Resíduo SQResíduo QRes - Total 7 SQTotal - - (significativa) Resposta: odelo Quadrático: y = a + b + c 6
17 Análise de variância Qual é o modelo de regressão que se deve usar para esse eperimento? ANOVA Causas de Variação gl SQ Q F Reg. Linear SQRL QRL F_RL Reg. Quadrática SQRQ QRQ F_RQ Reg. Cúbica SQRC QRC F_RC Desvios de regressão SQDV QDR F_DR (Trat) (6) (SQTrat) QTrat F_calc Resíduo SQResíduo QRes - Total 7 SQTotal - - (significativa) Resposta: odelo Cúbico: y = a + b + c + d 7
18 Análise de variância Qual é o modelo de regressão que se deve usar para esse eperimento? ANOVA Causas de Variação gl SQ Q F Reg. Linear SQRL QRL F_RL Reg. Quadrática SQRQ QRQ F_RQ Reg. Cúbica SQRC QRC F_RC Desvios de regressão SQDV QDR F_DR (Trat) (6) (SQTrat) QTrat F_calc Resíduo SQResíduo QRes - Total 7 SQTotal - - (significativa) (significativa) Resposta: Escolha a fonte de variação (regressão) de maior grau que seja significativa: odelo Cúbico: y = a + b + c + d 8
19 Tabela de coeficientes A tabela fornece também a soma dos quadrados dos coeficientes (K) e uma constante () que será utilizada na determinação da equação de regressão. N.º Trat Grau do polinômio Totais de Tratamentos T T T T T T 6 K / / / / / 7/ /0 Os coeficientes para um número maior de tratamentos podem ser encontrados em GOES,. Curso de Estatística Eperimental, 98 Capítulo. 9
20 Como calcular as somas de quadrados das regressões? a) Obtenha a estimativa do contraste de cada regressão. Eemplo Totais de Tratamentos (T i ) Coeficientes para n=7 níveis º grau º grau º grau c i c i c i T =, () - - T = 6, () - 0 T = 68, () - - T = 69,7 () 0-0 T = 6,9 () - - T 6 = 69,9 () 0 - T 7 = 67,7 () K Reg. linear (RL): Y RL Y RC I i Reg. Cúbica (RC): c i T i Reg. Quad. (RQ): /6 Y RQ 67,0 Y RL ( ) * (,) ( )(6,)... () * (67,7) 7,70 Y 6, 00 I i c i RC T i Y RQ I i c i 0 T i
21 Como calcular as somas de quadrados das regressões? b) Cálculo das Somas de Quadrados das regressões (SQReg) SQY r ( Y) I i c i ( Y) rk r: número de parcelas somadas para obter cada total (T i ) de tratamento. K I i c i Eemplo SQY RL ( Y RL ) rk (7,7) 8, ( Y ) RQ ( YRC ) SQY RQ 8,8 SQY RC, 0 rk rk SQDR SQDR SQTrat 77,80 SQY RL SQY RQ SQY RC
22 Eemplo Tabela da análise de variância da regressão polinomial ortogonal Causas de Variação G.L. S.Q. Q.. F Regressão linear,, 0,0 * Regressão quadrática 8,8 8,8 0,6 * Regressão cúbica,0,0,67 ns Desvios de regressão 77,80,9 0,6 ns (Trat) (6) (9,8) - - Resíduo 886,, - Total 7 88,7 - - F (,; %) =, F (,; %) =,07 Conclusão: Verificamos que a regressão linear e a regressão quadrática foram significativas, indicando que é possível estabelecer uma relação funcional entre a dose de gesso colocada (X) e o peso de 000 sementes (Y) do feijoeiro. Logo, a regressão de mais alto grau no nosso eemplo, será escolhida para determinar a equação de regressão, no caso equação de. o grau.
23 odelo Quadrático: odelo Cúbico: odelo Linear: b a Y c b a Y d c b a Y m Y m Y Eemplo Eemplo Obtendo a equação de regressão estimada Obtendo a equação de regressão estimada m Y m Y odelo Cúbico: d c b a Y m Y odelo de. o grau: e d c b a Y odelo de. o grau: f e d c b a Y
24 Obtendo a equação de regressão estimada odelo Linear: Y a b sendo Y rk RL Y m Cuidado! É muito parecido com a SQRegressão SQY r ( Y) I i c i ( Y) rk m é a média geral referente a todas as observações. é o valor da tabela de coeficientes m q m é a média dos níveis dos tratamentos: ( )/ = q é o espaçamento entre os níveis de tratamentos (q=0)
25 Obtendo a equação de regressão estimada odelo Quadrático: Y a b c Y m sendo Y RQ rk m q n, e são obtidos como na RL. n é o número de níveis do fator m é a média dos níveis dos tratamentos q é o espaçamento entre os níveis de trat s é o valor da tabela de coeficientes
26 odelo Cúbico odelo Cúbico: d c b a Y m Y sendo Y Obtendo a equação de regressão estimada Obtendo a equação de regressão estimada q m n q m 0 7,,,, e são obtidos como na RQ. rk Y RC é o valor da tabela de coeficientes. 6
27 Obtendo a equação de regressão estimada odelo de. o grau: Y a b c d e Y m sendo Y rk R m n m ( n )( n q q 60 9),,,,,,, e são obtidos como na RC. é o valor da tabela de coeficientes. 7
28 sendo odelo de. odelo de. o grau grau: f e d c b a Y m Y Y R Obtendo a equação de regressão estimada Obtendo a equação de regressão estimada,,,,,,,,,, e são obtidos como na R. q m n n q m n q m ) ( rk é o valor da tabela de coeficientes. 8
29 Obtendo a equação de regressão estimada Eemplo odelo Quadrático: Y a b c Y m m Y rk RL,96 6,96 7,7,98 8 ( ) m 7 q 0 n 7 0 m q 0 0 m q 0 0 n 7 9
30 Obtendo a equação de regressão estimada Eemplo Substituindo os valores na equação, temos: Y m Y 0,78 0,76 0,00078, sendo 0 00 em que: Y é o peso de 000 sementes (em gramas); X é a dose de gesso (em kg/ha). A equação só vale no intervalo determinado em que o eperimento foi realizado. 0
31 O modelo se ajusta bem aos dados? Quando determinamos uma equação de regressão é conveniente apresentar o correspondente coeficiente de determinação (R ) que representa, em porcentagem, quanto da variação na resposta é eplicada pela regressão em questão. ara obter o coeficiente de determinação, devemos somar as somas de quadrados das regressões de grau mais baio até aquela que determinou o grau da equação. O resultado deve ser dividido pela SQTrat, isto é: Eemplo R SQRL SQRQ SQTrat, 8,8 9,8 0,880 88,0% Isso significa que da variação eistente nos resultados 88,0% da variação é eplicada pela equação de. o grau.
32 No R: require(epdes.pt) dic(dose, y, quali=f, sigt = 0.0, sigf = 0.0 ) Quadro da analise de variancia GL SQ Q Fc r>fc Tratamento Residuo Total CV =. % Teste de normalidade dos residuos (Shapiro-Wilk) p-valor: 0.79 De acordo com o teste de Shapiro-Wilk a % de significancia, os residuos podem ser considerados normais Ajuste de modelos polinomiais de regressao $`odelo linear ` Estimativa Erro.padrao tc p.valor b b $`R do modelo linear: 0.79 $`Analise de variancia do modelo linear` GL SQ Q Fc p.valor Efeito linear Desvios de Regressao Residuos
33 $`odelo quadratico ` Estimativa Erro.padrao tc p.valor b e+00 b e+00 b e-0 $`R do modelo quadratico`: $`Analise de variancia do modelo quadratico` GL SQ Q Fc p.valor Efeito linear Efeito quadratico e-0 Desvios de Regressao Residuos $`odelo cubico ` Estimativa Erro.padrao tc p.valor b b b b $`R do modelo cubico: $`Analise de variancia do modelo cubico` GL SQ Q Fc p.valor Efeito linear Efeito quadratico e-0 Efeito cubico Desvios de Regressao Residuos
34 O modelo se ajusta bem aos dados? Eemplo No R: # gráfico de pontos plot(dose, y, pch=9, ylab="peso de 000 sementes(gramas)", lab="dose de gesso (kg/ha)") peso de 000 sementes(gra amas) dose de gesso (kg/ha)
35 O modelo se ajusta bem aos dados? Eemplo No R: # Gráfico da regressão quadrática no R: curve( * *^, lwd=, add=t) peso de 000 sementes s(gramas) dose de gesso (kg/ha)
36 O modelo se ajusta bem aos dados? Eemplo odemos fazer também uma verificação do ajuste da equação de regressão, calculando os valores esperados ( Y ) através da equação, e os valores observados (Y obs ) pelas médias dos tratamentos: Dose (X) Y obs Y 0 8,60 0,78 0,60, 00 6, 60, 0 6,9 6, 00 8,7 6,0 0 9,98 60,7 00,, 09,80 09,7 Espera-se que Y obs Y No R: y_chapeu = *doses *dose^ DIC<- data.frame(dic,y_chapeu) sum(tapply(dic$y_chapeu, DIC$dose, mean)) sum(barra) 6
37 Qual é o melhor tratamento? Eemplo No caso do eemplo, o melhor tratamento é a dose em que aumenta o peso de 000 sementes (g). Logo, deve-se derivar a função obtida anteriormente para encontrar o ponto de máimo da função. peso de 000 sementes(gra amas) Alternativamente o ponto de máimo da função pode ser obtido empiricamente: No R: # ponto máimo empírico abline(h=6.7,col="red,lty=) abline(v=7,col="blue",lty=) dose de gesso (kg/ha) 7
Delineamento 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 maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos
Leia maisFalha(s) nas pressuposições da ANOVA
Falha(s) nas pressuposições da ANOVA Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Na prática, é comum que uma ou mais hipóteses não se verifique. A mais comum é não existir homocedasticidade.
Leia mais25 a 30 de novembro de 2013
em em Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 Parte 3 - Conteúdo em em 1 em 2 em em em Permite estudar como uma (simples)
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
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 maisEsquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.
Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimentos em esquema Fatorial Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 2 Experimentos em esquema fatorial
Leia maisQuestão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores.
MINISTÉRIO DA EDUCAÇÃO CENTRO DE CIÊNCIAS E TECNOLOGIA AGROALIMENTAR DISCIPLINA: ESTATÍSTICA EXPERIMENTAL LISTA DE EXERCÍCIOS 3 a AVALIAÇÃO PROFESSOR: ROBERTO QUEIROGA Questão 1: Faça um croqui (disposição
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 maisSUMÁRIO. 2 Tabelas 10
SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisPOLINÔMIOS ORTOGONAIS
POLINÔMIOS ORTOGONAIS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de julho de 2016 Introdução A variável analisada na análise de
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisEsquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.
Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimento em esquema de parcelas subdivididas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Experimentos em
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 maisMINISTÉRIO 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 mais3ª LISTA DE EXERCÍCIOS
MINISTERIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLOGICA INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA GOIANO CAMPUS URUTAÍ Estatística Experimental Prof. Anderson Rodrigo da Silva
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 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 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 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 maisRoteiro de Aula Delineamentos Fatoriais 05/06/2018
Roteiro de Aula Delineamentos Fatoriais 05/06/2018 Hipóteses: As seguintes hipóteses podem ser testadas nos experimentos fatoriais 2x2: Fator A: { [ ] Fator B: { [ ] Interação A x B: { ( ) [ ] [ ] ( )
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 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 maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva
ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Exemplo 1 de Introdução Medley & Clements (1998) estudaram o efeito de metais pesados, especialmente zinco, sobre
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 maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisMINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Eperimentação Agropecuária Prova do Processo Seletivo para o Mestrado
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 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 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 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 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 maisDelineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira
Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,
Leia maisAula 14 Quadrado Latino 13/06/17
Aula 14 Quadrado Latino 13/06/17 Considere um experimento em quadrado latino com linhas e colunas e tratamentos, assim: Obtenção da Análise de Variância Soma de Quadrados: Constante: K = 1 ( x ( ) i,j,k=1
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 maisRELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 *******************************
RELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 ******************************* O grau do polinomio é 1 (Linear) Tem um outlier *TESTE DA HOMOCEDASTICIDADE
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
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 maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
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 UNVERSDADE DO ESTADO DO RO GRANDE DO NORTE UERN FACULDADE DE CÊNCAS EXATAS E NATURAS FANAT DEPARTAMENTO DE
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
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 maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 2, da disciplina LCE602 - Estatística
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
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 maisHipótese Testadas. Efeito A. Efeito B. { H o: b j = 0, j = 1, 2,, n B. H 1 : pelo menos um valor de b k 0, k [1; n B ]
Aula 13 Experimentos Fatoriais 06/06/017 Considere um DIC com fatores fatores ( A e B ) com n A e n B níveis, e r repetições; Hipótese Testadas Efeito A { H o: a i = 0, i = 1,,, n A. H 1 : pelo menos um
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
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 maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisBIE5782. Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES
BIE5782 Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES ROTEIRO 1.Motivação 2. Método dos mínimos quadrados 3. Ajuste no R: função lm 4. Resultado no R: objeto lm 5. Premissas, interpretação e diagnóstico 6.
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 37 Planeamento e Pesquisa I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP º Semestre/09 Delineamento Completamente Aleatorizado - DCA T T... T Y Y... Y Y Y... Y...... Yi... Yn Y n... Yn n
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 maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
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 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 maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisANOVA - Etapas de Análise
ANOVA - Etapas de Análise Entender o Delineamento Estrutura de Tratamento Aleatorização das Unidades Amostrais Aleatorização das Unidades Experimentais aos Tratamentos Adotar um Modelo Estrutural e Distribucional
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 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 maisTE 231 Capitulo 5 Ajuste de Curva. Prof. Mateus Duarte Teixeira
TE 231 Capitulo 5 Ajuste de Curva Prof. Mateus Duarte Teieira 1. Introdução No capítulo anterior vimos uma forma de trabalhar com uma função (polinômio) definida por uma tabela. A interpolação polinomial.
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 maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisMÉTODOS DE CALIBRAÇÃO. SUMÁRIO (2 parte) Introdução. Processo de calibração. Construção da curva analítica. Regressão inversa. Validação do modelo
MÉTODOS DE CALIBRAÇÃO SUMÁRIO (2 parte) Introdução Processo de calibração Construção da curva analítica Regressão inversa Validação do modelo Análise de resíduos Coeficiente de determinação Curva de calibração
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisb) Teste a hipótese de efeito significante do tamanho da população sobre a venda do produto, na presença de renda per capita
Exemplo 1 (continuação a Estime por intervalo de 95% de confiança, o aumento do número médio de lotes vendidos devido a 1000 pessoas a mais na população, mantendo a renda per capita fixa b Teste a hipótese
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisEstatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha
Estatística Descritiva e Inferencial CE081 Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Teoria dos Conjuntos Análise Combinatória Noções de Probabilidade Noções de Amostragem
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Medidas de Associação
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Medidas de Associação Professora Renata Alcarde Piracicaba Março 2014 Renata Alcarde Estatística Geral 13 de Março de 2014 1 / 56
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisINTRODUÇÃO A MODELOS MISTOS
INTRODUÇÃO A MODELOS MISTOS Delineamento experimental ou desenho experimental, de uma forma bastante simples, é a forma em que os tratamentos (níveis de um fator ou combinações de níveis de fatores) são
Leia maisSÉRIE TÉCNICA ISSN
INSTITUTO DE PESQUISAS E ESTUDOS FLORESTAIS ESALQ/USP DEPARTAMENTO DE CIÊNCIAS FLORESTAIS SÉRIE TÉCNICA ISSN 000-837 ASPECTOS PRÁTICOS DOS DELINEAMENTOS EM LÁTICE Mário Luiz Teixeira de Moraes Fernando
Leia maisMAE 317 Planejamento de Experimentos I. Profa. Júlia Maria Pavan Soler IME/USP
MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP Delineamento Completamente
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 maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisAvaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados
Avaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados Walmes Marques Zeviani 1 Material e métodos O experimento foi instalado em casa de vegetação no Campus
Leia mais09 de setembro de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 09 de setembro de 2013 1 2 3 4 5 6 7 8 9 10 Conteúdo Contexto Quando o F da ANOVA está sendo utilizado para testar diferenças
Leia maisLucas Santana da Cunha 28 de setembro de 2018 Londrina
Testes de Comparações Múltiplas Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 28 de setembro de 2018 Londrina Pela análise de variância realizada no Exemplo 1 da aula anterior, rejeitou-se a
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Muitas vezes, embora se tenha cuidado no planejamento e Ao planejar um experimento, o pesquisador
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
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 maisTESTES DE NORMALIDADE E SIGNIFICÂNCIA. Profª. Sheila Regina Oro
TESTES DE NORMALIDADE E SIGNIFICÂNCIA Profª. Sheila Regina Oro A suposição de normalidade dos dados amostrais ou experimentais é uma condição exigida para a realização de muitas inferências válidas a respeito
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia mais