TESTES DE HIPÓTESES. H 0 : mˆ A = mˆ B. H 1 : mˆ A mˆ B. H 1 : mˆ A > mˆ B. H 1 : mˆ A < mˆ B

Tamanho: px
Começar a partir da página:

Download "TESTES DE HIPÓTESES. H 0 : mˆ A = mˆ B. H 1 : mˆ A mˆ B. H 1 : mˆ A > mˆ B. H 1 : mˆ A < mˆ B"

Transcrição

1 7 5 TESTES DE HIPÓTESES A retirada de concluõe obre uma ou mai populaçõe é feita atravé da etimação de parâmetro ou pelo tete de hipótee. A etimação de parâmetro (a média, a variância, o devio padrão, etc.) é feita por divero método, o qui já foram vito no Capítulo. Quanto ao tete de hipótee, o memo ão uado pelo pequiadore para decidir obre a aceitação ou rejeição de hipótee. Hipótee ão upoiçõe acerca do parâmetro de uma ou mai populaçõe. Por exemplo, pode-e etar intereado em tetar a hipótee de que não há diferença entre a produção média de dua variedade do orgo granífero ujeita à mema condiçõe climática, ou tetar e trê tipo de raçõe proporcionam o memo ganho de peo em bezerro da raça Nelore. O referido tete ão utilizado para tomar tai deciõe, da quai ão tirada a concluõe. Ante de aplicar tai tete, devem-e formular a hipótee etatítica. Podeme coniderar dua hipótee, ão ela: H 0 é a hipótee que determina a auência de efeito de tratamento, ou eja, indica que não exite diferença ignificativa entre o tratamento (ela é chamada de hipótee de nulidade); e H, chamada de hipótee alternativa, é a que determina a preença de efeito de tratamento, ou eja, indica a exitência de diferença ignificativa entre o tratamento. A rejeição de H 0 implica na aceitação da hipótee alternativa H. Coniderando o exemplo da variedade de orgo granífero, tem-e: H 0 : m A m B H : m A m B ou H : m A > m B H : m A < m B Ao tetarem-e a hipótee podem-e cometer geralmente doi tipo de erro, o quai ão: rejeitar H 0, quando ela é verdadeira, ou eja, aceitar, como diferente, tratamento que ão emelhante (erro tipo I); aceitar H 0, quando ela é fala, ou eja, aceitar, como emelhante, tratamento que ão diferente (erro tipo II). Dete doi tipo de erro o que é controlado pelo pequiador é o do tipo I, o qual, no procedimento de comparaçõe múltipla, pode er medido de dua maneira, a Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 7

2 aber: A primeira, refere-e à avaliação da probabilidade de e rejeitar uma hipótee verdadeira em toda a poívei combinaçõe do nívei do tratamento tomado doi a doi, endo conhecida por taxa de erro tipo I por comparação. A egunda, refere-e à medida do erro tipo I como a probabilidade de e realizar pelo meno uma inferência errada por experimento e é conhecida por taxa de erro tipo I por experimento. A probabilidade de cometer-e o erro tipo I é chamada nível de ignificância (α). Exite um outro tipo de erro, quae nunca coniderado, que e refere à probabilidade de claificar um nível de tratamento como uperior ao outro, quando de fato o egundo nível upera o primeiro (erro tipo III). Ee tipo de erro tem muita importância para a área do melhoramento genético de planta, poi poderá alterar a claificação do genótipo e fazer com que o fitomelhorita recomende uma linhagem ou cultivar de pior deempenho. O pequiador deve analiar cuidadoamente a coneqüência de e tomar deciõe errada, tanto do ponto de vita econômico quanto ocial. Ea análie refere-e principalmente ao nível de ignificância adotado, poi é o único tipo de erro ob o controle do pequiador. É precio ter empre em mente que o erro tipo I e II ão inveramente correlacionado e que o pequiador tem controle apena no erro tipo I, por meio da fixação do nível de ignificância α. Em função dio, o bom eno deve prevalecer à luz da coneqüência de e tomar deciõe errada. É por io que na condiçõe do enaio agropecuário, o nível de ignificância de 5% é o mai uado na prática no procedimento de comparaçõe múltipla, poi é neceário certo equilíbrio entre o erro tipo I e II. Quando e aplica o nível de ignificância de % ou 0,% para diminuir o erro tipo I, por exemplo, aumenta, automaticamente, a probabilidade do erro tipo II, ito é, de aceitar como iguai média de tratamento realmente diferente. No entanto, em condiçõe de enaio de grande precião (por exemplo, CV < %), o nível de ignificância de 0,% eria indicado. Ao contrário, em condiçõe de enaio de pequena precião (por exemplo, CV > 5%), o nível de ignificância de 0% eria recomendado, epecialmente no cao de enaio com N < 0 parcela. Para que um tete de hipótee eja coniderado um bom tete deve-e ter uma pequena probabilidade de rejeitar H 0 e eta for verdadeira, ma também, uma grande probabilidade de rejeitá-la e ela for fala. A probabilidade de rejeitar H 0, quando ela for fala, é chamada poder do tete. O quadro eguinte reume a natureza do erro tipo I e tipo II envolvido no proceo de decião quando e tetam a hipótee: 8 H 0 Verdadeira H 0 Fala Rejeição H 0 Erro Tipo I Decião Correta Aceitação H 0 Decião Correta Erro Tipo II Na execução de um tete de hipótee etatítica, para que o memo tenha validade, devem-e levar em conideração a eguinte etapa: a) Formulação da hipótee Deve-e, inicialmente, formular a hipótee de nulidade (H 0 ) e alternativa (H ). Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 8

3 b) Epecificação do nível de ignificância (α) A ecolha do nível de ignificância deve er feita ante de realizar o experimento. Ua-e, geralmente, α igual a 5% de probabilidade, de maneira a ter-e o erro tipo I o menor poível. Salvo em alguma ituaçõe, conforme já vito, uam-e outro nívei de ignificância. c) Ecolha do tete etatítico Em função da hipótee que vão er tetada, pode-e uar o tete F, t, χ, etc., a partir do dado de obervação. O tete ecolhido deve er adequado ao material e ao tipo de dado. d) Determinação da região crítica Dependendo do tete ecolhido determinam-e à regiõe de aceitação e rejeição da hipótee de nulidade. Geralmente quando o valor calculado for menor que a probabilidade epecífica por na tabela, aceita-e a hipótee de nulidade, enquanto que quando o valor calculado for igual ou maior que a probabilidade epecífica por na tabela, rejeita-e a hipótee de nulidade. e) Decião final Baeado no valor obtido pelo tete etatítico e no valor tabelado, toma-e à decião final com repeito à hipótee. Geralmente a concluõe obre o tratamento ão feita obervando-e a média identificada ou não por mema letra. Quando não há um tratamento controle ou tetemunha convém reponder a eguinte pergunta: () Qual é o melhor tratamento? () Quai ão o tratamento que não diferem ignificativamente do melhor? () Qual é o pior tratamento? () Quai ão o tratamento que não diferem ignificativamente do pior? Por outro lado, quando um do tratamento é o controle ou tetemunha a concluõe ão feita em relação a ete tratamento e, em geral, procura-e reponder à eguinte pergunta: () Quai ão o tratamento melhore que o controle? () Quai ão o tratamento que não diferem ignificativamente do controle? () Quai ão o tratamento piore que o controle? Vale realtar que o tete de hipótee para comparar média de tratamento ó devem er uado quando e tratar de tratamento qualitativo ou quando e têm apena doi nívei de tratamento quantitativo, poi quando o memo ão quantitativo e e têm mai de doi nívei o uo da regreão é o procedimento recomendado. 5. Tete F O tete F tem eu maior emprego na análie de variância do delineamento experimentai. Ele é uado para comparar variância. Como foi vito anteriormente, o F calculado é o quociente do quadrado médio de tratamento (QMT) pelo quadrado médio do reíduo (QMR), ou eja: QMT F QMR 9 Por que o tete F é o quociente entre o QMT pelo QMR? Se e calcular, por exemplo, a eperança matemática do quadrado médio [E (QM)] da análie de variância de um delineamento inteiramente caualizado, admitindoe o modelo matemático aleatório, tem-e: Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 9

4 0 Quadro da ANAVA Caua de Variação GL QM E(QM) Tratamento t + r x t Reíduo t (r ) Total t x r De onde e obtém: que é a etimativa da variância do erro experimental; + r x t t r que é a etimativa da variância de tratamento. Por ea obervação vê-e o porquê do tete F er o quociente entre QMT pelo QMR, ou eja, QMT F QMR r x t Neta expreão etá-e comparando a variância de tratamento com a variância do erro experimental. Verifica-e, portanto, que tanto o QMT como o QMR etimam variância, e interpreta-e: QMR variância do erro experimental; QMT variância do erro experimental acrecida de uma poível variância devida ao tratamento. O valor de F calculado é comparado com o valor de F tabelado (F > ), com n grau de liberdade de tratamento e n grau de liberdade do reíduo (TABELAS A. e A.). Logo, tem-e: Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 0

5 F calculado > F tabelado (%) - ** (exite diferença ignificativa entre o tratamento no nível de % de probabilidade, ou eja, com mai de 99% de probabilidade deve exitir pelo meno um contrate entre média de tratamento que difere de zero); F calculado < F tabelado (%) - recorre-e no nível de 5% de probabilidade; F calculado > F tabelado (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com mai de 95% de probabilidade deve exitir pelo meno um contrate entre média de tratamento que difere de zero); F calculado < F tabelado (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade não exite nenhum contrate entre média de tratamento que difere de zero). Quando e aplica o tete F na análie de variância etá-e tetando a eguinte hipótee: a) H 0 : o tratamento não diferem entre i; b) H : pelo meno doi dele diferem entre i. No tete, empre e aceita uma hipótee e rejeita-e a outra. Obviamente, e não há efeito de tratamento, o doi quadrado médio etimam a mema variância e, coneqüentemente, qualquer diferença em ordem de grandeza entre ele erá devido ao acao. Exemplo : Verificar pelo tete F e exite ou não diferença ignificativa entre o tratamento referente ao dado da TABELA 5.. TABELA 5. ANÁLISE DA VARIÂNCIA E COEFICIENTE DE VARIAÇÃO DA REAÇÃO DE RESISTÊNCIA DE POPULAÇÕES DE Cucurbita p. A Colletotrichum gloeoporioide f. p. cucurbitae. DADOS TRANSFORMADOS EM x. PIRACICABA, SP Caua da Variação GL SQ QM F Populaçõe Reíduo 6,88 0,799 0,0990 0,0056, Total 8,987 Coeficiente de Variação: % 0,09 FONTE: MELO e FERREIRA (98). A tabela de F com n e n 6 fornecem o eguinte valore: %,96 e 5%,5. Logo, F calculado (,) > F tabelado (%) (,96) - **. Aim, chega-e à concluão que exite diferença ignificativa, no nível de % de probabilidade, pelo tete F, na reação de populaçõe de Cucurbita p. a Colletotrichum gloeoporioide f. p. cucurbitae. Quando e faz a análie de variância de um experimento com apena doi tratamento, pelo próprio tete F pode-e chegar ao melhor dele, implemente obervando a média do memo. Quando, porém, tem-e mai de doi tratamento, não e pode chegar ao melhor dele pelo referido tete. Nete cao, há neceidade de Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

6 aplicação de um tete de comparação de média de tratamento para chegar-e a tal concluão. Como foi vito, epera-e quae empre na análie de variância que todo o quadrado médio de tratamento obtido ejam iguai ou uperiore ao que e obtém do reíduo. Neta condiçõe, ó e jutifica o uo da tabela de limite unilaterai de F (TABELAS A. e A.). Quando, porém, eta ituação não e verifica, ou eja, quando o quadrado médio de tratamento é menor que o quadrado médio do reíduo, aconelhar-eá o uo da tabela de limite bilaterai de F (TABELAS A.5 e A.6). Ete fato, embora não deva er eperado, pode ocorrer, e à veze é intoma de defeito na análie da variância. Uma da explicaçõe poívei é a preença de erro groeiro no cálculo da oma de quadrado ou do número de grau de liberdade. Outra explicação bem comum é a de que o reíduo inclua alguma importante caua de variação que foi controlada, ma não foi iolada na análie da variância. À veze, porém, nenhuma deta explicaçõe erve, ma ito não é caua de preocupação porque, do ponto de vita do Cálculo de Probabilidade, o cao, embora pouco provável, não é impoível, logo deverá ocorrer uma vez ou outra. Nete cao, quando e comparar o valor de F calculado com o valor de F tabelado ( F < ), com n grau de liberdade de tratamento e n grau de liberdade do reíduo (TABELAS A.5 e A.6), bata apena inverter o inai do cao anterior, ou eja: F calculado < F tabelado (%) - ** (exite diferença ignificativa entre o tratamento no nível de % de probabilidade, ou eja, com mai de 99% de probabilidade deve exitir pelo meno um contrate entre média de tratamento que difere de zero); F calculado > F tabelado (%) - recorre-e no nível de 5% de probabilidade; F calculado < F tabelado (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com mai de 95% de probabilidade deve exitir pelo meno um contrate entre média de tratamento que difere de zero); F calculado > F tabelado (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade não exite nenhum contrate entre média de tratamento que difere de zero). Exemplo : Verificar pelo tete F e exite ou não diferença ignificativa entre o tratamento referente ao dado da TABELA 5.. TABELA 5. ANÁLISE DA VARIÂNCIA E COEFICIENTE DE VARIAÇÃO DA REAÇÃO DE POPULAÇÕES SEGREGANTES DE PIMENTÃO (Capicum annuum L.) EM RELAÇÃO AO VÍRUS Y. DADOS TRANSFORMADOS EM x 0, 5. PIRACICABA, SP Caua da Variação GL SQ QM F Populaçõe Reíduo 8 0, , , ,0555 0,597 Total 9 0,8878 Coeficiente de Variação: %,90 FONTE: FERREIRA e MELO (98). Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

7 A tabela de F com n e n 8 fornecem o eguinte valore: % 0,00000 e 5% 0,000. Logo, F calculado (0,597) > F tabelado (5%) (0,000) - n. Aim, chega-e à concluão de que não exite diferença ignificativa, no nível de 5% de probabilidade, pelo tete F, na reação de populaçõe egregante de pimentão em relação ao víru Y. O tete F também pode er utilizado quando e quer comparar a variância de dua amotra ( e ), upota independente. Aim, admitindo-e, calculada com N dado e, com N dado. Diz-e, então, que tem N grau de liberdade e, analogamente, tem N grau de liberdade. O F nete cao é o quociente entre a dua variância, ou eja: F Admite-e empre >, de modo que tem-e F >. O valor de F calculado é comparado com o F tabelado, o qual é obtido em função do número de grau de liberdade N e N, repectivamente, de e. Nete cao, quando e aplica o tete F etá-e tetando a eguinte hipótee: a) H 0 : S S, ito é, a hipótee de nulidade admite que a dua populaçõe têm a mema variância; b) H : S > S, ito é, a hipótee alternativa admite que a população tem maior variância do que a população. Exemplo : Verificar pelo tete F e exite ou não diferença ignificativa entre a variância do doi tratamento a partir de dado da TABELA 5.. TABELA 5. GANHOS DE PESO (kg), DE LEITOAS DUROC JERSEY ALIMENTADAS COM FENO DE ALFAFA E FENO DE QUICUIO POR UM PERÍODO DE TRÊS MESES Feno de Alfafa 67,5 kg 70,5 kg 76,0 kg 67,5 kg Feno de Quicuio 65,0 kg 58,5 kg 65,0 kg 6,0 kg Média 70, kg 6, kg FONTE: GOMES (985). Logo, tem-e: X X N N Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

8 67,5 70,5 76,0 67,5 8,5.556,5.970, ,00.556,5 79., , ,565 8,875 6,065 X X N N 65,0 58,5 65,0 6,0 5,5.5,00.,5.5,00.096, , ,5 5.99,065 9,875 9,79 F 6,065 9,79,65 A tabela de F com n e n fornecem o eguinte valore: % 9,6 e 5% 9,8. Dee modo, F calculado (,65) < F tabelado (5%) (9,8) - n. Aim, chega-e à concluão de que não exite diferença ignificativa, no nível de 5% de probabilidade, pelo tete F, entre a variância do tratamento, ou eja, a dua raçõe proporcionam o memo ganho de peo em leitoa Duroc Jerey. 5. Tete t Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

9 5 O tete t é um tete cláico uado para comparar média de tratamento. É mai complexo que o tete de Scheffé, porém é o tete de menor rigor. Por conta dio, o pequiador deve ter muita cautela no eu uo, ou eja, não deve er empregado indicriminadamente. Na aplicação do referido tete devem-e levar em conta o eguinte requiito: a) A comparaçõe feita pelo tete t devem er ecolhida ante de erem examinado o dado experimentai; b) A comparaçõe feita devem er, no máximo, iguai ao número de grau de liberdade de tratamento, o que nem empre fornece ao pequiador toda a comparaçõe de interee; c) O tete t exige que a comparaçõe definida ejam contrate ortogonai. Ma o que e deve entender por contrate e o que ão contrate ortogonai? Se m, m, m e m ão a média de quatro tratamento de um experimento, Ŷ m m, Ŷ m + m m e Ŷ m + m + m m ão exemplo de contrate. O que caracteriza um contrate é que e a média que nele ocorrem forem toda iguai, o contrate deverá er nulo. Para que ito aconteça, a oma algébrica do coeficiente da média deve er nula. De fato, com m m m m, tem-e: Ŷ 0 Ŷ + () 0 Ŷ + + () 0 O contrate podem er: a) imple quando envolve apena doi tratamento; b) múltiplo quando mai de doi tratamento etão envolvido. O contrate ão ortogonai quando o omatório da multiplicação do coeficiente de cada média em cada contrate é igual a zero. Coniderando o exemplo a eguir, tem-e: Ŷ m m m m Ŷ Ŷ Ŷ Diz-e então que o contrate Ŷ, Ŷ e Ŷ ão ortogonai. Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 5

10 Pode-e tolerar o uo do tete t para algun contrate não ortogonai, dede que o eu número não exceda o número de grau de liberdade de tratamento. Na análie de variância, quando e tem mai de doi tratamento e o tete F for ignificativo, pode-e utilizar o tete t na comparação de média de tratamento, cuja fórmula é a eguinte: onde: Y contante qualquer; i t 0 Y i Y Ŷ etimativa da variância da etimativa de um contrate. O valor de Ŷ é obtido atravé da eguinte fórmula: a) Para o cao do delineamento inteiramente caualizado, tem-e: 6 Ŷ C r C r CN... rn onde: C coeficiente de cada média do contrate; r número de repetiçõe da média; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. Como, geralmente, na área da agropecuária o pequiadore têm mai interee pelo contrate imple, a fórmula de Ŷ fica da eguinte maneira: Ŷ r r onde: r número de repetiçõe da média; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. b) Para o cao do delineamento em bloco caualizado, tem-e: b.) Quando no contrate imple a média do tratamento avaliado apreentam o memo número de repetiçõe (em parcela perdida), a fórmula de Ŷ fica da eguinte maneira: onde: r número de repetiçõe da média; Ŷ r Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 6

11 etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. b.) Quando e tem apena uma parcela perdida, a fórmula de Ŷ fica aim: 7 Ŷ r r t r t onde: t número de tratamento do experimento; r número de repetiçõe do experimento; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. Eta fórmula é uada para comparar contrate envolvendo a média do tratamento com uma parcela perdida e a média de qualquer um do tratamento em parcela perdida. b.) Quando e tem mai de uma parcela perdida, a fórmula de Ŷ fica aim: Ŷ r r onde: r número efetivo de repetiçõe; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. O valore de r, número efetivo de repetiçõe, ão obtido atravé da regra prática de Taylor, ou eja, coniderando-e o contrate Ŷ m m u, entre a média do tratamento i e u. O tratamento i terá o eguinte número efetivo de repetiçõe: valor t para o bloco onde o tratamento i e u aparecem; valor no bloco onde o t tratamento i aparece e o tratamento u não aparece, endo t número de tratamento do experimento; valor 0 no bloco onde o tratamento i não aparece (o tratamento u pode aparecer ou não). A oma do valore de todo o bloco contituirá o número efetivo de repetiçõe do tratamento i. Para o tratamento u egue-e a mema regra. Eta fórmula é uada para comparar contrate envolvendo a média do tratamento com uma parcela perdida e a média de qualquer um do tratamento em parcela perdida, bem como contrate envolvendo dua média de tratamento com parcela perdida. c) Para o cao do delineamento em quadrado latino, tem-e: c.) Quando no contrate imple a média do tratamento avaliado apreentam o memo número de repetiçõe (em parcela perdida), a fórmula de Ŷ fica da eguinte maneira: Ŷ r Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 7

12 onde: r número de repetiçõe da média; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. c.) Quando e tem apena uma parcela perdida, a fórmula de Ŷ fica aim: r r r onde: r número de repetiçõe do experimento; etimativa da variância do erro experimental, que correponde ao quadrado médio do reíduo. Ŷ Eta fórmula é uada para comparar contrate envolvendo a média do tratamento com uma parcela perdida e a média de qualquer um do tratamento em parcela perdida. c.) Quando e tem mai de uma parcela perdida, deve-e eguir o memo procedimento vito para o delineamento em bloco caualizado. Para verificar a ignificância etatítica do contrate, compara-e o valor de t calculado de cada contrate com o valor de t tabelado, com n nível de ignificância (o nível de 5% de probabilidade é o mai utilizado na prática) e n grau de liberdade do reíduo (TABELA A.7). Logo, tem-e: t calculado t tabelado (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); t calculado < t tabelado (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade o contrate não difere de zero). Quando e aplica o tete t etá-e tetando a eguinte hipótee: a) H 0 : Y 0 (tratamento emelhante); b) H : Y 0 (tratamento diferente). Exemplo : Verificar pelo tete t e exite ou não diferença ignificativa em um grupo ecolhido de contrate ortogonai a partir de dado da TABELA 5.. TABELA 5. PRODUÇÃO MÉDIA (kg DE AÇÚCAR/t DE CANA), E VALORES DE GLR, QMR E F DE VARIEDADES DE CANA-DE-AÇÚCAR (Saccharum officinarum L.). PIRACICABA-SP Variedade Média / 8 Co 775 Co 70 Co Co Co 9 6 Co,75,0 0, 8,6,77,9 GL Reíduo 8 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 8

13 9 QM Reíduo 8,75 F,77 * FONTE: CAMPOS (98). NOTA: (/) Dado médio proveniente de quatro repetiçõe no delineamento inteiramente caualizado. Podem-e organizar divero grupo de contrate ortogonai com o ei tratamento, endo que cada grupo deverá ter, no máximo, cinco contrate. Por exemplo, pode-e ter o eguinte contrate ortogonai: Ŷ m m m m m5 m6 Ŷ m m5 m6 Ŷ m 5 m6 Ŷ m m m Ŷ 5 m m Coniderando-e que ele foram etabelecido a priori, ito é, não foram ugerido pelo próprio reultado, então e pode aplicar o tete t. Para o contrate Ŷ tem-e: Ŷ m m m m m5 m6,75 +,0 0, + 8,6,77,9 6,9 Ŷ C r C r CN... rn 8,75 8, , 75 (,5) 8,75 5,060 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 9

14 0 t 0 Y i Y 6,9 0 5,060 6,9,8, O procedimento é o memo para o demai contrate, cujo reultado etão contido na tabela a eguir: Contrate Valor S ( Ŷ ) t calculado Ŷ 6,9 5,060, * Ŷ,7 5,060,09 n Ŷ 0,85,6877 0, n Ŷ 9,9 5,060,68 * Ŷ 5 0,65,6877 0,0 n t tabelado (5%),0 De acordo com o reultado do tete t, pode-e concluir: a) O contrate Y foi ignificativo no nível de 5% de probabilidade, ou eja, a média do rendimento de açúcar da variedade Co 775, Co 70 e Co 678 é ignificativamente maior do que a média do rendimento de açúcar da demai variedade. b) O contrate Ŷ não foi ignificativo no nível de 5% de probabilidade, ou eja, o rendimento médio de açúcar da variedade Co não difere da média do rendimento de açúcar da variedade Co 9 e Co. c) O contrate Ŷ não foi ignificativo no nível de 5% de probabilidade, ou eja, a variedade Co 9 e Co apreentam rendimento médio de açúcar emelhante. d) O contrate Ŷ foi ignificativo no nível de 5% de probabilidade, ou eja, a média do rendimento de açúcar da variedade Co 775 e Co 70 é ignificativamente maior do que o rendimento médio de açúcar da variedade Co 678. e) O contrate Ŷ 5 não foi ignificativo no nível de 5% de probabilidade, ou eja, a variedade Co 775 e Co 70 apreentam rendimento médio de açúcar emelhante. O tete t também pode er utilizado quando e quer comparar a média de dua amotra ( m e m ). Aim, m é calculada com N dado e m, com N dado. Diz-e, então, que m tem N grau de liberdade e, analogamente, m tem N grau de liberdade. O valor de t é dado pela fórmula: Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 0

15 t m m m N N onde: m média da variância da dua amotra ( e ). O valor de m é dado pela fórmula: m X N X X X N N N Nete cao, o valor de t calculado é comparado com o de t tabelado da mema forma como foi vito anteriormente. Contudo, o valor de t tabelado é obtido na tabela (TABELA A.7) com n nível de ignificância (o nível de 5% de probabilidade é o mai utilizado na prática) e n grau de liberdade, que é igual a N + N. Quando e aplica o tete t, neta ituação, etá-e tetando a eguinte hipótee: a) H 0 : m m, ito é, a hipótee de nulidade admite que a dua populaçõe têm a mema média; b) H : m m, ito é, a hipótee alternativa admite que a dua populaçõe têm média diferente. Exemplo 5: Verificar pelo tete t e exite ou não diferença ignificativa entre a média do doi tratamento a partir de dado da TABELA 5.5. TABELA 5.5 PRODUÇÃO MÉDIA (t/ha) DE DUAS VARIEDADES DE BATATINHA (Solanum tuberoum L.) DURANTE CINCO ANOS Variedade Ano Média o o o o 5 o A,8,6,60,80 5,0,9 B,6,9,70,80,80,9 FONTE: Adaptado de CENTENO (98). Logo, tem-e: A X X N N Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

16 ,8,6,60,80 5,0 5 9,6 5,56,896,600 7,800 5,06 8, ,07 76,90 B,9688 X 0,8 X N N,6,9,70,80,80 5,57 5,896,68,6900 7,800 7,800,89 5,077,5698,8507 0,668 m A B 0,8 0,668,869 0,65 m A m B 9,6 5,57 5,9,9 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

17 t m m A N m B N,9,9 0,65 5 5,0 0,65 5,0 0,65 0,,0 0,578,0,99 n 0,507 t tabelado (5%), De acordo com o reultado obtido pode-e concluir que o contrate não foi ignificativo no nível de 5% de probabilidade, ou eja, a dua variedade de batatinha ão igualmente produtiva. 5. Tete de Bonferroni (t B ) O tete de Bonferroni é um aperfeiçoamento do tete t e para a ua aplicação o pequiador deve levar em conta o memo requiito dete. Ee aperfeiçoamento e deve ao fato de que o tete t aplicado para doi ou mai contrate num memo experimento não é exato. Por exemplo, na aplicação do tete t, onde e uaram o dado da TABELA 5. (Exemplo ), foi de 5% o nível de ignificância adotado para cada um do cinco contrate. A probabilidade de que um, pelo meno, eja ignificativo, por imple acao, é, aproximadamente, de 5 x 5 5%. No geral, e o nível de probabilidade for para cada contrate, a probabilidade de que pelo meno um do n contrate ortogonai eja ignificativo é de n. Para reolver ee problema, o tete de Bonferroni indica o uo, para cada contrate, de um nível de probabilidade n, poi então, para o conjunto tem-e n x. No Exemplo, com 5% e n 5, o valor de t B para cada contrate deve correponder a uma probabilidade de 5 5 %. O reultado efetivo dee procedimento é Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

18 a alteração do nível de ignificância para a determinação do valor tabelado de t (TABELA A.7), dividindo-e o nível nominal (o nível de 5% de probabilidade é o mai utilizado na prática) pelo número de contrate ortogonai. Contudo, quanto maior o número de contrate, menor erá o nível de ignificância para cada um do contrate em quetão, de modo que ete tete ó erá útil e o número de tratamento do experimento não for muito elevado. Na análie de variância, quando e tem mai de doi tratamento e o tete F for ignificativo, pode-e utilizar o tete de Bonferroni na comparação de média de tratamento, cuja fórmula é a eguinte: t B 0 Y i Y onde: Y contante qualquer; i Ŷ etimativa da variância da etimativa de um contrate (ver tete t). Para verificar a ignificância etatítica do contrate, compara-e o valor de t B calculado de cada contrate com o valor de t B tabelado, com n nível de ignificância n e n grau de liberdade do reíduo (TABELA A.7). Logo, tem-e: t B calculado t B tabelado ( ) - exite diferença ignificativa entre o tratamento no nível de probabilidade, ou eja, há uma probabilidade acima de 00 - % de que o contrate eja diferente de zero; t B calculado < t B tabelado ( ) - n (não exite diferença ignificativa entre o tratamento no nível de probabilidade, ou eja, com 00 - % de probabilidade o contrate não difere de zero). Quando e aplica o tete t B etá-e tetando a eguinte hipótee: a) H 0 : Y 0 (tratamento emelhante); b) H : Y 0 (tratamento diferente). Coniderando o dado do Exemplo, têm-e o eguinte reultado que etão contido na tabela a eguir: Contrate Valor ( Ŷ ) t B calculado Ŷ 6,9 5,060, ** Ŷ,7 5,060,09 n Ŷ 0,85,6877 0, n Ŷ 9,9 5,060,68 n Ŷ 5 0,65,6877 0,0 n t B tabelado (%),88 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

19 De acordo com o reultado do tete t de Bonferroni, pode-e concluir: a) O contrate Y foi ignificativo no nível de % de probabilidade, ou eja, a média do rendimento de açúcar da variedade Co 775, Co 70 e Co 678 é ignificativamente maior do que a média do rendimento de açúcar da demai variedade. b) O contrate Ŷ não foi ignificativo no nível de % de probabilidade, ou eja, o rendimento médio de açúcar da variedade Co não difere da média do rendimento de açúcar da variedade Co 9 e Co. c) O contrate Ŷ não foi ignificativo no nível de % de probabilidade, ou eja, a variedade Co 9 e Co apreentam rendimento médio de açúcar emelhante. d) O contrate Ŷ não foi ignificativo no nível de % de probabilidade, ou eja, a média do rendimento de açúcar da variedade Co 775 e Co 70 não difere do rendimento médio de açúcar da variedade Co 678. e) O contrate Ŷ 5 não foi ignificativo no nível de % de probabilidade, ou eja, a variedade Co 775 e Co 70 apreentam rendimento médio de açúcar emelhante. Oberva-e o rigor do tete de Bonferroni nete exemplo em relação ao tete t, poi ele detectou diferença ignificativa entre o tratamento apena no contrate Ŷ, enquanto que o tete t encontrou diferença ignificativa no contrate Ŷ e Ŷ. 5. Tete LSD O tete da diferença mínima ignificativa (LSD), apear de ujeito a evera retriçõe, ainda é um tete que pode er empregado na comparação de média de tratamento. Apear dee tete e baear no tete t, ua aplicação é muito mai imple, por ter apena um valor do LSD para comparar com todo o contrate, o que não ocorre com o tete t. Dede que eja utilizado com cuidado, não conduz a erro demaiado. Na análie de variância, quando o tete F for ignificativo e e tem mai de doi tratamento, o tete LSD é o mai utilizado quando e deeja fazer comparaçõe planejada (ão comparaçõe definida ante de erem examinado o dado experimentai) de média pareada. Nete cao, cada média aparece em omente uma comparação. Sua fórmula é a eguinte: LSD (5%) t (5%) ( Ŷ ) onde: t (5%) valor tabelado do tete t no nível de 5% de probabilidade (TABELA A.7); ( Ŷ ) etimativa do devio padrão da etimativa de um contrate, que correponde à raiz quadrada da etimativa da variância da etimativa de um contrate [ Ŷ ], ver tete t. Quando a média do tratamento avaliado apreentarem número de repetiçõe diferente (cao de parcela perdida), o valor de ( Ŷ ) depende do delineamento etatítico utilizado (ver tete t ). O valor de cada contrate ( Ŷ ) é comparado com o valor de LSD. Logo, tem-e: 5 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 5

20 Ŷ LSD (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); Ŷ < LSD (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade o contrate não difere de zero). Quando e aplica o tete LSD, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante); b) H : Ŷ 0 (tratamento diferente). Exemplo 6: Verificar pelo tete LSD e exite ou não diferença ignificativa entre a média pareada a partir de dado da TABELA 5.6. TABELA 5.6 EFEITO DA CEROSIDADE FOLIAR NA REAÇÃO DE VARIEDADES DE CEBOLA (Allium cepa L.) A HERBICIDAS DE PÓS-EMERGÊNCIA EM PLANTAS AVALIADAS AOS 5 DIAS APÓS A SEMEADURA, EXPRESSO ATRAVÉS DE UMA ESCALA DE NOTAS, E VALORES DE GL RESÍDUO, QM RESÍDUO, F E CV. PIRACICABA-SP 6 Variedade BENTAZON / A B PROMETRIN / A B - BARREIRO SMP-IV - ROXA CHATA SMP-IV - BAIA PERIFORME RED CREOLE,7 +,,0,6,9,0,,,,,,9,,0,, GL Reíduo 60 QM Reíduo 0,75 F Variedade,07 ** Coeficiente de Variação: %,50 FONTE: FERREIRA e COSTA (98). NOTAS: (**) Significativo no nível de % de probabilidade. (/) Herbicida de pó-emergência. (A) Ceroidade foliar mantida. (B) Ceroidade foliar removida. (+) Dado médio proveniente de quatro repetiçõe no delineamento inteiramente caualizado. Coniderando-e que o contrate foram etabelecido a priori, então e pode aplicar o tete LSD. Para o herbicida BENTAZON tem-e: Ŷ m m,7,, A B Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 6

21 7 Y m m,0,6 0,6 Y A A B m m,9,0, Y m m,,, Para o herbicida PROMETRIN tem-e: Ŷ m m,,, Y A A m m,,9 0,7 Y A A B B B B m m,,0 0,9 Y m m,,, LSD (5%) t (5%) ( Ŷ ) A B B,0,0 x 0,75,0 0,08,0 0, 08577,0 (0,987) 0,586 O reultado obtido etão contido na tabela a eguir: Variedade BENTAZON PROMETRIN Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 7

22 8 A B Ŷ A B Ŷ BARREIRO SMP-IV ROXA CHATA SMP-IV BAIA PERIFORME REF CREOLE,7,, *,0,6 0,6 *,9,0, *,,, *,,, *,,9 0,7 *,,0 0,9 *,,, * LSD (5%) 0,586 0,586 NOTA: (*) Significativo no nível de 5% de probabilidade pelo tete LSD. De acordo com o reultado do tete LSD, pode-e concluir: a) Com relação ao herbicida de pó-emergência BENTAZON, todo o contrate foram ignificativo no nível de 5% de probabilidade, ou eja, em toda a variedade de cebola avaliada, a ceroidade foliar mantida apreentou menor índice de injúria foliare do que a ceroidade foliar removida. b) Com relação ao herbicida de pó-emergência PROMETRIN, todo o contrate foram ignificativo no nível de 5% de probabilidade, ou eja, em toda a variedade de cebola avaliada, a ceroidade foliar mantida apreentou menor índice de injúria foliare do que a ceroidade foliar removida. O tete LSD pode também er utilizado na comparação de toda a média com um tratamento controle ou tetemunha, ou na comparação de toda a média entre i. Porém, recomenda-e o uo do tete LSD em comparaçõe planejada de média pareada, vito que têm tete epecífico e mai rigoroo para o outro tipo de comparação. 5.5 Tete LSDB O tete da diferença mínima ignificativa de Bonferroni (LSDB) é um aperfeiçoamento do tete LSD e para a ua aplicação o pequiador deve levar em conta o memo requiito dete. Na análie de variância, quando o tete F for ignificativo e e tem mai de doi tratamento, o tete LSDB é o mai utilizado quando e deeja fazer comparaçõe planejada de média pareada. Nete cao, cada média aparece em omente uma comparação. Sua fórmula é a eguinte: LSDB ( ) t B ( ) ( Ŷ ) onde: t B ( ) valor tabelado do tete t no nível de probabilidade, obtido com n nível de ignificância n, onde é o nível de 5% de probabilidade, que é o mai utilizado na prática, e n o número de contrate ortogonai, e n grau de liberdade do reíduo (TABELA A.7); Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 8

23 ( Ŷ ) etimativa do devio padrão da etimativa de um contrate, que correponde à raiz quadrada da etimativa da variância da etimativa de um contrate [ Ŷ ], ver tete t. Quando a média do tratamento avaliado apreentarem número de repetiçõe diferente (cao de parcela perdida), o valor de ( Ŷ ) depende do delineamento etatítico utilizado (ver tete t ). O valor de cada contrate ( Ŷ ) é comparado com o valor de LSDB. Logo, tem-e: Ŷ LSDB ( ) - exite diferença ignificativa entre o tratamento no nível de probabilidade, ou eja, há uma probabilidade acima de 00 - % de que o contrate eja diferente de zero; Ŷ < LSDB ( ) - n (não exite diferença ignificativa entre o tratamento no nível de probabilidade, ou eja, com 00 - % de probabilidade o contrate não difere de zero). Quando e aplica o tete LSDB, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante); b) H : Ŷ 0 (tratamento diferente). Coniderando o dado do Exemplo 6, têm-e: Para o herbicida BENTAZON: Para o herbicida PROMETRIN: Ŷ m m,7,, Y Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 9 A m m,0,6 0,6 Y A A B B m m,9,0, Y m m,,, Ŷ A A B B m m,,, Y m m,,9 0,7 A B B 9

24 0 Y m m,,0 0,9 Y A m m,,, LSDB ( ) t B ( ) ( Ŷ ) A n B B 5%,5% t B,595,595,0 x 0,75,595 0,08,595 0, 08577,595 (0,987) 0,759 O reultado obtido etão contido na tabela a eguir: Variedade BENTAZON PROMETRIN A B Ŷ A B Ŷ BARREIRO SMP-IV ROXA CHATA SMP-IV BAIA PERIFORME REF CREOLE,7,, **,0,6 0,6 n,9,0, **,,, **,,, **,,9 0,7 n,,0 0,9 **,,, ** LSDB (,5%) 0,759 0,759 NOTA: (**) Significativo no nível de,5% de probabilidade pelo tete LSDB. De acordo com o reultado do tete LSDB, pode-e concluir: a) Com relação ao herbicida de pó-emergência BENTAZON, apena um contrate foi não ignificativo no nível de,5% de probabilidade, ou eja, na variedade Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 0

25 de cebola ROXA CHATA SMP-IV, a ceroidade foliar mantida apreentou o memo índice de injúria foliare que a ceroidade foliar removida. Por outro lado, o demai contrate foram ignificativo no nível de,5% de probabilidade, ou eja, na outra variedade de cebola avaliada, a ceroidade foliar mantida apreentou menor índice de injúria foliare do que a ceroidade foliar removida. b) Com relação ao herbicida de pó-emergência PROMETRIN, apena um contrate foi não ignificativo no nível de,5% de probabilidade, ou eja, na variedade de cebola ROXA CHATA SMP-IV, a ceroidade foliar mantida apreentou o memo índice de injúria foliare que a ceroidade foliar removida. Por outro lado, o demai contrate foram ignificativo no nível de,5% de probabilidade, ou eja, na outra variedade de cebola avaliada, a ceroidade foliar mantida apreentou menor índice de injúria foliare do que a ceroidade foliar removida. Oberva-e o rigor do tete LSDB nete exemplo em relação ao tete LSD, poi ele detectou diferença ignificativa entre o tratamento apena em trê contrate do quatro avaliado para cada herbicida de pó-emergência, enquanto que o tete LSD encontrou diferença ignificativa em todo o contrate avaliado dentro de cada herbicida de pó-emergência. O tete LSDB pode também er utilizado na comparação de toda a média com um tratamento controle ou tetemunha, ou na comparação de toda a média entre i. Porém, recomenda-e o uo do tete LSDB em comparaçõe planejada de média pareada, vito que têm tete epecífico e mai rigoroo para o outro tipo de comparação. 5.6 Tete de Dunnett O tete de Dunnett (d ) é uado na análie de variância quando e procura comparar toda a média de tratamento com um controle ou tetemunha, dede que o tete F eja ignificativo e e tenha mai de doi tratamento. Sua aplicação é muito imple, por ter apena um valor de d para comparar com todo o contrate. Sua fórmula é a eguinte: d (5%) t (5%) ( Ŷ ) onde: t (5%) valor tabelado do tete de Dunnett no nível de 5% de probabilidade (TABELAS A.8 e A.9); ( Ŷ ) etimativa do devio padrão da etimativa de um contrate, que correponde à raiz quadrada da etimativa da variância da etimativa de um contrate [ Ŷ ], ver tete t. No cao de e querer uar o tete de Dunnett no nível de % de probabilidade, tem-e a mema tabela (TABELAS A.8 e A.9) para e obter o valor de t. A TABELA A.8 é uada para a comparaçõe unilaterai, ou eja, quando toda a média do tratamento forem inferiore ou uperiore ao controle, enquanto a TABELA A.9 é uada para comparaçõe bilaterai, ou eja, quando alguma média de tratamento forem inferiore e outra uperiore ao controle. Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

26 Quando a média do tratamento avaliado apreentarem número de repetiçõe diferente (cao de parcela perdida), o valor de ( Ŷ ) depende do delineamento etatítico utilizado (ver tete t ). O valor de cada contrate ( Ŷ ) é comparado com o valor de d. Logo, tem-e: Ŷ d (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); Ŷ < d (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade de 95% de que o contrate não difere de zero). Quando e aplica o tete de Dunnett, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante ao controle); b) H : Ŷ 0 (tratamento diferente do controle). Exemplo 7: Verificar pelo tete de Dunnett e exite ou não diferença ignificativa do tratamento em relação ao controle a partir de dado da TABELA 5.7. TABELA 5.7 GANHOS DE PESO (kg), E VALORES DE GL RESÍDUO, QM RESÍDUO E F DE PORCOS ALIMENTADOS COM QUATRO RAÇÕES Raçõe Média / A B C D (Controle) 6,0 9,0,0,0 GL Reíduo 6 QM Reíduo 68,75 F,99 * FONTE: Adaptado de GOMES (985). NOTA: (/) Dado médio proveniente de cinco repetiçõe no delineamento inteiramente caualizado. Logo, tem-e: d (5%) t (5%) ( Ŷ ), x 68,75 5, 7,50 5 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

27 , 7, 5, (5,0),69 Y m A m D 6,0,0,0 n Y m B m D 9,0,0 7,0 * Y m C m D,0,0 0,0 n De acordo com o reultado do tete de Dunnett, pode-e concluir que apena o contrate Y foi ignificativo no nível de 5% de probabilidade, ou eja, a ração B diferiu da ração D (controle) proporcionando um maior ganho de peo em porco, enquanto que a raçõe A e C foram emelhante ao controle. 5.7 Tete de Tukey O tete de Tukey ( ) é uado na análie de variância para comparar todo e qualquer contrate entre dua média de tratamento. É o tete de comparação de média de tratamento mai uado na experimentação agropecuária, por er batante rigoroo e de fácil aplicação. Contudo, quando o experimento tem um número elevado de tratamento, não é aconelhável o eu uo. Ele é mai exato quando o número de repetiçõe da média do tratamento avaliado é igual. Quando o tete F não for ignificativo, é norma geral não e aplicar o tete de Tukey ou qualquer tete de comparação de média de tratamento (e etiver próximo da ignificância é aconelhável a aplicação). Por outro lado, pode ocorrer que o tete F tenha ido ignificativo e o tete de Tukey não acue nenhum contrate ignificativo. Nete cao tem-e trê alternativa a eguir, ão ela: a) Subtitui-e o tete de Tukey pelo tete de Duncan que é meno rigoroo; b) Aplica-e o tete de Tukey no nível de 0% de probabilidade; c) Simplemente aceita-e o reultado (não ignificativo) admitindo-e que o () contrate() ignificativo() que o tete F diz exitir, envolve mai de dua média, endo portanto, geralmente, de pouco interee prático. Quando a média de tratamento apreentam o memo número de repetiçõe, ua fórmula é a eguinte: (5%) q r onde: Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

28 q valor da amplitude total etudentizada no nível de 5% de probabilidade (TABELA A.0); etimativa do devio padrão do erro experimental, que correponde à raiz quadrada do quadrado médio do reíduo; r número de repetiçõe do experimento e/ou da média. No cao de querer-e uar o tete de Tukey no nível de % de probabilidade, tem-e a TABELA A. para obter-e o valor de q. O valor de cada contrate ( Ŷ ) é comparado com o valor de. Logo, tem-e: Ŷ (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); Ŷ < (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade o contrate não difere de zero). Quando e aplica o tete de Tukey, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante); b) H : Ŷ 0 (tratamento diferente). Exemplo 8: Verificar pelo tete de Tukey e exite ou não diferença ignificativa entre o tratamento a partir do dado da TABELA 5.8. TABELA 5.8 NÚMERO TOTAL DE FOLHAS POR PLANTA EM TRÊS CULTIVARES DE ALFACE (Lactuca ativa L.), E VALORES DE GL RESÍDUO, QM RESÍDUO E F Cultivare Número total de folha por planta /. MARAVILHA DE QUATRO ESTAÇÕES. MARAVILHA DE INVERNO. REPOLHUDA SEM RIVAL 5,80 9,5 5,7 GL Reíduo QM Reíduo 6,676 F 5,69 * FONTE: SILVA e FERREIRA (985). NOTA: (/) Dado médio proveniente de oito repetiçõe no delineamento em bloco caualizado. Logo, tem-e: ( 5%) q r,8 6,676 8,8 0, 858 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página

29 5,8 (0,9),9 Y m m 5,80 9,5,7 * Y m m 5,80 5,7 0,07 n Y m m 9,5 5,7,80 * De acordo com o reultado do tete de Tukey, pode-e concluir: a) Apena um contrate foi não ignificativo no nível de 5% de probabilidade, ou eja, a cultivare de alface MARAVILHA DE QUATRO ESTAÇÕES e REPOLHODA SEM RIVAL ão emelhante quanto ao número de folha por planta. b) O demai contrate foram ignificativo no nível de 5% de probabilidade, ou eja, a cultivar de alface MARAVILHA DE INVERNO apreenta um maior número de folha por planta do que a cultivare MARAVILHA DE QUATRO ESTAÇÕES e REPOLHUDA SEM RIVAL. Quando a média de tratamento apreentam número de repetiçõe diferente (cao de parcela perdida), a fórmula do tete de Tukey é a eguinte: (5%) q onde: q valor da amplitude total etudentizada no nível de 5% ou de % de probabilidade (TABELAS A.0 e A.); etimativa da variância da etimativa de um contrate, que dependerá do delineamento etatítico utilizado (ver tete t ). 5.8 Tete de Duncan O tete de Duncan (D) é também uado na análie de variância para comparar todo e qualquer contrate entre dua média de tratamento. É, porém, meno rigoroo do que o tete de Tukey, poi detecta diferença ignificativa entre dua média quando o tete de Tukey não o faz, de modo que não deve er empregado indicriminadamente. Além dio, ua aplicação é um pouco mai trabalhoa, poi, levando em conta o número de média abrangida em cada contrate, deve-e calcular um valor de D para cada grupo de contrate. Na ua aplicação deve-e ordenar a média de tratamento em ordem crecente ou decrecente e formar o grupo de contrate cujo intervalo abrangem dua média, trê média e aim por diante, de modo a obterem, repectivamente, o valore tabelado de z para cada grupo de contrate. Quando o número de média de tratamento Y Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 5

30 for elevado, por exemplo uperior a dez, a aplicação do referido tete e torna muito trabalhoa. É um tete batante uado em trabalho de emente e de laboratório. Tal como o tete de Tukey, ele exige, para er exato, que todo o tratamento tenham o memo número de repetiçõe. Quando a média de tratamento apreentam o memo número de repetiçõe, ua fórmula é a eguinte: 6 D (5%) z r onde: z valor da amplitude total etudentizada no nível de 5% de probabilidade (TABELA A.); etimativa do devio padrão do erro experimental, que correponde à raiz quadrada do quadrado médio do reíduo; r número de repetiçõe do experimento e/ou da média. No cao de querer-e uar o tete de Duncan no nível de % de probabilidade, tem-e a TABELA A. para obter-e o valore de z. Como e deve ter vário valore de D, o valore do contrate com o memo número de média abrangida pelo memo ão comparado com o eu repectivo valor de D. Logo, tem-e: Ŷ D (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); Ŷ < D (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade o contrate não difere de zero). Quando e aplica o tete de Duncan, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante); b) H : Ŷ 0 (tratamento diferente). Exemplo 9: Verificar pelo tete de Duncan e exite ou não diferença ignificativa entre o tratamento a partir do dado da TABELA 5.9. TABELA 5.9 GERMINAÇÃO DE SEMENTES ESCARIFICADAS DE SEIS ESPÉCIES DE Styloanthe, E VALORES DE GL RESÍDUO, QM RESÍDUO E F. DADOS TRANSFORMADOS EM ARCO SENO %/ 00 Epécie Média / Styloanthe humili 67,5 Styloanthe cabra 8,7 Styloanthe leiocarpa 8,75 Styloanthe hamata 87,97 5 Styloanthe vicoe 88,98 6 Styloanthe debili 90,00 GL Reíduo 7 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 6

31 7 QM Reíduo 0,658 F 00, ** FONTE: REIS (98). NOTA: (/) Dado médio proveniente de oito repetiçõe no delineamento inteiramente caualizado. Logo, tem-e: D (5%) z r,8 0,658 8,8, 5875,8 (,606697),5 Y m m 67,5 8,7 6,0 * Y m m 8,7 8,75,0 n Y m m 8,75 87,97, n Y m m5 87,97 88,98,0 n Y 5 m 5 m6 88,98 90,00,0 n D (5%) z r,97 0,658 8,97, 5875 Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 7

32 8,97 (,606697),77 Y 6 m m 67,5 8,75 7, * Y 7 m m 8,7 87,97, n Y 8 m m5 8,75 88,98, n Y 9 m m6 87,97 90,00,0 n D (5%) z r,07 0,658 8,07, 5875,07 (,606697),9 Y 0 m m 67,5 87,97 0, * Y m m5 8,7 88,98 5, * Y m m6 8,75 90,00 5,5 * D 5 (5%) z 5 r Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 8

33 9, 0,658 8,, 5875, (,606697) 5,0 Y m m5 67,5 88,98, * Y m m6 8,7 90,00 6,6 * D 6 (5%) z 6 r,9 0,658 8,9, 5875,9 (,606697) 5, Y 5 m m6 67,5 90,00,6 * De acordo com o reultado do tete de Duncan, pode-e concluir: a) Apena ete contrate foram não ignificativo no nível de 5% de probabilidade, ou eja, a germinação de emente ecarificada foi emelhante entre a eguinte epécie de Styloanthe: S. cabra com S. leiocarpa e S. hamata, S. leiocarpa com S. hamata e S. vicoa, S. hamata com S. vicoa e S. debili, e S. vicoa com S. debili. b) O demai contrate foram ignificativo no nível de 5% de probabilidade, ou eja, a germinação de emente ecarificada foi diferente entre a eguinte epécie de Styloanthe: S. humili com toda a outra, S. cabra com S. vicoa e S. debili, e S. leiocarpa com S. debili. c) A epécie Styloanthe humili apreentou a menor germinação de emente ecarificada. d) A epécie Styloanthe debili apreentou a maior germinação de emente ecarificada, apear de não diferir etatiticamente da epécie Styloanthe vicoa e Styloanthe hamata. Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 9

34 Quando a média de tratamento apreentam número de repetiçõe diferente (cao de parcela perdida), a fórmula do tete de Duncan é a eguinte: D(5%) z onde: z valor da amplitude total etudentizada no nível de 5% ou de % de probabilidade (TABELAS A. e A. ); (Y ) etimativa da variância da etimativa de um contrate, que dependerá do delineamento etatítico utilizado (ver tete t ). 5.9 Tete de Student-Newman-Keul (SNK) O tete SNK pode er uado na análie de variância para comparar todo e qualquer contrate entre dua média de tratamento. Em termo de rigor é intermediário entre o tete de Tukey e de Duncan. Ele utiliza a metodologia de Duncan com a tabela de Tukey. Do memo modo que tai tete, ele exige, para er exato, que todo o tratamento tenham o memo número de repetiçõe. Quando a média de tratamento apreentam o memo número de repetiçõe, ua fórmula é a eguinte: Y 50 SNK (5%) q r onde: q valor da amplitude total etudentizada no nível de 5% de probabilidade (TABELA A.0); etimativa do devio padrão do erro experimental, que correponde à raiz quadrada do quadrado médio do reíduo; r número de repetiçõe do experimento e/ou da média. No cao de querer-e uar o tete SNK no nível de % de probabilidade, tem-e a TABELA A. para obter-e o valore de q. Como e deve ter vário valore de SNK, o valor do contrate com o memo número de média abrangida pelo memo ão comparado com o eu repectivo valor de SNK. Logo, tem-e: Ŷ SNK (5%) - * (exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, há uma probabilidade acima de 95% de que o contrate eja diferente de zero); Ŷ < SNK (5%) - n (não exite diferença ignificativa entre o tratamento no nível de 5% de probabilidade, ou eja, com 95% de probabilidade o contrate não difere de zero). Quando e aplica o tete de SNK, etá-e tetando a eguinte hipótee: a) H 0 : Ŷ 0 (tratamento emelhante); b) H : Ŷ 0 (tratamento diferente). Coniderando o dado do Exemplo 9, tem-e: Autor: PAULO VANDERLEI FERREIRA CECA-UFAL, 0. Página 50

25 a 30 de novembro de 2013

25 a 30 de novembro de 2013 LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado

Leia mais

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios

Leia mais

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de

Leia mais

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral, Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br 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 mais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,

Leia mais

Suponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l

Suponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l Modelagem da Variância em Experimento Não-Replicado Flávio Fogliatto, Ph.D. 1 Prof. Fogliatto 1 Panorâmica (Continuação) Deeja-e verificar e o reíduo, dentro de um determinado nível de um fator de controle,

Leia mais

107484 Controle de Processos Aula: graus de liberdade, variáveis de desvio e linearização

107484 Controle de Processos Aula: graus de liberdade, variáveis de desvio e linearização 107484 Controle de Proceo Aula: grau de liberdade, variávei de devio e linearização Prof. Eduardo Stockler Tognetti Departamento de Engenharia Elétrica Univeridade de Braília UnB 1 o Semetre 2015 E. S.

Leia mais

Regressão linear múltipla. Prof. Tatiele Lacerda

Regressão linear múltipla. Prof. Tatiele Lacerda Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,

Leia mais

IV.4 Análise de Dados da Avaliação

IV.4 Análise de Dados da Avaliação Melhor e Pior? IV - Avaliação IV.4 Análie de Dado da Avaliação Interactive Sytem Deign, Cap. 0, William Newman Melhor e Pior? Reumo Aula Anterior Avaliação com utilizadore Local (Laboratório, Ambiente

Leia mais

Revisão de Alguns Conceitos Básicos da Física Experimental

Revisão de Alguns Conceitos Básicos da Física Experimental Revião de Algun Conceito Báico da Fíica Experimental Marcelo Gameiro Munhoz munhoz@if.up.br Lab. Pelletron, ala 245, r. 6940 O que é uma medida? Medir ignifica quantificar uma grandeza com relação a algum

Leia mais

Teste de Hipótese e Intervalo de Confiança. Parte 2

Teste de Hipótese e Intervalo de Confiança. Parte 2 Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14

Leia mais

Despertando o(a) Discente Ativo(a)

Despertando o(a) Discente Ativo(a) Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio

Leia mais

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee

Leia mais

Lucas Santana da Cunha 28 de setembro de 2018 Londrina

Lucas 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 mais

AULA 12 Inferência a Partir de Duas Amostras

AULA 12 Inferência a Partir de Duas Amostras 1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Universidade Salvador UNIFACS Cursos de Engenharia Métodos Matemáticos Aplicados / Cálculo Avançado / Cálculo IV Profa: Ilka Rebouças Freire

Universidade Salvador UNIFACS Cursos de Engenharia Métodos Matemáticos Aplicados / Cálculo Avançado / Cálculo IV Profa: Ilka Rebouças Freire Univeridade Salvador UNIFACS Curo de Engenharia Método Matemático Aplicado / Cálculo Avançado / Cálculo IV Profa: Ila Rebouça Freire A Tranformada de Laplace Texto 0: A Tranformada Invera. A Derivada da

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC 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 mais

Testes de variância e Análise de Variância (ANOVA)

Testes de variância e Análise de Variância (ANOVA) Testes de variância e Análise de Variância (ANOVA) Introdução à Inferência Estatística Introdução à Inferência Estatística TESTE DE VARIÂNCIAS E DISTRIBUIÇÃO F Testes sobre variâncias Problema: queremos

Leia mais

Introdução às medidas físicas ( ) Experiência 1 - Aula 2

Introdução às medidas físicas ( ) Experiência 1 - Aula 2 Introdução à medida fíica (4300152) Experiência 1 - Aula 2 Grupo: Aluno 1: Aluno 2: Aluno 3: Intrumento uado Cronômetro, reolução == Trena, reolução = = Apreentação da Medida Experimentai: Meça o comprimento

Leia mais

CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise

CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,

Leia mais

Análise de Regressão. Notas de Aula

Análise de Regressão. Notas de Aula Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas

Leia mais

8 Equações de Estado

8 Equações de Estado J. A. M. Felippe de Souza 8 Equaçõe de Etado 8 Equaçõe de Etado 8. Repreentação por Variávei de Etado Exemplo 4 Exemplo 8. 4 Exemplo 8. 6 Exemplo 8. 6 Exemplo 8.4 8 Matriz na forma companheira Exemplo

Leia mais

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido

Leia mais

AULA 11 Experimentos Multinomiais e Tabelas de Contingência

AULA 11 Experimentos Multinomiais e Tabelas de Contingência 1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)

Leia mais

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística

Leia mais

AULA 04 Estimativas e Tamanhos Amostrais

AULA 04 Estimativas e Tamanhos Amostrais 1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

Leia mais

4. CONTROLE PID COM O PREDITOR DE SMITH

4. CONTROLE PID COM O PREDITOR DE SMITH 4 CONTROLADOR PID COM O PREDITOR DE SMITH 28 4. CONTROLE PID COM O PREDITOR DE SMITH 4.1 SINTONIA DO CONTROLADOR PID Nete capítulo erá apreentada a metodologia para a intonia do controlador PID. Reultado

Leia mais

Análise de Regressão Linear Simples III

Análise de Regressão Linear Simples III Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos

Leia mais

Medida do Tempo de Execução de um Programa. Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP

Medida do Tempo de Execução de um Programa. Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP Medida do Tempo de Execução de um Programa Bruno Hott Algoritmo e Etrutura de Dado I DECSI UFOP Clae de Comportamento Aintótico Se f é uma função de complexidade para um algoritmo F, então O(f) é coniderada

Leia mais

Para mais de duas variáveis independentes, em função de uma variável dependente.

Para mais de duas variáveis independentes, em função de uma variável dependente. MÉTODOS QUANTlTATlVOS APLlCADOS À CONTABlLlDADE Prof. Héber Lavor Moreira Plano de Aula TEMA: REGRESSÃO MÚLTlPLA - Caso Multiplan S/A lntrodução Em muitos casos uma variável pode estar relacionada com

Leia mais

Considere as seguintes expressões que foram mostradas anteriormente:

Considere as seguintes expressões que foram mostradas anteriormente: Demontração de que a linha neutra paa pelo centro de gravidade Foi mencionado anteriormente que, no cao da flexão imple (em eforço normal), a linha neutra (linha com valore nulo de tenõe normai σ x ) paa

Leia mais

2 Cargas Móveis, Linhas de Influência e Envoltórias de Esforços

2 Cargas Móveis, Linhas de Influência e Envoltórias de Esforços 2 Carga óvei, Linha de Influência e Envoltória de Eforço 21 Introdução Para o dimenionamento de qualquer etrutura é neceário conhecer o eforço máximo e mínimo que ela apreentará ao er ubmetida ao carregamento

Leia mais

φ p 400 mm. A carga de cálculo transmitida pela laje ao pilar é igual a Q d 1120 kn

φ p 400 mm. A carga de cálculo transmitida pela laje ao pilar é igual a Q d 1120 kn GBRITO UEL - CTU Departamento de Etrutura a. Prova TRU 04 Contruçõe em Concreto Etrutural C, 08005, 1a. Parte 1 a. Quetão ponto) ): Conidere, no ELU Punção, uma laje lia em viga), apoiada obre um pilar

Leia mais

MINISTÉRIO 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 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 mais

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS Química Analítica IV 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Todas as medidas físicas possuem um certo grau de incerteza. Quando se faz uma medida, procura-se

Leia mais

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos

Leia mais

IND 1115 Inferência Estatística Aula 8

IND 1115 Inferência Estatística Aula 8 Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória

Leia mais

Medidas e algarismos significativos

Medidas e algarismos significativos Medida e algarimo ignificativo Como repreentar o reultado de uma medida, algarimo ignificativo Erro, média e devio padrão Hitograma e ditribuição normal Propagação de erro Medida em fíica ex. medida do

Leia mais

ESTATÍSTICA. Turma Valores Intervalo A [4,8] B 4 4 4,2 4,3 4, [4,8]

ESTATÍSTICA. Turma Valores Intervalo A [4,8] B 4 4 4,2 4,3 4, [4,8] .. - Medida de Diperão O objetivo da medida de diperão é medir quão próximo un do outro etão o valore de um grupo (e alguma menuram a diperão do dado em torno de uma medida de poição). Intervalo É a medida

Leia mais

Unidades de Medidas. E m g h E E. Considerando o Sistema Internacional de Unidades, podemos representar energia como

Unidades de Medidas. E m g h E E. Considerando o Sistema Internacional de Unidades, podemos representar energia como Unidade de Medida 1. (Fgv 01) A força de reitência do ar é um fator relevante no etudo da queda do corpo ob ação excluiva da gravidade. Para velocidade relativamente baixa, da ordem de metro por egundo,

Leia mais

Técnicas experimentais e suas relações com a Lei de Proteção de Cultivares

Técnicas experimentais e suas relações com a Lei de Proteção de Cultivares UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE GENÉTICA LGN0313 Melhoramento Genético Técnica experimentai e ua relaçõe com a Lei de Proteção de Cultivare Prof.

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos

Leia mais

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade

Leia mais

6 Previsões teóricas Cálculo segundo procedimento de Leon et al. (1996) Momento resistente da ligação

6 Previsões teóricas Cálculo segundo procedimento de Leon et al. (1996) Momento resistente da ligação Previõe teórica Ete capítulo apreentada a previõe de reultado teórico do comportamento da ligação etudada, egundo o modelo analítico utilizado nete trabalho. O primeiro procedimento decrito é referente

Leia mais

CIRCUITO EQUIVALENTE DA MÁQUINA ASSÍNCRONA. José Roberto Cardoso. Motor de Indução Parado com terminais do rotor em aberto

CIRCUITO EQUIVALENTE DA MÁQUINA ASSÍNCRONA. José Roberto Cardoso. Motor de Indução Parado com terminais do rotor em aberto CIRCUITO EQUIVALENTE DA MÁQUINA ASSÍNCRONA Joé Roberto Cardoo Motor de Indução Parado com terminai do rotor em aberto O circuito da figura motra o circuito equivalente por fae do motor de indução com o

Leia mais

Avaliação do Ensino nos Cursos de Pós-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conjunto

Avaliação do Ensino nos Cursos de Pós-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conjunto Avaliação do Enino no Curo de Pó-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conunto Lidia Angulo Meza Intituto de Ciência e Tecnologia Univeridade Veiga de Almeida Rua Ibituruna,

Leia mais

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média.

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média. UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual, sem ilustrar

Leia mais

Um exemplo de TCM (Trellis Coded Modulation) - versão draft

Um exemplo de TCM (Trellis Coded Modulation) - versão draft Um exemplo de TCM (Trelli Coded Modulation) - verão draft Introdução A concepção inicial do TCM remonta à época da publicação da ref [1] coniderada como o marco inicial do etudo obre o tema Seja uma contelação

Leia mais

Aula 08 Equações de Estado (parte I)

Aula 08 Equações de Estado (parte I) Aula 8 Equaçõe de Etado (parte I) Equaçõe de Etado input S output Já vimo no capítulo 4 ( Repreentação de Sitema ) uma forma de repreentar itema lineare e invariante no tempo (SLIT) atravé de uma função

Leia mais

OBSERVAÇÕES SOBRE OS DADOS DE PRODUÇÃO APRESENTADOS POR MÜLLER

OBSERVAÇÕES SOBRE OS DADOS DE PRODUÇÃO APRESENTADOS POR MÜLLER OBSERVAÇÕES SOBRE OS DADOS DE PRODUÇÃO APRESENTADOS POR MÜLLER Francico Vidal Luna O Enaio d um quadro etatítico da Província de São Paulo, ordenado pela lei provinciai de 11 de abril de 1836 e de 10 de

Leia mais

Modelo matemático para o problema de corte com sobras aproveitáveis

Modelo matemático para o problema de corte com sobras aproveitáveis Modelo matemático para o problema de corte com obra aproveitávei Everton Fernande da ilva, Andréa Carla Gonçalve Vianna Depto de Computação, FC, UNEP 17033-360, Bauru, P E-mail: evertaum@fc.unep.br vianna@fc.unep.br

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 1. Chapas de uma liga metálica de mesma procedência foram submetidas, de forma aleatória, a três diferentes tratamentos térmicos: A, B e C.

Leia mais

Sinais e Sistemas Mecatrónicos

Sinais e Sistemas Mecatrónicos Sinai e Sitema Mecatrónico Análie de Sitema no Domínio do Tempo Etabilidade Joé Sá da Cota Joé Sá da Cota T9 - Análie de Sitema no Tempo - Etabilidade 1 Análie e Projecto de Sitema A análie e a íntee (projecto)

Leia mais

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos

Leia mais

Medidas de dispersão e assimetria

Medidas de dispersão e assimetria Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro

Leia mais

Transformada de Laplace

Transformada de Laplace Sinai e Sitema - Tranformada de Laplace A Tranformada de Laplace é uma importante ferramenta para a reolução de equaçõe diferenciai. Também é muito útil na repreentação e análie de itema. É uma tranformação

Leia mais

Inferência sobre duas proporções

Inferência sobre duas proporções Teste para duas populações duas populações Amostra :,,,, alor comum para delta 0 Amostra 2:,,,, Tamanho Tamanho Média amostral x Média amostral x Desvio-padrão Desvio-padrão Teste para duas populações

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis

Leia mais

TRANSFORMADA DE LAPLACE. Revisão de alguns: Conceitos Definições Propriedades Aplicações

TRANSFORMADA DE LAPLACE. Revisão de alguns: Conceitos Definições Propriedades Aplicações TRANSFORMADA DE LAPLACE Revião de algun: Conceito Deiniçõe Propriedade Aplicaçõe Introdução A Tranormada de Laplace é um método de tranormar equaçõe dierenciai em equaçõe algébrica mai acilmente olucionávei

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Teste para Médias: duas amostras independentes

Teste para Médias: duas amostras independentes Etatítica II.09.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete para Média: dua amotra independente Profa. Renata Gonçalve

Leia mais

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma

Leia mais

Engenharia Econômica

Engenharia Econômica UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros

Leia mais

Medidas de Localização

Medidas de Localização MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados

Leia mais

Aula 6 Propagação de erros

Aula 6 Propagação de erros Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se

Leia mais

1 Inferência Estatística - Teoria da Estimação

1 Inferência Estatística - Teoria da Estimação 1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Ronei Marcos de Moraes Análise de Variância e Estatística Nãoparamétrica UFPB Maio/2011 ANOVA - Análise de Variância O caso da comparação de várias médias

Leia mais

DERIVADA. TE203 Fundamentos Matemáticos para a Engenharia Elétrica I

DERIVADA. TE203 Fundamentos Matemáticos para a Engenharia Elétrica I DERIVADA COMO MEDIMOS VELOCIDADE MÉDIA? A velocidade média de um objeto ao longo de um determinado percuro é o delocamento total do objeto ( ) dividido pelo tempo gato no percuro ( t). Io não igniica que

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

Lição 5 Medidas Descritivas Medidas de Dispersão

Lição 5 Medidas Descritivas Medidas de Dispersão 99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;

Leia mais

Modelação e Simulação Problemas - 4

Modelação e Simulação Problemas - 4 Modelação e Simulação - Problema Modelação e Simulação Problema - P. Para cada uma da funçõe de tranferência eguinte eboce qualitativamente a repota no tempo ao ecalão unitário uando empre que aplicável)

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS» PROBABILIDADE E ESTATÍSTICA «21. Uma fábrica, que produz pequenas peças utilizadas em materiais eletrônicos, armazena essa mercadoria em lotes com 1000 unidades. Inspecionada

Leia mais

CAPÍTULO 4. Movimento Variado. Introdução. 2-Aceleração Escalar Média

CAPÍTULO 4. Movimento Variado. Introdução. 2-Aceleração Escalar Média CAPÍTULO 4 Movimento Variado Introdução O movimento do corpo no dia-a-dia ão muito mai variado do que propriamente uniforme, até porque, para entrar em movimento uniforme, um corpo que etava em repouo,

Leia mais

Aula 7 Resposta no domínio do tempo - Sistemas de segunda ordem

Aula 7 Resposta no domínio do tempo - Sistemas de segunda ordem FUNDAMENTOS DE CONTROLE E AUTOMAÇÃO Aula 7 Repota no domínio do tempo - Sitema de egunda ordem Prof. Marcio Kimpara Univeridade Federal de Mato Groo do Sul Sitema de primeira ordem Prof. Marcio Kimpara

Leia mais

cuja distribuição é t de Student com n 1 graus de liberdade.

cuja distribuição é t de Student com n 1 graus de liberdade. Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma

Leia mais

Física I. Oscilações - Resolução

Física I. Oscilações - Resolução Quetõe: Fíica I Ocilaçõe - Reolução Q1 - Será que a amplitude eacontantenafae de um ocilador, podem er determinada, e apena for epecificada a poição no intante =0? Explique. Q2 - Uma maa ligada a uma mola

Leia mais

σ, e os FATEC 1 Inferência Estatística: compreendida entre 5,25 e 5,31 m, apresentamos uma estimativa por intervalo. Introdução:

σ, e os FATEC 1 Inferência Estatística: compreendida entre 5,25 e 5,31 m, apresentamos uma estimativa por intervalo. Introdução: FATEC Inferência Etatítica: Introdução: Inferência etatítica é o proceo de etimativa de uma população a partir de propriedade de uma amotra da população. Há doi tipo de inferência etatítica que dicutiremo

Leia mais

1 Transformada de Laplace de u c (t)

1 Transformada de Laplace de u c (t) Tranformada de Laplace - Função de Heaviide Prof ETGalante Equaçõe diferenciai ob ação de funçõe decontínua aparecem com frequência na análie do uxo de corrente em circuito elétrico ou na vibraçõe de itema

Leia mais

DIREÇÃO DO VENTO E SEU SIGMA- CALMARIAS

DIREÇÃO DO VENTO E SEU SIGMA- CALMARIAS DIREÇÃO DO VENTO E SEU SIGMA- CALMARIAS No campo da Poluição do Ar, a direção do vento é muito importante, pois indica para onde está indo a massa de ar que leva consigo os poluentes. Em Poluição do Ar,

Leia mais

Testes para comparação de médias

Testes para comparação de médias 7 /03/018 Rtei de Aula Aula 5 Expeimentaçã Ztécnica Pfa. Da. Amanda Liz Pacífic Manfim Peticaai Tete paa cmpaaçã de média Cntate de média: Y = c 1 m 1 + c m + + c I m I e i=1 c i = c 1 + c + +c I = 0 I

Leia mais

Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292

Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Título PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Código da disciplina SIA CCE0292 16 Número de semanas de aula 4 Número

Leia mais

UNIDADE II TESTE DE HIPÓTESE

UNIDADE II TESTE DE HIPÓTESE 0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado

Leia mais

Carregamentos de Amplitudes Variável. Waldek Wladimir Bose Filho, PhD NEMAF Núcleo de Ensaio de Materiais e Análise de Falhas

Carregamentos de Amplitudes Variável. Waldek Wladimir Bose Filho, PhD NEMAF Núcleo de Ensaio de Materiais e Análise de Falhas Carregamento de Amplitude Variável Waldek Wladimir oe Filho, PhD EMAF úcleo de Enaio de Materiai e Análie de Falha Tenão Repetição ou Variação de Carga Carregamento em vôo Vôo médio Carga em olo Média

Leia mais

Controle Estátistico de Processo.

Controle Estátistico de Processo. Relatório de estudo dos fios. Controle Estátistico de Processo. Indice Item Assunto. Pág. Análise estatística C.E.P. 04 1 Introdução. 04 2 Controle estatístico do processo. 04 2.1 Definição. 04 2.3 Objetivo

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Etatítica Material teórico Medida de Diperão ou Variação Reponável pelo Conteúdo: Profª M. Roangela Maura C. Bonici MEDIDAS DE DISPERSÃO OU VARIAÇÃO Introdução ao Conteúdo Cálculo da

Leia mais

3 Modelos de Simulação

3 Modelos de Simulação 43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa

Leia mais

Respostas e comentários da sabatina

Respostas e comentários da sabatina Repota e comentário da abatina Quetão Repota Comentário Nota 3.1. Qual a diferenç a entre critério e etratégi a para eleção de modelo de regreã o? "Em e tratando de eleção de modelo de regreão, critério:

Leia mais

COMPARAÇÕES MÚLTIPLAS

COMPARAÇÕES 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 mais

VARIEDADES HÍBRIDAS: OBTENÇÃO E PREDIÇÃO

VARIEDADES HÍBRIDAS: OBTENÇÃO E PREDIÇÃO VARIEDADES HÍBRIDAS: 15 OBTENÇÃO E PREDIÇÃO INTRODUÇÃO Variedade híbrida é a progênie de um cruzamento entre dois genitores geneticamente diferentes. Esses genitores podem ser variedades de polinização

Leia mais

Inspeção de Qualidade

Inspeção de Qualidade Roteiro Inspeção de Qualidade 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Planos de Amostragem

Leia mais

ESTRATÉGIAS DE ADUBAÇÃO PARA RENDIMENTO DE GRÃOS DE MILHO E SOJA NO PLANALTO SUL CATARINENSE 1 INTRODUÇÃO

ESTRATÉGIAS DE ADUBAÇÃO PARA RENDIMENTO DE GRÃOS DE MILHO E SOJA NO PLANALTO SUL CATARINENSE 1 INTRODUÇÃO 1 ESTRATÉGIAS DE ADUBAÇÃO PARA RENDIMENTO DE GRÃOS DE MILHO E SOJA NO PLANALTO SUL CATARINENSE 1 Carla Maria Pandolfo 2, Sérgio Roberto Zoldan 3, Milton da Veiga 4 INTRODUÇÃO O município de Campos Novos

Leia mais

Aula 2 - Avaliação de fluxos de caixa pelos métodos do Valor Presente Líquido

Aula 2 - Avaliação de fluxos de caixa pelos métodos do Valor Presente Líquido Avaliação da Viabilidade Econômico- Financeira em Projetos Aula 2 - Avaliação de fluxos de caixa pelos métodos do Valor Presente Líquido Elias Pereira Avaliação da Viabilidade Econômico- Ementa e Datas

Leia mais

ANÁLISE DE VARIÂNCIA

ANÁLISE DE VARIÂNCIA 10 4 ANÁLISE DE VARIÂNCIA Um problema que se apresenta com maior freqüência do que qualquer outro na análise estatística é o de avaliar se duas ou mais amostras diferem significativamente com relação a

Leia mais

Professores colaboradores: Claudemir, David Cardoso Siqueira, Edilson Araujo do Nascimento, Emerson, Glaucia, Luciene Maria da Silva Oliveira

Professores colaboradores: Claudemir, David Cardoso Siqueira, Edilson Araujo do Nascimento, Emerson, Glaucia, Luciene Maria da Silva Oliveira 1. NOME OU TÍTULO DO PROJETO: Conhecendo minha cidade 2. DADOS DE IDENTIFICAÇAO Área ou Disciplina de Origem: Matemática Professor coordenador: Professores colaboradores: Claudemir, David Cardoso Siqueira,

Leia mais

Critério de Resistência

Critério de Resistência CAPÍTULO 1 INTRODUÇÃO À RESISTÊNCIA DOS MATERIAIS I. OBJETIVOS FUNDAMENTAIS Um corpo em equilíbrio, ujeito a carga externa ativa e reativa, poui em eu interior eforço. Ete eforço interno ou olicitaçõe

Leia mais

XXIX CONGRESSO NACIONAL DE MILHO E SORGO - Águas de Lindóia - 26 a 30 de Agosto de 2012

XXIX CONGRESSO NACIONAL DE MILHO E SORGO - Águas de Lindóia - 26 a 30 de Agosto de 2012 XXIX CONGRESSO NACIONAL DE MILHO E SORGO - Águas de Lindóia - 26 a 30 de Agosto de 2012 Avaliação de Variedades Nacionais de Milho em Lavras-MG Pedro Augusto Vilela Amui 1, Rafael Parreira Diniz 1, Carlos

Leia mais

09 POTENCIAL PRODUTIVO DE CULTIVARES DE SOJA

09 POTENCIAL PRODUTIVO DE CULTIVARES DE SOJA 09 POTENCIAL PRODUTIVO DE CULTIVARES DE SOJA COM TECNOLOGIA RR EM DUAS ÉPOCAS DE SEMEADURA O objetivo deste experimento foi avaliar o potencial produtivo de cultivares de soja com tecnologia RR em duas

Leia mais