Prof. Henrique Soares Koehler
|
|
- Thomaz Conceição Lameira
- 6 Há anos
- Visualizações:
Transcrição
1 AS ESTATÍSTICA STICA DESCRITIVA Prof. Henrique Soares Koehler AS ESTATÍSTICA DESCRITIVA Slide 1
2 PROGRAMA Fundamentaçã ção Definiçõ ções e conceitos básicosb Representaçã ção o de dados Medidas de posiçã ção Medidas de dispersão Intervalo de confiança a da médiam Curva de distribuiçã ção o Normal Curva de distribuiçã ção o de t Testes de significância ncia Teste de t de Student / Teste de Qui-Quadrado Quadrado Medidas de associaçã ção AS ESTATÍSTICA DESCRITIVA Slide
3 PROGRAMA Introduçã ção á análise de variância Delineamentos Experimentais Introduçã ção á análise de regressão Utilizaçã ção o de software estatístico stico AS ESTATÍSTICA DESCRITIVA Slide 3
4 BIBLIOGRAFIA DRAPER N y H SMITH (1981) Applied Regression Analysis, Second Edition. John Wiley & Son. Inc. 709p. KOEHLER, H.S. Estatística experimental. Curitiba p. (Apostila UFPR/DFF). PIMENTEL GOMES, F. Curso de estatística experimental. USP/ESALQ, Piracicaba p. SILVA, J.A.A.; SILVA, I.P. Estatística experimental aplicada à ciência florestal. Recife p. (Apostila UFRPE/DA). SNEDECOR, G.W.; COCHRAN, W.G. Statistical methods. 7a. Ed., Ames, The Iowa State Univ. Press p. SOARES, R.V. Biometria - delineamento de experimentos. Curitiba p. (Apostila UFPR/FUPEF). SOKAL.R.R.; ROHLF,R.J. The principles and practice of statistics in biological research. W.H. Freeman Co., San Francisco p. STEEL, R.G.D.; TORRIE, J.H. Principles and procedures of statistics a biometrical approach. MacGraw-Hill Book Co., YAMANE T (1984) Estadística. Harla; Harper & Row Latinoameri-cana. México. 3a edición. 771p. AS ESTATÍSTICA DESCRITIVA Slide 4
5 FUNDAMENTAÇÃ ÇÃO O que é a ESTATÍSTICA? STICA? Ciência que permite a tomada de decisões es de acordo com um método m intelectualmente aceitável Para que serve a ESTATÍSTICA? STICA? Permite a leitura e crítica de artigos científicos e profissionais Permite conduzir análises de pesquisas próprias prias AS ESTATÍSTICA DESCRITIVA Slide 5
6 FUNDAMENTAÇÃ ÇÃO Quando utilizar a ESTATÍSTICA? STICA? Para fazer inferências ncias com uma noçã ção o de erro Raciocínio dedutivo e indutivo Dedutivo Do geral para o particular Indutivo Do específico para o geral AS ESTATÍSTICA DESCRITIVA Slide 6
7 FUNDAMENTAÇÃ ÇÃO Alfred North Whitehead... A teoria da induçã ção é o desespero da filosofia, mesmo assim todas as nossas atividades baseiam-se nela... Raciocínio indutivo Mesmo insatisfatório, é a melhor resposta que se pode dar Necessidade da análise estatística stica Respostas nunca são s o absolutas Generalizaçõ ções feitas com muito cuidado AS ESTATÍSTICA DESCRITIVA Slide 7
8 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Populaçã ção É definida como o conjunto de todos os elementos de um grupo bem definido Pode possuir uma grande ou pequena abrangência ncia dependendo da definiçã ção o do grupo Parâmetro É uma característica da populaçã ção AS ESTATÍSTICA DESCRITIVA Slide 8
9 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Amostra É definida como um sub-conjunto da populaçã ção Estatística stica É uma característica da amostra Estatística stica Descritiva São o as técnicas t que permitem a tabulaçã ção, sumarizaçã ção o e representaçã ção o de dados em forma abreviada AS ESTATÍSTICA DESCRITIVA Slide 9
10 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Estatística stica Indutiva São o as técnicas t que permitem o emprego do raciocínio indutivo para se inferir sobre as propriedades de todo um grupo ou coleçã ção o de indivíduos duos a partir de amostras da populaçã ção Em outras palavras, o objetivo da estatística stica indutiva é permitir que a partir de dados de uma amostra de uma populaçã ção o se possa inferir sobre as propriedades da populaçã ção o amostrada AS ESTATÍSTICA DESCRITIVA Slide 10
11 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Variável Qualquer característica de pessoas ou coisas que assume valores diferentes Constante Qualquer característica de pessoas ou coisas que assume somente um valor AS ESTATÍSTICA DESCRITIVA Slide 11
12 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Variável Discretas Assumem somente determinados valores Exemplo: número n de filhos, partido político, religião Contínuas nuas Assumem qualquer valor dentro de uma escala Exemplo: distância entre duas cidades, altura, peso Dicotômicas Assume somente um entre dois valores Por exemplo: verdadeiro/falso, vivo/morto AS ESTATÍSTICA DESCRITIVA Slide 1
13 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Escalas de Medida Medida é a atribuiçã ção o de valores numéricos de acordo com regras definidas Tipos de Escalas de Medidas Nominal Ordinal Intervalo Razão AS ESTATÍSTICA DESCRITIVA Slide 13
14 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Escalas de Medidas Nominal Indivíduos duos ou objetos são s o classificados em categorias de modo que todos os pertencentes a uma categoria são s o equivalentes com respeito a característica sendo medida. Categorias normalmente recebem nomes ou números. n Por exemplo, nacionalidade: 5 Brasileira ; 1 Francesa Permitem somente contagens AS ESTATÍSTICA DESCRITIVA Slide 14
15 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Escalas de Medidas (cont.) Ordinal indivíduos duos ou objetos são s o determinados por seu tamanho relativo ou posiçã ção o com relaçã ção o a característica sendo medida. Os indivíduos duos ou objetos são s o ordenados de acordo com a quantidade da característica que possuem. Por exemplo o desempenho acadêmico. Diferenças iguais no ordenamento não n o implicam diferenças na característica sendo avaliada. Propriedades: igualdade/desigualdade; se diferentes maior ou menor AS ESTATÍSTICA DESCRITIVA Slide 15
16 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Escalas de Medidas (cont.) Ordinal Exemplo ÚNICOS REPETIDOS NOTA ORDEM NOTA ORDEM 4,0 1 4,0 1 3,9 3,8,5 3,8 3 3,8,5 3,6 4 3,6 4 3, 5 3,0 6 3,0 6 3,0 6,7 7 3,0 6 SOMA 8 SOMA 8 AS ESTATÍSTICA DESCRITIVA Slide 16
17 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Escalas de Medidas (cont.) Intervalo Indivíduos duos ou objetos podem ser ordenados e diferenças iguais entre valores implicam em distâncias iguais em termos da característica sendo avaliada Ordem e distância tem significado Não o tem zero absoluto Propriedades: igualdade/desigualdade; se diferentes maior ou menor; intervalos iguais Exemplo : Temperatura, calendário, ano, QI AS ESTATÍSTICA DESCRITIVA Slide 17
18 DEFINIÇÕ ÇÕES E CONCEITOS BÁSICOSB Tipos de Escalas de Medidas (cont.) Razão Possui todas as propriedades do intervalo e zero absoluto Valores de razão o podem ser obtidos e refletem quantidade Exemplo : altura (tem zero absoluto / 4 metros é duas vezes maior do que dois metros) AS ESTATÍSTICA DESCRITIVA Slide 18
19 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Tabular de Distribuiçõ ções Distribuiçã ção o de Freqüê üência Por exemplo as notas de um trabalho abaixo NOTAS DO TRABALHO AS ESTATÍSTICA DESCRITIVA Slide 19
20 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Tabular de Distribuiçõ ções Distribuiçã ção o de Freqüê üência Dados não n o agrupados X f fa fr fra ,04 1, ,16 0, ,1 0, ,0 0, ,04 0, ,1 0, ,04 0, ,08 0, ,04 0, ,08 0, ,04 0, ,04 0,04 5 AS ESTATÍSTICA DESCRITIVA Slide 0
21 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Tabular de Distribuiçõ ções Distribuiçã ção o de Freqüê üência Dados agrupados Distribuiçã ção o de freqüê üência (f) Distribuiçã ção o de freqüê üência acumulada (fa( fa) Distribuiçã ção o de freqüê üência relativa (fr( fr=f/n) Distribuiçã ção o de freqüê üência relativa acumulada (fra( fra) X f fa fr fra ,0 1, ,3 0, ,16 0, ,1 0, ,1 0, ,08 0,08 5 AS ESTATÍSTICA DESCRITIVA Slide 1
22 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Gráfica de Distribuiçõ ções Gráfico de Barras Utilizado para representaçã ção o de dados em escala nominal FREQÜÊNCIA AZUL CASTANHO VERDE PRETO COR DOS OLHOS AS ESTATÍSTICA DESCRITIVA Slide
23 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Gráfica de Distribuiçõ ções Histograma Utilizado para representaçã ção o de dados em escalas não o nominais FREQÜÊNCIA ,0 10,0 11,0 1,0 13,0 14,0 15,0 16,0 17,0 18,0 19,0 0,0 NOTAS AS ESTATÍSTICA DESCRITIVA Slide 3
24 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Gráfica de Distribuiçõ ções Polígono de Freqüê üências Também m utilizado para representaçã ção o de dados em escalas não n o nominais FREQÜÊNCIA ,0 9,0 10,0 11,0 1,0 13,0 14,0 15,0 16,0 17,0 18,0 19,0 0,0 1,0 AS ESTATÍSTICA DESCRITIVA Slide 4
25 REPRESENTAÇÃ ÇÃO O DE DADOS Representaçã ção o Gráfica de Distribuiçõ ções Polígono de Freqüê üências Acumuladas (Ogivas) Também m utilizado para representaçã ção o de dados em escalas não n o nominais FREQÜÊNCIA ,0 9,0 10,0 11,0 1,0 13,0 14,0 15,0 16,0 17,0 18,0 19,0 0,0 AS ESTATÍSTICA DESCRITIVA Slide 5
26 MEDIDAS DE POSIÇÃ ÇÃO Moda Valor da classe mais freqüente ente Simples de obter Poder ter mais do que um valor Não é funçã ção o de todos os valores da amostra Difícil de trabalhar matematicamente Pode ser usada com qualquer tipo de escala AS ESTATÍSTICA DESCRITIVA Slide 6
27 MEDIDAS DE POSIÇÃ ÇÃO Moda X f fa fr fra ,04 1, ,16 0, ,1 0, ,0 0, ,04 0, ,1 0, ,04 0, ,08 0, ,04 0, ,08 0, ,04 0, ,04 0,04 5 AS ESTATÍSTICA DESCRITIVA Slide 7
28 Mediana MEDIDAS DE POSIÇÃ ÇÃO Valor que divide a distribuiçã ção o de valores em duas partes iguais quando os dados estão ordenados. Se o número n de valores for par, a mediana é a média m dos dois valores centrais Não o sofre influências ncias dos extremos Não é funçã ção o de todos os valores Difícil de trabalhar matematicamente Possuí somente um valor Pode ser usada com qualquer tipo de escala menos a nominal AS ESTATÍSTICA DESCRITIVA Slide 8
29 MEDIDAS DE POSIÇÃ ÇÃO Mediana X f fa fr fra ,04 1, ,16 0, ,1 0, ,0 0, ,04 0, ,1 0, ,04 0, ,08 0, ,04 0, ,08 0, ,04 0, ,04 0,04 5 Mediana = (14+15)/ = 14,5 AS ESTATÍSTICA DESCRITIVA Slide 9
30 MEDIDAS DE POSIÇÃ ÇÃO Média aritmética tica É funçã ção o de todos os valores É influenciada pelos extremos É um valor único É fácil de se trabalhar matematicamente É usada somente para as escalas intervalo e razão x = ou x = x 1 n + x x + x 3 n + K+ x n AS ESTATÍSTICA DESCRITIVA Slide 30
31 MEDIDAS DE DISPERSÃO Desvio padrão o da amostra Variância (quadrado do desvio padrão) s = ( x x) n 1 Coeficiente de variaçã ção s s CV% = 100 x ( x x) = n 1 ou x n 1 ( x) n AS ESTATÍSTICA DESCRITIVA Slide 31
32 INTERVALO DE CONFIANÇA A DA MÉDIAM Erro padrão o (desvio padrão o da média) m s s = x x n Erro de amostragem (absoluto e relativo) Ea Ea = t sx Er = 100 x Intervalo de confiança a para a médiam IC x ± t = 0, 05 ( ) s x AS ESTATÍSTICA DESCRITIVA Slide 3
33 CURVA DE DISTRIBUIÇÃ ÇÃO O NORMAL Características Curva Padrão Simétrica Uni-modal Possuí forma de Sino Média, mediana e moda são s o iguais AS ESTATÍSTICA DESCRITIVA Slide 33
34 CURVA DE DISTRIBUIÇÃ ÇÃO O NORMAL Áreas sob a curva com ± 1σ, ± σ e ± 3σ % 95 % 99 % AS ESTATÍSTICA DESCRITIVA Slide 34
35 CURVA DE DISTRIBUIÇÃ ÇÃO O NORMAL Características Não o existe uma única, mas uma família de curvas Curva Normal Padrão Curva padrão o possuí média igual a zero e variância igual a um Valor Padrão z i = ( X - µ ) i σ AS ESTATÍSTICA DESCRITIVA Slide 35
36 CURVA DE DISTRIBUIÇÃ ÇÃO O NORMAL Características É possível determinar a área sobre a curva Qualquer curva pode ser transformada em uma curva normal padrão Possuí estreita relaçã ção o com a variância É assintótica, tica, nunca tocando o eixo x AS ESTATÍSTICA DESCRITIVA Slide 36
37 CURVA DE DISTRIBUIÇÃ ÇÃO O NORMAL Média = + Desvio Média + Desvio = AS ESTATÍSTICA DESCRITIVA Slide 37
38 CURVA DE DISTRIBUIÇÃ ÇÃO O t Características É a curva normal quando se trabalha com amostras. Aumentando n t aproxima-se da curva normal (teorema do limite central) AS ESTATÍSTICA DESCRITIVA Slide 38
39 TESTES DE SIGNIFICÂNCIA NCIA Objetivo primário rio Obter informaçõ ções da populaçã ção o com amostras Parâmetros da populaçã ção Média µ Variância σ Desvio padrão σ Estimativas da amostra Média x Variância s Desvio padrão o s AS ESTATÍSTICA DESCRITIVA Slide 39
40 TESTES DE SIGNIFICÂNCIA NCIA Hipóteses Estatísticas sticas H 0 = Hipótese da Nulidade H 1 = Hipótese Alternativa O Método M Científico pressupõe que a Hipótese da Nulidade é sempre VERDADEIRA! AS ESTATÍSTICA DESCRITIVA Slide 40
41 TESTES DE SIGNIFICÂNCIA NCIA Hipótese Aceita H 0 Aceita H 0 Rejeita H 0 Erro tipo II (β)( Resultado Rejeita H 0 OK Erro tipo I (α)( OK Expressões não n o recomendadas é igual; são s o iguais Expressões recomendadas não é diferente; não n o são s o diferentes Erro Tipo I (α)( Controlado pelo pesquisador Erro Tipo II (β)( Difícil de controlar AS ESTATÍSTICA DESCRITIVA Slide 41
42 O TESTE t DE STUDENT Comparaçã ção o de médiasm O teste t determina se duas amostras podem ser provenientes de duas populaçõ ções que possuem a mesma médiam Existem casos possíveis 1. Dados Independentes. Dados Pareados AS ESTATÍSTICA DESCRITIVA Slide 4
43 O TESTE t DE STUDENT Dados Independentes t = Y s 1 - Y Y 1 - Y AS ESTATÍSTICA DESCRITIVA Slide 43
44 O TESTE t DE STUDENT Dados Independentes - Exemplo Colesterol Homens Mulheres Média 185,0 15,0 Variância 364,9 913,63 AS ESTATÍSTICA DESCRITIVA Slide 44
45 O TESTE t DE STUDENT Dados Independentes Exemplo t = t = Y s 1 - Y Y 1 - Y ,07 Conclusão o : os níveis n médios m de colesterol para homens e mulheres não n o são s o iguais ao nível n de 5% de significân- cia =,48 AS ESTATÍSTICA DESCRITIVA Slide 45
46 O TESTE t DE STUDENT Dados Pareados t = s Yd Y / d n AS ESTATÍSTICA DESCRITIVA Slide 46
47 O TESTE t DE STUDENT Dados Pareados - Exemplo NADADOR Pré-teste Pós-teste Média AS ESTATÍSTICA DESCRITIVA Slide 47
48 O TESTE t DE STUDENT Dados Pareados - Exemplo t = s Yd Y / d n t = - 5,0 0,68 = -7,3 Conclusão o : o desempenho dos nadadores mudou após s o programa de treinamento ao nível n 5% de significância ncia AS ESTATÍSTICA DESCRITIVA Slide 48
49 INTERPRETAÇÃ ÇÃO O DO TESTE t O teste retorna uma probabilidade (p) Existem 3 casos possíveis 1. Se p 0,05 ns (não-significativo) As diferenças entre as médias m testadas não n o são s significativas ao nível n de significância ncia α = 5% (0,05). Se 0,05 > p 0,01 * (significativo) As diferenças entre as médias m testadas são s significativas ao nível n de significância ncia α = 5% (0,05) 3. Se p < 0,01 ** (altamente significativo) As diferenças entre as médias m testadas são s o altamente significativas ao nível n de significância ncia α = 1% (0,01) Grau de confiança a X nível n de significância ncia AS ESTATÍSTICA DESCRITIVA Slide 49
50 TESTE DE QUI-QUADRADO QUADRADO Objetivo Analisar dados oriundos de variáveis veis categóricas Aplica-se em duas situaçõ ções: Proporçõ ções definidas a priori Teste de ajuste Associaçã ção o entre variáveis veis Teste de Associaçã ção AS ESTATÍSTICA DESCRITIVA Slide 50
51 TESTE DE QUI-QUADRADO QUADRADO Teste de Ajuste χ ( f obs - fesp) = f esp onde: f obs obs = freqüê üência observada esp = freqüê üência esperada f esp AS ESTATÍSTICA DESCRITIVA Slide 51
52 TESTE DE QUI-QUADRADO QUADRADO Teste de Ajuste Exemplo Baseado em uma pesquisa nacional, a proporçã ção esperada de matriculas nos vestibulares por área de conhecimento é 0% em educaçã ção, 40% em exatas, 10% em humanas e 30% em sociais aplicadas. Em uma amostra de 100 alunos tomada em uma determinada universidade do norte do país as proporçõ ções observadas foram 5% em educaçã ção, 50% em exatas, 10% em humanas e 15% em sociais aplicadas. O pesquisador deseja saber se as proporçõ ções observadas se ajustam as proporçõ ções nacionais. AS ESTATÍSTICA DESCRITIVA Slide 5
53 TESTE DE QUI-QUADRADO QUADRADO Teste de Ajuste Exemplo χ ( f - f ) obs esp = f esp χ = (5-0) 0 + (50-40) 40 + (10-10) 10 + (15-30) 30 = 11,5 As proporçõ ções observadas não n o são s o iguais as proporçõ ções esperadas nacionalmente, ao nível n de 5% de probabilidade. AS ESTATÍSTICA DESCRITIVA Slide 53
54 TESTE DE QUI-QUADRADO QUADRADO Teste de Associaçã ção χ ( f - f ) obs esp = f esp onde: f obs obs = freqüê üência observada esp = freqüê üência esperada f esp AS ESTATÍSTICA DESCRITIVA Slide 54
55 TESTE DE QUI-QUADRADO QUADRADO Teste de Associaçã ção Exemplo Um pesquisador deseja saber se existe associaçã ção entre o nível n de escolaridade e a opinião o sobre a legalizaçã ção o do jogo no Brasil. Os níveis n de escolaridade são: s 1 1º grau completo º grau completo 3 Superior completo 4 Pós-graduado AS ESTATÍSTICA DESCRITIVA Slide 55
56 TESTE DE QUI-QUADRADO QUADRADO Teste de Associaçã ção Exemplo POSIÇÃO NÍVEL DE ESCOLARIDADE 1º GRAU º GRAU SUPERIOR PÓS Total A Favor 16 / / / 11 5 / Contra 4 / 9 7 / 9 10 / 9 15 / 9 36 Total f esp = (0x44) 80 =11 AS ESTATÍSTICA DESCRITIVA Slide 56
57 TESTE DE CHI-QUADRADO Teste de Associaçã ção - Exemplo χ ( f obs - fesp) = f esp χ (16-11) = 11 (4-9) 9 (7-9) + 9 (13-11) + 11 (10-9) + 9 (10-11) + 11 (15-9) + 9 (5-11) + 11 =13,33 + Existe associaçã ção o entre o nível n de escolaridade e a posiçã ção o diante a liberaçã ção o do jogo no Brasil, ao nível n de 5% de probabilidade. AS ESTATÍSTICA DESCRITIVA Slide 57
58 MEDIDAS DE ASSOCIAÇÃ ÇÃO Diagrama de Dispersão Representaçã ção o gráfica da relaçã ção o de duas variáveis veis Permite avaliar direçã ção o da relaçã ção intensidade da relaçã ção AS ESTATÍSTICA DESCRITIVA Slide 58
59 MEDIDAS DE ASSOCIAÇÃ ÇÃO Diagrama de Dispersão o (cont( cont) AS ESTATÍSTICA DESCRITIVA Slide 59
60 MEDIDAS DE ASSOCIAÇÃ ÇÃO Diagrama de Dispersão o (cont( cont) AS ESTATÍSTICA DESCRITIVA Slide 60
61 MEDIDAS DE ASSOCIAÇÃ ÇÃO Covariância É a variância compartilhada entre duas variáveis veis Interpretaçã ção o difícil pois depende da escala s xy = ( ) n XY - ( X)( Y) n(n -1) AS ESTATÍSTICA DESCRITIVA Slide 61
62 MEDIDAS DE ASSOCIAÇÃ ÇÃO Covariância - Exemplo X Y s xy = ( ) (15)(30) 5(5-1) = 4,5 AS ESTATÍSTICA DESCRITIVA Slide 6
63 MEDIDAS DE ASSOCIAÇÃ ÇÃO Coeficiente de Correlaçã ção o de Pearson Indica o grau de associaçã ção o entre duas variáveis veis Ambas as variáveis veis estão o na escala de intervalo ou razão Varia de 11 a +1 r (n XY) ( X)( Y) = xy [n( X ) ( X) ][n( Y ) ( Y) ] AS ESTATÍSTICA DESCRITIVA Slide 63
64 MEDIDAS DE ASSOCIAÇÃ ÇÃO Coeficiente de Pearson - Exemplo X Y (108) (15)(30) r = = xy [5(55) (15) ][5(0) (30) 0,90 AS ESTATÍSTICA DESCRITIVA Slide 64
65 MEDIDAS DE ASSOCIAÇÃ ÇÃO Coeficiente de Correlaçã ção o de Spearman Indica o grau de associaçã ção o entre duas variáveis veis Ambas as variáveis veis estão o na escala ordinal Varia de 11 a +1 6 (X - Y) rs = 1- n(n - 1) AS ESTATÍSTICA DESCRITIVA Slide 65
66 MEDIDAS DE ASSOCIAÇÃ ÇÃO Coeficiente de Spearman - Exemplo X Y (X - Y) rs = 1- n(n - 1) r s = 1-6() 5(4) = 0,90 AS ESTATÍSTICA DESCRITIVA Slide 66
67 ANÁLISE DE MAIS DE MÉDIASM ANOVA Análise de variância Determina se pelo menos uma das médias m avaliadas apresenta diferenças com respeito a uma ou mais das restantes médiasm Em caso afirmativo, deve-se proceder ao Teste de comparaçã ção o de médiasm Multiple Range Test,, ou teste das letrinhas Efetua todas as comparaçõ ções possíveis entre as médias agrupadas a Existem vários v testes Teste de Duncan, Teste de Tukey,, Teste de Sheffé O valor de α deve ser pré-estabelecido AS ESTATÍSTICA DESCRITIVA Slide 67
68 CONDICIONANTES DA ANOVA A ANOVA baseia-se em 4 condicionantes 1. Erros aleatórios, independentes, e normalmente distribuídos dos. Variâncias das amostras homogêneas 3. Médias e variâncias das amostras não n correlacionadas 4. Efeitos principais devem ser aditivos Usualmente é verificada apenas o item Teste de Bartlett AS ESTATÍSTICA DESCRITIVA Slide 68
69 O TESTE DE BARTLETT Testar a homogeneidade de variâncias Hipótese de que as variâncias são s o homogêneas Se o teste comprova esta hipótese Proceder com a ANOVA normalmente Caso contrário rio Transformar os dados e testar novamente Fórmula do teste de Bartlett [( ) ( )] x =,306 log S GLi GL log Si Resultado dividido pelo fator de correcão C 1 1 C = 1+ 3( n 1) GL 1 GL AS ESTATÍSTICA DESCRITIVA Slide 69
70 TRANSFORMAÇÃ ÇÃO O DOS DADOS Transformaçõ ções normalmente utilizadas Logarítmica Desvios padrão o proporcionais às s médias m dos tratamentos e suspeita de efeitos não n o aditivos dos tratamentos Raiz quadrada Contagens de efeitos raros Distribuiçã ção o de Poisson Angular arco-seno Contagens expressas como percentagens do total Exemplo do teste de Bartlett Construçã ção o da tabela... (próximo slide) AS ESTATÍSTICA DESCRITIVA Slide 70
71 EXEMPLO DO TESTE DE BARTLETT Tratamento GL S i Log(S i ) [GL x Log(S i)] ,6667 1,609 4, ,6667 1,715 5, ,0000 1,681 5, ,0000 1,869 5,6077 Total 1 15,3334 0,6437 x =,306 [( 1,7311 1) 0,6437] = 0, C = + 1,33 1,14 3(4 1) 1 = 0,98 xcorr = = 0,616 x( 3gl;5%) = 7,815 > xcorr = 0, 616 1,14 AS ESTATÍSTICA DESCRITIVA Slide 71
72 DELINEAMENTOS EXPERIMENTAIS Arranjo das parcelas experimentais em campo Tipos de delineamentos experimentais DIC: Delineamento inteiramente casualizado DBA: Delineamento em blocos ao acaso Blocos completos e blocos incompletos DQL: Delineamento em quadrado latino Fatoriais AS ESTATÍSTICA DESCRITIVA Slide 7
73 DELINEAMENTOS EXPERIMENTAIS Princípios básicos de experimentação 1 - Repetição: Consiste em repetir cada tratamento visando estimar o efeito dos tratamentos e o erro experimental. - Casualização (sorteio): consiste em se atribuir os tratamentos às unidades experimentais de maneira aleatória e visa a obtenção de estimativas não tendenciosas dos efeitos dos tratamentos e do erro experimental. AS ESTATÍSTICA DESCRITIVA Slide 73
74 DELINEAMENTOS EXPERIMENTAIS Princípios básicos de experimentação 3 Controle da unidades experimentais: visa reduzir o erro experimental. Determina o tipo de delineamento a ser utilizado. AS ESTATÍSTICA DESCRITIVA Slide 74
75 DELINEAMENTOS EXPERIMENTAIS Conceitos básicos de experimentação - Experimento ou Ensaio: arranjo sistemático de unidades experimentais visando testar uma hipótese. - Erro experimental: é o erro que ocorre entre unidades experimentais tratadas da mesma forma. - Unidades experimentais: são as unidades de material experimental que receberão os tratamentos e de onde são coletados os dados. AS ESTATÍSTICA DESCRITIVA Slide 75
76 INTEIRAMENTE CASUALIZADO (1/5) Introduçã ção Experimentos de simples classificaçã ção Somente 1 fator varia; os demais constantes Arranjo Atribuiçã ção o dos tratamentos e suas repetiçõ ções às unidades experimentais de forma inteiramente aleatória disto surgindo seu nome Usos do DIC Unidades experimentais homogêneas Mínima variabilidade entre unidades experimentais Laboratórios, rios, viveiros, estufas, etc. Locais com efeitos ambientais bem controlados AS ESTATÍSTICA DESCRITIVA Slide 76
77 INTEIRAMENTE CASUALIZADO (/5) Vantagens Simples; flexível no arranjo físicof Qualquer número n de tratamentos Maximiza os GL do erro; minimiza o valor de F Permite Nº N de repetiçõ ções (não o recomendado) Desvantagens Possui reduzida utilizaçã ção o ao nível n de campo Exige unidades experimentais homogêneas; caso contrário rio aumenta o erro experimental dificultando d a detecçã ção o de diferenças significativas entre as médias de tratamentos AS ESTATÍSTICA DESCRITIVA Slide 77
78 INTEIRAMENTE CASUALIZADO (3/5) Análise de Variância (ANOVA) Exemplo Ganho de peso em ovelhas com 4 dietas 4 ovelhas diferentes para cada dieta Peso individual (kg) avaliado aos 100 dias Fontes de Variaçã ção o e Graus de Liberdade Duas fontes de variaçã ção GL totais = nº n total de observaçõ ções 1 15 GL Tratamentos (GL = nº n tratamentos 1 3 GL) Erro experimental (GL = GL total GL tratamentos) AS ESTATÍSTICA DESCRITIVA Slide 78
79 INTEIRAMENTE CASUALIZADO (4/5) Trata mento I Repetiçã ção II III IV Total Média Σ AS ESTATÍSTICA DESCRITIVA Slide 79
80 INTEIRAMENTE CASUALIZADO (5/5) FV GL SQ QM F obs F requerido 5% 1% Tratamentos ,3 1,9 ns 3,49 5,95 Erro ,8 Total Valores tabelados de F para 3 e 1 GL 5% 3,49 Excel: INVF(0,05; 3; 1) = 3, % 5,95 Excel: INVF(0,01; 3; 1) = 5, Como F observado é menor que F tabelado A hipótese de nulidade H 0 é aceita Conclusão: o: não n o existem diferenças reais entre tratamentos AS ESTATÍSTICA DESCRITIVA Slide 80
81 Introduçã ção BLOCOS AO ACASO (1/6) Mais utilizado em pesquisa agrícola Blocos repetiçõ ções, evitando confusões com o delineamento inteiramente casualizado (DIC) Usos do DBA Controlar uma fonte de variaçã ção o previamente conhecida nas unidades experimentais Unidades experimentais classificadas por: Idade, peso, vigor, habilidade de produçã ção, etc Variabilidade existente na fertilidade do solo AS ESTATÍSTICA DESCRITIVA Slide 81
82 Vantagens BLOCOS AO ACASO (/6) Elimina uma fonte de variabilidade Reduz o erro experimental, com flexibilidade e simplicidade inteiramente casualizado Adapta-se às s mais variadas situaçõ ções Desvantagens Quando os blocos não n o são s o homogêneos Aumento do erro experimental Quando as diferenças entre blocos não n o são s grandes Reduçã ção o no nº n de GL do erro sem aumentar a precisão AS ESTATÍSTICA DESCRITIVA Slide 8
83 BLOCOS AO ACASO (3/6) Casualizaçã ção o independente para cada bloco Cada bloco contém m todos os tratamentos-dbca Blocos locados em forma ao gradiente (90º) Exemplo Ganho de peso (kg) aos 100 dias em ovelhas com 4 dietas, 4 ovelhas para cada dieta Fontes de Variaçã ção o e Graus de Liberdade Três s fontes de variaçã ção GL totais = nº n total de observaçõ ções 1 15 GL Blocos (GL = nº n blocos 1 3 GL) Tratamentos (GL = nº n tratamentos 1 3 GL) Erro (GL = GL total GL blocos - GL trat. 9 GL) GL erro = GL blocos x GL tratamentos 3 x 3 = 9 GL AS ESTATÍSTICA DESCRITIVA Slide 83
84 BLOCOS AO ACASO (4/6) Tratamento I Bloco Repetiçã ção II III 1 D A C C IV A D D B 3 B C B D 4 C B A A Baixa fertilidade Alta fertilidade AS ESTATÍSTICA DESCRITIVA Slide 84
85 BLOCOS AO ACASO (5/6) Trata mento I II Bloco III IV Total Média Σ AS ESTATÍSTICA DESCRITIVA Slide 85
86 BLOCOS AO ACASO (6/6) FV GL SQ QM F obs F requerido 5% 1% Blocos ,0 4,69 ** 3,86 6,99 Tratamentos ,3 8,91 ** 3,86 6,99 Erro ,8 Total Valores tabelados de F para 3 e 9 GL 5% 3,86 Excel: INVF(0,05; 3; 9) = 3, % 6,99 Excel: INVF(0,01; 3; 9) = 6, Como F observado é maior que F tabelado para 1% A hipótese de nulidade H 0 é rejeitada Conclusão: o: existem diferenças reais entre os tratamentos Apareceram diferenças entre tratamentos, mascarados no DIC Recomendaçã ção o de realizar o teste de comparaçã ção o de médiasm AS ESTATÍSTICA DESCRITIVA Slide 86
87 Introduçã ção QUADRADO LATINO (1/9) Casualizaçã ção o ainda mais restrita Tratamentos agrupados em linhas e colunas Remove-se do erro experimental os efeitos de variabilidade de linhas e colunas Usos do DQL Controlar duas fontes de variaçã ção o de fácil f identificaçã ção o nas unidades experimentais Dois gradientes perpendiculares entre si Altitude e proximidade de uma área mal drenada Proximidade de áreas com pecuária ou antropizadas AS ESTATÍSTICA DESCRITIVA Slide 87
88 Vantagens QUADRADO LATINO (/9) Controle de duas fontes de variaçã ção Reduçã ção o do erro experimental Aumento da possibilidade de verificaçã ção o de diferenças entre tratamentos Desvantagens Restriçã ção o imposta na casualizaçã ção o dos tratamentos Restriçã ção o quanto ao número n de tratamentos Nº de tratamentos = Nº N e repetiçõ ções, sendo inviável vel para um Nº N grande de tratamentos AS ESTATÍSTICA DESCRITIVA Slide 88
89 QUADRADO LATINO (3/9) Casualizaçã ção o com os seguintes requisitos Nº de tratamentos = Nº N de repetiçõ ções Cada tratamento deve aparecer uma vez em cada linha e uma vez em cada coluna (DQL) Arranjos Sistemático, tico, sorteio de linhas, colunas e tratamentos Fontes de Variaçã ção o e Graus de Liberdade Quatro fontes de variaçã ção GL totais = nº n total de observaçõ ções 1 15 GL Linhas (GL = nº n linhas 1 3 GL) Colunas (GL = nº n colunas 1 3 GL) Tratamentos (GL = nº n tratamentos 1 3 GL) Erro (GL = GL total GL lin GL col - GL trat 6 GL) AS ESTATÍSTICA DESCRITIVA Slide 89
90 QUADRADO LATINO (4/9) Arranjo sistemático tico dos tratamentos Linha Coluna A B C D E B A E C D 3 C D A E B 4 D E B A C 5 E C D B A AS ESTATÍSTICA DESCRITIVA Slide 90
91 QUADRADO LATINO (5/9) Sorteio das linhas (Ordem: 3, 4,, 5 e 1) Linha Coluna C D A E B D E B A C 3 B A E C D 4 E C D B A 5 A B C D E AS ESTATÍSTICA DESCRITIVA Slide 91
92 QUADRADO LATINO (6/9) Sorteio das colunas (Ordem: 4, 1, 5, 3 e ) Linha Coluna E C B A D A D C B E 3 C B D E A 4 B E A D C 5 D A E C B AS ESTATÍSTICA DESCRITIVA Slide 9
93 QUADRADO LATINO (7/9) Sorteio dos tratamentos (Ordem: 3, 1, 5, 4 e ) UNIDADE Tratamento A 3 B 1 C 5 D 4 E AS ESTATÍSTICA DESCRITIVA Slide 93
94 QUADRADO LATINO (8/9) Exemplo hipotético tico de 4 tratamentos em DQL Linha Coluna Total 1 3,8 (B) 4, (D) 8,5 (C) 6,9 (A) 11,4 9,5 (C) 3,7 (A) 8,0 (D) 5,8 (B) 107,0 3 33,4 (A) 14, (C) 33,3 (B) 3,6 (D) 104,5 4 31,3 (D) 5,8 (B) 33,1 (A) 13, (C) 103,4 Total 17,0 87,9 1,9 89,5 47,3 AS ESTATÍSTICA DESCRITIVA Slide 94
95 QUADRADO LATINO (9/9) FV GL SQ QM F obs F requerido 5% 1% Linhas 3 1,1 4,0 < 1 ns 4,76 9,78 Colunas 3 330,9 110,3 1,7 ** 4,76 9,78 Tratamentos 3 170,7 56,9 6,59 * 4,76 9,78 Erro 6 51,8 8,6 Total 15 Conclusões Tratamentos Linhas Colunas Existem diferenças ao nível n de 5% Não o háh diferenças entre as linhas Há diferenças entre as colunas AS ESTATÍSTICA DESCRITIVA Slide 95
96 Introduçã ção FATORIAIS (1/13) Estudo simultâneo de dois ou mais fatores Não é um tipo diferente de delineamento Modo como o conjunto de tratamentos é arranjado: todas as combinaçõ ções possíveis de dois ou mais fatores Usos dos experimentos fatoriais Em qualquer delineamento experimental Para avaliar o efeito conjunto de dois ou mais fatores Para avaliar a Interaçã ção o de Efeitos Presença a de um fator altera o comportamento de outro Impossível de ser avaliada separadamente AS ESTATÍSTICA DESCRITIVA Slide 96
97 FATORIAIS (/13) Ex.: 3 níveis n de fungicida e 3 níveis n de inseticida Nível de fungicida Nível de inseticida I 0 = nada I 1 I F 0 = nada F 0 I 0 F 0 I 1 F 0 I F 1 F 1 I 0 F 1 I 1 F 1 I F F I 0 F I 1 F I AS ESTATÍSTICA DESCRITIVA Slide 97
98 Vantagens FATORIAIS (3/13) Avaliaçã ção o de mais de um fator no mesmo ensaio Avaliaçã ção o da interaçã ção o dos efeitos Na ausência de interaçã ção o número n de repetiçõ ções dos efeitos principais é aumentado Utilizaçã ção o mais eficiente dos recursos Desvantagens Aumento do número n de tratamentos Simples aumento de fatores ou níveis n de um fator Combinaçõ ções podem ser inviáveis veis na prática Análise dos resultados mais complicada AS ESTATÍSTICA DESCRITIVA Slide 98
99 FATORIAIS (4/13) Nível de Blocos = Repertições Tratamentos nitrogênio (kg/ha) I II III IV Total Média Variedade ,85,606 3,144,894 1,496 3, ,788 4,936 4,56 4,608 18,894 4, ,576 4,454 4,884 3,94 17,838 4, ,034 5,76 5,906 5,65,868 5, ,874 5,916 5,984 5,518 3,9 5,83 Variedade Pl ,846 3,794 4,108 3,444 14,19 3, ,956 5,18 4,150 4,990 19,4 4, ,98 5,698 5,810 4,308 1,744 5, ,664 5,36 6,458 5,474,958 5, ,458 5,546 5,786 5,93,7 5,681 Variedade Milfor 6() 0 4,19 3,754 3,738 3,48 15,11 3, ,50 4,58 4,896 4,86 19,014 4, ,8 4,848 5,678 4,93 1,80 5, ,888 5,54 6,04 4,756,10 5, ,864 6,64 6,056 5,36 3,546 5,887 Total 76,99 73,688 77,0 69,508 97,390 4,957 AS ESTATÍSTICA DESCRITIVA Slide 99
100 Casualizaçã ção FATORIAIS (5/13) Depende do delineamento propriamente dito Fatoriais arranjo dos tratamentos, e não n o das UE Fontes de Variaçã ção o e Graus de Liberdade GL totais = 5 N x 3 var x 4 rep = GL Blocos (GL = nº n blocos 1) 3 GL Tratamentos (GL = nº n Trat. 1) 14 GL Variedade Nitrogênio Interaçã ção o (4 GL var x GL N) GL 4 GL 8 GL Erro ( ) = 4; ou ( ) = 4 AS ESTATÍSTICA DESCRITIVA Slide 100
101 FATORIAIS (6/13) FV GL SQ QM F obs F requerido 5% 1% Blocos 3,599 0,866 5,73 **,83 4,9 Tratamentos 14 44,578 3,184 1,08 ** 1,94,54 - Variedades 1,05 0,56 3,48 * 3, 5,15 - Nível de N 4 41,34 10,308 68,6 **,59 3,80 - Var x N 8,9 0,86 1,89 ns,17,96 Erro 4 6,353 0,151 Total 59 53,530 AS ESTATÍSTICA DESCRITIVA Slide 101
102 FATORIAIS (7/13) Cálculo das Somas dos Quadrados do Desdobramento QUADRO AUXILIAR DE TOTAIS VARIEDADES DOSES Total V V V Total AS ESTATÍSTICA DESCRITIVA Slide 10
103 FATORIAIS (8/13) Cálculo das Somas dos Quadrados do Desdobramento S.Q.VAR 95,388 = 0 100, , , = 1,05 41,8 S.Q.DOSES = 1 + 7, , , , , = 41,34 S.Q.VARxDOSES = 44,576 1,05 41,34 =,9 AS ESTATÍSTICA DESCRITIVA Slide 103
104 Interpretaçã ção FATORIAIS (9/13) Inicia sempre pela interaçã ção: Se a interaçã ção o for não n o significativa - Fatores são s o independentes - Compara médias m das marginais do quadro de médiasm Se a interaçã ção o for significativa - Fatores não n o são s o independentes - Compara médias m internas do quadro de médiasm AS ESTATÍSTICA DESCRITIVA Slide 104
105 Interpretaçã ção FATORIAIS (10/13) Interaçã ção o não n o significativa Fatores são o independentes Compara médias m das marginais do quadro de médiasm QUADRO DE MÉDIAS VARIEDADES DOSES Média V V V Média AS ESTATÍSTICA DESCRITIVA Slide 105
106 FATORIAIS (11/13) Comparaçã ção o de Médias M - Tukey QUADRO DE MÉDIAS VARIEDADES DOSES Média V V V Média V 1 = A D 1 = C V = 5.04 A V 3 = A Delta = 3,44 (0,151/0) 1/ = 0.99 D = B D 3 = 5.07 B D 4 = A Delta = 4,04 (0,151/1) 1/ = D 5 = A AS ESTATÍSTICA DESCRITIVA Slide 106
107 FATORIAIS (1/13) Conclusões A análise de variância revelou que os fatores variedades e doses de nitrogênio nio são s independentes, ao nível n de 5% de significância. ncia. - O teste de Tukey revelou que as variedades são s estatisticamente iguais entre si e que as doses 4 e 5 não n o diferem e são s o superiores as demais doses testadas. AS ESTATÍSTICA DESCRITIVA Slide 107
108 FATORIAIS (13/13) PRODUÇÃO t ha PRODUÇAO DE MATÉRIA SECA y = x x R = DOSES DE NITROGÊNIO AS ESTATÍSTICA DESCRITIVA Slide 108
109 PARCELAS SUB DIVIDIDAS (1/19) Introduçã ção Variaçã ção o do arranjo fatorial Visa facilitar o manuseio das combinaçõ ções que geram os tratamentos Característica principal é o uso de dois tamanhos de parcelas Uso de dois tamanhos de parcela acarreta em dois níveis de precisão Dois erros experimentais AS ESTATÍSTICA DESCRITIVA Slide 109
110 PARCELAS SUB DIVIDIDAS (/19) Usos dos experimentos fatoriais Quando o experimento é muito grande Quando deseja-se maior precisão o em um dos fatores Quando um dos fatores em estudo apresenta dificuldades práticas de instalaçã ção AS ESTATÍSTICA DESCRITIVA Slide 110
111 PARCELAS SUB DIVIDIDAS (3/19) Vantagens Avaliaçã ção o de mais de um fator no mesmo ensaio Maior ênfase em um dos fatores Utilizaçã ção o mais racional e econômica dos recursos Desvantagens Estimativas do fator aplicado as parcelas é sacrificado pois o número n de repetiçõ ções é diferente Casualizaçã ção - Depende do delineamento utilizado AS ESTATÍSTICA DESCRITIVA Slide 111
112 PARCELAS SUB DIVIDIDAS (4/19) Exemplo Delineamento em Blocos ao Acaso 1 Tratamentos 3 Repetiçõ ções ( Blocos ) Arranjo fatorial dos tratamentos 3 Espécies x 4 Doses de Nitrogênio Espécies aplicadas nas PARCELAS Doses aplicadas nas SUB PARCELAS AS ESTATÍSTICA DESCRITIVA Slide 11
113 PARCELAS SUB DIVIDIDAS (5/19) TRATAMENTOS BLOCOS ESPÉCIES DOSES I II III ESPÉCIE SOMA ESPÉCIE SOMA ESPÉCIE SOMA AS ESTATÍSTICA DESCRITIVA Slide 113
114 PARCELAS SUB DIVIDIDAS (6/19) Fontes de Variaçã ção o e Graus de Liberdade GL TOTAL = (4 N x 3 Esp x 3 rep) -1 GL Blocos = nº n blocos 1 GL Tratamentos = nº n Trat. 1 Espécies Doses de Nitrogênio Interaçã ção o ( GL esp x 3 GL N) GL 3 GL 6 GL 35 GL GL 11 GL GL Parcelas = (9 parcelas 1) 8 GL GL Sub-parcelas = (36 sub-parcelas 1) 35 GL Erro(a)=(Parcelas Blocos - Esp) 4 GL Interação) Erro(b)=( Sub-Parcelas Parcelas Doses Intera Erro(b) = ( ) 18 GL AS ESTATÍSTICA DESCRITIVA Slide 114
115 PARCELAS SUB DIVIDIDAS (7/19) Análise de Variância FONTE DE VARIAÇÃO Blocos Tratamentos Espécies Erro Experimental (a) Parcelas Doses Espécies x Doses Erro Experimental (b) Sub Parcelas (Total) G.L S.Q QM F ALFA AS ESTATÍSTICA DESCRITIVA Slide 115
116 PARCELAS SUB DIVIDIDAS (8/19) Cálculo das Somas dos Quadrados S.Q.BLOCOS = 73,6 ( , , ,8 ) ( 36 ) =,056 S.Q.TRAT = 40,5 ( , , ,8 ) ( 36 ) = 3193,046 S.Q.PARC = 65,5 ( , , ,8 ) ( 36 ) = 18,707 S.Q.SUB = (13,8 + 15, ,7 + 1, 819,8 ) ( 36 ) = 310,45 AS ESTATÍSTICA DESCRITIVA Slide 116
117 PARCELAS SUB DIVIDIDAS (9/19) Cálculo das Somas dos Quadrados do Desdobramento ESPECIE QUADRO DE TOTAIS DOSES SOMA E E E SOMA AS ESTATÍSTICA DESCRITIVA Slide 117
118 PARCELAS SUB DIVIDIDAS (10/19) Cálculo das Somas dos Quadrados do Desdobramento S.Q.ESP = 193,0 ( , 1 +, ,8 ) ( 36 ) =,056 S.Q.DOSE = 16,7 ( , , , ,8 ) ( 36 ) = 88,599 S.Q.ESPxDOSE = SQTRAT SQESP SQDOSES S.Q.ESPxDOSE = 3193, ,449 88,599 = 94,998 AS ESTATÍSTICA DESCRITIVA Slide 118
119 PARCELAS SUB DIVIDIDAS (11/19) Cálculo das Somas dos Quadrados do Desdobramento S.Q.Erro(a) = S.Q.PAR S.Q.BLOCO S.Q.ESP S.Q.Erro(a) = 187,707, ,449 = 1,03 S.Q.Erro(b) = S.Q.SUB S.Q.PARC S.Q.DOSE S.Q.INT S.Q.Erro(b) = 310,45 18,707 88,599 94,998 = 14,145 AS ESTATÍSTICA DESCRITIVA Slide 119
120 PARCELAS SUB DIVIDIDAS (1/19) Cálculo da Razão o F QMBLOCO QMErro(a) 1,08 0,301 F Blo cos = = = 3,4 QMTRAT 90,77 F Trat = = = QMErro(a) 0, ,35 QMESP 1089,74 F Esp = = = QMErro(a) 0,301 QMDOSE 9,533 F Dose = = = 37,57 QMErro(b) 0, ,03 QMDOSExESP 154,166 F DOSExESP = = = 196,14 QMErro(b) 0,786 AS ESTATÍSTICA DESCRITIVA Slide 10
121 PARCELAS SUB DIVIDIDAS (13/19) Interpretaçã ção Inicia sempre pela interaçã ção: Se a interaçã ção o for não n o significativa - Fatores são s o independentes - Compara médias m das marginais do quadro de médiasm Se a interaçã ção o for significativa - Fatores não n o são s o independentes - Compara médias m internas do quadro de médiasm AS ESTATÍSTICA DESCRITIVA Slide 11
122 PARCELAS SUB DIVIDIDAS (14/19) Interpretaçã ção ESPÉCIE Interaçã ção o significativa Fatores NÃO O SÃO S INDEPENDENTES Compara médias m das internas do quadro de médiasm QUADRO DE MÉDIAS DOSES MÉDIA E E E MÉDIA AS ESTATÍSTICA DESCRITIVA Slide 1
123 PARCELAS SUB DIVIDIDAS (15/19) Comparaçã ção o de Médias M - Tukey QUADRO DE MÉDIAS DOSES ESPÉCIE MÉDIA E E E MÉDIA DELTA =.047 ESPÉCIE 1 ESPÉCIE ESPÉCIE 3 D 1 = 13,5 C D 1 = 9,3 C D 1 = 9,5 A D = 15, B C D = 33,6 B D = 4,1 B D 3 = 16,7 B D 3 = 36, A D 3 = 8.5 C D 4 = 18,9 A D 4 = 35.7 A D 4 = 1, D AS ESTATÍSTICA DESCRITIVA Slide 13
124 PARCELAS SUB DIVIDIDAS (16/19) Comparaçã ção o de Médias M - Tukey DELTA = QUADRO DE MÉDIAS DOSES ESPÉCIE MÉDIA E E E MÉDIA DOSE 1 DOSE DOSE 3 DOSE 4 E 1 = 13,5 B E 1 = 15, C E 1 = 16.7 B E 1 = 18,9 C E = 9,3 A E = 33,6 A E = 36, A E = 35,7 A E 3 = 9.5 A E 3 = 4.1 B E 3 = 8.5 C E 3 = 1. B AS ESTATÍSTICA DESCRITIVA Slide 14
125 PARCELAS SUB DIVIDIDAS (17/19) Conclusões A análise de variância revelou que os fatores variedades e doses de nitrogênio nio não n o são s independentes, ao nível n de 1% de significância. ncia. - O teste de Tukey revelou que: a) Para a Espécie 1 a melhor dose é 130 kg ha - 1, para a Espécie as melhores doses são s o 100 e 130 kg kg ha - 1 e para a Espécie 3 a melhor dose é 40 kg ha - 1. AS ESTATÍSTICA DESCRITIVA Slide 15
126 PARCELAS SUB DIVIDIDAS (18/19) Conclusões b) Para a dose 40 kg ha - 1 as melhores Espécies são s a e a 3 e para as doses 70, 100 e 130 kg ha -1 a Espécie revelou-se superior as demais espécies testadas. AS ESTATÍSTICA DESCRITIVA Slide 16
127 PARCELAS SUB DIVIDIDAS (19/19) PRODUÇÃO DE M AT ÉRIA SECA 40 y = x x R = t ha y = x R = y = 0.005x x R = DOSES ESPÉCIE 1 ESPÉCIE ESPÉCIE 3 AS ESTATÍSTICA DESCRITIVA Slide 17
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia 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 CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
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 maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Caracterização o O delineamento inteiramente casualizado (DIC) é o mais simples de todos os delineamentos
Leia maisESTATÍSTICA EXPERIMENTAL
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 maisb) 5 6 d) 1 6 e) 7 6
CONHECIMENTOS ESPECÍFICOS 21. Em estatística, duas medidas são de grande importância na análise de dados, medidas de tendência central e de dispersão. Dentre as medidas indicadas abaixo, são, respectivamente,
Leia 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 maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE ILHA SOLTEIRA FACULDADE DE ENGENHARIA DE ILHA SOLTEIRA
Nível: Histórico: Mestrado/Doutorado Disciplina aprovada em 24.08.94 Código Capes: ASP01005 Docente(s) Responsável(eis): Prof. Dr. EVARISTO BIANCHINI SOBRINHO Prof. Dr. WALTER VERIANO VALERIO FILHO Situação
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 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 Introdução o Os ensaios em quadrados latinos levam em conta o controle local, aplicado em dois destinos:
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO DISCIPLINA: ANÁLISE DE EXPERIMENTOS EM FITOTECNIA ÁREA: DOMÍNIO ESPECÍFICO ( ) NÍVEL: MESTRADO ( X ) DOMÍNIO CONEXO (X ) DOUTORADO
Leia maisPROGRAMA DE DISCIPLINA
PROGRAMA DE DISCIPLINA Disciplina: Experimentação Agrícola Código da Disciplina: AGR 283 Curso: Agronomia Semestre de oferta da disciplina: 4 P Faculdade responsável: Agronomia Programa em vigência a partir
Leia maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia maisESTATÍSTICA EXPERIMENTAL. Delineamento experimental. Aula 04
ESTATÍSTICA EXPERIMENTAL Delineamento experimental. Aula 04 Conceito Delineamento experimental É o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes tratamentos
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal
Leia 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 mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ Centro de Métodos Quantitativos Programa de Curso e de Algumas Noções s da Disciplina LCF-5759 Bioestatística Prof. Dr. Hilton Thadeu
Leia maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior http:\\lira.pro.br\wordpress 1 Item da avaliação 2010-1 Média avaliações semanais 2 Condução e análise do trabalho prático 2 Apresentação e artigo do trabalho prático 3 Prova
Leia 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 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 maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Página do curso: http://www.leg.ufpr.br/ragronomia Vamos a um exemplo... Um experimento foi realizado para avaliar de que forma se distribuía uma
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisDelineamento e Análise Experimental Aula 6. Anderson Castro Soares de Oliveira
Aula 6 Castro Soares de Oliveira Transformação de dados A análise dos resultados de um experimento é boa quando as pressuposições do modelo são atendidas: Os erros do modelo tem média zero e variância
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisPOPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO
UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição
Leia 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 maisConcurso Público para provimento de cargo efetivo de Docentes
Questão 01 Os dados, a seguir, são referentes às notas de cinco alunos de uma turma para as provas P 1 e P 2. P 1 = {2, 3, 4, 5, 6} P 2 = {2, 2, 4, 5, 7} Analisando os resultados, é possível afirmar que:
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisTESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisPROGRAMA ANALÍTICO DE DISCIPLINA IDENTIFICAÇÃO. Ciências Vegetais EMENTA
PROGRAMA ANALÍTICO DE DISCIPLINA 15/01/2007 COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM FITOTECNIA Km 47 da BR 110 Bairro Presidente Costa e Silva CEP: 59625-900 C postal 137 Telefone (084)33151796 Telefax
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisPLANEJAMENTO DE EXPERIMENTOS
PLANEJAMENTO DE EXPERIMENTOS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 01 de julho de 2017 Planejamento de Experimentos A experimentação
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 06 de julho de 2016 Nos experimentos fatoriais, todas
Leia 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 maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br UNIDADE EXPERIMENTAL OU PARCELA Unidade Experimental (ou Parcela) são os indivíduos (plantas ou animais)
Leia 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 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 maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia 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 maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em
Leia maisVERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 1. Introdução 1 1.1. Enquadramento e objectivos 2 1.2. Organização 5 1.3. Noções base da Estatística 7 1.3.1. Distinção entre população e amostra 8 1.3.2. Amostragem 10 1.3.3. Unidade estatística
Leia maisDelineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)
Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados
Leia maisTécnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia 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 maisEstatística. O que é Estatística? Estatística pode ser: Estatística Descritiva. Ivonete Melo de Carvalho. Conteúdo
Estatística Estatística Descritiva Ivonete Melo de Carvalho Conteúdo Definições; Tabelas e Gráficos; Medidas de tendência central; Medidas de dispersão. Objetivos Diferenciar população e amostra. Elaborar
Leia 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 maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA - IRRIGAÇÃO E DRENAGEM
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA - IRRIGAÇÃO E DRENAGEM PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Estatística Experimental CURSO: Mestrado ( X ) Doutorado ( X ) DEPARTAMENTO RESPONSÁVEL:
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: ESTATÍSTICA EXPERIMENTAL CURSO: Mestrado ( x ) Doutorado ( x ) DEPARTAMENTO RESPONSÁVEL: Produção
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO e CASUALIZADOS
DELINEAMENTO INTEIRAMENTE CASUALIZADO e DELINEAMENTO EM BLOCOS CASUALIZADOS Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br 1. Objetivos Estudar o procedimento de instalação e análise de
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL DQL Delineamento em Quadrado Latino Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO [1] Além dos princípios da casualização e repetição, é utilizado duas vezes o princípio de controle
Leia maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística Experimental Princípios básicos de experimentação Delineamento inteiramente casualizado (DIC) Delineamento
Leia maisPROGRAMA ANALÍTICO DE DISCIPLINA IDENTIFICAÇÃO EMENTA
PROGRAMA ANALÍTICO DE DISCIPLINA 15/01/2007 COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM FITOTECNIA Km 47 da BR 110 Bairro Presidente Costa e Silva CEP: 59625-900 C. postal 137 Telefone (084)3315.1796
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisEXPERIMENTAÇÃO 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 maisDistribuição de frequências. Prof. Dr. Alberto Franke
Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição
Leia maisUNIVERSIDADE ESTADUAL PAULISTA PLANO DE ENSINO DA DISCIPLINA
Situação: Data Aprovação: 09/04/14 00:00 Data Desativação: Nº Créditos : 8 Carga Horária Total: Carga Horária Teórica: Carga Horária Prática: Carga Horária Teórica/Prátical: Carga Horária Seminário: Carga
Leia maisCurso de Estatística Descritiva e Inferencial (Planejamento Experimental) Prof. Dr. Jomar Camarinha
Curso de Estatística Descritiva e Inferencial (Planejamento Experimental) Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Noções de Estimação de Parâmetros Intervalos de Confiança
Leia maisIntrodução. O objetivo do melhoramento genético é obter genótipos superiores. Entretanto, o ambiente influencia na expressão de grande número de
ula 03 Introdução O objetivo do melhoramento genético é obter genótipos superiores. Entretanto, o ambiente influencia na expressão de grande número de caracteres, podendo mascarar genótipos. os efeitos
Leia maisDELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
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 mais6EMA Lucas Santana da Cunha 17 e 19 de abril de Universidade Estadual de Londrina
ESTATÍSTICA ECONÔMICA 6EMA020-1000 lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 17 e 19 de abril de 2017 1 o Bimestre Cronograma Critério de Avaliação Bibliografia
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisMETODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA
METODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA A FASE ANALÍTICA TCOR ENGEL SILVA COSTA costa.pms@ium.pt/226013 2 METODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA Previamente ao início da recolha de dados, o investigador
Leia maisPlanejamento Experimental
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 22 de setembro de 2018 Londrina Um pesquisador científico resolve problemas de interesse da sociedade de forma direta ou indireta, pela aplicação
Leia 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 maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia 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 maisBioestatística. Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho
Bioestatística Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho Medidas de Dispersão Desvio padrão Medida da variabilidade dos valores em torno da média. ( xi DP= n 1 x) 2 É mais fiel
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisTestes de hipóteses. Estatística Aplicada à Agricultura Mario Andrade Lira Junior, /10/2017
Testes de hipóteses Mario Andrade Lira Junior WhatsApp da turma https://chat.whatsapp.com/b8phpubnimql7dyful9wtw AVA da turma http://ava.ufrpe.br/course/view.php?id=21036 Todo o material oficial será distribuído
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Delineamento Casualizado em Blocos
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Delineamento Casualizado em Blocos Estatística Experimental 5 de Outubro de 2016 1 / 20 DBC: Introdução Parcelas similares Delineamento
Leia mais)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6. -~OLR$3GD&XQKD2VyULR )$52
)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6 -~OLR$3GD&XQKD2VyULR )$52 1RWDVH[SOLFDWLYDV TABELAS ESTATÍSTICAS Notas explicativas Fontes x As tabelas das distribuições binomiais, de Poisson,
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisLucas Santana da Cunha 27 de novembro de 2017
EXPERIMENTAÇÃO E ANÁLISE DE VARIÂNCIA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 27 de novembro de 2017 Experimentação A experimentação se difundiu como
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
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 maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia 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 mais