Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESTATSTICA
EXPERIMENTAL
CHARLES DE ARAUJO
2012
1. INTRODUO
2. PLANEJAMENTO EXPERIMENTAL
Figura 6. Utilizao de garrafas PET descartveis e kit de aplicao de soro, para simular a
aplicao de diferentes quantidades de fertilizante nitrogenado aplicado via gotejamento em
tomateiro.
f) anlise dos resultados: com o uso de mtodos estatsticos, a fim de que as concluses
estabelecidas sejam objetivas. Destaque-se que esses mtodos no permitem afirmar se uma
dada varivel apresenta ou no um determinado efeito: eles apenas garantem a confiabilidade
e a validade dos resultados, de modo que se possa determinar o erro associado nas concluses,
de acordo com um dado grau de confiana previamente estabelecido;
O que um experimento?
Considera-se experimento, ou ensaio experimental, a investigao previamente
planejada, que segue determinados princpios bsicos, para a obteno de novos fatos, ou para
confirmar ou rejeitar os resultados de experimentos anteriores, que iro auxiliar numa certa
deciso a ser tomada, tais como: recomendar certa variedade, indicar determinado
procedimento, receitar um defensivo, recomendar certo espaamento de plantas, etc.
Tais experimentos enquadram-se em 3 categorias:
a) Experimentos preliminares: o nmero de tratamentos grande. O nmero de
repeties pode ser pequeno, inclusive podendo ser igual a um (01). Auxilia na
escolha dos tratamentos a serem estudados nos experimentos crticos.
b) Experimentos crticos: so experimentos em que as respostas aos tratamentos so
comparadas. O nmero de observaes suficiente para dar segurana razovel na
determinao de diferenas significativas.
c) Experimentos demonstrativos: so experimentos conduzidos em trabalhos de
extenso, com o objetivo de comparar um novo tratamento ou novos tratamentos com
um padro.
3. EXPERIMENTAO
3.1. Conceitos
c) Unidade amostral: material em que as medidas dos efeitos dos tratamentos sero
realizadas. Pode ser uma frao da unidade experimental, ou a prpria unidade
experimental. Ex: uma planta amostrada em uma parcela com vrias plantas.
4.1. Repetio
o nmero de vezes que um tratamento ocorre num experimento. Portanto, o
princpio da repetio consiste em aplicarmos o mesmo tratamento a vrias parcelas num
mesmo experimento.
Ao se comparar duas variedades de algodo, A e B, plantadas em duas parcelas da
rea experimental, prximas ou no, o simples fato A ter produzido mais do que B (kg de
algodo em caroo/ha) no suficiente para concluir que a variedade A mais produtiva que
B, pois muitas explicaes, alm do fator variedade, podem justificar os resultados obtidos,
ou ainda que o melhor desempenho poder ter ocorrido por simples acaso. Por outro lado, se
as duas variedades foram plantadas em vrias parcelas e, ainda assim, verificarmos que a
variedade A apresenta, em mdia, maior produo, ento j existe um indicativo de que ela
seja mais eficiente, transmitindo ento um maior grau de confiabilidade na concluso obtida.
- Sem repetio:
Parcela 1 Parcela 2
A B
- Com repetio:
A A A A A
B B B B B
As principais funes da repetio so:
permitir uma estimativa do erro experimental:
No existe regra dizendo qual deve ser o nmero de repeties. Isto depende do
conhecimento do pesquisador sobre o assunto, disponibilidade de espao fsico, recursos
financeiros, material necessrio. Na experimentao agrcola e experincia indica que
dificilmente se conseguem resultados razoveis com experimentos que tenham menos de 20
parcelas. Assim sendo, num experimento com 2 tratamentos, devemos ter pelo menos 10
repeties, para que haja no mnimo 20 parcelas ao todo.
Outra indicao til a de que devemos ter pelo menos 10 graus de liberdade para o
resduo.
A A A A A
B B B B B
A B A B A
B B A B A
5. DELINEAMENTO EXPERIMENTAL
Y = m + t + eij
Aps a coleta dos dados, eles so organizados numa tabela, onde se identifica o
tratamento e a repetio, conforme abaixo.
Repeties Tratamentos
1 2 3 4 --
1 Y11 Y21 Y31 Y41 --
2 Y12 Y22 Y32 Y42 --
3 Y13 Y23 Y33 Y43 --
4 Y14 Y24 Y34 Y44 --
Totais de T1 T2 T3 T4 G
tratamentos
ij
SQ Y 2
TOTAL
ij
ij
ij
Total ij 1 Y 2
ij
ij
Ha : t1 t2 t3 ti ento rejeita-se H0, o que equivale a dizer que existe pelo menos duas
mdias dos tratamentos, estatisticamente diferente de zero, no nvel de probabilidade que foi
realizado o teste.
O teste da hiptese de nulidade dado por:
QMTratamen
tos
F
QMRe
sduo
(
Erro
)
O teste F unilateral, um valor de F significativo, em um determinado nvel de
probabilidade, indica que h uma probabilidade de que pelo menos um tratamento seja
diferente dos demais. Isto significa que os efeitos de tratamentos so estaticamente diferentes,
ou seja, houve resposta para tratamentos.
Ao tomar uma deciso, conforme a apresentada acima para o teste F ou para outro
teste de significncia, podem ocorrer dois tipos de erro:
a) Erro de tipo I: que consiste em aceitar como diferentes mdias de tratamentos que na
verdade so iguais.
b) Erro de tipo II: que consiste em aceitar como iguais mdias de tratamentos que so
diferentes.
Os nveis mencionados de probabilidade mencionados nos testes estatsticos se
referem apenas ao erro de tipo I. Por exemplo, o teste F no nvel de 5% de probabilidade
significa que, se as mdias forem exatamente iguais, variaes ao acaso nos levaro a obter
um resultado significativo em 5% dos casos. Para reduzir a ocorrncia do erro tipo I,
deveramos, pois, diminuir essa probabilidade, e aplicar o teste F no nvel de 1% de
probabilidade. Mas ao reduzir a probabilidade de erro do tipo I, automaticamente se aumenta
a probabilidade do erro de tipo II, isto , de aceitar como iguais mdias realmente diferentes.
Por outro lado, quando um teste de comparao de mdias no d resultado significativo, isto
no prova que as mdias sejam iguais, pois no existe nenhum teste estatstico capaz de
comprovar a igualdade de mdias. A concluso correta de um teste que no se revelou
significativo apenas de que no se comprovou diferena significativa entre as mdias. Tal
diferena pode ser nula, mas, quase sempre pequena, e no nula, pequena tendo em vista a
impreciso das estimativas, medida pelo erro padro da mdia.
6.8. Exemplo:
Comparao de seis tratamentos de aplicao de fungicidas em sementes de abbora. O
experimento foi conduzido em estufa (condies homogneas), usando-se o delineamento
com os tratamentos inteiramente casualizados, com um vaso por tratamento.
Varivel analisada: peso da matria fresca de plantas (g)
a) Hipteses
- Tratamentos:
H0: A = B = C = D = E = F (Fcal Ftab) (Os fungicidas no diferem entre si)
H1: A B C D E F (Fcal > Ftab) (Pelo menos um fungicida difere dos demais)
b) Clculos com os dados obtidos (Quadro da ANOVA)
Y 2
ij
SQ 2
TOTAL
ij Y
ij
Y = (15,0 + 16,2 + ... + 20,8) = 514,9
ij
ij = 6 x 5 = 30
SOTOTAL = 9.131,25 ( 514,9)2 = 293,85
30
T 2 2
Y ij ij
SQ
Tratamento
j ij
T 2
ij = [(77,7)2 + (71,5)2 + ... + (93,5)2] = 45.507,33
2 ij
SQ Y
TOTAL
ij
ij 1
Y = (15,0 + 16,2 + ... + 20,8) = 498,9
ij
T 2 2
Y
SQ
ij ij
Tratamento
j ij
1
(61
,7 ) (71,
5
2 2 2 2 2 2
106 ,
3 99,6 66,
3
93
,
5)(2
498
,
9
)
SQTratamento
4 5 29
SOTratamento = 951,72 + 7894,01 8582,8 = 262,93
7. COEFICIENTE DE VARIAO
QME
CV
100
Y
em que Y
Y ij
a mdia geral.
ij
O coeficiente de variao d uma idia da preciso do experimento. Tendo em vista os
coeficientes de variao obtidos comumente nos experimentos agrcolas, podemos considera-
los baixos, quando inferiores a 10%, mdios, quando de 10 a 20%, altos, quando de 20 a 30%,
muito altos, quando superiores a 30%.
Y
Y ij
=
514,9
= 17,16
ij 30
1
,24
CV 100
= 6,49% (TIMO)
17
,16
Como anlise suplementar ao teste F, possvel a utilizao de tcnicas de
complementao na anlise de varincia, atravs dos seguintes procedimentos:
8.1. TESTE t
O teste t (ou teste de Student) o mais antigo, mas continua til e aplicado em muitos
casos, inclusive para calcular intervalos de confiana para mdias ou diferenas de mdias.
Mas no pode ser aplicado sem cuidados especiais. So os seguintes os requisitos geralmente
aceitos para sua utilizao racional:
As comparaes a que se aplica o teste t devem ser escolhidas antes de serem
examinados os dados.
Podem-se fazer no mximo tantas comparaes quantos forem os graus de liberdade
para tratamentos, e os contrastes devem ser ortogonais.
S se aplica o teste t se for significativo o valor do teste F calculado.
Dizemos ento que esse contraste ortogonal, pois o somatrio dos coeficientes
igual a zero.
Consideremos agora, simultaneamente, os contrastes:
Y1 = m1 m2
Y3 = m1 + m2 + m3 3m4
Fungicidas Mdias
A 15,54
B 14,30
C 21,26
D 19,92
E 13,26
F 18,70
r=5
QMresduo = 1,28
g.l. do resduo = 24
Nestas condies, pela regra decisria do teste F correto o uso do teste t, desde que
se atenda as demais restries: s aplica-lo a no mximo 5 contrastes ortogonais, previamente
escolhidos, ou sugeridos por razes alheias aos dados do experimento. Sejam eles:
Y1 = m(A) m(B)
Y2 = m(C) m(D)
Y3 = m(F) m(E)
Y4 = m(C) + m(D) m(E) m(F)
Y5 = m(A) + m(B) + m(C) + m(D) + m(F) 5m(E)
Tomando como exemplo para comparao pelo teste t ser utilizado o contraste Y4. O
valor de t nesse caso ser:
12 12 12 12
V (Y ) 1,24 = 0,992
5 5 5 5
s(Y ) 0,992 = 0,996
O teste de Tukey pode ser utilizado para testar todo e qualquer contraste entre 2 mdias.
Este um teste muito verstil, mas que no permite comparar grupos de mdias entre si. O
teste tem por base a diferena mnima significativa (DMS), representada por e calculada
por:
Onde:
Zi = amplitude total estudentizada, cujo valor encontrado em tabelas, em funo do nmero
de mdias abrangidas pelo contraste (i) e do nmero de graus de liberdade do resduo, no
nvel de probabilidade;
s = desvio padro residual = Q.M . Re sduo ;
r = nmero de repeties das mdias confrontadas no contraste.
Concluso:
Se < Di , o contraste no significativo, conclumos que as mdias confrontadas no
diferem entre si.
Se Di , o contraste significativo, conclumos que as mdias contrastadas diferem
entre si e passamos a testar contrastes que abrangem um nmero menor de mdias.
d = td . S()
Onde:
td = valor dado na tabela para uso no teste de Dunnett, em funo do nmero de graus de
liberdade de tratamentos (i 1) e do nmero de graus de liberdade do resduo.
^ ^
S() = erro padro do contraste = V ( Y )
^ ^ 1 1
sendo V (Y ) s 2 onde s2 = Q.M.Resduo
ri rk
Dessa forma, a equao fica:
Este teste pode ser aplicado para testar todo e qualquer contraste de mdias, mesmo quando
sugerido pelos dados. frequentemente utilizado para testar contrastes que envolvem grupos
de mdias.
Para sua aplicao correta, exige apenas que o teste F da ANOVA para tratamentos
seja significativo.
^ ^
S (i 1) F V (Y )
Onde:
I = nmero de tratamentos do experimento.
F = valor crtico da tabela, no nvel de probabilidade, em funo de graus de liberdade de
tratamentos e do resduo.
Se S , dizemos que o contraste significativo no nvel de probabilidade, indicando que
os grupos de mdias confrontadas no contraste diferem entre si a esse nvel de probabilidade.
^ ^ 1 1 2
sendo V (Y ) s onde s2 = Q.M.Resduo
ri rk
Q.M . Re sduo
SNKi qi
r
Exemplos:
a) Desuniformidade do terreno: reas adjacentes nos experimentos de campo tem menor
variabilidade.
b) Animais de mesmo peso em cada bloco.
c) Observaes em um determinado dia.
d) Uso de mais de um equipamento.
e) Uso de mais de uma pessoa para avaliar certos caracteres.
f) Sexo, idade, condio, etc.
A F B E C D E B D A F C F E A B D C C A D B F E
Bloco I Bloco II Bloco III Bloco IV
Quanto distribuio dos blocos no campo, eles podem ficar juntos ou separados pela
rea experimental (Figura 9). Porm, geralmente so colocados uns prximos aos outros,
visando maior facilidade nos trabalhos de campo, durante a execuo do experimento.
Figura 9. Distribuio dos blocos na rea experimental.
Y 2
ij
SQ Y 2
TOTAL
ij
ij
T
2 2
Y
ij ij
SQ
Tratamento em que Ti o total de tratamentos
j ij
B 2 2
Y ij ij
SQ
Bloco em que Bi o total de blocos
i ij
SQResduo = SQTotal SQBloco SQTratamento
ij
Total ij 1 Y 2
ij
ij
- Blocos
H0: B1 = B2 =... = Bn (Fcal Ftab) (Os blocos no diferem entre si)
H1: B1 B2... Bn (Fcal > Ftab) (Pelo menos um bloco difere dos demais)
O teste F para blocos, ou seja, a comparao entre blocos, geralmente desnecessria,
pois ao instalar o experimento no DBC, o pesquisador utilizou os blocos para controlar uma
causa de variao conhecida. Nos casos em que a variao entre blocos duvidosa, o
pesquisador pode realizar o teste F para blocos, para servir como orientao para a instalao
de futuros experimentos.
A regra decisria para o teste F a mesma que no caso do DIC, ou seja:
- se o valor de F calculado F tabelado, ento rejeita-se H0 e conclui-se que h
diferena significativa entre os tratamentos no nvel de significncia em que foi
realizado o teste.
- se o valor de F calculado < F tabelado, ento no rejeita-se H0 e conclui-se que no h
diferena significativa entre os tratamentos no nvel de significncia em que foi
realizado o teste.
a) Hipteses
- Tratamentos:
H0: BRS1 = BRS2 =. . . = BRS7 (Fcal Ftab) (Os cultivares no diferem entre si)
H1: BRS1 BRS2 . . . BRS7 (Fcal > Ftab) (Pelo menos um cultivar difere dos demais)
- Blocos:
H0: B1 = ... = B4 (Fcal Ftab) (Os blocos no diferem entre si)
H1: B1 ... B4 (Fcal > Ftab) (Pelo menos um bloco difere dos demais)
b) Clculos com os dados obtidos (Quadro da Anova)
SQTotal Yij
2
Yij
2
ij
Yij = 1.920 + 3.110 + ... + 2.630 = 81.960
Yij2 = [(1.920)2 + (3.110)2 + ... + (2.630)2] = 250.660.400,0
ij = 7 x 4 = 28
Y ij
2
81.
2
960
239.908.62
8,6
=
ij 28
SOTotal = 250.660.400,0 239.908.628,6 = 10.751.771,4
B 2 2
Y
ij ij
SQ Bloco
i ij
B 2
ij = [(19.410)2 + (21.550)2 + ... + (20.370)2 = 1.681.684.400
1
.
681
.
684
.
000
SQ
Bloco239
.
908
.
628
,
6240
.
240
.
629
239
.
908
.
628
,
6332
.
000
7
T 2 2
Y ij ij
SQ
Tratamento
j ij
T 2
ij= [(8.280)2 + ... + 13.000)2] = 994.680.200
994 .680 .200
SQTratamento 239 .
908 .
628
,.
6 248.6 0 -
239.
8,6
8.7
4
4
SQResduo = SQTotal SQBloco SQTratamento
SQResduo = 10.751.771,4 332.000 8.761.421,4 = 1.658.350,0
Y
Y ij
=
81.960
= 2.927,10
ij 28
92
.130
,55
CV
100
= 10,37% (BOM)
2
.
927
,
1
9.7. Testes de mdias (DBC) utilizando teste de Duncan (Di)
Probabilidade (erro): 1%
No tratamentos em estudo: 7
No GL resduo: 18
Z1 (=1%; 2; 18) = 4,07
Z2 (=1%; 3; 18) = 4,27
Z3 (=1%; 4; 18) = 4,38
Z4 (=1%; 5; 18) = 4,46
Z5 (=1%; 6; 18) = 4,53
Z6 (=1%; 7; 18) = 4,59
Q.M .Re sduo
Diferena mnima significativa - dms ou D i Z i
r
92130 ,55
D1 4,07 = 617,7
4
92130 ,55
D 2 4,27 = 648,0
4
92130 ,55
D3 4,38 = 664,7
4
92130 ,55
D4 4,46 = 676,9
4
92130 ,55
D5 4,53 = 687,5
4
92130 ,55
D6 4,59 = 696,6
4
Posteriormente, as medias dos tratamentos devem ser colocadas em ordem decrescente
e realizao das comparaes entre as mesmas, atravs das diferenas entre as mdias:
BRS3 BRS2 BRS7 BRS6 BRS5 BRS4 BRS1
(3.545) (3.505) (3.250) (3.228) (2.650) (2.243) (2.070)
BRS3 - 40 295 317 895 1.302 1.475
(3.545)
BRS2 - - 255 277 855 1.262 1.435
(3.505)
BRS7 - - - 22 600 1.007 1.180
(3.250)
BRS6 - - - - 578 985 1.158
(3.228)
BRS5 - - - - - 407 580
(2.650)
BRS4 - - - - - - 173
(2.243)
BRS1 - - - - - - -
(2.070)
As diferenas entre as mdias determinadas no quadro acima devem ser comparadas
com a dms calculada pelo teste de Duncan, dependendo do nmero de mdias abrangidas pelo
contraste. Por exemplo, se a comparao for entre as mdias dos tratamentos BRS3 e BRS6, o
nmero de mdias abrangidas pelo contraste ser igual a 4 (BRS3, BRS2, BRS7, BRS6). Por
isso que para a comparao desse teste, as mdias dos tratamentos a serem comparadas tem
que necessariamente serem colocadas em ordem decrescente. Como o nmero de mdias
abrangidas pelo contraste igual a 4, utiliza-se para a comparao o D4 do teste de Duncan.
Se a diferena entre as mdias dos tratamentos comparados for maior do que a dms, os
tratamentos so considerados estatisticamente diferentes pelo teste de Duncan, no nvel de
probabilidade utilizado. Por outro lado, se a diferena entre as mdias dos tratamentos for
menor do que a dms, os tratamentos so considerados estatisticamente iguais pelo teste de
Duncan, no nvel de probabilidade utilizado. Para indicar igualdade ou diferena entre os
tratamentos utiliza-se a colocao de letras em ordem alfabtica. Mdias seguidas pela mesma
letra indicam tratamentos iguais.
Concluso do experimento
- Cultivares com maior eficincia: BRS3 e BRS2
- Cultivares com eficincia intermediria: BRS7 e BRS6
- Cultivares com menor eficincia: BRS5, BRS4 e BRS1
A anlise pode ser realizada mediante a estimativa de um valor que substituir o que
deveria ser obtido nessa parcela. Esta estimativa de maneira alguma representa o valor que
seria obtido, pois no impossvel saber o valor exato, mas apenas um artifcio de clculo
que conduz ao mesmo resultado a que se chegaria por processos muito mais complexos,
considerando apenas os dados realmente obtidos.
No caso de um experimento em blocos ao acaso, o valor de y, que representar a
parcela perdida ser:
rBnTG
y
r
( )
1 (
n
1)
Onde:
B = total das parcelas restantes no bloco em que aparece a parcela perdida;
r = nmero de blocos;
n = nmero de tratamentos;
T = total do tratamento de parcela perdida nos outros blocos;
G = total das parcelas disponveis.
418
.
450
7
6.
360
80
.040
y
2
.
126
,
67
(
4
1
)(
7
1)
2 ij
SQ TOTAL
ij Y
ij
Y = 1.920 + 3.110 + ... + 2.630 = 82.166,67
ij
Y 2
82.166,67 2 241.120.05 9,25
ij
=
ij 28
B 2 2
Y
ij ij
SQ Bloco
i ij
B 2
ij = [(19.410)2 + (21.550)2 + ... + (20.370)2 = 1.690.146.848,29
1.690.146.848,29
SQBloco 241.120.059,25 241.449.549,76 241.120.059,25 329.490,51
7
ij ij
2 2
T Y
SQ
Tratamento
j ij
Tij = [(8.280) + ... + 13.000)2] = 998.145.367,69
2 2
998.145.36 7,69
SQTratamento 241.120.059,25 249.536.34 1,92 - 241.120.059,25 8.416.282, 68
4
Consideremos 5 tratamentos: A, B, C, D e F;
- Faz-se a distribuio sistemtica dos tratamentos dentro das linhas, de maneira que
cada coluna contenha tambm todos os tratamentos, como abaixo:
Colunas
Linhas 1 2 3 4 5
1 A B C D E
2 E A B C D
3 D E A B C
4 C D E A B
5 B C D E A
Colunas
Linhas 4 2 3 5 1
4 A D E B C
2 C A B D E
1 D B C E A
3 B E A C D
5 E C D A B
Yij(k) = m + ti + lj + ck + ejk(i)
SQTotal Y 2
Y jk ( i ) 2
jk ( i ) 2
i
SQLinha
L 2
j
Y jk ( i )
2
SQColuna
C 2
k
Y jk(i)
2
SQTratamento
T i
2
Y jk ( i )
2
Tratamentos i 1
i i 2 g.l.trat QM res
L2j Y jk (i ) SQ linha
2
Linhas i1
i i2 g.l.linha
Ck2 Yjk(i) SQ coluna
2
Colunas i1
i i2 g.l.coluna
SQtotal SQLinha SQ res
Resduo (Erro) (i 1).(i 2)
SQColuna SQtrat g.l.res
Y
2
Total i2 1 Y jk2 (i ) i
jk ( i )
2
a) Hipteses
- Tratamentos:
H0: A = B =. . . = E (Fcal Ftab) (As variedades no diferem entre si)
H1: A B . . . E (Fcal > Ftab) (Pelo menos uma variedades difere das demais)
- Linhas:
H0: L1 = ... = L5 (Fcal Ftab) (As linhas no diferem entre si)
H1: L1 ... L5 (Fcal > Ftab) (Pelo menos uma linha difere das demais)
- Colunas:
H0: C1 = ... = C5 (Fcal Ftab) (As colunas no diferem entre si)
H1: C1 ... C5 (Fcal > Ftab) (Pelo menos uma coluna difere das demais)
SQTotal Y 2
Y jk ( i )
2
jk ( i ) 2
i
Y = 432 + 724 + ... + 318 = 11.763
ij
Y = 11.763
jk ( i )
2
5.534.726,8
2
2
i 25
SQLinha
L 2
j
Y jk ( i )
2
2
i i
L = [(2.322) + (2.676)2 + ... + (2.325)2 = 27.826.037
2
j
2
27
.
826
.
037
SQ
Linha5
.
534
.8
726
,
5.565.20
5.
534
.
726
,
830.480,64
5
SQColuna
C 2
k
Y jk(i)
2
2
i i
C = [(2.654) + (2.540)2 + ... + (1.970)2] = 27.951.837
2
k
2
27
.
951
.
837
SQ 5
.
534
.
Coluna8
726
,
5.590.36
45
.
534
.
726
,
855.640,64
5
SQTratamento
T i
2
Y
jk ( i )
2
2
i i
Ti = [(2.463) + ... + (2.005)2] = 28.361.075
2 2
28
.
361
.
075
SQ 5
.
534
.
726
,
8
5.672.2
-
5.534
Tratamento 8
137.
5
Y
Y ij
= 11.763 = 470,52
ij
25
r L C T 2G
y
( r 1) ( r 2)
Onde:
r = nmero de repeties;
L = total da linha em que aparece a parcela perdida;
C = total da coluna em que aparece a parcela perdida;
T = total do tratamento em que aparece a parcela perdida;
G = total das parcelas disponveis.
Totais de tratamentos:
A = 79,8 + 81,3 + 65,7 + 77,3 + 87,0 + 81,1 = 472,2
B = 73,5 + 87,2 + 78,7 + 84,1 + 84,5 + 89,9 = 497,9
C = 83,7 + 81,3 + 85,6 + 89,9 + 76,9 + 69,4 = 486,8
D = 73,8 + 81,3 + 85,6 + 89,9 + 76,9 + 69,4 = 446,1
E = 64,5 + 67,5 + 72,9 + 70,7 + 72,2 = 347,8
F = 77,9 + 69,9 + 72,2 + 76,6 + 63,8 + 85,7 = 446,1
No exemplo temos:
Colunas Total de
Linhas 1 2 3 4 5 6 linhas
1 A = 79,8 D = 59,5 B = 78,7 E = 72,9 C = 76,9 F = 85,7 453,5
2 C = 83,7 F = 69,9 D = 74,1 A = 77,3 B = 84,5 A = 81,1 470,6
3 D = 73,8 E = 64,4 F = 72,2 B = 84,1 A = 87,0 C = 69,4 450,9
4 F = 77,9 B = 87,2 E = 67,5 C = 89,9 D = 83,0 E = 72,2 477,7
5 B = 73,5 C = 81,3 A = 65,7 F = 76,6 E = 70,7 D = 81,1 448,9
6 E = 64,5 A = 81,3 C = 85,6 D = 74,6 F = 63,8 B = 89,9 459,7
Total de
colunas 453,2 443,6 443,8 475,4 465,9 479,4 2.761,3
SQTotal Y 2
Y jk ( i )
2
jk ( i ) 2
i
Y ij
= 79,8 + 59,5 + ... + 89,9 = 2.761,3
Y 2
ij
= [(79,8)2 + (59,5)2 + ... + (89,9)2] = 214.013,5
Y jk ( i )
2
2.761,32 211.799,4
2
=
i 36
SQLinha
L 2
j
Y jk ( i )
2
2
i i
L = [453,5) + (470,6)2 + ... + (459,7)2 = 1.271.470
2
j
2
1.271.470
SQLinha 211.799,4 211.911,7 211.799,4 112,3
6
SQColuna
C 2
k
Y jk(i)
2
2
i i
C = [(453,2) + (443,6)2 + ... + (479,4)2] = 1.272.022
2
k
2
1.272.022
SQColuna 211.799,4 212.003,7 211.799,4 204,3
6
SQTratamento
T i
2
Y
jk ( i )
2
2
i i
i
T 2
= [(472,2) 2
+ (497,9) 2
+ ... + (446,1)2] = 1.275.770,8
1.275.770,8
SQTratamento 211.799,4 212.628,5 211.799,4 829,1
6
Y
Y ij
= 2.761,3 = 76,7
ij
36
QM resduo
CV 100
Y
53,4
CV 100 9,52% (timo)
76,7
COCHRAN, W.G. Tcnicas de amostragem. Rio de Janeiro: Fundo de Cultura, 1955. 555p.