O documento descreve um experimento com um único fator (variedades de milho) em que quatro variedades foram testadas em lotes aleatórios. O objetivo é verificar se existe variedade com produtividade melhor por meio de análise estatística de variância, estimando os parâmetros do modelo, testando a hipótese de igualdade dos tratamentos e verificando a adequação do modelo.
1. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
CAPÍTULO 5
EXPERIMENTOS COM UM ÚNICO FATOR
ONEWAY
2. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
SITUAÇÃO: UM FATOR FIXO - ONEWAY
Um experimento completamente aleatorizado com um
único fator (ONEWAY) é um planejamento experimental
que envolve apenas um fator com `a` níveis onde os
tratamentos são atribuídos as unidades experimentais
sem qualquer restrição, ou ainda, toda unidade
experimental tem a mesma probabilidade de receber
qualquer um dos tratamentos (níveis do fator) em estudo.
3. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA:
Um experimento foi realizado para verificar a
produtividade de 4 tipos de variedade de milho. A
produção em cada unidade experimental (lotes
homogêneos) foi a seguinte:
HIPÓTESE CIENTÍFICA: Existe uma variedade que apresenta
produtividade melhor que as demais?
4. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DADOS:
Varie- Repetições
dade 1 2 3 4 5
A 25 26 20 23 21
B 31 25 28 27 24
C 22 26 28 25 29
D 33 29 31 34 28
5. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DADOS:
6. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
CARACTERÍSTICAS DO EXPERIMENTO:
•Completamente Aleatorizado
•Um único fator – Variedades de milho
•Efeitos Fixos (interesse em identificar qual das quatro variedades é a
melhor).
•Balanceado: todos os tratamentos foram aplicados ao mesmo número
de unidades experimentais;
7. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA:
Como definir um teste para verificação da hipótese de existência
ou não de diferença entre os tratamentos?
8. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
CASO GERAL
Yij = variável resposta observada no i-ésimo tratamento e j-ésima
unidade experimental;
i = 1, 2, …, a (tratamentos)
j = 1, 2, ..., ni (número de unidades experimentais por
tratamento)
Número total de observações (u.e.)
9. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
NOTAÇÃO
Tratamentos Observações Totais Médias
1 y11 y12 ... y1n1 y1. y 1.
2 y21 y22 ... y2n2 y2. y 2.
a ya1 ya2 ... yan ya. y a.
y..
10. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
NOTAÇÃO
Varie- Repetições
dade 1 2 3 4 5
A 25 26 20 23 21
B 31 25 28 27 24
C 22 26 28 25 29
D 33 29 31 34 28
11. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
NOTAÇÃO
(TOTAL do i-ésimo tratamento)
(MÉDIA do i-ésimo tratamento)
(TOTAL GERAL)
(MÉDIA GERAL)
12. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
NOTAÇÃO:
13. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA:
MODELO LINEAR:
YN x 1 = vetor de variável resposta (variável dependente)
XN x a = matriz de planejamento
a x 1 = vetor de parâmetros do modelo, isto é, efeitos dos tratamentos
em estudo
N x 1 = vetor de erros aleatórios não observáveis
14. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA:
PARAMETRIZAÇÃO
yij = + i + ij (modelo de desvio médio)
Interpretação: A resposta yij é devida a um “efeito comum” mais
um efeito específico do i-ésimo tratamento mais um efeito
aleatório.
15. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA:
FORMA MATRICIAL
yij = + i + ij
a=3 ni = 3
16. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA:
PROBLEMAS:
Estimar os parâmetros
Teste de Hipótese
Verificar a adequabilidade do modelo
17. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA:
MÉTODOS DE ESTIMAÇÃO:
Estimadores de Máxima Verossimilhança
Estimadores de Mínimos Quadrados
18. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE ESTATÍSTICA: ESTIMAÇÃO
MODELO DE DESVIOS MÉDIOS: Yij = + i + ij
(X’ X)-1 não existe
estimadores não são únicos
é uma inversa generalizada de X’X
19. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
20. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Equações Normais
21. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Problemas:
Como obter a solução do sistema acima se o
rank(X) não é completo.
Uso de inversa generalizada Impor restrições
ao sistema de equações
22. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
RESTRIÇÕES MAIS UTILIZADAS:
i = 0
ESTIMADORES
23. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ESTIMADORES
Interpretação:
1. O efeito comum é estimado pela média geral dos dados
observados;
2. O efeito específico é estimado pela diferença entre a média das
observações do especifico tratamento em relação a média geral.
24. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
No Exemplo: Interpretação:
Estimativa dos Parâmetros: 1. O tratamento 1 (adubo A) tem em média um
rendimento médio 3.75 unidades a menos
que o efeito comum (efeito obtido
independente dos tratamentos).
2. O tratamento 2 (adubo B) tem em média um
rendimento médio 0.25 unidades a mais que o
efeito comum (efeito obtido independente
dos tratamentos).
3. O tratamento 3 (adubo C) tem em média um
rendimento médio 0.75 unidades a menos
que o efeito comum (efeito obtido
independente dos tratamentos).
4. O tratamento 4 (adubo D) tem em média um
rendimento médio 4.25 unidades a mais que
o efeito comum (efeito obtido independente
dos tratamentos).
25. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Observação:
Alguns autores preferem o modelo estatístico dado por:
Yij= i + ij
com
i = + i
definido anteriormente.
Alguns resultados apresentam diferenças em relação ao
modelo apresentado, porém as conclusões obtidas usando qualquer
uma das alternativas são exatamente as mesmas.
26. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TESTE DE HIPÓTESES
•O interesse no estudo é o de comparar três ou mais tratamentos, a
hipótese inicial a ser investigada é a de que se todos os tratamentos
são iguais, ou seja, se todos são igualmente “eficientes”.
•No caso de não rejeição desta hipótese, concluí-se pela igualdade dos
tratamentos envolvidos, ou ainda, que não existe um tratamento com
maior efeito que os demais.
•No caso de rejeição de hipótese de igualdade, conclui-se que pelo
menos dois tratamentos são diferentes e, nesse caso, novos
procedimentos devem ser realizado para se identificar os tratamentos
diferem, ou ainda, que tratamento ou tratamentos são mais eficientes.
27. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TESTE DE HIPÓTESES
Modelo de Médias
Modelo de Desvios Médios
Ho : i = 0 i = 1, ..., a
H1 : i 0 para pelo menos um i.
28. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Interpretação:
Se a hipótese Ho não é rejeitada todos os parâmetros i são
iguais a zero, ou seja, os efeitos específicos de todos os tratamentos são
iguais a zero (não existem), portanto o modelo (5.1) fica:
yij = + ij
que não depende dos tratamentos, ou ainda, mudança nos níveis do
fator não tem efeito sobre a resposta.
Se a hipótese Ho é rejeitada, pelo menos um i diferente de zero, ou
seja, os existe pelo menos um dos tratamentos com um efeito específico
que o torna melhor (ou pior) que os demais tratamentos.
29. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Suposições:
E[ij] = 0 E(Yi) = E ( + i + i) = + i + E(ij ) = + i
V(Yi) = V ( + i + i) = V(ij ) = 2
V[ij] = 2
30. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ij ~ N (0, 2)
Yij ~ N ( +i , 2)
31. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
QUESTÃO : COMO TESTAR HO?
ANÁLISE DE VARIÂNCIA - ANOVA
Princípio : Estudo das Fontes Variabilidade
32. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE DE VARIÂNCIA - ANOVA
Proposta : Particionar a variabilidade total dos valores
observados para a medida de comparação Yij, em duas
componentes: uma devida ao modelo (parte não aleatória) e
outra devida aos erros aleatórios
VARIABILIDADE TOTAL =
VARIABILIDADE MODELO + VARIABILIDADE DOS ERROS
33. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE DE VARIÂNCIA - ANOVA
SQT = Soma de
Quadrados Total
34. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
ANÁLISE DE VARIÂNCIA - ANOVA
SQTr = SQM = Soma de Quadrados Tratamentos
(modelo) : quantifica a variabilidade entre
tratamentos;
SQE = Soma quadrados dos erros: quantifica a
variabilidade dos erros;
35. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
36. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Interpretando:
A medida que cresce a soma de quadrados de tratamentos temos uma
maior variabilidade entre os tratamentos, conseqüentemente temos
que existe diferença entre os tratamentos. Caso contrário, maior
variabilidade dentro dos tratamentos e menor variabilidade entre
tratamentos, temos a não existência de diferença entre tratamentos.
37. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
EXPRESSÕES:
38. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA: TESTE DE HIPÓTESES
Ho : i = 0 i = 1, ..., a
H1 : i 0 para pelo menos um i.
39. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA: TESTE DE HIPÓTESES
Problema:
Como quantificar o quanto “pequeno” é a
soma de quadrados de tratamentos?
40. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TABELA - ANOVA
Fonte de Graus de Soma de Quadrados E(QM)* F
Variação Liberdade Quadrados Médios
Modelo a-1 SQTr SQ Tr/a-1 σ
2
1
a 1
n i τ i 2 QMTr
(Tratamentos) QME
Erro N-a SQE SQE/N-a σ
2
Total N-1 SQT - -
A tabela acima nos mostra que se a hipótese H0 é verdadeira ( todos i = 0) em
média(E(QM)) o quadrado médio de tratamentos e o quadrado médio de erros
são iguais a um mesmo valor (2 no caso!).
41. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PORTANTO SOB HO:
QME e QMTr são estimadores não viciados de 2 e assim:
42. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
CONCLUSÃO:
Quanto mais a razão estiver próxima de 1, estamos sob a
hipótese H0. A medida que esta razão seja superior a 1, QMTr > QME,
ou seja, a cresce a variabilidade entre tratamentos e
conseqüentemente temos que H0 não é verdadeira.
PROBLEMA:
Como definir o quanto a razão acima está próxima de 1?
43. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
SOB A HIPÓTESE DE NORMALIDADE DOS ERROS
QMTr a-1
QME N-a
LOGO:
44. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
REJEITA-SE HO :
45. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TABELA ANOVA
Fonte de Graus de Soma de Quadrados F
Variação Liberdade Quadrados Médios
Modelo a-1 SQTr SQ Tr/a-1 QMTr
QME
(Tratamentos)
Erro N-a SQE SQE/N-a
Total N-1 SQT -
P-Valor = P[ Fa-1,N-a > Fc] = c
46. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
RETORNANDO AO EXEMPLO INICIAL
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 3 163.7500000 54.5833333 7.80 0.0020
Error 16 112.0000000 7.0000000
Corrected
19 275.7500000
Total
R-Square Coeff Var Root MSE Y Mean
0.593835 9.890659 2.645751 26.75000
F
Source DF Type I SS Mean Square Value Pr > F
F 3 163.7500000 54.5833333 7.80 0.0020
47. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
RETORNANDO AO EXEMPLO INICIAL
Temos Fc = 7.80
Considerando = 5% temos F3,16(5%) = 3.24
Logo:
Portanto REJEITA-SE Ho, isto é, pelo menos dois
tratamentos diferem, ou ainda existe pelo menos um
tratamento que é mais eficiente que outro (maior
produtividade no caso!).
48. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
RETORNANDO AO EXEMPLO INICIAL
De outra forma:
Da tabela da Anova (obtida através de um software estatístico) temos
que:
Portanto REJEITA-SE Ho.
...........................................
49. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DUAS QUESTÕES:
1. O teste F acima definido é válido se a hipótese de que os dados
observados nos diferentes grupos são independentes e podem ser
representados pelo modelo normal. Como verificar que estas
suposições são verdadeiras?
2. Ao rejeitarmos que H0 é verdadeira, concluímos que pelo menos
dois grupos (tratamentos) diferem. Como identificar que grupos
diferem?
50. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
CONSIDEREMOS O MODELO:
Modelo estimado
yij = + i + ij
51. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
IMPORTANTE:
Verificarmos a hipótese de independência e
normalidade dos dados é possível a partir da análise
da independência, normalidade e variância
constante dos resíduos.
52. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA: ADEQUABILIDADE DO MODELO
Estatística de teste obtida a partir da hipótese de
que i são iid N (0, 2)
Como verificar se a hipótese acima é verdadeira?
53. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DIAGNÓSTICO DO MODELO
Objetivo:
Verificar se as suposições estabelecidas para
obtenção do ajuste e teste dos parâmetros, são satisfeitas.
i são iid N (0, 2)
54. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DIAGNÓSTICO DO MODELO
Questões:
•Presença de Valores Extremos (Dados aberrantes-discrepantes)
•Independência (Aleatoriedade)
•Normalidade
•Homocedasticidade (Variância Constante)
.
55. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DIAGNÓSTICO DO MODELO
Instrumentos:
Histograma e Box-Plot dos resíduos
Gráfico normal probabilístico
Gráfico de resíduos em ordem temporal (para situações onde
existe uma seqüência temporal na coleta dos dados)
Gráfico de resíduos versus predito
Gráfico de resíduos versus fatores
Testes de Igualdade de Variâncias
56. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VALORES EXTREMOS – PONTOS DISCREPANTES (ABERRANTES):
DADOS ORIGINAIS:
57. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VALORES EXTREMOS – PONTOS DISCREPANTES (ABERRANTES):
RESÍDUOS “ORDINÁRIOS)
RESÍDUOS PADRONIZADOS
58. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROCEDIMENTO ALTERNATIVO;
Considerando que os erros têm distribuição N(0,2),
pode-se esperar que a média contém aproximadamente 68%
dos dados, a média 2 contém aproximadamente 95% dos
dados e a média 3 contém aproximadamente 99% dos dados.
Desta forma, podem ser considerados valores extremos aqueles
que forem superiores a 3.
59. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
CONCLUSÃO:
Identificado um valor extremo, usualmente ele é
excluído da análise. Porém, na prática, é o pesquisador quem
deve determinar se um valor extremo pode realmente ser
assim considerado. Pois os valores extremos podem fornecer
informações importantes sobre o experimento e
estatisticamente podem demonstrar que uma outra
distribuição deve melhor representar o comportamento dos
dados. Alternativas: Uso de métodos robustos ou modelos
lineares generalizados, por exemplo.
60. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A INDEPENDÊNCIA:
61. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A INDEPENDÊNCIA:
NOTAS:
Existindo o registro da ordem de obtenção dos valores,
recomenda-se o uso do gráfico dos resíduos vs a ordem
de coleta de forma a verificar algum padrão na resposta
e, conseqüentemente uma dependência entre as
observações.
62. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A INDEPENDÊNCIA:
NOTAS:
Experimentos cujo processo de aleatorização é
adequadamente realizado dificilmente irão apresentar
problemas com a falta de independência.
63. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A INDEPENDÊNCIA:
NÃO INDEPENDÊNCIA:
Não adequabilidade do modelo utilizado (falta de algum
componente do modelo, por exemplo) e necessidade de
procedimentos estatísticos que considerem a existência
de dependência entre observações (modelos de séries
temporais).
64. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A INDEPENDÊNCIA:
65. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A NORMALIDADE
TESTES:
Teste de Shapiro-Wilk
Anderson-Darling
Kolmogorov-Smirnov
Cramer-von Mises
Liliefors.
66. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A NORMALIDADE
Gráfico Normal Probabilístico:
67. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico:
O gráfico de probabilidade e um método para determinar se os dados da
amostra (erros estimados, nessa situação) seguem uma distribuição
hipotética, baseada no exame visual dos dados. O procedimento geral e
muito simples e pode ser feito rapidamente. Gráfico de probabilidade usa
tipicamente um papel gráfico especial, conhecido como papel de
probabilidade, que tem sido projetado para a distribuição hipotética. O
papel de probabilidade é largamente disponível para as distribuições
normal, lognormal, Weibull e várias distribuições quadrado e gama.
Softwares estatísticos atualmente substituem o uso destes papéis,
necessários durante longo tempo.
68. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico:
Para construir um gráfico de probabilidade:
1. As observações na amostra são primeiro ordenadas da menor para a
maior. Ou seja, a amostra X1., X2, .. .,Xn e arrumada como x(1),x(2), ...,x(n)
em que x(I) é a menor observação, X(2) e a segunda menor observaçao e
assim por diante, com x(n) sendo a maior.
2. As observações ordenadas X(U) são então grafadas contra suas
freqüências cumulativas observadas (j - 0,5)/n em um papel apropriado
de probabilidade.
3. Se a distribuição hipotética descrever adequadamente os dados, os
pontos picotados cairão, aproximadamente, ao longo de uma linha reta;
4. Se os pontos plotados desviarem significativamente de uma linha reta,
então o modelo hipotético não será apropriado.
69. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico: Exemplo
Dez observações sobre o tempo (em minutos) efetivo de vida de serviço de
baterias usadas em um computador pessoal são: 176,191,214,220,205,
192,201,190, 183,185. Imaginemos que a vida da bateria seja modelada
adequadamente por uma distribuição normal. Para usar o gráfico de
probabilidade de modo a investigar essa hipótese, arranje primeiro as
observações em ordem crescente e calcule suas freqüências cumulativas
(j- -0,5)/10 conforme segue.
70. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico: Exemplo
j X9i) (j - 0,5)/10
1 176 0,05
2 183 0,15
3 185 0,25
4 190 0,35
5 191 0,45
6 192 0,55
7 201 0,65
8 205 0,75
9 214 0,85
10 220 0,95
71. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico: Exemplo
Os pares de valores x(i) e (j - 0,5)/10 são agora plotados em um papel de
probabilidade normal. Esse gráfico é mostrado na figura abaixo. A maioria
dos papeis de probabilidade normal plotam 100(j - 0,5)/n na escala vertical
da esquerda e 100[ 1 - (j - 0,5)/n] na escala vertical da direita, com o valor da
variável plotada na escala horizontal.
72. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico: Exemplo
73. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal ProbabilísticoALTERNATIVA
Um gráfico de probabilidade normal pode também ser construído em um
papel gráfico normal, plotando os escores normais padrões Zj contra x(i), em
que os escores normais padrões satisfazem:
Por exemplo, se (j-0.5)/n = 0.05 então (zj) = 0.05 zj =-1.64. Para ilustrar,
consideremos os dados do exemplo acima.
74. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal ProbabilísticoALTERNATIVA
j X9i) (j - 0,5)/10 Zj
1 176 0,05 -1.64
2 183 0,15 -1.04
3 185 0,25 -0.67
4 190 0,35 -0.39
5 191 0,45 -0.13
6 192 0,55 0.13
7 201 0,65 0.39
8 205 0,75 0.67
9 214 0,85 1.04
10 220 0,95 1.64
75. Homocedasticidade:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Gráfico Normal Probabilístico: EXEMPLO VARIEDADES DE MILHOS
76. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A NORMALIDADE
Modelos Lineares
Generalizados
Não Normalidade
Transformações
77. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Hipóteses:
Ho : 12 = 22 = ... = a2
H1 : i2 ≠ j2 para pelo menos um i j
78. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Alguns Testes:
Teste de Hartley: Exige um mesmo número de repetições
entre os tratamentos.
Teste de Bartlett: Pode ser utilizado para qualquer número de
repetições nos tratamentos.
Teste de Cochran: Pode ser utilizado para qualquer número de
repetições nos tratamentos.
Teste de Levene: Anova para resíduos “robustos”.
79. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
TESTE DE HARTLETT
2
S max = maior variância dentre os “a” tratamentos;
2
S min = menor variância dentre os “a” tratamentos;
Fmax é comparado com o valor tabelado para H(g,r-1) da tabela de Pearson e Hartley, onde
g=número de tratamentos e r= número de repetições (mesmo para todos os tratamentos).
Se Fmax > H(g,r-1) rejeita-se H0 e conclui-se que não existe homogeneidade de variância
entre os tratamentos. Caso contrário H0 não é rejeitada.
80. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Análise Gráfica
81. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Análise Gráfica
82. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Análise Gráfica
83. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Análise Gráfica
84. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
VERIFICANDO A HOMOCEDASTICIDADE
Análise Gráfica
85. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
PROBLEMA:
O que fazer quando alguma das suposições ( normalidade
e/ou homocedasticidade) não são satisfeitas?
86. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
O procedimento usualmente nestes casos é o uso de
transformações na variável resposta. O uso de transformações é
um artifício matemático com bons resultados quando existe uma
relação entre média e variância (heterocedasticidade regular).
Atualmente, novos procedimentos estatísticos são propostos
como alternativa ao uso de transformação dos dados. Além dos já
tradicionais procedimentos de métodos não paramétricos, hoje
estão disponíveis, inclusive em todos os softwares mais
conhecidos, os métodos de Modelos Lineares Generalizados, que
levam em conta a natureza da distribuição da variável em estudo.
87. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
DUAS QUESTÕES:
1. O teste F acima definido é válido se a hipótese de que os dados
observados nos diferentes grupos são independentes e podem ser
representados pelo modelo normal. Como verificar que estas
suposições são verdadeiras?
2. Ao rejeitarmos que H0 é verdadeira, concluímos que pelo menos
dois grupos (tratamentos) diferem. Como identificar que grupos
diferem?
88. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
MÉTODOS DE COMPARAÇÕES MULTIPLAS:
Objetivo:
Identificar, quando rejeitamos Ho numa ANOVA, que
tratamentos diferem significativamente.
89. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
MÉTODOS DE COMPARAÇÕES MULTIPLAS:
Objetivo:
Identificar, quando rejeitamos Ho numa ANOVA, que
tratamentos diferem significativamente.
90. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
MÉTODOS DE COMPARAÇÕES MULTIPLAS:
Proposta:
Estabelecer uma “diferença mínima
significativa(d.m.s)” entre duas médias. Toda vez que o valor
absoluto da diferença entre duas médias for maior ou igual
d.m.s., as médias são consideradas estatisticamente diferentes,
ao nível de significância estabelecido.
91. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
MÉTODOS DE COMPARAÇÕES MULTIPLAS:
OBSERVAÇÃO:
Foram propostas diversas maneiras de estabelecer uma d.m.s. Cada
proposta é na realidade, um teste que, em geral, leva o nome do seu autor.
Não existe um procedimento para a comparação de médias que seja
definitivamente o “melhor”. Vários trabalhos são encontrados na literatura
fazendo estudos comparativos dos diferentes métodos que, incluindo-se
novas propostas que freqüentemente são apresentadas. Em geral é possível
mostrar a existência de procedimentos mais eficientes para situações
especificas, porém não se mostrou, até hoje, um método que seja mais
eficaz para um caso geral.
92. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TESTE T- TESTE LSD (LEAST SIGNIFICANT DIFFERENCE):
Rejeita-se a igualdade se:
93. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
TESTE DE TUKEY:
q é chamada de amplitude total studentizada que depende do número de
tratamentos (a) e do número de graus de liberdade dos erros (f = N-p).
(tabela encontrada em Montogomery). O teste preserva o nível de
significância para todos os contrastes. É um teste mais conservador do que
o LSD em declarar um diferença como significativa.
94. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
APRESENTAÇÃO DOS RESULTADOS:
1. Ordena-se as médias de tratamentos em ordem crescente (ou
decrescente).
2. Coloca-se uma letra do alfabeto na primeira média e em seguida
compara-se com as médias seguintes
3. Se a diferença for superior ao valor da d.m.s. a diferença é
considerada significativa e portanto é atribuída uma outra letra a
média que foi comparada
Ao final temos que médias de tratamentos que não diferem
significativamente têm em comum uma letra enquanto que
médias que diferem não tem nenhuma letra em comum.
95. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
APRESENTAÇÃO DOS RESULTADOS: EXEMPLO
Consideremos: (A > C > D > B):
Caso 1: Situação onde não foi rejeitado H0
Situações na tabela de ANOVA, ou seja, não existem
1 2 3 4 5 Caso 2: Outraentre
diferenças situação quaisquer todos os
extrema, dois
tratamentos. diferem entre si. de todos
tratamentos
Caso 3: Temos que A C diferem
A a a a a a Caso 4: A difere de todos os demais
os tratamentos e D e B são
C a b b b a b tratamentos, C e D são estatisticamente
estatisticamente iguais entre si.
iguais mas C difere de todos os demais
D a c c b c b c
enquanto é estatisticamente igual a C mas
Caso 5: A que D é também
B a d c c c difere dos demais, a B.
estatisticamente igual enquanto que C é
estatisticamente também igual a D e
diferente de B. Por sua vez D é
estatisticamente igual a B.
96. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
EXEMPLO: Produtividade de 4 diferentes variedades de milho
t Tests (LSD) for y
Means with the same letter
are not significantly different.
t Grouping Mean N f
A 31.000 5 D
B 27.000 5 B
C B 26.000 5 C
C 23.000 5 A
97. INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS
2º SEMESTRE DE 2010
EXPERIMENTOS COMPLETAMENTE ALEATORIZADOS : UM FATOR
Tukey's Studentized Range (HSD) Test for y
Means with the same letter
are not significantly different.
Tukey Grouping Mean N f
A 31.000 5 D
B A 27.000 5 B
B 26.000 5 C
B 23.000 5 A