UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

INSTITUTO DE MATEMTICA
CADERNO DE MATEMTICA E ESTATSTICA
SERIE B: TRABALHO DE APOIO DIDTICO






ANLISE ESTATSTICA





JOO RIBOLDI






SERIE B, N 56,
PORTO ALEGRE, MAIO DE 2001


NDICE
ANLISE DE VARINCIA
1. CONSIDERAES GERAIS
01
1.1. CARACTERIZAO
01
1.2. DISTRIBUIO DE F
03
2. DELINEAMENTO COMPLETAMENTE CASUALISADO OU
DELINEAMENTO CASUALISADO

05
2.1. CARACTERIZAO
05
2.2. ANLISE DE VARINCIA
06
2.3. MEDIDAS DE PRECISO DE EXPERIMENTOS
08
2.4. EXEMPLO
09
2.5. EXPERIMENTOS INTEIRAMENTE CASUALIZADOS COM DIFERENTE
NMERO DE REPETIES POR TRATAMENTO

11
2.6. TCNICAS DE COMPLEMENTAO NA ANLISE DE VARINCIA
11
2.7. CONTRASTES DE COMPARAES DE MDIAS
12
2.8. EXEMPLO
13
2.9. ALTERNATIVAS PARA COMPARAES MLTIPLAS DE MDIAS DE
TRATAMENTOS

14
2.10. TESTE BAYESIANO OU TESTE DE WALLER-DUNCAN OU TESTE DA
RAZO BAYESIANA K

20
2.11. CONTRASTES ORTOGONAIS
23
2.12. MODELO LINEAR PARA A ANLISE DE VARINCIA DE
EXPERIMENTOS INTEIRAMENTE CASUALIZADOS OU PARA O
DELINEAMENTO COMPLETAMENTE CASUALIZADO


37
3. DELINEAMENTO BLOCOS CASUALIZADOS (DBC)
41
3.1. CARACTERIZAO
41
3.2. ANLISE DE VARINCIA
43
3.3. EXEMPLO
47
EXPERIMENTOS FATORIAIS
1. CARACTERIZAO DE EXPERIMENTOS FATORIAIS
50
1.1. INTRODUO
50
1.2. NOTAO E DIFINIES
53
1.3. EFEITO SIMPLES, EFEITO PRINCIPAL E INTERAO
54
2. EXPERIMENTOS FATORIAIS COM 2 FATORES CRUZADOS FIXOS
58
3. VERIFICAO DA ADEQUABILIDADE DO MODELO DE ANLISE DE
VARINCIA PARA EXPERIMENTOS FATORIAIS
76
4. EXPERIMENTOS FATORIAIS COM 3 FATORES CRUZADOS FIXOS
82


5. QUADRADOS MDIOS ESPERADOS NA ANLISE DE VARINCIA DE
EXPERIMENTOS FATORIAIS CRUZADOS
91
5.1. EXPERIMENTOS FATORIAIS COM 2 FATORES
91
5.2. EXPERIMENTOS FATORIAIS COM 3 FATORES
92
ANLISE DE REGRESSO E CORRELAO
1. INTRODUO
95
2. ANLISE DE REGRESSO
97
3. REGRESSO LINEAR SIMPLES
101
3.1. AJUSTE DE UMA REGRESSO LINEAR SIMPLES
101
3.2. MTODOS DOS QUADRADOS MNIMOS
104
3.3. ESTIMATIVA DE y POR INTERVALO 105
3.4. APLICAES DA EQUAO DE REGRESSO 106
4. MODELO MATEMTICO PARA A REGRESSO LINEAR SIMPLES 108
5. ANLISE DE VARINCIA PARA A REGRESSO 109
6. ANLISE DE REGRESSAO PARA COMPARAO DE MDIAS DE
TRATAMENTOS

112
7. ANLISE DE CORRELAO 118
8. REGRESSO LINEAR MLTIPLA 124
8.1. INTRODUO 124
8.2. MODELO MATEMTICO E PRESSUPOSIES 125
8.3. RELAO LINEAR ENTRE 3 VARIVEIS 125
8.4. EXEMPLO 134
8.5. REGRESSO MLTIPLA 139
9. CORRELAO PARCIAL E MLTIPLA 141
9.1. CORRELAO PARCIAL 141
9.2. COEFICIENTE DE CORRELAO MLTIPLA 143

BIBLIOGRAFIA 145











ANLISE DE VARINCIA
1. CONSIDERAES GERAIS.

1.1. Caracterizao:
Tcnica utilizada para verificar diferenas entre dois ou entre mais do que dois
tratamentos.
uma tcnica estatstica utilizada para decompor a variabilidade total (varincia
total ou soma de quadrados de desvios totais) nas diversas causas de variao.




Delineamento Experimental: forma de atribuio dos tratamentos s unidades
experimentais.
Erro Experimental: variao das unidades experimentais submetidas ao mesmo
tratamento.
Causas do Erro Experimental:
1. Variabilidade intrnseca das unidades experimentais (UE).
2. Falhas de tcnica experimental.
Anlise de varincia para o delineamento completamente casualizado:
Anlise de varincia em classificao simples: 1 critrio de classificao das UE:
Tratamentos; Causa de variao do tipo 1e 3.
Anlise de varincia para o delineamento blocos casualizados:
Anlise de varincia em classificao dupla: 2 critrios de classificao das UE:
Tratamentos e Blocos; Causa de variao do tipo 1, 2 e 3.





Variao
Total
1. Variao relacionada com os tratamentos.
2. Variao relacionada com causas controladas
pelo delineamento experimental.
3. Variao relacionada com o erro experimental.


















Delineamento Completamente Casualizados (DCC):
Usa-se repeties, casualizao; Escolha casual das UE a serem submetidas aos
diferentes tratamentos (extenso de grupos independentes).
Delineamento Blocos Casualizados (DBC):
Usa-se repeties, casualizao e bloqueamento. Os tratamentos so aplicados de
forma casual a blocos homogneos de UE ( extenso de comparao emparelhada).




Experimento
Tratamento
Unidade
Experimental
(UE)
Efeito
Varivel
Resposta
Variedades
Raes
Parcela de campo
Animal
Rendimento
Ganho de Peso
y
Usa-se os Princpios Bsicos da Experimentao
(1) Repeties:



(2) Casualizao:
Obrigatrios
mais de 1 UE/ tratamento. Para poder verificar diferenas
entre tratamentos

atribuio por sorteio dos tratamentos s UE. Estimativa
vlida do efeito de tratamentos. Estimativa vlida do erro
experimental. Comparao vlida dos tratamentos.
Opcional (3) Bloqueamento: formao de blocos homogneos de UE antes da
aplicao dos tratamentos. Para controlar a variabilidade intrnseca
dos UE maior preciso.


I. 2 tratamentos: A e B
4 repeties / tratamento




II. 3 tratamentos: A, B, C
4 repeties / tratamento









1.2. Distribuio de F:








8 UE


Grupos independentes
Extenso
12 UE


Delineamento Complementa
Casualizado (DCC)
II. Bloco 1
(par 1)
Bloco 2
(par 2)
Bloco 3
(Par 3)
Bloco 4
(par 4)






I. Bloco 1
(par 1)
Bloco 2
(par 2)
Bloco 3
(Par 3)
Bloco 4
(par 4)






Comparaes
Empalhadas
Delineamento Blocos
Casualizados (DBC)
Populao 1 Populao 2

Retira-se todas as amostras
possveis de tamanho

e
calcula-se a varincia

para
cada amostra.
Retira-se todas as amostras
possveis de tamanho

e para
cada amostra calcula-se

.


Fazendo-se todas as razes

produz-se uma distribuio de F com

GL.








Tabela 3
GL do
Denominador
o
GL do numerador
1 2 . . .

. . .
1
2
.
.
.



.
.
.
0,10
0,05
0,025
0,01
0,005

0,05
0,01









.

.

.

.

.

.

.

.

.

.

.

. . . . . . . . . . . . . . . . . . . . . . . 3,33
. . . . . . . . . . . . . . . . . . . . . . . 5,64

5,64 3,33
R A
0,99
0,01 0,05
R A
0,95
R. R.
R. A.
1- o
o

R R
R R


2. DELINEAMENTO COMPLETAMENTE CASUALIZADO OU
DELINEAMENTO INTEIRAMENTE CASUALIZADO

2.1. CARACTERIZAO:






Atribuio por sorteio dos tratamentos a serem aplicados para as diferentes UE.
TRATAMENTOS
A B C
3 1 2
4 6 5
- Escolha casual das UE (nenhuma restrio quando a casualizao)
- Extenso de grupos independentes

USO:
Uniformidade das UE, pois quando menos uniformes mais variveis a
informao menos precisos os resultados.
Execuo uniforme sobre todas UE (instalao, conduo e coleta de informaes).

CARACTERSTICA:
GL erro experimental (resduo) maior possvel alta sensibilidade dos testes.




CONJUNTO
DAS UE
CONJUNTO DOS
TRATAMENTOS

REPETIO CASUALIZAO


2.2. ANLISE DE VARINCIA:




ndice de tratamentos

ndice de repetio

TRATAMENTOS
REPETIES

TOTAIS DE
TRATAMENTOS
MDIAS DE
TRATAMENTOS
1 2 . . . r
1
2

t

TOTAL GERAL

MDIA GERAL

Tratamento
Unidade
Experimental
Efeito

VARIAO
TOTAL
(SQTotal)
Variao entre tratamentos ou devida a
tratamentos (SQTratamentos ou SQT)
Variao dentro dos tratamentos ou no
devida aos tratamentos ou devida ao erro
experimental (SQErro Experimental ou SQE)

TABELA DA ANLISE DE VARINCIA
CAUSA DE VARIAO GL SQ QM F
TRATAMENTOS
(entre tratamentos)
SQT QMT QMT/QME
ERRO EXPERIMENTAL
(dentro dos tratamentos)
SQE QME
TOTAL SQTotal
GL:



SQ:

CORREO (C) OU FATOR DE CORREO (FC)

QM:

F:

TESTE DE HIPTESES:

pelo menos 2 mdias de tratamento diferem.

Deciso:

Rejeita-se

se F calculado

2.3. MEDIDAS DE PRECISO DE EXPERIMENTOS:
(1) Coeficiente de variao (CV):

(2) Erro padro da mdia de 1 tratamento:

o
R A

1 - o
R R

(3) Erro padro da diferena da entre 2 mdias:

2.4. EXEMPLO:
Os dados abaixo referem-se a rendimento de cana em t/ha de um experimento
inteiramente casualizado de competio de variedades de cana-de-acar.
TRATAMENTOS (VARIEDADES)
A B C D
64
72
68
77
56
95
78
91
97
82
85
77
75
93
78
71
63
76
55
66
49
64
70
68



TOTAL

432 510 456 372

MDIA

72 85 76 62

31994 43652 35144 23402

(FC) 31104 43350 34656 23064

SQ/T 890 302 488 338

ANLISE DE VARINCIA:
CAUSA DE VARIAO GL SQ QM F
VARIEDADES
(entre variedades)
3 1636 545,5 5,41**
ERRO EXPERIMENTAL
(dentro de variedades)
20 2018 100,9
TOTAL 23 3654


**SIGNIFICATIVO A 1%
HIPTESES:

pelo menos 2 mdias de variedades diferem

DECISO:






A diferena entre mdias de tratamentos significativa (P < 0.01)
Rejeita-se

CONCLUSO:
As variedades de cana-de-acar investigadas se diferenciam em termos de
rendimento de cana.



0,01
R A

0,99
R R




2.5. EXPERIMENTOS INTEIRAMENTE CASUALIZADOS COM DIFERENTE
NMERO DE REPETIES POR TRATAMENTO:

TRATAMENTOS REPETIES
1
2

t

TOTAL


CAUSAS DE VARIAO GL SQ QM F
TRATAMENTOS SQT QMT QMT/QME
ERRO EXPERIMENTAL SQE QME
TOTAL SQTotal

Erro Padro da Diferena entre 2 Mdias de Tratamentos:

Erro Padro da Mdia de um Tratamento:

2.6. TCNICAS DE COMPLEMENTAO NA ANLISE DE VARINCIA:
1- Ajustamento de funes de resposta atravs de tcnicas de anlise de regresso: fatores
qualitativos.
2- Contrastes ortogonais: fatores quantitativos e qualitativos que permitem estruturao.
3- Comparaes mltiplas de mdias: fatores quantitativos, fatores qualitativos que
permitem ou que no permitem estruturao.


2.7. CONTRASTES OU COMPARAES DE MDIAS:
Uma funo linear de mdias de tratamentos do tipo

EXEMPLOS:
(1)

(2)

(3)

(4)

no so ortogonais:

so ortogonais:

no so ortogonais:
Para diferente n de repeties a condio de ortogonalidade dada por:

So contrastes
No contrate


2.8. EXEMPLO
DMS

TUKEY

SCHEFF

BONFERRONI

DUNNETT

D Padro B e D:
C e D:
A e D:
SNK

p 2 3 4

2,95 3,58 3,96

12,1 14,7 16,2

DMS
DUNCAN

p 2 3 4

2,95 3,10 3,18

12,1 12,7 13,0

DMS




2.9. ALTERNATIVAS PARA COMPARAES MLTIPLAS DE MDIAS DE
TRATAMENTOS
Anlise de Mdias de Tratamentos:
(Tcnicas de Detalhamento na Anlise de Varincia)
1- Comparaes de mdias tomadas 2 a 2 (comparaes mltiplas)
- Para tratamentos qualitativos no estruturais
- DMS, Duncan, Tukey.
2- Contrates planejados (ortogonais) entre mdias ou grupos de mdias.
- Para tratamentos qualitativos que permitam estruturao.
3- Ajustamento de funes de resposta atravs de tcnicas de regresso.
- Tratamentos so nveis quantitativos.
- Curva de resposta: 1 varivel independente.
- Superfcie de resposta: 2 ou mais variveis independentes.
Hiptese geral sobre efeito de tratamentos na anlise de varincia.

COMPARAES MLTIPLAS:
Taxas de erro tipo I: H diferentes formas de avaliar o erro tipo I, criando
dificuldades para avaliar o mrito relativo dos procedimentos de comparaes mltiplas.
(i) Taxa de erro por comparao (comparisonwise): o

Usada no teste DMS.
(ii) Taxa de erro por experimento (experimentwise): E
(ii.1)

Usada no teste Tukey, Scheff, Dunnett.
(ii.2)

Usado no teste Bonferroni.





RELAO ENTRE o e E:

N de tratamentos
no experimento

E

o
2
3
4
5
10
15
20
0.05
0.0975
0.1426
0.1835
0.3698
0.5124
0.6227
0.05
0.0253
0.0169
0.0127
0.0057
0.0037
0.0028

MTODOS DE COMPARAES MLTIPLAS:
Testes de amplitude simples:
(1) DMS: (Diferena Mnima Significativa)

(2) TUKEY:

(3) SCHEFF:

(4) BONFERRONI:

(5) DUNNETT: Comparaes tratamentos vs testemunha

Teste de amplitude mltipla:
(6) S-N-K OU N-K:

n de mdias includas da comparao
(7) DUNCAN:

Taxa de erro:

Valores de q* op (p, GLE) correspondem aos valores de amplitude Studentizada
[q (p, GLE)], considerando .
Casos particulares do teste de Duncan:
DMS: p = 2
TUKEY: p = t
S-N-K: p = p
(8) AMPLITUDE MLTIPLA DE TUKEY:

USO DOS TESTES
1) Todas as comparaes de mdias 2 a 2:
TUKEY: maior rigor (maior responsabilidade)
S-N-K
DUNCAN: menor rigor (menor responsabilidade)




2) Contrastes no-ortogonais que envolvam mais do que duas mdias (pelo menos
um):
SCHEFF
BONFERRONI: poucos contrastes
3) Comparaes tratamentos vs testemunha:
DUNNETT
BONFERRONI: poucas comparaes
DMS
RESUMO DO EXEMPLO
VARIE-
DADES
MDIAS
t/ha
DMS TUKEY SCHEFF BONFERRONI S-N-K DUNCAN DUNNET
T
B
C
A
D
85
76
72
62
a
ab
bc
c
a
ab
ab
b
a
ab
ab
b
a
ab
ab
b
a
ab
ab
b
a
ab
bc
c
B = D
C = D
A = D
VALOR P/
O TESTE
2
3
4

12.1

16.2

17.7

16.5
12.1
14.7
16.2
12.10
12.71
13.04

14.9
N DE =
SIGNIFICA
TIVAS

-

3

1

1

1

1

3

1

RESUMO DOS TESTES:
DMS:
TAXAS DE ERRO: com base na comparao.
EXATIDO: exato para igual e diferente n de repeties.
UTILIZAO: para qualquer contraste de mdias.
INCOVENIENTE: no controle no acrscimo da ocorrncia de erro de
concluso do tipo I.
RECOMENDAO QUANTO AO USO: - Para testar grupos especficos de
contrastes de mdias escolhidos a priori.
- Para testar contrastes que envolvam
tratamentos x testemunha.
TUKEY:
TAXA DE ERRO: com base no experimento.
EXATIDO: exato para igual e diferente n de repeties.
UTILIZAO: para comparar mdias 2 a 2.


INCONVENIENTE: exagerado rigor, controlado excessivamente erro tipo I;
reduzido o poder de discriminao.
RECOMENDAO QUNATO AO USO: - Para se comparar mdias 2 a 2 nos
caso onde a decorrncia de erro de concluso do tipo I extremamente grave.
SCHEFF:
TAXA DE ERRO: com base no experimento.
EXATIDO: exato para igual e diferente n de repeties.
UTILIZAO: para qualquer contraste de mdias.
INCONVENIENTE: exagerado rigor, reduzido o poder de discriminao.
RECOMENDAO QUANTO AO USO: - Para testar contrastes que
envolvam mais do que 2 mdias (no-ortogonais).

BONFERRONI:
TAXA DE ERRO: com base no experimento.
EXATIDO: exato para igual e diferente n de repeties.
UTILIZAO: para qualquer contraste de mdias.
INCONVENIENTE: exagerado rigor quanto ao n de contrastes for grande
resultados poucos discriminativos.
RECOMENDAO QUANTO AO USO: - Para testar contrastes (mdias 2 a 2
ou qualquer contraste) quando forem de n reduzido.
S-N-K:
TAXA DE ERRO: a cada estgio do teste (amplitude de t mdias, (t-1) mdias,
. . .) a probabilidade de se rejeitar a hiptese de igualdade de mdias, se
verdadeira, o.
EXATIDO: exato para igual n de repeties.
UTILIZAO: para comparar mdias 2 a 2.
RECOMENDAO QUANTO AO USO: - Para se comparar mdias 2 a 2
para qualquer situao, decorrncia grave ou no para erro de concluso do tipo
I, substituindo razoavelmente com vantagem o teste de Tukey e o teste de
Duncan, para os casos especficos.


AMPLITUDE MLTIPLA DE TUKEY:
TAXA DE ERRO: exato para igual n de repeties.
UTILIZAO: para comparar mdias 2 a 2.
INCONVENIENTE: o mesmo inconveniente, em parte, do teste de Tukey.
RECOMENDAO QUANTO AO USO: - Mesmas consideraes de teste de
Tukey; com decorrncia menos grave na ocorrncia de erro tipo I.
DUNCAN:
TAXA DE ERRO: o cresce a medida que cresce a distncia entre as mdias.
EXATIDO: exato para igual n de repeties.
UTILIZAO: para comparar mdias 2 a 2.
INCONVENIENTE: pouco controle com a ocorrncia de erro tipo I, dado que a
preocupao com o erro tipo II, isto , com o poder de discriminao dos
resultados.
RECOMENDAO QUANTO AO USO: - Para se comparar mdias 2 a 2 nos
casos de investigao que se exige alto grau de discriminao e a decorrncia
de erro de concluso do tipo I no to grave.
DUNNETT:
TAXA DE ERRO: com base no experimento.
EXATIDO: exato para igual n de repeties para tratamentos.
UTILIZAO: para comparar mdias 2 a 2 do tipo tratamento x testemunha.
INCONVENIENTE: rigor muitas vezes exagerado, o que pode conduzir a
pouca discriminao.
RECOMENDAO QUANTO AO USO: - Comparaes unilaterais ou
bilaterais do tipo tratamento x testemunha, substituindo o DMS para os casos
que cresce o n de comparaes.





INCONVENIENTES DOS PROCEDIMENTOS DE COMPARAES MLTIPLAS DE
MDIAS
(1) Taxa de erro
(2) A no considerao de valor da estatstica F obtida na anlise de varincia: teste t
bayesiano ou teste de Waller-Duncan ou teste da Razo bayesiana k.
(3) A no formao de grupos mutuamente exclusivos de mdias de tratamentos:
tcnica multivariada de anlise de agrupamento cluster analysis.
2.10. TESTE BAYESIANO OU TESTE DE WALLER-DUNCAN OU TESTE DA
RAZO BAYASIANA K:
O teste encontra-se descrito em:
Duncan (1965); Waller e Duncan (1969 e 1972); Steel e Torrie (1980); Gomes (1985) e
um dos procedimentos de comparaes mltiplas disponveis no SAS

Razo k: importncia relativa do erro tipo I em relao ao erro tipo II.

0.05 0.01
100 500

F alto: heterogeneidade entre tratamentos
Valor de t reduzido
Alto poder de discriminao
Taxa de erro a nvel de comparao ou por comparao
F baixo: homogeneidade aproximada de tratamentos
Valor de t aumentado
Rigoroso
Taxa de erro a nvel de experimento ou por experimento
Valor calculado de F
Razo bayesiana
Valor tabelado


O teste usa as vantagens dos procedimentos de taxa de erro por experimento e por
comparaes sem as desvantagens.
TABELA: INTERPOLAO
F f


a
a
a
b
-
-
-
-


-
-
-
-
a
b
b
b

e interpola-se nas tabelas.

Para , onde t o n de tratamentos e


EXEMPLO: cultivares de cana-de-acar.
C. Variao GL QM F
VARIEDADES
ERRO
3
20

100.9
5.4
F = 5.4 f = GLE = 20 q = GLT = 3

f = 20
f = 20
f = 20
q = 2
q = 3
q = 4
F = 4
F = 4
F = 4
a = 0.5
a = 0.5
a = 0.5
t = 2.18
t = ? = 2.18 + 0.027 = 2.207
t = 2.22

INTERPOLAO HARMNICA:

t = 4
r = 6


f = 20
f = 20
f = 20
q = 2
q = 3
q = 4
F = 6
F = 6
F = 6
a = 0.408
a = 0.408
a = 0.408
t = 2.08
t = ? = 2.08 + 0.007 = 2.087
t = 2.09

f = 20
f = 20
f = 20
q = 3
q = 3
q = 3
F = 4
F = 5.4
F = 6
a = 0.5
a = 0.430
a = 0.408
t = 2.207
t = ? = 2.087 + 0.029 = 2.116
t = 2.087

VARIEDADES MDIAS, t/ha
B
C
A
D
85
76
72
62
a
a b
b c
c
Mdias seguintes de mesma letra no diferem significativamente pelo teste de
Waller-Duncan a 5%.







2.11. CONTRASTES ORTOGONAIS
(comparao de mdias de tratamentos por
G. L. individual na anlise de varincia)

Uma funo linear de mdias de tratamentos do tipo

dada contraste ou comparao se

=0
Os contrastes

So ortogonais se

se

Exemplos
(1)

(2)

(3)

(4)

no so ortogonais:

so ortogonais:

no so ortogonais:






No contraste
So contrastes
Para igual nmero
de repeties por
tratamentos
Para diferente nmero
de repeties por
tratamentos


ANLISE DE VARINCIA, DCC
Causa de Variao GL
Tratamentos t - 1

Contrastes
ortogonais

1
1

1
Erro experimental t(r 1)
Total r t - 1

A tcnica consiste em decompor a SQ de tratamentos em tantas partes (contrastes)
quantos forem os GL de tratamentos, sendo estes contrastes ortogonais entre si e tendo
1GL.
Para cada contraste calcula-se a SQ dada por

Onde

total de tratamentos i
nmero de repeties

soma os quadrados dos coeficientes dos contrastes

(nmero de contrastes)
Testa-se cada contraste pela estatstica F obtendo-se

Se os contrastes forem ortogonais:

Se os contrastes no forem ortogonais:

Origem
gentica 1
novas
Como se trabalha com um GL no numerador, est se testando um grupo contra
outro levando-nos a uma concluso especfica.
No apresenta os inconvenientes dos testes de comparaes mltiplas de mdias.
Exemplo 1:
Variedades da cana-de-acar
Variedades Mdias, t/ha Totais, t/ha
A
B
C
D
72
85
76
62
432
510
456
372
t=4 r=6

Anlise de Varincia:
Causa de variao GL SQ QM
Variedades 3 1636
Erro experimental 20 2018 100,9
3 GL 3 contrastes ortogonais

Contrastes:

: D versus (A+B+C) [testemunha vs resto]

[novas variedades vs variedade padro]

: B versus (A+C) [origem gentica2 vs origem gentica1]

: A versus C [entre variedades de origem gentica1]

Origem
gentica 2
Padro ou
testemunha ou
controle

ortogonais


Variedades Totais
(

)
Coeficientes dos contrastes

A
B
C
D
432
510
456
372
1
1
1
-3
1
-2
1
0
1
0
-1
0
432
510
456
-1116
432
-1020
456
0
432
0
-456
0
Total 1770 0 0 0 282 -132 -24

Anlise de Varincia
Causas de
Variao
GL SQ QM F
Variedades 3 1636
C1
C2
C3
1
1
1
1104
484
48
1104
484
48
10,94**
4,80*
0,48

Erro experimental 20 2018 100,9

F . 01(1,20) = 8,10
F . 05(1,20) = 4,35

Concluses:
Novas variedades (em mdia) superiores variedade padro.
A variedade de origem gentica 2 (variedade B) superior as variedades de
origem gentica 1(variedades A e C).
No se evidenciam diferenas entre as variedades de origem gentica 1.




Utilizar a variedade B (melhor variedade)
OUTRA FORMA DE OBTENO DAS SOMAS DE QUADRADOS DOS
CONTRASTES

TESTES DE CONTRASTES UTILIZANDO-SE A ESTATSTICA t

(1)

(2)

Para igual nmero de
repeties por tratamento
Para diferente nmero de
repeties por tratamento

Rejeita-se

testemunha

(3)

Exemplo 2:
Num experimento, realizado em DCC com quatro repeties por tratamento, para
estudar o efeito de aplicaes de enxofre (S) para reduzir a incidncia da Sarna Comum
em batatinha, obtiveram-se os seguintes resultados, expressos em termos de ndice de
infeco de sarna, nos cinco seguintes tratamentos:

Enxofre (S) Sem Com S
1
Com S
2
poca de
aplicaes
Outono Primavera Outono Primavera
Totais dos
tratamentos

100

64

80

40

68

Rejeita-se

Aceita-se

S
1
= dose simples de S
S
2
= dose dupla de S
SQE = 158,2

CONTRASTES:

Efeito de Enxofre [sem S vs com S]

5 tratamentos

Efeito de doses de S [S
1
vs S
2
]
4 GL

Efeito de poca para S

1
[outono vs primavera para S
1
]

Efeito de poca para S

2
[outono vs primavera para S
2
]
4 contrastes
ortogonais


SOMA DOS QUADRADOS DOS CONTRASTES


Tratamentos
Totais de
tratamentos
(

)
Coeficiente dos
contrastes

Testemunha

100 4 0 0 0 400 0 0 0
S
1
no
outono
64 -1 1 1 0 -64 64 64 0
S
1
na
primavera
80 -1 1 -1 0 -80 80 -80 0
S
2
no
outono
40 -1 -1 0 1 -40 -40 0 40
S
2
na
primavera
68 -1 -1 0 -1 -68 -68 0 -68
Total 352 0 0 0 0 148 36 -16 -28

Anlise de Varincia

C. Variao GL SQ QM F
Tratamentos 4 484,8 121,2 11,49*

1
1
1
1
273,8
81
32
98

484,8
273,8
81
32
98
25,95*
7,68*
3,03 NS
9,29*
Erro experimental 15 158,92 10,55
Total 19

484,8 = SQtratamentos


Efeito de S / com S menor incidncia de sarna
Efeito de dose / Sz menor incidncia de sarna
No se evidencia efeito de poca / S
1

Efeito de poca / S
2
; outono menor incidncia que na primavera

Aplicar dose dupla de S (S
2
) no outono


Consideraes
(1) Sempre que possvel usar essa tcnica em substituio aos testes de
comparaes mltiplas, no apresentando a tcnica de contrastes ortogonais
inconvenientes quanto a taxa de erro, pois consiste simplesmente na decomposio
(partio) da SQtratamentos.


(2) Escolher sempre contrastes lgicos que devem ser estabelecidos ao planejar
o experimento, ou no mnimo antes de se examinar os dados, evitando com isso a
introduo de vicio no teste.


(3) Procurar sempre estabelecer contrastes que sejam ortogonais


(4) Em casos de contrastes no-ortogonais, usar preferencialmente, se pelo
menos um contraste incluir mais do que duas mdias, o teste de Scheff.










Exemplo 3: experimentos inteiramente casualizado com diferente nmero de repeties por
tratamento.
Exemplo das variedades de cana-de-acar

Variedades
A B C D
64
72
68
77
78
91
97
82
85
75
93
78
71
63
76
55
66
49
64
70
68

4 5 6 6 21

281 433 456 372 1542

70,25 86,60 76 62 73,43

Varincia
Dentro
30,92 56,3 97,6 67,6 67,3

C. Varincia GL SQ QM F
Variedades 3 1731 577 8,58
Erro exp. 17 1144 67,3
Total 20 2875

6 15
5 10
6
4
:


CONTRASTE:







Forma simplificada para clculo das SQ dos Contrastes

vs
vs

A B C
A C B
A C
D

Calculo das SQ dos contrastes usando os coeficientes

Verificao de Ortogonalidade:

Expresso para calculo da SQ:

Variedades

A
B
C
D
4
5
6
6
70,25
86,60
76
62
4
5
6
-15
4
-10
6
0
1
0
-1
0
281
433
456
-930
281
-866
456
0
70,25
0
-76
0
Total 21 - 0 0 0 240 -129 -5,75













Erro padro do
contraste

Contraste GL SQ QM F

t Deciso

1
1
1
1097
554,7
79,3
1097
554,7
79,3
16,23
8,24
1,18
240
-129
-5,75
59,44
49,93
5,30
4,038
-2,871
-1,086
*
*
NS

2.12. MODELO LINEAR PARA A ANLISE DE VARINCIA DE EXPERIMENTOS
INTEIRAMENTE CASUALIZADOS OU PARA O DELINEAMENTO
COMPLETAMENTE CASUALIZADO











Suposio:

e independentes
Fixo: escolha deliberada dos tratamentos
Modelo I ou Fixo
Aleatrio: escolha aleatria dos tratamentos de uma
populao de tratamentos
Modelo II ou Aleatrio
C. VARIAO GL QM QM ESPERADOS
MODELO I MODELO II
Tratamentos t - 1 QMT

Erro
Experimental
t(r 1) QME

Total rt - 1
Teste F:

Erro experimental; efeito da UE j
com tratamento i
Aleatrio
Fixo

Efeito Tratamento
Unidade
Experimental
(UE)

Mdia do tratamento i
Efeito de tratamento i
Mdia geral
Valor observado na repetio j do tratamento i
i=1, 2, ..., t
j=1, 2, ..., r

MODELO I:

Se

verdadeira

Aceita
Se a variao entre tratamentos grande numerador maior F significativo rejeita-
se

MODELO II:

Se

verdadeira

aceita-se

Se a contribuio devida a variao de tratamentos for grande F significativo rejeita-
se

Estimativa de Efeito de Tratamento i

Valor observado para a repetio j do tratamento i
Estimativa da Mdia Geral
Valor estimado para a repetio j do tratamento i

Erros, Desvios ou Resduos; estimativa de

MODELOS PARA A ANLISE DE VARINCIA DO DCC
MODELO I OU FIXO
(1)

Fixo; tratamentos escolhidos

deliberadamente pelo experimentador
(2) As concluses so validas para o
conjunto de tratamentos utilizados no
experimento
(3) o caso mais comum de
experimentao
(4) Exemplo: =s fertilizantes, =s
raes, =s cultivares, =s doses de N, ...
(5) Parmetros:

(6) Componentes de varincia:

(7) Suposio:

e
independentes
(8) Hiptese:

MODELO II ou ALEATRIO
(1)

varivel aleatria, ou seja,

e independentes
(2) Tratamentos so uma amostra
aleatria de uma populao de
tratamentos
(3) As concluses so vlidas para a
populao de tratamentos
(4) Exemplo: populao de Linhagens
seleciona-se algumas para a
experimentao e generaliza-se os
resultados para a populao
(5) Parmetros:

(6) Componentes de varincia

(7) Suposies:

e
independentes

e
independentes

independentes
(8) Hiptese:

Soma dos Quadrados
do Erro Experimental


Modelo II ou Aleatrio

Varincia da populao de tratamentos da qual os t tratamentos usados no
experimento so uma amostra aleatria
COMPONENTES DE VARINCIA E SUAS ESTIMATIVAS
(1)

(2)

QME

Populao de
Tratamentos
Amostra de t
tratamentos
Inferncia para a
Populao de Tratamentos

t


3. DELINEAMENTO BLOCOS CASUALIZADOS (DBC)

3.1. CARACTERIZAO








Forma-se grupos (blocos) de UE semelhantes
Uma restrio na casualizao
Casualizao dos tratamentos dentro de cada bloco
Blocos Tratamentos


+
*
x
-
D
A
A
C
B
C
B
D
C
D
D
B
A
B
C
A
n UE/bloco = n de tratamentos

n de repeties = n de blocos



OBJETIVO DA FORMAO DE BLOCOS
Controle de uma causa de variao maior entre as UE decorrente da variao
intrnseca das UE ou de fatores que atuam sobre as UE agrupamento de UE semelhantes
no mesmo bloco homogeneidade dentro do bloco maior preciso.
Dar maior flexibilidade ao experimento, permitindo subdiviso do trabalho
experimental dado que a execuo deve ser uniforme dentro de cada bloco tcnica
experimental mais uniforme maior preciso.
Repetio Casualizao Bloqueamento
Conjunto de UE Conjunto de Tratamentos
+ +
+ +
* *
* *
x x
x x
- -
- -
A
B
C
D


N de Blocos: mnimo de dois; associado ao n de repeties.
N de tratamentos: Dependncia do material a investigar (tamanho da parcela);
experimentao a campo: no mais de 12 a 10 tratamentos.






As comparaes entre tratamentos so feitas dentro de cada bloco e portanto so
mais eficientes e tanto mais eficiente o delineamento blocos casualizados em relao do
DCC, quando mais semelhantes forem as UE dentro de cada bloco no importando as
diferenas de bloco a bloco.
CRITRIOS DE BLOQUEAMENTO:
Caractersticas associadas com a unidade:
Para pessoas: sexo, idade, renda, inteligncia, educao, experincia de trabalho,
atitudes, etc.
Para reas geomtricas: tamanho da populao, renda mdia, etc.
Para animais: raa, idade, peso, ...








Fertilidade
do solo
-
+
B D C A

A C

D

B

B

D

A

C

Bloco 1

Bloco 2

Bloco 3



Em experimentao a campo: fertilidade do solo






Caractersticas associadas com a situao experimental
Operadores
Tempo de processamento
Mquinas
Partidas ou procedncia do material
Instrumentos de medida
Etc...
3.2. ANLISE DE VARINCIA





i ndice de tratamento

j ndice de blocos ou repetio

rt UE ou observaes
Observao do
tratamento i no
bloco j.
Tratamentos Efeitos
Fertilidade
do solo
-
+
B D C A

A C

D

B

B

D

A

C

Bloco 1

Bloco 2

Bloco 3

UE

tratamentos blocos totais de
tratamento
mdias de
tratamentos 1 2 r
1
2

t

totais de
blocos

total
geral

mdia
geral
mdias de
blocos

TABELA DE ANLISE DE VARINCIA
Causas de variao GL SQ QM F
Blocos r - 1 SQB QMB QMB/QME
Tratamentos t 1 SQT QMT QMT/QME
Erro experimental (t 1) (r 1) SQE QME
Total rt - 1 SQTotal






Variao Total
(SQTotal)

Variao entre tratamentos ou devida a tratamentos
(SQTratamentos ou SQT)
Variao entre blocos ou devida a blocos (SQBlocos ou
SQB)
Variao no devida a tratamentos e blocos ou devida ao
erro experimental (SQErro experimental ou SQE)


GL:

SQ:

TESTE F PARA TRATAMENTOS

Pelo menos duas mdias de tratamentos diferem

Rejeita-se

se

TESTE F PARA BLOCOS

TESTE F PARA BLOCOS
Em condies normais de experimentao, blocos controle teste F irrelevante.
Em algumas situaes teste F para blocos pode ter algum interesse.
Se blocos * bloqueamento eficiente pois maior preciso.
Se blocos * maior generalidade do experimento.

efeito de
blocos
aleatrios
RA
1 - o
RR
o

efeito de blocos fixos

para pelo menos um j

modelo:

Se bloco ns bloqueamento no eficiente no acrscimo em preciso, muito embora os
ganhos de execuo, pois encara-se cada bloco como se fosse um experimento.

Quando diferena entre blocos muito grande, pode provocar heterogeneidade do erro
(cuidado).

3.3. EXEMPLO
Num experimento comparativo de cinco cultivares (variedades) de trigo foi usado
o delineamento blocos casualizados com quatro repeties. O bloqueamento teve por
finalidade controlar diferenas de fertilidade do solo na rea experimental.
Os rendimentos de gros por parcela, em t/ha foram os seguintes:
cultivares blocos Totais (

) Mdias (

)
1 2 3 4
A
B
C
D
E
1,9
2,4
2,4
3,6
2,7
1,7
2,8
1,9
2,8
2,3
1,7
2,7
2,3
2,5
2,2
1,3
2,2
1,7
2,7
1,9
6,6
10,1
8,3
11,6
9,1
1,65
2,52
2,08
2,90
2,28
Totais (

) 13,0 11,5 11,4 9,8 45,7 2,28

r = 4
t = 5


ANOVA
Causas de variao GL SQ QM F
Blocos 3 1,0255 0,3418 5,49*
Tratamentos
(cultivares)
4 3,5330 0,8832 14,19**
Erro experimental 12 0,7470 0,622
Total 19 5,3055

TESTE F PARA BLOCOS
os blocos se diferenciam O bloqueamento foi
eficiente para controlar diferenas de fertilidade do solo.

TESTE F PARA TRATAMENTOS

pelo menos duas mdias diferem

rejeita-se

As cultivares de trigo investigadas se diferenciam em termos de rendimento.

COMPLETAO DA ANLISE: Fator qualitativo no estruturvel
Trabalho de alta responsabilidade: teste de Tukey

Cultivares mdias, t/ha
D
B
E
C
A
2,90
2,53
2,28
2,08
1,65
a
a b
b c
b c
c
Superior

Intermediarias

Inferior
Mdias seguidas de mesma letra no diferem
significativamente pelo teste de Tukey a 5%
Cultivares Mdias Totais

Origem D 2,90 11,6 1 1 1 0
Gentica 1 B 2,52 10,1 1 1 -1 0
Origem E 2,28 9,1 1 -1 0 1
Gentica 2 C 2,08 8,3 1 -1 0 -1
Testemunha A 1,15 6,6 -4 0 0 0
SQ contraste 2,0161 1,1556 0,2813 0,800 = 3,5130
F contraste 32,41** 18,58** 4,52 1,24 = SQT

Teste vs resto A vs

Origem gentica um vs origem gentica dois

Dentro da origem gentica um D vs B

Dentro da origem gentica dois E vs C

ESPERIMENTOS FATORIAIS

1. CARACTERIZAO DE EXPERIMETOS FATORIAIS
1.1.INTRODUO
Num experimento em vez de se estudar um serie apenas de tratamentos, como foi
o caso nas sees anteriores, duas ou mais sries de tratamentos podero ser includas.
Cada srie de tratamentos constitui um fator. Vrios fatores estudados simultaneamente,
em todas as combinaes possveis dos respectivos tratamentos, constituem em
experimento fatorial ou, simplesmente, em fatorial.
No estudo do efeito da luz sobre o crescimento de certo vegetal, poderia-se
escolher, por exemplo, a seguinte srie de trs tratamentos: luz normal, 2/3 e 1/3 da luz
normal. Havendo suspeita, porem, de que o efeito da luz parcialmente dependente do
estado de nutrio da planta, os resultados sobre o efeito da luz teriam uma aplicao muito
limitada quando os tratamentos so comparados num mesmo e nico nvel de fertilidade do
solo. O experimento promete se mais informativo, aplicando-se cada tratamento de luz
sobre dois grupos de plantas, dos quais um recebeu suplemento de fertilidade, como por
exemplo, o nitrognio. No final do experimento, se as diferenas entre os trs tratamentos
de luz no so as mesmas, tato com plantas que receberam nitrognio como as que no
receberam nitrognio, as concluses sobre o efeito da luz tero uma validade mais ampla,
aplicando-se a plantas com ou sem nitrognio adicional. Se as diferenas entre os
tratamentos de luz forem maiores (ou menores) com fertilizao nitrogenada, as concluses
revelaro um fato novo; um fato que no teria sido descoberto se os tratamentos de luz no
tivessem sido combinados com os tratamentos de nitrognio.











EXPERIMENTOS COM UM FATOR OU EXPERIMENTOS UNIFATORIAIS










EXPERIMENTOS COM DOIS OU MAIS FATORES OU EXPERIMENTOS
FARORIAIS












Especificas para experimentos fatoriais
Delineamento
de Tratamentos:
Delineamentos
Experimentais
Sem restrio na
casualizao
Com restrio
na casualizao
Tratamentos so
nveis de um fator
DCC
Delineamento
de Tratamentos:
Delineamentos
Experimentais
Sem restrio na
casualizao
Com restrio
na casualizao
Uma
restrio
Duas
restries
Trs
restries
Blocos DQL Grego
Latino
Completos Incompleto
DBC
BIB PBIB
DCC
Tratamentos so combinaes dos
nveis dos diferentes fatores
Fatoriais
Cruzados
Fatoriais
Hierrquico
ss
Fatoriais
Hierrquico
Cruzados
Parcela
Subdividida
Repetio
Fracionada
Confundimento
Uma
restrio
Duas
restries
Trs
restries
Blocos DQL Grego
Latino

Completos Incompleto
DBC BIB PBIB


(1) Vantagens no uso de fatoriais
Maior eficincia no uso de recursos experimentais disponveis, uma vez que
permitem tirar concluses mais amplas a respeito dos fatores estudados
simultaneamente.
Informao sobre interao de fatores
Maior preciso para estimativa de efeitos principais de fatores dada a
existncia de repeties no-aparentes (do delineamento de tratamentos).
(Repeties intrnsecas ou do delineamento de tratamentos)
Repeties extrnsecas ou do delineamento experimental so as repeties aparentes.

(2) Desvantagens do uso de Fatoriais
(a) Maior dificuldade na seleo de UE homogneas, devido as grande nmero de
tratamentos.
(b) Se houver um grande nmero de fatores a serem estudados
Dificuldades na escolha do delineamento experimental.
Dificuldades de execuo do experimento.
(c) Certos tratamentos (certas combinaes de nveis dos fatores) podem ser de pouco
interesse e alguns recursos experimentais estariam sendo desperdiados.

(3) Exemplo



Cultivares Fertilizantes
f
1
f
2

c
1
c
2

c
1
f
1
c
2
f
1

c
1
f
2
c
2
f
2


Diferenas entre as cultivares pode ser a mesma para os diferentes fertilizantes
maior amplitude dos resultados.
Diferenas entre as cultivares varia de fertilizantes a fertilizantes fato novo
identificado interao dos fatores (s presente em experimento fatoriais)

2 cultivares de trigo: c
1
, c
2

2 fertilizantes: f
1
, f
2

Tratamentos: c
1
f
1
c
1
f
2
c
2
f
1
c
2
f
2


Fertilizantes
Fatorial 2 x 2
Cultivares






1.2. NOTAO E DEFINIES

FATOR: A, B, C, . . .
Qualitativo: Nveis so Tipos, Formas, Procedimentos, . . .
Ex: Cultivares, raes, produtos qumicos, . . .
Quantitativo: Nveis ou doses
Doses de N, P, K; doses de suplemento protico, densidades de semeadura,
espaamentos, . . .
Nveis do Fator:
Fator A: a
1
, a
2
, a
3
, . . .
Fator B: b
1
, b
2
, b
3
, . . .

Exemplo: Fatores: A B
Nveis: a
1
, a
2
b
1
, b
2
Tratamentos: a
1
b
1
a
1
b
2
a
2
b
1
a
2
b
2

Fatorial 2 x 2 2 nveis do fator B
2 nveis do fator A




Valor observado
Tratamento
Efeito de cultivar
Efeito de fertilizante
Efeito de interao
cultivar e fertilizante



Representao dos tratamentos

Fator B
Fator A b
1
b
2
b
1
b
2
b
1
b
2

a
1
a
2

a
1
b
1
a
2
b
1

a
1
b
2

a
2
b
2

(1)
a
b
ab
0 0
1 0
0 1
1 1




1.3. EFEITO SIMPLES, EFEITO PRINCIPAL E INTERAO
EFEITO SIMPLES: efeito de um fator dentro de cada nvel do outro.
EFEITO PRINCIPAL: mdia dos efeitos simples.
INTERAO: magnitude de efeito adicional observado no efeito de um dos fatores na
presena dos nveis do outro fator, efeito adicional este que no produzido por nenhum
dos fatores isoladamente.
Exemplo 1: INTERAO NULA

Fator B Efeito simples
de B
Fator A b
1
b
2
b
1
- b
2

a
1
a
2

8
15
12
19
4
4
E. F
DE A
a
1
-

a
2
7 7






Formas abreviadas
Fatores quantitativos
a
1
, b
1
= ausncia = 0
a
2
, b
2
= presena = 1
Forma completa
Fatores qualitativos

Quando o Efeito Principal = Efeito Simples no h interao
Exemplo 2: INTERAO POSITIVA (Mudana taxa de incremento)
(Efeito Sinrgico dos fatores)

Fator B E. S. de B
Fator A b
1
b
2
b
1
- b
2

a
1
a
2

8
12
15
24
7
12
a
1
-

a
2
4 9
E. S. de A







b
2
A para b
2
b
1
Efeito simples
de A para b
1
A


a
2
a
1
20
16
12
8

E. S. diferente EP h interao
H interao positiva pois ocorre diferena ma magnitude da resposta.
H efeito sinergtico, ou seja a combinao dos nveis mais altos dos fatores d um
efeito mais favorvel do que o nvel mais alto de cada fator combinado com o nvel mais
baixo do outro.
Exemplo 3: INTERAO NEGATIVA (inverso; Efeito Antagnico dos fatores)

Fator B E. S. de B
Fator A b
1
b
2
b
1
- b
2

a
1
a
2

8
12
15
10
7
-2
a
1
-

a
2
4 -5
E. S. de A
E. S. diferente E. P. h interao






A para b
1
b
2
A para b
2
b
1
A


a
2
a
1
24
20
16
12
8









H interao negativa, devido a mudana no sentido (direo) e magnitude da
resposta.
H efeito antagnico, ou seja a combinao dos nveis mais altos dos fatores d um
efeito menos favorvel do que o nvel mais alto de cada fator com nvel mais baixo do
outro.














16
14
12
10
8
A para b
1
(+)
b
2
A para b
2
(-)
b
1
A


a
2
a
1


2. EXPERIMENTOS FATORIAIS COM 2 FATORES CRUZADOS FIXOS
Modelo: admitindo instalao em DCC

a mdia geral

o efeito do i-simo nvel do fator A, definido como:

o efeito de j-simo nvel do fator B, definido como:

o efeito de integrao entre o i-simo nvel de A e o j-simo nvel de B e definido

como:

um erro aleatrio associado observao

Das definies dos parmetros do modelo seguem-se as restries:

Suposies:

Como conseqncia das suposies feitas sobre a distribuio dos erros, tem-se
que:

e independentes

Quadro de observaes
(i)
Fator A
(j)
Fator B
(k) repeties
1 2 . . . r
Totais de
tratamentos
1

Tabela de interao
A x B
Fator A Fator B
1 2 . . . r
Total Mdia

Total

Mdia

Hipteses
(i)

(no existe efeito do fator A)

(ii)

(no existe efeito do fator B)

(iii)

(no existe efeito de interao)

Decomposio da Soma de Quadrados Total
Consideramos a identidade:

Elevando ao quadrado os dois membros da relao e somando em relao aos
ndices i, j e k obtemos:

Alternativamente

Estimao dos Parmetros do Modelo
Solucionando-se o sistema de equaes normais sob as restries

Obtm-se os seguintes estimadores para os parmetros:
Parmetro Estimador

Anlise de Varincia
Causas de
Variao
GL SQ QM E(QM) F
A a - 1 SQA QMA

B b - 1 SQB QMB

A x B (a 1) (b 1) SQAxB QMAxB

ERRO ab (r 1) SQE QME

Total abr - 1 SQTotal

Rejeita-se

se

Rejeita-se

se

Rejeita-se

se

Modelo: Admitindo instalao em DBC

SQBlocos calculado da maneira usual e o clculo das demais SQ no se
modifica.














Anlise de Varincia

Causas de
Variao
GL SQ QM F
Blocos r - 1 SQBlocos QMBlocos QMBlocos/QME
A a - 1 SQA QMA QMA/QME
B b - 1 SQB QMB QMB/QME
A x B (a 1) (b 1) SQAxB QMAxB QMAxB/QME
ERRO Exp. (ab 1) (r 1) SQE QME
Total abr - 1 SQTotal



Fatorial com 2 Fatores

Fator A
Fator B
Mdia
1 2 b

r r rb
Mdias ra rab


Erro padro da mdia de um tratamento para um fatorial com a nvel do fator A b
nvel do fator B e r repeties.











Comparao Exemplo

N de
Tratamentos
Entre 2 mdias
de A

a
Entre 2 mdias
de B

b
(i) Entre 2 mdias
de A no mesmo
nvel de B

a
(ii) Entre 2 mdias
de B no mesmo
nvel de A

b
(iii) Qualquer 2
mdias na tabela
de Interao

ab


Para o caso do erro padro da diferena entre 2 mdias,

, considerar o valor 2
no numerador do radical.
Os procedimentos de comparaes mltiplas so executados da forma usual
considerando

ou

conforme o teste escolhido.

*
A
x
B


Exemplo 1:
Num experimento fatorial, instalado em blocos casualizados com 4 repeties, os
fatores foram
Adubo Mineral (A) (sem =

; com =

) e
Adubo Orgnico (B) (sem =

; com =

) obteve-se os seguintes resultados em termos de

rendimento (t/ha) de determinada cultura:

Blocos
Tratamentos
Totais

1
2
3
4
18,0
8,6
9,4
11,4
19,6
15,0
14,6
15,8
20,6
21,0
18,6
20,6
19,2
19,6
18,4
20,2
77,4
64,2
61,0
68,0
Totais 47,4 65,0 80,8 77,4 270,6



(A)
Adubo Mineral
(B)
Adubo Orgnico

Total

47,4
80,8
65,0
77,4
112,4
158,2
Total 128,2 142,4 270,6

n de nveis de A. O. r
n de nveis de A. M. r






Outra forma de calcular SQ
Tratamentos Coeficientes Totais
Trat.
Contrastes
AM AO AMxAO AM AO AMxAO

- - + 47,4 -47,4 -47,4 47,4

- + - 65,0 -65,0 65,0 -65,0

+ - - 80,8 80,8 -80,8 -80,8

+ + + 77,4 77,4 77,4 77,4

Total 270,6 45,8 14,2 -21,0




Tabela de Anlise de Varincia
Causas de
Variao
GL SQ QM F
Blocos 3 37,83
A 1 131,11 131,11 31,29**
B 1 12,61 12,61 3,01
A x B 1 27,57 27,57 6,58*
Erro Experimental 9 37,70 4,19
Total 15 246,80

Repeties Soma dos quadrados
dos coeficientes



Concluses:
Existe efeito de AM independente de AO
No se evidencia efeito de AO independente de AM
Existe interao entre AM e AO, estando a indicar que o efeito de AM depende dos
nveis de AO e vice-versa.
Se interao NS concluso com base em efeitos principais.
Se interao * concluso com base em efeitos simples.


Mdias
A. M. A. O.

Mdias seguidas de mesma letra (coluna) e de mesma letra entre parnteses
(linhas) no diferem significativamente pelo teste DMS 5%










Mdias

A.M.
(*)
A.M.
p/

A.M. p/

20
18
16
14
12

X X

Mdias

A.O.
(*)
A.O. p/

A.O. p/

(NS)
20
18
16
14
12

Poder-se-ia conduzir a anlise da seguinte maneira:

DECOMPOSIO OU DESDOBRAMENTO

1)
AM 1GL
AO/

AO/

1GL
1GL
AO+AMxAO

- AO/

AO na ausncia de AM

- AO/

AO na presena de AM

2)
AO 1GL
AM/

AM/

1GL
1GL
AM+AMxAO

- AM/

AM na ausncia de AO

- AM/

AM na presena de AO

1 DECOMPOSIO
C. VARIAO GL SQ QM F
Blocos
AM
AO na ausncia de AM
AO na presena de AM
Erro
3
1
1
1
9
37,83
131,11
38,72
1,45
37,68

131,11
38,72
1,45
4,19

31,29**
9,24*
0,35
Existe
- Efeito de AO na ausncia de AM
- No se evidencia efeito de AO na presena de AM


2 DECOMPOSIO
C. VARIAO GL SQ QM F
Blocos
AM
AO na ausncia de AM
AO na presena de AM
Erro
3
1
1
1
9
37,83
12,61
139,44
19,23
37,68

12,61
139,44
19,23
4,19

3,01
33,28**
4,58

Existe
- Efeito de AM na ausncia de AO
- No se evidencia efeito de AM na presena de A.O.












Exemplo 3:
Um experimento, usando 3variedades de cana-de-acar (

), e 3 niveis de
nitrognio (

) foi conduzido no delineamento blocos casualizados com 4

repeties. Os nveis de nitrognio foram, respectivamente, 170, 240 e 310 kg/ha. Os
rendimentos de cana foram:
TRATAMENTOS

Blocos

Total

1 70,5 64,3 79,9 58,6 64,3 64,4 65,8 64,1 56,3 591,2
2 67,5 75,9 72,8 65,2 48,3 67,3 68,3 64,8 54,7 584,8
3 63,9 72,2 64,8 70,2 74,0 78,0 72,7 70,9 66,2 632,9
4 64,2 60,5 86,3 51,8 63,6 72,0 67,6 58,3 54,4 578,7
Totais 266,1 275,9 303,8 245,8 250,2 281,7 274,4 258,1 231,6 2387,6
ANLISE DE VARINCIA
Causas de variao GL SQ QM F
Blocos
Variedades (V)
Nitrognio (N)
V x N
Erro Experimental
3
2
2
4
24
200,68
319,37
56,54
559,79
1053,78
66,89
159,69
28,27
139,95
43,91
1,52
3,64*
0,64 NS
3,19
Total 35 2190,16

NITROGNIO
Variedades

Total

266,1
245,8
274,4
275,9
250,2
258,1
303,8
281,7
231,6
845,8
777,7
764,1
Total 786,3 784,2 817,1 2387,6

V x N * Efeito de V est na dependncia de N e o efeito de N est na dependncia de V.
ESTUDO DE VARIEDADES DE DENTRO DOS NIVEIS DE N TUKEY
Variedades

Mdias

66,52 a
61,45 a
68,60 a
68,98 a
62,55 a
64,52 a
75,95 a
70,42 a
57,90 b
70,48 a
64,81 ab
63,68 b
Mdias 65,82 65,35 68,12 66,32
Mdias seguidas de mesma letra na coluna no diferem significativamente pelo teste Tukey a 5%
TUKEY
(i) Para variedades dentro de N




(ii) Para variedades independentemente de N








V* As variedades se diferenciam independentemente dos nveis de
N
N ns No se evidencia = entre nveis de N independentemente de
variedades
IRRELEVANTES

Estudo de N dentro de variedades Anlise de Regresso

























80
75
70
65
60
55
50
100

170

240

310
V1
V2
V3
N, Kg/ha
R
E
N
D
I
M
E
T
O

M

D
I
O

D
E

C
A
N
A
,

t
/
h
a



Exemplo 4:
Lotes de sementes de feijo foram submetidos a diferentes tratamentos, com o objetivo de
observar o efeito desses tratamentos sobre a emergncia. Especificamente, procurou-se
informao sobre o efeito de um inseticida, na presena e na ausncia de diferentes
fungicidas. Os nveis de fator inseticida B foram,

ausncia e

, presena. Os nveis dos

fungicidas A, foram

, ausncia, e

, correspondendo a 4 diferentes
fungicidas comerciais. Tanto o inseticida, como os fungicidas, foram aplicados nas
sementes nas doses recomendadas. O delineamento usado no campo foi blocos
casualizados, com 5 repeties, co parcelas de uma fila de 10 m para cada combinao de
tratamentos, e 100 sementes de feijo por fila. A emergncia registrada foi a seguintes, por
parcela:
Combinao de
tratamentos

Blocos
1 2 3 4 5

55
47
94
76
91
84
91
68
89
58
69
37
89
97
76
94
89
79
92
72
71
58
92
90
92
94
97
82
97
85
78
48
98
93
92
96
91
78
96
90
68
54
96
92
95
92
93
92
94
69












TABELA DE ANLISE DE VARINCIA
Causas de variao GL SQ QM F
Blocos
Fungicida (A)
Inseticida (B)
Interao AB
Erro Experimental
4
4
1
4
36
881,4
7409,4
1352,0
920,6
1306,6
220,35
1852,35
1352,00
230,15
36,29
6,07
51,04
37,26
6,34
Total 49 11870,0




AS MDIAS OBTIDAS FORAM:
Inseticida

Mdias

58,2
48,8
93,8
89,6
89,2
92,0
92,2
79,8
93,6
74,8
87,4
77,0
Mdias 58,5 91,7 90,6 86,0 84,2 82,2














3. VERIFICAO DA ADEQUABILIDADE DO MODELO DE ANALISE DE
VARIANCIA PARA EXPERIMENTOS FATORIAIS

Exemplo:
A voltagem mxima de sada de um tipo particular de bateria pensa-se ser
influenciada pelo tipo de material usado nas placas e pela temperatura no local onde a
bateria instalada. Quatro repeties de um experimento fatorial so realizadas em
laboratrios para 3 tipos de materiais e 3 temperaturas, obtendo-se os seguintes resultados:
Tipo de
Material
Temperatura (F)

50 65 80
1 130
74
155
180



34
80
40
75


20
82
70
58


998
2 150
159
188
126



136
106
122
115


25
58
70
45


1300
3 138
168
110
160



174
150
120
139


96
82
104
60


1501

1738 1291 770 3799

Causas de variao SQ GL QM F
Tipo de material
Temperatura
Interao
Erro
10,683.72
39,118.72
9,613.78
18,230.75
2
2
4
27
5,341.86
19,558.36
2,403.44
675.21
7.91 *
28.97 *
3.56 *
Total 77,646.97 35

Voltagem mdia em funo do tipo de Material e Temperatura











Resduos

Tipo de
Material
Temperatura (F)
50 65 80
1 -4.75
-60.75

20.25
45.25
-23.5
22.5
-17.25
17.75
-37.50
24.50
12.50
0.50
2 -5.75
3.25

32.25
-29.75
16.25
-13.75
2.25
-4.75
-24.50
8.50
20.50
-4.50
3 -6.00
24.00
-34.00
16.00
28.25
4.25
-25.75
-6.75
10.50
-3.50
18.50
-25.50






Material type 3
Material type 1
Material type 2
50 65 80
A
v
e
r
a
g
e

O
u
t
p
u
t


V
o
l
t
a
g
e

175
150
125
100
75
50
25
0
Temperatura (F)


1
2
5
10
20
30
40
50
60
70
80
90
95
98
99

99.8
99.9

99.99
Grfico de Probabilidade Normal

-80 -20 0 20 40 60 -60 -40


Grfico de Resduos versus

50 100
150
200
80
60
40
20
0
-20
-40
-60
-80

Grfico de Resduos versus Tipo de Material
























3 2 1
60
40
20
0
-20
-40
-60
-80
Material type

Grfico de Resduos versus Temperatura
























80 65 50
60
40
20
0
-20
-40
-60
-80
Temperature (F)
F)

4. EXPERIMENTOS FATORIAIS COM 3 FATORES CRUZADOS FIXOS


DCC:

DBC:

Fator A

Fator B

Fator C
Repeties Totais de
Tratamentos

1 1

ndice do fator A ndice do fator B ndice do fator C ndice de repetio
tratamentos
repeties
abc
r

abcr

UE



Suposies:

Estimativas dos componentes do modelo
Restries:

Estimativas dos Parmetros

Hipteses
(i)

(no existe efeito do fator A)

(ii)

(no existe efeito do fator B)

(iii)

(no existe efeito do fator C)

(iv)

(no existe efeito da interao AB)

(v)

(no existe efeito da interao AC)

(vi)

(no existe efeito da interao BC)

(vii)

(no existe efeito da interao ABC)

Fator A
Fator B
Total

Fator A
Fator C
Total

Fator A
Fator C
Total

C. Variao GL
A
B
C
AB
AC
BC
ABC
Erro Experimental












Total

Erro Padrao da Mdia de um Tratamento no caso de 3 Fatores:



Comparao Exemplo

Entre mdias de A

Entre mdias de B

Entre mdias de C

* Entre mdias de A no
mesmo nvel de B; entre
mdias de B no mesmo nvel
de A; entre qquer 2 mdias
na tabela de interao AxB.

ou

ou

** Entre mdias de A no
mesmo nvel de C; entre
mdias de A; entre qquer 2
mdias na tabela de
interao AxC.

a nveis de A
b nveis de B
c nveis de C
r repeties


Comparao Exemplo

* Entre mdias de B no
mesmo nvel de C; entre
mdias de C no mesmo nvel
de B; entre qquer 2 mdias
na tabela de interao BxC.

ou

ou

** Entre mdias de A no
mesmo nvel de B e C; entre
mdias de B no mesmo nvel
de A e C; entre mdias de C
no mesmo nvel de A e
entre qquer 2 mdias na
tabela de interao AxC.

* Se interao AxB significativa
** Se interao AxC significativa
*** Se interao BxC significativa
**** Se interao AxBxC significativa



A = Espcies:
B = Tipo de solo:
C = Fungicida

= alfafa;

= arenoso;

= sem;

= sem;

=
alfafa;

= arenoso;

= sem;

= trevo vermelho

= argiloso

= com

EXEMPLO 2 : Realizou-se um experimento fatorial utilizando-se 3 fatores e dois nveis
por fator, verificando-se a influencia dos mesmos sobre a emergncia de plantas, sendo as
sementes plantadas em vasos em casa de vegetao. O delineamento exponencial utilizado
foi blocos casualizados com 3 repeties. A unidade exponencial foi o vaso, com 100
sementes. Os fatores, com respectivos nveis, foram os seguintes:


O nmero de plantas emergentes, soma de 3 repeties, para os oito tratamentos, foi o
seguinte:

Total

Total

286
271
66
215
352
486

289
292
167
203
456
495
Total 557 281 838 Total 581 370 951

A anlise de varincia obtida foi:
Causas de Variao GL SQ QM F
Blocos
Espcies (A)
Tipos de Solo (B)
Fungicidas (C)
AxB
AxC
BxC
AxBxC
Erro Experimental
2
1
1
1
1
1
1
1
14
356
532
9882
1247
176
376
1617
715
133
178
532
9882
1247
176
376
1617
715
95
1,87
5,60*
104,02*
13,13*
1,85
3,96
17,02*
7,53*

Tratamentos
Efeito

Estimativas
do efeito
fatorial Fatorial

(1)

c

b

bc

a

ac

ab

abc
A
B
C
AB
AC
BC
ABC
-
-
-
+
+
+
-
-
-
+
+
-
-
+
-
+
-
-
+
-
+
-
+
+
-
-
+
-
+
-
-
-
-
+
+
+
-
+
-
+
-
-
+
+
-
+
-
-
-
+
+
+
+
+
+
+
113
-487
173
65
-95
197
-131
Total
tratamento
286 271 66 215 289 292 167 203











Decomposio da Interao Trplice:
C dentro de b1/a1

C dentro de b1/a2

C dentro de b2/a1

C dentro de b2/b2

Causas de Variao GL SQ QM F
C. d. b1/a1 1 38 38 0,40
C. d. b1/a2 1 2 2 0,02
C. d. b2/a1 1 3700 3700 39,00*
C. d. b2/a2 1 216 216 2,27

Erro

14

1330

95

ABC * A = Espcies
B = Tipos de Solo
C = Fungicida

Concluso:
Fungicida eficiente no solo argiloso para alfafa, para trevo vermelho as evidencias
amostrais no suficientes para comprovar eficincia do fungicida.
Para solo arenoso as evidencias amostrais no so suficientes para comprovar eficincia
do fungicida tanto para alfafa como para trevo vermelho.

A decomposio da Fatorao BC, torna-se irrelevante, pois:

BC*











C B
b1 b2
c1 286+284


575
66+167


233
c2 271+292


563
215+203


418
1138 651

O detalhe da interao simples perde consistncia quando a iterao trplice significativa.

C dentro de b1 1GL; QME = 45


Fungicida
ineficiente
para o solo
arenoso
independente
da espcie

C dentro de b1


Fungicida
eficiente
para o solo
argiloso,
independente
da espcie


5. QUADRADOS MIDOS ESPERADOS NA ANLISE DE VARINCIA DE
EXPERIMENTOS FATORIAIS CRUZADOS

5.1. Experimentos Fatoriais com 2 Fatores
Modelo matemtico:

Quadrados Mdios Esperados
C. Variao GL QM Modelo II Modelo I
A a 1 QMA

B b 1 QMB

AB (a 1) (b 1) QMAB

Erro Exper. ab (r 1) QME

C. Variao
Modelo Misto
A Fixo. B Aleatrio
A

AB

Erro Exper.

Modelo II Para A:

Para B:

Para AB:

i = 1, 2, ..., a
j = 1, 2, ..., b
k = 1, 2, ..., r
Modelo I Para A:

Para B:

Para AB:

Modelo Misto Para A:

Para B:

Para AB:

Regras para a organizao dos quadrados mdios esperados:
1) Quando ambos os fatores so fixos, no h termos para a interao; quando ambos dos
fatores so aleatrios, ambos apresentam o componente da interao; quando um fator
fixo e outro aleatrio, s o fator fixo tem componente para a interao.
2) O coeficiente para qualquer termo ou componente dado pelas letras no includas no
subscrito do respectivo termo ou componente.
3) Para clculo de F, o quadrado mdio do denominador deve incluir todos os
componentes do numerador, menos o componente ou termo a ser testado.
5.2. EXPERIMENTOS FATORIAIS COM 3 FATORES
Modelo Matemtico:

C. Variao GL QM Quadrados Mdios Esperados
Modelo I Modelo II
A


a 1 QMA

B


b 1 QMB

C


c 1 QMC

AB


(a 1) (b 1) QMAB

AC


(a 1) (c 1) QMAC

BC


(b 1) (c 1) QMBC

ABC


(a 1) (b 1) (c 1) QMABC

Erro Exp.

abc (r 1) QME

Teste F
Modelo I: todos os efeitos so testados fazendo-se a razo do quadrado mdio do
componente com o QME.
Modelo II: Para ABC: QME como denominador
Para AB, AC, BC: QMABC como denominador
Para A:

GL do numerador

GL do denominador

Para B:

GLs de maneira similar a A

Para C:

GLs de maneira similar a A

C. Variao GL QM Quadrados Mdios Esperados
Modelo Misto: A fixo: B e C Aleatrios
A


(a 1) QMA

B


(b 1) QMB

C


(c 1) QMC

AB


(a 1) (b 1) QMAB

AC


(a 1) (c 1) QMAC

BC


(b 1) (c 1) QMBC

ABC


(a 1) (b 1) (c 1) QMABC

Erro Exp.

abc (r 1) QME

Teste F Modelo misto: A fixo, B e C Aleatrios
Para ABC, BC, usa-se como denominador QME
Para AB e AC, usa-se como denominador QMABC
Para B e C, usa-se como denominador QMBC
Para A

Os GLs so os mesmos daqueles do modelo aleatrio.
Regras para organizao dos quadrados mdios esperados:
1) Fator Fixo: Ter componente de interao simples quando o outro fator de interao for
aleatrio. Ter componente da interao trplice se os outros dois fatores forem aleatrios.
2) Fator Aleatrio: Ter componente da interao simples se o outro fator da interao for
aleatrio. No modelo misto no tem componente de interao trplice.
3) Interao Simples: ter componente da interao trplice se o terceiro fator fator
aleatrio.


(x)
ANLISE DE REGRESSO E CORRELAO

1- Introduo
Em muitas ocasies se obtm, para cada elemento amostral, duas medidas,
correspondentes as variveis x e y.








Anlise de Regresso
Rao

Doses de N

rendimento de milho (y)

O objetivo da obteno desses pares de valores o estudo do relacionamento entre
as variveis x e y que pode ser feito atravs de uma anlise de regresso ou de uma
anlise de correlao.
Na anlise de regresso a varivel y considerada dependente e a varivel x
independentes e se estabelece um relacionamento funcional de y para x, ou seja y = f(x). a
funo matemtica y = f(x) expressa atravs de uma equao chamada equao de
regresso.

Populao Amostra

Ganho de peso (y)
Rao consumida (x)


Em estudos de correlao, verifica-se o grau de associao entre duas
variveis x e y (relacionamento linear), sem que haja necessariamente relao de
dependncia entre elas.
Exs:






















(i) Altura de irmo
(x)

(ii) Teor de fsforo no solo
Altura de irm
(y)

Pelo mtodo A (x)
Pelo mtodo B (y)


2. ANLISE DE REGRESSO

(i) Causa
(tratamentos)
(ii)

(iii)






Interessa estabelecer o relacionamento funcional entre os dois tipos de variveis.


REGRESSO LINEAR SIMPLES
Relao entre y e x dada por uma reta

soma dos produtos dos desvios de x e y


Rendimento (y)
Numero de plantas (x)

Funo
de
produo
Efeito
N(x
1
)
P (x
2
)
Parcela de
campo
Rendimento
de uma
cultura (y)
Efeito
K (x)

Parcela de
campo
Rendimento
de uma
cultura (y)
Parcela de
campo
(i)

Variveis independentes
Varivel dependente
(ii) e (iii)


Coeficiente de regresso linear
(inclinao da reta)
Intercepto da reta




SQx = soma dos quadrados dos desvios de x

Medida de variao simultnea de x e y


a: intercepto da reta. Ponto onde a reta corta o eixo dos y. o valor estimado para y
quando x = 0.

b: inclinao da reta. Coeficiente de regresso linear. Representa quanto aumenta ou
diminui y quando x cresce de uma unidade.











a
1 un.
b(+)

y
x x
1
x
2

numero da pares
de valores














REGRESSO MLTIPLA








b
1
: Quantidade que afeta y quando x
1
vaia de uma unidade permanecendo constante x
2
.



y
x
1

x
2

(-)b
a

y
x x
1
x
2

1 un.
b = 0
a

y
x x
1
x
2

1 un.

Plano de regresso
Intercepto

coeficiente de
regresso parciais


REGRESSO QUADRTICA






REGRESSO CBICA OU DE 3 GRAU






REGRESSO QURTICA OU DE 4 GRAU






SUPERFCIE DE RESPOSTA

x
y

(curva de resposta)
x
y
x
y

3. REGRESSO LINEAR SIMPLES
o caso mais simples de regresso, em que se estabelece o relacionamento entre
duas variveis X e Y atravs de uma reta, onde varivel X (varivel fixa):

varivel Y (varivel aleatria):

procura-se uma equao de regresso (uma reta) que melhor estime o rendimento
entre X e Y.

a. Ajuste de uma Regresso Linear Simples
EXEMPLO 1:
Em um experimento realizado com o objetivo de verificar o efeito de adubao
nitrogenada sobre o rendimento de milho, obteve-se estes resultados:
Doses de N,
kg/ha (X)
Rendimento mdio
kg/ha (Y)

0
30
60
90
120
150
180
210
240
2.000
2.080
2.300
2.150
2.600
2.820
3.000
2.950
2.800
1.994,2
2.126,2
2.258,2
2.390,2
2.522,2
2.654,2
2.786,2
2.918,2
3.050,2
5,8
-46,2
41,8
-240,2
77,8
165,8
213,8
31,8
-250,8
33,64
2.134,44
1.747,24
57.696,04
6.052,84
27.489,64
45.710,44
1.011,24
62.600,04
Total 1080 22.700 - 0,2 204.475,56

Etapas para verificar o relacionamento, atravs de uma analise de regresso, entre
X e Y.











Doses de N,
kg/ha
Rendimento
mdio, kg/ha
(a) Diagrama de disperso ou diagrama de pontos.













(b) Estabelecimento da Equao de Regresso

Estima-se em 4,4 kg/ha o acrscimo no rendimento de milho a cada kg/ha de N
aplicado ao solo, ou seja, 440 kg/ha a cada 100kg/ha de N.


Para x = 0, ou seja, sem aplicar N no solo, estima-se um rendimento de 1.994,2
kg/ha de milho. Portanto, a equao de regresso dada por:
3.000
2.800
2.600
2.400
2.200
2.000
30 60 90 120 150 180 210 240

Onde

= rendimento estimado de milho, em kg/ha e

X = doses de N, em kg/ha.
(c) Construo da reta sobre o diagrama de pontos, usando-se a equao de regresso:

. Para construirmos a reta sobre o diagrama de pontos, necessitamos

localizar 2 pontos, ou seja, faz-se:

Verificao do clculo da equao e traado da reta: a reta dever passar pelo
ponto

.
(d) Varincia dos erros de Estimativa

(e) Teste de significncia do coeficiente de regresso (| = coeficiente de regresso
linear verdadeiro ou populacional)

O coeficiente de regresso linear significativo.
Existe uma tendncia linear de acrscimo no rendimento de milho com a
aplicao de N ao solo.







(f) Intervalo de confiana para o coeficiente de regresso linear verdadeiro.





Temos uma confiana de 95% de que o acrscimo verdadeiro no rendimento de
milho, para cada kg/ha de N aplicado no solo, esteja entre 2,7 e 6,1 kg/ha.
b. MTODO DOS QUADRADOS MNIMOS
y valor observado
valor estimado pela equao da reta dada por . Deseja-se que os
desvios ou erros de estimativa sejam um mnimo, ou que a soma dos quadrados dos
desvios

seja um mnimo, ou seja que

seja
mnimo.
Ter-se- um mnimo para z quando

Tem-se um sistema com 2 equaes e 2 incgnitas e utilizando-se qualquer
mtodo algbrico de resoluo obtm-se:

6,1
2,7

Sistema de Equaes Normais


Grau de Liberdade para

GL = n- 2 pois existem 2 restries
(i) Da 1 equao

(ii) Da 2 equao , pois

c. ESTIMATIVA DE y POR INTERVALO

(a) Intervalo de confiana para um valor Y (faixa de confiana para valores futuros)

Para o exemplo 1 seja

v



Estima-se que o rendimento verdadeiro de milho de uma parcela complicao de
150 kg/ha de N esteja entre 2224,9 e 3083,5 kg/ha, com uma confiana de 95%.
(b) Intervalo de confiana para a mdia de todos os possveis valores de y para um dado
x (faixa de confiana para a reta de regresso).

3083,5
2224,9

Para o exemplo 1, seja

Estima-se que o rendimento mdio verdadeiro de milho para uma aplicao de
150 kg/ha de N esta entre 2509,7 e 2798,7 kg/ha com uma confiana de 95%.

d. APLICAO DA EQUAO DE REGRESSO

(i) Conhecer se y depende de x
b significativo y depende de x
b no significativo y no depende de x
(ii) Conhecer se existe relao de causa e efeito entre x e y
Uso da anlise de regresso para comparar mdias de tratamentos.

(iii) Determinar a forma de curva de regresso.

(iv) Fazer previses de y partindo de x
Interpolao: prever y para valores x dentro da amplitude estudada.
Extrapolao: prever y para valores x fora da amplitude estudada.
CUIDADO! Deveria sempre ser evitada.

2798,7
2509,7


Riscos de Extrapolao







(v) Ajustar valores y em funo de uma varivel relacionada x (anlise de covarincia)
















y = rendimento
n de plantas na parcela
y = ganho de peso
x = peso inicial
y
x
Amplitude estudada
Animal Animal
y = ganho de peso
x = rao consumida
Parcela
de
campo

observado


4. MODELO MATEMTICO PARA A REGRESSO LINEAR SIMPLES








PRESSUPOSIES
(i) A relao entre x e y linear
(ii) Os valores x so fixos, isto , x no varivel aleatria
(iii)

[Normalidade e Homocedasticidade]
(iv) O nmero de observaes y maior do que o nmero de parmetros do modelo
As expresses de a e b poderiam ser deduzidas a partir do modelo e considerando
que e tendo-se

(estimativa de

), onde

Intercepto
Coeficiente de Regresso Linear verdadeiro
Parmetros

Valor da varivel independente x
Erro
Valor observado de y
Erro de mensurao de y
Contribuio de outras
variveis no includas no
modelo.
Relao pode no ser
estritamente linear.
o
|



5. ANLISE DE VARINCIA PARA A REGRESSO
(TESTE F PARA REGRESSO)
(DECOMPOSIO DA SOMA DE QUADRADOS DE Y)

Reduo da
Soma de
Quadrados
de y devida a
regresso de
y para x
Forma direta
de clculo
Forma usual:
SQDesvios da Regresso = SQTotal - SQRegresso

GL
GL Total = n 1
GL Regresso = p 1 = k
GL Desvios da regresso = (n - 1) (p 1)
= GL Total GL Regresso
n = numero de pares de valores
p = numero de parmetros do modelo
k = numero de variveis independentes
No caso da Regresso Linear p = 2 e k = 1 e ento
GL Regresso = 1
GL Desvios da Regresso = n 1 1 = n 2


TABELA DE ANLISE DE VARINCIA

Causas de Variao GL SQ QM F
Regresso
Desvios da Regresso
1
n 2
SQRegresso
SQDReg
QMRegresso
QMDReg

Total n 1 SQTotal








Para o exemplo 1
Causas de Variao GL SQ QM F
Regresso Linear
Desvios da Regresso
1
7
1034906,67
204448,93
1034906,67
29206,99

35,43**
Total 8 1239355,60

O coeficiente de Regresso
Linear significativo.
A aplicao de doses crescentes de N ao solo incrementam linearmente o
rendimento de milho.
1 GL

Esse procedimento valido para dados pareados, isto , nos casos onde para cada
valor de x tem-se um valor de y.













6. ANLISE DE REGRESSO PARA COMPARAO DE MDIAS DE
TRATAMENTOS
(Ajuste de regresses curvilineares para tcnica de polinmios ortogonais)
Sempre que os tratamentos representam nveis de um ou mais fatores
quantitativos, a tcnica mais recomendvel (por ser mais informativa e mais eficiente para
identificar diferenas entre mdias de tratamentos) na decomposio da SQtratamentos a
anlise de regresso.
O esquema bsico de anlise de varincia o do delineamento experimental
adotado, somente com subdiviso da SQtratamentos, em regresso linear, regresso
quadrtica,...; isto , em tantos componentes quantos forem os GL de tratamentos.
A equao de regresso a ser ajustada incluir todos os componentes ate o de mais
alto grau significativo, mesmo que no intervalo exista algum componente no significativo.
O procedimento se simplifica quando os nveis de X (do fator quantitativo) forem
eqidistantes, atravs da utilizao de polinmios ortogonais cujos coeficientes (C
ji
) so
tabelados, por exemplo em Pimentel Gomes, 1985.
Exemplo 2:
Num experimento de adubao potssica de cana-de-acar utilizou-se 4 nveis de
K
2
O (0; 60; 120 e 180 Kg/ha) n. DCC com 8 repeties por tratamento.
A anlise de varincia a seguinte:
Causas de variao GL SQ QM F
Tratamentos
Resduos
3
28
638,50
1860,60
212,83
66,45
3,20*

CV = 21,2%
F.05(3,28) = 2,96

Componente linear (K) ou regresso linear 1 GL
GL tratamentos = 3 Componente quadrtico (K) ou regresso quadrtica 1 GL
Componente cbico (K) ou regresso cbica 1 GL



Para trs nveis a situao seria:








Nveis de X Coeficiente dos componentes
Linear Quadrtico
1
2
3
-1
0
1
1
-2
1

Para o exemplo tem-se:


Trat.
(X)
Totais de
Tratamentos
(y
i.
)
Coeficientes (C
ji
) C
ji
y
i.
1 grau 2 grau 3 grau 1 grau 2 grau 3 grau
0
60
120
180
total
302
370
400
348
1420
-3
-1
1
3
0
1
-1
-1
1
0
-1
3
-3
1
0
-906
-370
400
1044
168
302
-370
-400
348
-120
-302
1110
-1200
348
-44
K
M
20
2
4
1
20
10/3


K: soma dos quadrados dos coeficientes.
M: constante para tornar os coeficientes inteiros.


y
x
Efeito quadrtico positivo
Efeito linear
Efeito quadrtico nulo
Efeito quadrtico negativo
2 GL
Efeito linear: linearidade GL
Efeito quadrtico: curvatura GL

CAUSAS DE VARIAO GL SQ QM F
Regresso Linear
Regresso Quadrtica
Regresso Cbica
1
1
1
176,40
450,00
12,10
176,40
450,00
12,10
2,65
6,77*
0,18
Tratamentos
Resduo (erro)
(3)
28
(638,50)
1860,60

66,45



A resposta da cana-de-acar adubao potssica quadrtica, indicando que
para doses baixas de K
2
O aplicadas ao solo, o rendimento da cana apresenta um acrscimo
linear; medida que a doses de K
2
O crescem, acrscimo vai se tornando menor tendendo a
estabilizar nas doses mais altas.
COEFICIENTE DE DETERMINAO

98% da variao no rendimento de cana-de-acar devido a aplicao de K
2
O
explicada pela regresso quadrtica do rendimento de cana para doses de K
2
O aplicadas ao
solo.
AJUSTE DA EQUAO DE REGRESSO

mdia geral

o coeficiente de regresso de grau j

o polinmio ortogonal de grau j

No exemplo

X
0
60
120
180
37,75
46,25
50,00
43,50
37,1750
47,0738
49,1702
43,7642
0,2750
-0,8238
0,8298
-0,2642
0,0168

DOSE TIMA

mdias dos nveis
diferena entre os nveis


Ponto de mximo: (i)
(ii)











No exemplo
c = -0,001042
b = 0,2225

ponto de mximo pois c<0
dose tima 106,76(107) kg/ha de K
2
O que nos leva a um rendimento mximo (melhor
tratamento)
O ponto determinado o ponto de mxima eficincia tcnica.
Poder-se-ia determinar o ponto de mxima eficincia econmica.


c>0
c<0 y
y
x x

PONTO DE MXIMO EFICINTE ECONMICA
Deseja-se tornar mxima a receita lquida
L = wy uX m



Para determinao de mximo, deriva-se e iguala-se a zero:

como

Logo,

depende da relao de preo.

dose de mxima eficincia econmica



K
rendimento
50.00
48.75
43.50
40.25
37.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180

custo fixos
dose de nutriente
preo unitrio de nutrientes
estimativa de produo dada pela curva de resposta
preo do produto

, ento temos

7. ANLISE DE CORRELAO

Correlao a medida do grau em que duas variveis variam juntas (= intensidade
de associao).
Na correlao:
Relao de dependncia relao de causa e efeito




Na correlao:
No existe relao de dependncia. Busca-se verificar somente o grau de associao
entre as variveis. Por exemplo: altura de irms e irmos. As variveis no apresentam
relao de dependncia mas certamente esto associadas pelo mecanismo da
hereditariedade.

r um valor adimensional pois independe da unidade de medida das variveis.

Para verificar a associao entre as variveis x e y, o diagrama de disperso d
uma idia; permite observar o grau e o tipo de correlao existente.






Varivel independente
Varivel dependente

















Em geral, onde os pontos no diagrama de disperso esto dentro da
elipse.





Teste de significncia do coeficiente da correlao


y
y
y
x
x
x
r = 1
r = 0
r = -1
y
x
A correlao entre x e y ser
maior quanto menor o eixo menor da
elipse.

Hipteses:

(no existe correlao ou a
correlao entre x e y nula)


Se rejeitamos

as variveis esto associadas e r uma estimativa do

grau de associao entre elas.
Para se testar

pode-se utilizar dois procedimentos:

(i) Teste t:

n = numero de pares de valores
g . 1 = n 2
Rejeita-se

quando

(ii) Pela tabela de r:
Rejeita-se

se

Exemplos
(i)


(ii)




(iii)




x
y
2 3 4
7
6
5

erro padro do coeficiente
de correlao.
x y
2
3
4
5
6
7

r = 1
x
y
2 3 4
7
6
5
r = 1
x
y
2 3 4
7
6
5
0 < r < 1
x y
2
3
4
5
6
7

x y
2
3
4
5
6
7



Exemplo 3:
Num estudo sobre seleo de matria prima destinada a formao de populaes
bsicas para o melhoramento de galinhas, obteve-se os seguintes resultados:
Plantel Peso do corpo, kg (x) Peso do ovo, g (y)
1
2
3
4
5
6
7
8
1,615
1,809
1,677
1,684
1,651
1,784
1,569
1,457
52,13
58,90
52,85
53,58
52,40
52,46
49,60
52,27
Total 13,246 424,19

(a) Diagrama de disperso









(b) Clculo do coeficiente de correlao r

n = 8
Peso de ovos, g (y)
Peso de corpo
kg (x)
1400 1500 1800 1600 1700
54
53
52
51
50


(c)

no se rejeita

no significativo

As evidencias amostrais no so suficientes para comprovar que exista associao
entre o peso do corpo e o peso do ovo em galinhas.
Desta forma no podemos selecionar para peso do corpo quando o objetivo o
peso do ovo.
Consideraes sobre a interpretao do coeficiente de correlao r

Causa e efeito

r = 0,90


x
1
= aumento geral do padro de vida no pais

r = 0,80

No h causa e efeito e no h terceira varivel

Utilidade pratica de correlao e regresso
r estima a intensidade da relao linear entre y e x, sendo que para muitas
situaes para uma etapa inicial de investigao pode satisfazer.
Mas quem responde perguntas do tipo:
Quanto varia y devido a uma modificao em x?
Qual a funo (curva) que relaciona y com x?
Com que preciso pode-se prever y partindo de x?


x = salrio de prof. Universitrios
y = consumo de bebidas alcolicas
ou
consumo de automveis
x = altura de alunos
y = notas de provas de estatstica


a analise de regresso
Em experimentos:
Explicao de efeito de fatores: anlise de regresso
Relao entre variveis dependentes: anlise de correlao
Relao entre os coeficientes de correlao e de regresso
r: coeficiente de correlao

: coeficiente de determinao;

ou

No caso





Relao qudrica entre x e y

x
y
r = 0


8. REGRESSO LINEAR MTIPLA

a. Introduo:
A regresso mltipla se aplica ao caso em que se considera mais do que uma
varivel independente na estimativa da varivel dependente Y, ou seja:


Exemplo:
(i) Produo agrcola






(ii) Nutrio Animal





(iii) Social e Econmico








Rendimento de trigo
N P K
Varivel dependentes

Funo de Produo
Ganho de peso
Peso inicial
Rao consumida

Utilizao de um produto em determinada
rea geogrfica
Urbanizao relativa
Nvel educacional
Renda relativa

Funo de
Demanda


b. Modulo Matemtico e Pressuposies:
O modulo matemtico da regresso linear mltipla dado por

onde

so variveis independentes; Y =
varivel dependente:

so parmetros do modelo.
Pressuposies:
(a) A varivel dependente Y funo linear das variveis independentes

.
(b) Os valores das variveis independentes so fixas (se no forem no h maiores
problemas)
(c)

(d)

so independentes.

c. Relao linear entre 3 variveis:
i. Equao de Regresso
Considerando as variveis Y,

sob a hiptese de relacionamento linear

entre as 3 variveis pode-se escrever

onde e Y funo linear dos X.
Baseados nesse modelo linear estima-se a relao denominada de regresso de Y
sobre

, dada por

Nesse caso a equao de regresso representa um plano no espao tridimensional,
isto







x
1
x
2
y

Plano de Regresso


Na Equao de Regresso

intercepto de plano de regresso com eixo dos Y, e uma estimativa do parmetro

:
ou seja, estimativa para Y quando

so iguais a zero

so
chamados coeficientes de regresso parciais, onde

quantidade que afeta Y dada uma variao de uma unitria em

, permanecendo
constante

quantidade que afeta Y dada uma variao unitria em

, permanecendo constante

consistem na declividade das retas produzidas pela projeo do plano de regresso

sobre os planos

respectivamente, ou seja

















1 unidade
Projeo no plano

quando

acrscimo










ii. Ajustamento do plano de regresso:
(= Obteno dos coeficientes da equao de regresso)
A estimativa da relao entre as variveis Y,

dada por:

Os desvios ou erros de estimativa so expressos por

e tem-se que a
soma dos quadrados dos desvios :

Deseja-se obter o melhor plano de regresso, ou seja, o plano de regresso que
melhor represente o relacionamento entre as variveis Y,

, isto e, o plano e
regresso que minimize a soma de quadrados dos desvios ou erros de estimativa.
A equao de regresso dada em funo dos coeficientes

; portanto
deseja-se estabelecer as expresses de clculo desses coeficientes de forma que os desvios
sejam mnimos.

Projeo no plano

quando

1 unidade

Y
decrscimo


O clculo de

requer u conjunto de trs equaes normais, obtidas pelo

mtodo dos quadrados mnimos (de forma anloga a regresso linear simples) e pela
resoluo, das quais obtm-se as seguintes expresses de clculo dos coeficientes:




Obteno e Soluo das equaes normais:

(1)

1 = varivel

2 = varivel

(-2)


(2)

(3)

Por analogia

Portanto tem-se o sistema de 2 equaes e duas incgnitas

Utilizando-se qualquer mtodo para a soluo obtm-se:

iii. Contribuio Relativa das Variveis Independentes

Como geralmente se trabalha com valores de magnitude e de unidades de medidas
distintas para se estabelecer a contribuio de cada uma das variveis no se pode usar
diretamente os coeficientes de regresso parcial, e por isso so coeficientes de regresso
padronizados

que so coeficientes de regresso independentes da escala de medida

utilizada para as variveis independentes.
No caso de 2 variveis independentes os coeficientes de regresso padronizados
do dados por:

Onde:

so os coeficientes de regresso parciais

= desvio padro da varivel dependente Y

= desvio padro da varivel independente

= desvio padro da varivel independente

= coeficiente de correlao simples entre Y e

= coeficiente de correlao simples entre Y e

= coeficiente de correlao simples entre

iv. Anlise de Varincia para a Regresso Mltipla

Tabela de Anlise de Varincia
Causas de
Variao
GL SQ QM F
Regresso

Desvios da
Regresso
k ou p-1(2)

n-k-1 ou n-p (n-3)
SQRegresso

SQ
Des. Reg.
QMRegresso

QM
Des. Reg.

Total n-1 SQ Total
onde k = nmero de variveis independentes
p o nmero de coeficientes da equao; entre parnteses os GL para o caso de suas
variveis independentes (trs coeficientes na equao)
Coeficientes de Determinao Mltipla

representa a proporo da variao de Y explicada pela influencia linear das variveis

independentes

As hipteses que se formulam no teste F da regresso mltipla so:


Variao Total
(SQTotal ou

)
Variao de Y explicada
pela influncia linear de

(SQRegresso)
Variao de Y no
explicada pela influencia
linear de

(Variao Residual)
(SQDesvios da Regresso)

no caso 3 variveis)

para pelo menos um i.

Rejeita-se

quando Fcalculado >

(GL Regresso, GL Desvios da Regresso) e nesse

caso a regresso linear sobra

significativa.
Para se testar hipteses do tipo

; usa-se o desdobramento dos GL da

regresso na anlise de varincia utilizando o teste F e para o caso de 2 variveis
independentes ter-se-ia:
Causas de Variao GL
Regresso
Influncia de

Influncia de

Desvios da Regresso
2
1
1
n - 3
Total n - 1

Na tabela de anlise de varincia, se

forem independentes entre si (no

correlacionados ou coeficiente de correlao nulo entre elas), ento: SQInfluncia linear de

+ SQinfluncia linear de

= SQRegresso; caso contrario essa igualdade no se

varifica.
Se

forem independentes entre si:

Se

no forem independentes entre si (so correlacionados), calcula-se a

SQInfluncia linear de

e a SQInfluncia linear de

atravs do calculo das SQ devida a

adio das variaveis, ou seja, SQ de

consiste na adio da soma de quadrados devida a

incluso de

depois de

j estar inclusa na equao; em relao a SQ de

o
procedimento inverso.



O teste F para a influncia de

consiste no teste de

; e o
teste F para influncia de

, consiste
no teste de

.


Pode-se utilizar para testar hipteses do tipo

ao invs do teste F o teste

t onde


Para caso de 2 variveis independentes tem-se:

Rejeita-se

quando

Nesse caso

; pois se tem 1 GL no numerados.

Na anlise de varincia utilizando a regresso linear mltipla quando existem valores
repetidos de Y para a combinao de valores

, como comum em caso de

experimentos com fatores quantitativos, pode-se manter (o que comumente mantido) o
esquema de anlise do delineamento empregado e desdobra-se a SQTratamentos em
SQRegresso e SQDesvios da Regresso testando com QME, possibilitando com isso um
teste da falta de ajuste da regresso, atravs do teste de Desvios da Regresso.

Erro padro do coeficiente de
regresso parcial

Varincia dos erros de estimativas


d. EXEMPLO
Exemplo 4: Y: Rendimentos eidos de soja, q/ha

: Doses de calcrio (C), t/ha

: Doses de P
2
O
5
(P), hg/ha
Calcrio (C)
t/ha
P
2
O
5
(P)
kg/ha
Rendimento mdio de soja, q/ha

Y
0
0
0
0
0
4
4
4
4
4
8
8
8
8
8
0
100
200
300
400
0
100
200
300
400
0
100
200
300
400
12
14
18
20
18
17
17
22
17
20
20
22
24
26
30

Equao de Regresso:

Ou tambm:

Como

Equao de Regresso Mltipla

Interpretao dos Coeficientes da Equao de Regresso

Em condies de Fertilidade Natural, isto , sem aplicao de calcrio e

fsforo, estima-se em 12,6 q/ha o rendimento de soja.

estima-se em 1 q/ha o acrscimo no rendimento de soja a cada tonelada por

ha de calcrio aplicada ao solo, mantendo-se constante o fsforo.

estima-se em 0,016 q/ha (ou 1,6 kg/ha) o acrscimo no Rendimento

de soja a cada kg/ha de fsforo aplicado ao solo, mantendo-se constante o calcrio.
Anlise de Varincia
SQ

GL










Causas de Variao GL SQ QM F
Regresso

Desvios de Regresso
2
1
1
12
136,8
160,0
76,8
57,6
118,4
160,0
76,8
4,8
24,67**
33,33**
16,00**
Total 14 294,4

Teste F para Regresso

para pelo menos um i

Rejeita-se

A Regresso Linear Mltipla do rendimento de soja para doses de calcrio e
fsforo aplicados ao solo, explica frao significativa da variao do rendimento de soja.
Coeficiente de Determinao

80% da variao no rendimento de soja explicada pela Regresso Linear
Mltipla do Rendimento para doses de calcrio e fsforo aplicados ao solo.
20% outros fatores, dentre os quais interao de calcrio e fsforo, termos
quadrticos, . . .










Influncia de cada varivel independente

Rejeita-se

Influncia de cada varivel independente pelo teste t

Rejeita-se

Rejeita-se

Contribuio Relativa de

Coeficientes de Regresso Parciais Padronizadas



e. REGRESSO MLTIPLA
Qualquer caso de Regresso Mltipla, como qualquer tipo de regressa linear nos
parmetros, pode ser considerado como um caso particular da regresso linear mltipla, no
que se refere a estimao dos parmetros do modelo.
Comuns so modelos no lineares no estudo de relacionamento de variveis e u
desses modelos o modelo quadrtico muito utilizado para funo de produo.
Esses modelos quadrticos so tambm chamados de modelos de superfcie de
resposta, onde os mesmos so expressos da seguinte maneira, em relao a equao
estimada

Calcrio mais importante para fins de previso de
rendimento de soja
Calcrio 44% mais eficiente que o fsforo.


(i) Para 2 variveis

Como tem-se componentes quadrticos a equao de regresso fornece no mais
um plano e sim uma superfcie de resposta, que representada a seguir.







(ii) Para 3 variveis

No s a regresso mltipla constitui um caso particular da regresso linear
mltipals como tambm a regresso linear simples ou as regresses curvilineares
poilinomiais, bem como qualquer modelo que possa ser transformado em linear, constituem
casos particulares de regresso linear mltipla.














70
60
50
40

y


9. CORRELAO PARCIAL E MLTIPLA

a. Correlao Parcial:












So os casos em que

so variveis aleatrias, isto , sujeitas a erro de

determinao.
Para uma distribuio a trs variveis o estudo de associao entre elas, deve ser
feito atravs da correlao parcial, uma vez que procura-se uma associao lquida entre as
variveis, eliminando aquilo que se entende por correlao esprea (associao devida a 3
varivel).
Assim sendo pode-se indagar se um correlao entre

devida meramente a
uma associao destas variveis com

, ou se existe na realidade uma associao lquida

entre

que medida atravs de coeficiente de correlao parcial.

Ao se calcular o coeficiente de correlao parcial entre

removemos a
influncia linear de

de cada uma das variveis e verifica-se que correlao existe entre

os desvios no explicados que restam.

Se quisermos explicar a varivel de Y atravs da
influncia relativa de

, um estudo de
Regresso que se adqua, atravs da relao de
dependncia

.
So basicamente os casos onde Y varivel
aleatria, isto , sujeita a erro, e

so
variveis fixas.

Se quisermos verificar simplesmente a associao
entre as variveis, onde no existe uma relao
funcional de dependncia entre as variveis, um
estudo de correlao apropriado e nesse caso a
correlao parcial.


Os coeficientes de correlao parcial so expressos da seguinte maneira onde: 1
varivel

; 2 = varivel

e 3 = varivel

.
r12.3 = correlao parcial entre

quando

constante
r13.2 = correlao parcial entre

quando

constante
r23.1 = correlao parcial entre

quando

constante
As expresses de clculo dos coeficientes de correlao parciais so dadas por:

Para se verificar a significncia dos coeficientes de correlao parciais usa-se os
valores tabelados de r ao nvel o de significncia com (n 3) GL.
Exemplo 5:

ocorrncia de insetos em armadilhas luminosas]

temperatura mdia

precipitao

Existe uma associao positiva entre a ocorrncia de insetos e a temperatura
mdia independentemente da precipitao.

Existe uma associao positiva entre a ocorrncia de insetos e a precipitao
independente da temperatura mdia
A associao entre a ocorrncia de insetos e a temperatura
mdia em parte devida a ao da precipitao.
A associao entre a ocorrncia de insetos e a precipitao
em parte devida a influencia da temperatura
b. Coeficiente de Correlao Mltipla:
Considerando as variveis

, o coeficiente de correlao mltipla (R ou

R
1.23
) dado por

Onde r12 = coeficiente de correlao simples entre

, r13.2 = coeficiente de
correlao parcial entre

.
; enquanto que coeficientes de correlao simples ou parciais variam de -1 a +1.









R fornece informao sobre a influncia das variveis sobre alguma de interesse
primeiro. Para se verificar a significncia do coeficiente de correlao mltipla utiliza-se
tabela especfica, similar a utilizao para teste do coeficiente de correlao simples (r),
considerando o maior n de variveis envolvidas.
























B I B L I O G R A F I A

CAMPOS, H., 1984. Estatstica Aplicada Experimentao com Cana-de-acar
FEALQ.
COCHRAN, W. G & G. M. COX, 1957. Experimental Designs. John Wiley.
GOMEZ, K. A. & A. A. GOMEZ, 1984. Statistical Procedures for Aricultural
Research. John Wiley.
MARKUS, R., 1977. Elementos de Estatstica Aplicada, Partes I e II. Faculdade de
Agronomia/UFRGS.
MONTGOMERY, D. C., 1991. Design and Analysis of Experiments. John Wiley.
OSTLE, B. & R. W. MENSING, 1975. Statistics in Research. Iowa State University.
PIMENTEL GOMES, F., 1985. Curso de Estatstica Experimental. Liv. Nobel.
SNEDECOR, G. M. & W. G. COCHRAN, 1980. Statistical Methods. Iowa State
University.
STEEL, R. G. & J. H. TORRIE, 1980. Principles and Procedures of Statistics. McGraw-
Hill.