Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

Download Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

Post on 30-Jan-2016

7 views

Category:

Documents

0 download

Embed Size (px)

DESCRIPTION

ssa

TRANSCRIPT

  • 13/08/2015

    1

    Experimentao Agrcola

    Profa. Dra. Ana Carolina Dias Guimares E-mail: acrdias@unemat.br

    Plano e Cronograma da disciplina

    1. OBJETIVOS DA DISCIPLINA

    Fornecer aos alunos conhecimentos bsicos de Experimentao agrcola que visa o ensino de tcnicas experimentais a fim de capacitar alunos de graduao a coletar e analisar dados, bem como interpretar resultados e publicaes cientficas. Visa tambm o planejamento, anlise de dados e interpretao de resultados de pesquisas desenvolvidas na rea agronmica.

    Aula 1 (05/08/2015): Apresentao do cronograma da disciplina. Introduo ao estudo da Experimentao Agrcola. Princpios bsicos de experimentao. Mtodos para aumentar a preciso dos experimentos.

    Aula 2 (12/08/2015): Os testes ou provas de significncia: Teste F para anlise de varincia; Testes de comparaes de mdias; Teste t de Student; Teste de Tukey; Teste de Duncan. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar.

    Aula 3 (19/08/2015): Delineamento Inteiramente Casualizado. a) Introduo; b) Modelo matemtico do delineamento e hipteses bsicas para a anlise de varincia; c) Obteno da anlise de varincia; d) Desdobramento dos graus de liberdade de tratamentos. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 4 (26/08/15): Delineamento inteiramente casualizados com parcela(s) perdida(s). Teste de normalidade dos dados. Exemplos com e sem transformao de dados e com nmeros diferentes de repetio.

    Aula 5 (02/09/15): 1a. Prova (Matria da prova: 1 a 4 Aula)*

    Aula 6 (09/09/15): Delineamento em blocos casualizados. a) Introduo b) Exemplo de planejamento de experimentos; c) Modelo matemtico do delineamento e hipteses bsicas para a anlise de varincia; d) Obteno da anlise de varincia; e) Desdobramento dos graus de liberdade de tratamentos. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 7 (16/09/15): Delineamento em blocos casualizados com parcela(s) perdida(s). Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 8 (23/09/15): Delineamento em quadrados latinos. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    (30/09/15): No ter aula. IV Simpsio Internacional Amaznico sobre Plantas Daninhas.

    Aula 9 (07/10/15): O uso da regresso na anlise de varincia. a) Introduo; b) Obteno da anlise de varincia; d) Determinao da equao de regresso. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 10 (14/10/15): 2a Prova (Matria da prova: 6 a 9 Aula)*

    Aula 11 (21/10/15): Experimentos fatoriais com dois fatores com interao no significativa e com interao significativa. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 12 (28/10/15): Experimentos fatoriais com trs fatores com interao tripla no significativa e com interao tripla significativa. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 13 (04/11/15): Experimentos em parcelas subdivididas. a) Introduo b) Exemplo de planejamento de experimentos; c) Modelo matemtico do delineamento e hipteses bsicas para a anlise de varincia; d) Obteno da anlise de varincia; e) Desdobramento dos graus de liberdade de tratamentos. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 14 (11/11/15): Experimentos em parcelas subsubdivididas e experimentos em faixa. Aula Prtica: Exerccios utilizando o programa estatstico Sisvar

    Aula 15 (18/11/15): 3a Prova (Matria da prova: 11 a 14 Aula)*

  • 13/08/2015

    2

    Exame Final: MATRIA TODA

    PROVA CUMULATIVA*

    Data e local a ser definida pela coordenao do Curso.

    4. CRITRIO DE AVALIAO

    Ser aplicado 3 (trs) *provas de carter individual, podendo constar de questes dissertativas, e/ou clculos e/ou objetivas e/ou divididas em terica e prtica (Programa Sisvar) e todas com peso 1. A mdia final ser a mdia aritmtica das 3 provas.

    5. PRESENA EM SALA DE AULA Presena mnima de 75% nas aulas. O acadmico que tiver menos de 75% de

    presena ser, considerado automaticamente reprovado por faltas, sem direito ao critrio de notas. As frequncias sero lanadas no sistema SAGU na mesma semana aps a aula ministrada. Sero realizadas DUAS verificaes de frequncia, uma s 7h30 minutos e outra ao trmino da aula, de acordo com o artigo 171 da Normatizao Acadmica (Resoluo n 054/2011 CONEPE).

    O ALUNO QUE NO ESTIVER PRESENTE NA VERIFICAO DE PRESENA RECEBER DUAS FALTAS POR VERIFICAO.

    O aluno que chegar ATRASADO ou NO RESPONDER A VERIFICAO de presena mesmo estando em sala de aula, receber 2 (duas) faltas por verificao de presena.

    O aluno que no comparecer na aula e no responder a nenhuma verificao de presena receber 4 (quatro) faltas.

    Normatizao Acadmica (Resoluo n 054/2011 CONEPE): Art. 171. A verificao, registro e controle da frequncia do discente no curso de graduao, so de responsabilidade do professor.

    6. DVIDAS, SUGESTES E AGENDAMENTO DE HORRIO PARA TIRAR DVIDAS

    SOMENTE via e-mail: acrdias@unemat.br ou por agendamento de horrio (via e-mail) ou pessoalmente durante a aula.

    No sero respondidas dvidas ou agendamento de horrio atravs de ligaes no celular do professor, mensagens de texto, facebook e ou WhatsApp

    7. DISPONIBILIZAO DAS AULAS

    As aulas sero enviadas SOMENTE via sistema SAGU no formato PDF.

    No sero enviadas via e-mail pessoal ou passadas via pendrive para os alunos.

    As aulas sero reenviadas se NENHUM aluno receber o e-mail via sistema SAGU.

    8. BIBLIOGRAFIA RECOMENDADA

    BANZATTO, D. A.; KRONKA. S. N. Experimentao Agrcola. Jaboticabal, FUNEP, 1989. 247p.

    BANZATTO, D. A.; KRONKA. S. N. Experimentao Agrcola. Jaboticabal, FUNEP, 2006. 237p.

    BARBIN, D. Planejamento e Anlise Estatstica de Experimentos Agronmicos. 2 ed. rev. ampl. Londrina: Mecenas, 2013. 214p.

    GOMES, F. P.; GARCIA, C. H. Estatstica aplicada a experimentos agronmicos e florestais: exposio com exemplos e orientaes para uso de aplicativos. Piracicaba: FEALQ, 2002. 309p.

    PIMENTAL-GOMES, F.; GARCIA, C. H. Estatstica Aplicada a Experimentos Agronmicos e Florestais. Piracicaba: FEALQ, 2002. 309 p.

    PIMENTEL GOMES, F. Curso de Estatstica Experimental. Piracicaba: FEALQ, 2009. 451p.

    STORCK, L.; GARCIA, D. C.; LOPES, S. J.; ESTEFANEL, V. Experimentao vegetal. Santa Maria: Editora UFSM, 2000. 198p.

  • 13/08/2015

    3

    1. Introduo ao estudo da Experimentao Agrcola 2. Princpios bsicos de experimentao 3. Mtodos para aumentar a preciso dos experimentos 4. Planejamento de experimentos

    Aula 1 Conceitos

    A pesquisa cientfica est constantemente utilizando experimentos para provar suas hipteses.

    Os pesquisadores variam de uma pesquisa para outra, porm, todos eles so regidos por alguns princpios bsicos.

    1. Introduo ao estudo da Experimentao Agrcola

    Por que usar estatstica

    A experimentao agrcola tem por objetivo o estudo dos experimentos agrcolas, isto :

    - Seu planejamento

    - Sua execuo

    - Anlise dos dados

    - Interpretao dos resultados obtidos.

    Experimentos:

    So testes conduzidos de forma planejada, em que os fatores (ou variveis controladas) so alterados de modo a avaliar seu impacto sobre uma varivel resposta.

    Conceitos

    Tratamentos: so as variveis independentes; qualquer ao, escolha de atributos ou de propriedades sob o controle do pesquisador, cujos efeitos se quer testar.

    Ex.:

    - Variedade de capim elefante; soja; milho; algodo;

    - adubao para cultura Brachiaria, Massambar, Colonio

    - espaamento para a cultura da cana forrageira;

    - inseticida para controle de gafanhoto

    - recipiente para produo de mudas de espcies florestais (Plstico, Laminado, Papel Jornal);

    - Raa de gado; Linhagem de frango.

    Conceitos

    Nveis: cada um dos possveis valores que o fator (varivel independente) pode assumir no experimento.

    - Ex: Adubao nitrogenada (0, 50, 100, 150 kg/ha)

    Respostas: a varivel dependente, que ser empregada para se avaliar a influncia dos fatores.

    - Ex: Produtividade (kg/ha)

    Conceitos

  • 13/08/2015

    4

    Unidade Experimental ou parcelas: a unidade que vai receber o tratamento e fornecer os dados que devero refletir seu efeito.

    Ex.:

    - uma planta ou grupo delas;

    - uma rea de terreno com plantas;

    - um vaso com plantas;

    - uma placa de Petri com um meio de cultura;

    - um animal ou grupo deles;

    - uma ninhada;

    Conceitos

    Unidade Experimental ou parcelas

    Animais de pequeno porte (coelhos, cabras, aves) em geral usam-se um ou mais animais por parcela.

    Conceitos

    Doses de P em Paino

    Delineamento: DIC Fator: Doses de P Nvel: 0, 100, 150, 200 kg/ha UE: vaso Resposta: produtividade

    Cultivares de P. maximum

    - Delineamento: DBC

    - Fator: Cultivares de P. maximum

    - UE: Parcela (5 x 9 m)

    - Resposta: Produtividade; densidade populacional;

    Bovinos de corte: pastejo, usual parcelas de 1 ha, contendo de 3 a 5 animais, e adicionais "put and take.

    Conceitos

    Bovinos Leiteiros: geralmente a parcela um nico animal, podendo at mesmo receber mais de um tratamento ao longo do perodo experimental (Quadrado Latino).

    Justicativas: alto valor de um animal; disponibilidade de animais de mesma idade, mesma ordem de partos e curvas de lactao semelhantes.

    Conceitos

  • 13/08/2015

    5

    erro experimental a variao entre as U.E. sob o mesmo tratamento

    erro amostral a variao entre as U.A. dentro de uma U.E.

    Dados coletados/colhidos de forma

    descuidada podem ser to inteis que

    nenhum processamento estatstico conseguir

    salv-los.

    Garbage In - Garbage Out.

    Circularidade do Mtodo Cientfico.

    Conceitos

    Circularidade do Mtodo Cientfico Experimentao

    parte do processo cientfico/aprendizado

    Surgem

    Ho

    Experimentos

    realizados

    Informao

    Conhecimento

    A pesquisa cientfica utiliza constantemente de experimentos para provar suas hipteses.

    Eles variam de uma pesquisa para outra, porm, todos eles so regidos por alguns princpios bsicos.

    2. Princpios Bsicos da Experimentao

    Repetio

    Casualizao

    Controle local

    Repetio

    o nmero de vezes que um tratamento ocorre no experimento

    Exemplo: 2 cultivares de milho em parcelas

    A B

    A A

    B B

    A A

    B B

    A

    B

    - Sem repetio - Produo A > B

    - Com repetio

  • 13/08/2015

    6

    Repetio

    Indivduo

    Ganho de peso

    Hemograma

    Carcaa

    Baia (coletivo)

    consumo total de rao

    converso alimentar

    Repetio

    Indivduo

    nmero de vagens

    nmero de gros

    fotossntese foliar

    Plantao (coletivo)

    produo gros

    massa verde

    IAF

    Homogneas =

    sempre haver

    variabilidade

    individual

    independente

    do nmero de

    parcelas

    utilizadas.

    Repetio

    um princpio mais ou menos indutivo, ou seja, para se afirmar que A melhor que B, deve-se repetir o processo de comparao, para se ter certeza, ou uma certa segurana na afirmao.

    Em Estatstica Experimental, a repetio responsvel pela estimao da variao do acaso, ou seja, pela existncia do QMResduo (Varincia Residual) em uma ANAVA.

    Repetio

    Com isso, mtodos estatsticos permitem

    comparar tratamentos ao final do experimento.

    Princpio bsico da experimentao.

    A A

    B B = Mdias e desvios padro

    Quantas?

    depende da resposta mensurada (varincia).

    - Ganho de peso x peso de abate

    - Fotossntese foliar x acmulo de forragem

    - Atividade da nitrato redutase x produo de tomate

    Isto ocorre porque a variabilidade est associada ao tipo de resposta que pretende-se estudar.

    Repetio

    A medida que o nmero de repeties

    aumentado, os valores de varincia

    aproximam-se da verdadeira.

    Ao minimizar a varincia, com o aumento do

    nmero de repeties, aumenta o poder do

    teste.

    Importncia

  • 13/08/2015

    7

    Casualizao

    Consiste em atribuir tratamentos s parcelas mediante um sorteio. Com isso, evita-se favorecer um ou mais tratamentos que (so) da preferncia do pesquisador.

    Casualizao

    A repetio e a casualizao so caractersticas obrigatrias em experimentos.

    Tratamento A, B, C

    Induz independncia

    entre parcelas

    Casualizao

    Exemplo: 2 cultivares de milho em parcelas

    A A

    B B

    A A

    B B

    A

    B

    B B

    A A

    A B

    B A

    A

    B

    - Com repetio

    - Sem casualizao

    - Com repetio

    - Com casualizao

    Casualizao

    A diversicao gentica o principal fator responsvel pela variabilidade das respostas observadas.

    A grande maioria das respostas tpicas esto dentro de determinado intervalo (95%). Os 5% restantes representam uma pequena probabilidade de aparecerem, mas os mesmos fazem parte da populao e podem estar inclusos na amostra disponvel para o ensaio.

    nica maneira de fornecer uma distribuio equitativa dos indivduos nos tratamentos.

    Casualizao

    20 tourinhos (idade e raa) precisam ser distribudos em 4 tratamentos, isto dever ser feito atravs de sorteio: 5 animais/trat.

    Princpios Bsicos da Experimentao - Dr. Bruno Carneiro e Pedreira

    49

    Casualizao

    O sorteio pode no garantir uma distribuio equitativa, mas maximiza a chance de obt-la.

  • 13/08/2015

    8

    Casualizao

    No existe uniformidade da amostra (peso, idade, etc.) a casualizao s poder ser executada dentro de cada faixa, para garantir a distribuio equitativa nos diversos tratamentos.

    Controle local

    Controle local: deve ser usado sempre que existir heterogeneidade na rea experimental ou no material a ser estudado.

    Com o intuito de aplicar os tratamentos em parcelas as mais homogneas possveis.

    rea experimental em declive, sabe-se que as partes mais baixas so mais frteis. Deve-se, portanto, fazer o controle local, experimentos em blocos casualizados (DBC).

    BLOCOS

    grupo relativamente homogneo de U.E.

    usados com a finalidade de se alocar grande parte da variao aos blocos e para minimizar a variao no-explicada (erro) dentro dos blocos.

    uso de blocos requer consideraes logsticas para a conduo do ensaio e coleta de dados.

    Controle local

    De modo anlogo, se o material experimental for muito heterogneo ele deve ser classificado, cada classe ir se constituir em um ou mais blocos.

    O controle local pode ser realizado em dois sentidos perpendiculares, experimentos em quadrados latinos (DQL); num sentido o controle chama-se linhas (animal) e no outro colunas (tempo).

    D A B C E

    C E A B D

    E B C D A

    B D E A C

    A C D E B

    L1

    L2

    L3

    L4

    L5

    C1 C 3 C 4 C 2 C 5

    Gradiente de heterogeneidade na horizontal

    Gra

    die

    nte

    de

    he

    tero

    ge

    ne

    idad

    e n

    a v

    ert

    ica

    l

  • 13/08/2015

    9

    Quadrados Latinos

    L1, L2, L3, L4 e L5 identificam os blocos constitudos no sentido horizontal (linhas).

    C1, C2, C3, C4 e C5 identificam os blocos constitudos no sentido vertical (colunas).

    Delineamento em quadrado latino 5 x 5, poderia ter o esquema a seguir:

    Vaca 1 Vaca 2 Vaca 3 Vaca 4 Vaca 5

    Capim 1 B E D A C

    Capim 2 C A B D E

    Capim 3 D B C E A

    Capim 4 A C E B D

    Capim 5 E D A C B

    Tratamentos: 5 raes (A, B, C, D, E): Cada rao aparece uma vez s em cada linha ou coluna.

    Controle local Controle local

    Ex.: 4 repeties x 5 cultivares = 20 U.E.

    Controle local

    Quando no houver necessidade de controle local experimentos inteiramente ao acaso (DIC).

    Uniformidade da amostra

    Parcelas ou U.E. devem ser uniformes, ou seja homogneas: idade, fertilidade, declividade, composio gentica...

    Sob esta condio, se ao final do ensaio houver diferena signicativa entre dois tratamentos, ser incontestvel que ela foi decorrente dos tratamentos aplicados.

  • 1...

Recommended

View more >