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

13/08/2015

1

Experimentação Agrícola

Profa. Dra. Ana Carolina Dias Guimarães E-mail: [email protected]

Plano e Cronograma da disciplina

1. OBJETIVOS DA DISCIPLINA

Fornecer aos alunos conhecimentos básicos de Experimentação agrícola que visa o ensino de técnicas experimentais a fim de capacitar alunos de graduação a coletar e analisar dados, bem como interpretar resultados e publicações científicas. Visa também o planejamento, análise de dados e interpretação de resultados de pesquisas desenvolvidas na área agronômica.

• Aula 1 (05/08/2015): Apresentação do cronograma da disciplina. Introdução ao estudo da Experimentação Agrícola. Princípios básicos de experimentação. Métodos para aumentar a precisão dos experimentos.

• Aula 2 (12/08/2015): Os testes ou provas de significância: Teste F para análise de variância; Testes de comparações de médias; Teste t de Student; Teste de Tukey; Teste de Duncan. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®.

• Aula 3 (19/08/2015): Delineamento Inteiramente Casualizado. a) Introdução; b) Modelo matemático do delineamento e hipóteses básicas para a análise de variância; c) Obtenção da análise de variância; d) Desdobramento dos graus de liberdade de tratamentos. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 4 (26/08/15): Delineamento inteiramente casualizados com parcela(s) perdida(s). Teste de normalidade dos dados. Exemplos com e sem transformação de dados e com números diferentes de repetição.

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

• Aula 6 (09/09/15): Delineamento em blocos casualizados. a) Introdução b) Exemplo de planejamento de experimentos; c) Modelo matemático do delineamento e hipóteses básicas para a análise de variância; d) Obtenção da análise de variância; e) Desdobramento dos graus de liberdade de tratamentos. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 7 (16/09/15): Delineamento em blocos casualizados com parcela(s) perdida(s). Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 8 (23/09/15): Delineamento em quadrados latinos. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

(30/09/15): Não terá aula. IV Simpósio Internacional Amazônico sobre Plantas Daninhas.

• Aula 9 (07/10/15): O uso da regressão na análise de variância. a) Introdução; b) Obtenção da análise de variância; d) Determinação da equação de regressão. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

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

• Aula 11 (21/10/15): Experimentos fatoriais com dois fatores com interação não significativa e com interação significativa. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 12 (28/10/15): Experimentos fatoriais com três fatores com interação tripla não significativa e com interação tripla significativa. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 13 (04/11/15): Experimentos em parcelas subdivididas. a) Introdução b) Exemplo de planejamento de experimentos; c) Modelo matemático do delineamento e hipóteses básicas para a análise de variância; d) Obtenção da análise de variância; e) Desdobramento dos graus de liberdade de tratamentos. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

• Aula 14 (11/11/15): Experimentos em parcelas subsubdivididas e experimentos em faixa. Aula Prática: Exercícios utilizando o programa estatístico Sisvar®

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

Page 2: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

2

Exame Final: MATÉRIA TODA –

PROVA CUMULATIVA*

Data e local a ser definida pela coordenação do Curso.

4. CRITÉRIO DE AVALIAÇÃO

Será aplicado 3 (três) *provas de caráter individual, podendo constar de questões dissertativas, e/ou cálculos e/ou objetivas e/ou divididas em teórica e prática (Programa Sisvar®) e todas com peso 1. A média final será a média aritmética das 3 provas.

5. PRESENÇA EM SALA DE AULA • Presença mínima de 75% nas aulas. O acadêmico que tiver menos de 75% de

presença será, considerado automaticamente reprovado por faltas, sem direito ao critério de notas. As frequências serão lançadas no sistema SAGU na mesma semana após a aula ministrada. Serão realizadas DUAS verificações de frequência, uma às 7h30 minutos e outra ao término da aula, de acordo com o artigo 171 da Normatização Acadêmica (Resolução nº 054/2011 – CONEPE).

• O ALUNO QUE NÃO ESTIVER PRESENTE NA VERIFICAÇÃO DE PRESENÇA RECEBERÁ DUAS FALTAS POR VERIFICAÇÃO.

• O aluno que chegar ATRASADO ou NÃO RESPONDER A VERIFICAÇÃO de presença mesmo estando em sala de aula, receberá 2 (duas) faltas por verificação de presença.

• O aluno que não comparecer na aula e não responder a nenhuma verificação de presença receberá 4 (quatro) faltas.

• Normatização Acadêmica (Resolução nº 054/2011 – CONEPE): “Art. 171. A verificação, registro e controle da frequência do discente no curso de graduação, são de responsabilidade do professor”.

6. DÚVIDAS, SUGESTÕES E AGENDAMENTO DE HORÁRIO PARA TIRAR DÚVIDAS

• SOMENTE via e-mail: [email protected] ou por agendamento de horário (via e-mail) ou pessoalmente durante a aula.

• Não serão respondidas dúvidas ou agendamento de horário através de ligações no celular do professor, mensagens de texto, facebook e ou WhatsApp

7. DISPONIBILIZAÇÃO DAS AULAS

• As aulas serão enviadas SOMENTE via sistema SAGU no formato PDF.

• Não serão enviadas via e-mail pessoal ou passadas via pendrive para os alunos.

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

8. BIBLIOGRAFIA RECOMENDADA

• BANZATTO, D. A.; KRONKA. S. N. Experimentação Agrícola. Jaboticabal, FUNEP, 1989. 247p.

• BANZATTO, D. A.; KRONKA. S. N. Experimentação Agrícola. Jaboticabal, FUNEP, 2006. 237p.

• BARBIN, D. Planejamento e Análise Estatística de Experimentos Agronômicos. 2 ed. rev. ampl. – Londrina: Mecenas, 2013. 214p.

• GOMES, F. P.; GARCIA, C. H. Estatística aplicada a experimentos agronômicos e florestais: exposição com exemplos e orientações para uso de aplicativos. Piracicaba: FEALQ, 2002. 309p.

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

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

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

Page 3: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

3

1. Introdução ao estudo da Experimentação Agrícola 2. Princípios básicos de experimentação 3. Métodos para aumentar a precisão dos experimentos 4. Planejamento de experimentos

Aula 1 Conceitos

• A pesquisa científica está constantemente utilizando experimentos para provar suas hipóteses.

• Os pesquisadores variam de uma pesquisa para outra, porém, todos eles são regidos por alguns princípios básicos.

1. Introdução ao estudo da Experimentação Agrícola

Por que usar estatística

• A experimentação agrícola tem por objetivo o estudo dos experimentos agrícolas, isto é:

- Seu planejamento

- Sua execução

- Análise dos dados

- Interpretação dos resultados obtidos.

Experimentos:

São testes conduzidos de forma planejada, em que os fatores (ou variáveis controladas) são alterados de modo a avaliar seu impacto sobre uma variável resposta.

Conceitos

Tratamentos: são as variáveis independentes; é qualquer ação, escolha de atributos ou de propriedades sob o controle do pesquisador, cujos efeitos se quer testar.

Ex.:

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

- adubação para cultura Brachiaria, Massambará, Colonião

- espaçamento para a cultura da cana forrageira;

- inseticida para controle de gafanhoto

- recipiente para produção de mudas de espécies florestais (Plástico, Laminado, Papel Jornal);

- Raça de gado; Linhagem de frango.

Conceitos

• Níveis: é cada um dos possíveis valores que o fator (variável independente) pode assumir no experimento.

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

• Respostas: é a variável dependente, que será empregada para se avaliar a influência dos fatores.

- Ex: Produtividade (kg/ha)

Conceitos

Page 4: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

4

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

Ex.:

- uma planta ou grupo delas;

- uma área 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 Painço

• Delineamento: DIC • Fator: Doses de P • Nível: 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, é usual parcelas de 1 ha, contendo de 3 a 5 animais, e adicionais "put and take“.

Conceitos

• Bovinos Leiteiros: geralmente a parcela é um único animal, podendo até mesmo receber mais de um tratamento ao longo do período experimental (Quadrado Latino).

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

Conceitos

Page 5: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

5

• erro experimental – é a variação entre as U.E. sob o mesmo tratamento

• erro amostral – é a variação entre as U.A. dentro de uma U.E.

• Dados coletados/colhidos de forma

descuidada podem ser tão inúteis que

nenhum processamento estatístico conseguirá

salvá-los.

• Garbage In - Garbage Out.

• Circularidade do Método Científico.

Conceitos

Circularidade do Método Científico Experimentação

parte do processo científico/aprendizado

Surgem

Ho

Experimentos

realizados

Informação

Conhecimento

• A pesquisa científica utiliza constantemente de experimentos para provar suas hipóteses.

• Eles variam de uma pesquisa para outra, porém, todos eles são regidos por alguns princípios básicos.

2. Princípios Básicos da Experimentação

• Repetição

• Casualização

• Controle local

Repetição

• É o número 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 repetição - Produção A > B

- Com repetição

Page 6: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

6

Repetição

Indivíduo

• Ganho de peso

• Hemograma

• Carcaça

Baia (coletivo)

• consumo total de ração

• conversão alimentar

Repetição

Indivíduo

• número de vagens

• número de grãos

• fotossíntese foliar

Plantação (coletivo)

• produção grãos

• massa verde

• IAF

Homogêneas =

sempre haverá

variabilidade

individual

independente

do número de

parcelas

utilizadas.

Repetição

• É um princípio mais ou menos indutivo, ou seja, para se afirmar que A é melhor que B, deve-se repetir o processo de comparação, para se ter certeza, ou uma certa segurança na afirmação.

• Em Estatística Experimental, a repetição é responsável pela estimação da variação do acaso, ou seja, pela existência do QMResíduo (Variância Residual) em uma ANAVA.

Repetição

• Com isso, métodos estatísticos permitem

comparar tratamentos ao final do experimento.

• Princípio básico da experimentação.

A A

B B = Médias e desvios padrão

Quantas?

• depende da resposta mensurada (variância).

- Ganho de peso x peso de abate

- Fotossíntese foliar x acúmulo de forragem

- Atividade da nitrato redutase x produção de tomate

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

Repetição

• A medida que o número de repetições é

aumentado, os valores de variância

aproximam-se da verdadeira.

• Ao minimizar a variância, com o aumento do

número de repetições, aumenta o poder do

teste.

Importância

Page 7: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

7

Casualização

Consiste em atribuir tratamentos às parcelas mediante um sorteio. Com isso, evita-se favorecer um ou mais tratamentos que é (são) da preferência do pesquisador.

Casualização

A repetição e a casualização são características obrigatórias em experimentos.

Tratamento A, B, C…

• Induz independência

entre parcelas

Casualização

• 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 repetição

- Sem casualização

- Com repetição

- Com casualização

Casualização

• A diversicação genética é o principal fator responsável pela variabilidade das respostas observadas.

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

• Única maneira de fornecer uma distribuição equitativa dos indivíduos nos tratamentos.

Casualização

• 20 tourinhos (idade e raça) precisam ser distribuídos em 4 tratamentos, isto deverá ser feito através de sorteio: 5 animais/trat.

Princípios Básicos da Experimentação - Dr. Bruno Carneiro e Pedreira

49

Casualização

• O sorteio pode não garantir uma distribuição equitativa, mas maximiza a chance de obtê-la.

Page 8: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

8

Casualização

• Não existe uniformidade da amostra (peso, idade, etc.) a casualização só poderá ser executada dentro de cada faixa, para garantir a distribuição equitativa nos diversos tratamentos.

Controle local

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

• Com o intuito de aplicar os tratamentos em parcelas as mais homogêneas possíveis.

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

• BLOCOS

– grupo relativamente homogêneo de U.E.

– usados com a finalidade de se alocar grande parte da variação aos blocos e para minimizar a variação não-explicada (erro) dentro dos blocos.

– uso de blocos requer considerações logísticas para a condução do ensaio e coleta de dados.

Controle local

• De modo análogo, se o material experimental for muito heterogêneo ele deve ser classificado, cada classe irá 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

Page 9: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

9

Quadrados Latinos

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

• C1, C2, C3, C4 e C5 → identificam os blocos constituídos 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 rações (A, B, C, D, E): Cada ração aparece uma vez só em cada linha ou coluna.

Controle local Controle local

• Ex.: 4 repetições x 5 cultivares = 20 U.E.

Controle local

• Quando não houver necessidade de controle local experimentos inteiramente ao acaso (DIC).

Uniformidade da amostra

• Parcelas ou U.E. devem ser uniformes, ou seja homogêneas: idade, fertilidade, declividade, composição genética...

• Sob esta condição, se ao final do ensaio houver diferença signicativa entre dois tratamentos, será incontestável que ela foi decorrente dos tratamentos aplicados.

Page 10: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

10

Uniformidade de aplicação de tratamento

É manter U.E. sob as mesmas condições que caracterizam um tratamento, de modo que cada indivíduo tenha mesmo potencial de resposta.

Ex. Fontes de N

- fertilizantes que não variam em termos químicos e portanto, cada tratamento estará sendo aplicado uniformemente.

Experimento válido

Os princípios da repetição e da casualização são

obrigatórios num ensaio, para que se possa

utilizar a metodologia estatística, e assim obter

uma estimativa válida para o erro experimental.

• Inteiramente Casualizado (DIC)

– Quando a variação entre as unidades experimentais

é pequena, isto é, não é possível identificar grupos

ou porções localizadas de material experimental

homogêneo.

– Vantagens:

• análise simples e máximo número de G.L. para o erro.

– Desvantagem:

• toda a variação que não aquela devida aos tratamentos

aparece no erro.

Delineamentos:

A C C B

B D D C

A A A D

B B C D

• Inteiramente Casualizado (DIC)

• Blocos Casualizados (DBC)

–Agrupamento das U.E.”semelhantes”. (experiência prévia)

–Vantagens:

• Análise simples e se a variação atribuída a BLOCOS revelar-se grande o suficiente, ganha-se muito no poder de detecção de diferenças devido a TRATAMENTOS.

• AUMENTA o controle.

A C D B

B D A D

C A B C

D B C A

• Blocos Casualizados (DBC)

Bloco I Bloco II Bloco III Bloco IV

Page 11: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

11

Princípios Básicos da Experimentação

• Repetição – Consiste: reprodução do experimento básico.

– Finalidade: propiciar a obtenção de uma boa estimativa do erro experimental, e assim, confirmar a resposta que os indivíduos, plantas, animais dão a um determinado tratamento.

• Casualização – Consiste: sorteio dos tratamentos nas parcelas.

– Finalidade: propiciar aos tratamentos a mesma probabilidade de serem designados a qualquer parcela.

Princípios Básicos da Experimentação

• Controle local

– Consiste: aplicar os tratamentos em parcelas as mais homogêneas possíveis com relação ao ambiente, pessoa, animal, podendo haver, inclusive, variação acentuada de um grupo para outro de parcelas.

– Finalidade: dividir o material experimental (animais) ou ambiente heterogêneo em grupo de material experimental (plantas) ou sub-ambientes homogêneos e tornar o delineamento experimental mais eficiente, pela redução do erro experimental.

3. Métodos para aumentar a precisão dos experimentos

A precisão se refere à ordem de grandeza da diferença entre dois tratamentos, passível de ser detectada em um experimento.

3. Métodos para aumentar a precisão dos experimentos

3.1 Escolha do material experimental

3.2 Escolha da unidade experimental

3.3 Escolha dos tratamentos

3.4 Aumento do número de repetições

3.5 Agrupamento das unidades experimentais

3.6 Técnicas mais refinadas

3.1 Escolha do material experimental

• Para certos tipos de trabalhos é desejável um material uniforme, cuidadosamente selecionado.

• Na seleção do material experimental, devemos ter em mente a população a respeito da qual desejamos obter conclusões.

3.1 Escolha do material experimental

Para muitas pesquisas aplicadas no campo da agricultura é importante utilizar os tipos de materiais experimentais que realmente serão usados na prática.

Page 12: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

12

3.2 Escolha da unidade experimental

• O tamanho e a forma das parcelas afetam a precisão!

• Em geral, a variabilidade entre parcelas:

decresce com o aumento do tamanho da parcela, mas, uma vez atingido um tamanho ideal, o aumento da precisão diminui rapidamente com tamanhos maiores.

3.2 Escolha da unidade experimental

As parcelas retangulares são as mais eficientes na superação da heterogeneidade do solo quando seu eixo maior está na direção da variação do solo.

3.3 Escolha dos tratamentos

• A cuidadosa seleção dos tratamentos é importante não apenas na obtenção dos objetivos do experimentador, mas também para aumentar a precisão do experimento.

• Portanto, ao se estudar o efeito de um fertilizante, inseticida, fungicida ou herbicida, é melhor determinar como as parcelas respondem a dose crescente do produto do que decidir se duas doses sucessivas são ou não significativamente diferentes.

3.3 Escolha dos tratamentos

• Um conjunto apropriado de doses possibilitará planejar testes de significância que serão mais sensíveis do que simplesmente comparar médias adjacentes em um conjunto.

• O uso de experimentos fatoriais, nos quais dois ou mais fatores são testados simultaneamente, pode proporcionar considerável aumento na precisão.

3.4 Aumento do número de repetições

• A precisão de um experimento sempre pode ser aumentada pelo uso de repetições adicionais, mas o nível de melhoria nessa precisão diminui com o aumento do número de repetições.

Exemplo:

• Para dobrar o grau de precisão com que duas médias são comparadas em um experimento com 4 repetições, serão necessárias 16 repetições.

3.4 Aumento do número de repetições

• De um modo geral, para a obtenção de uma precisão razoável em experimentos de campo com culturas, são necessárias de quatro a oito repetições.

Page 13: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

13

3.5 Agrupamento das unidades experimentais

• O agrupamento planejado das unidades experimentais envolve o uso do princípio do controle local.

• Por meio de certas restrições na casualização dos tratamentos nas parcelas, é possível remover algumas fontes de variação, tais como:

- variações na fertilidade do solo

- na disponibilidade de água

- na infestação inicial e outras, ao longo da área experimental.

• O agrupamento das parcelas de modos diferentes dá origem aos diferentes delineamentos experimentais.

3.6 Técnicas mais refinadas

• Uma técnica errônea pode aumentar o erro experimental e distorcer os efeitos dos tratamentos.

• Uma técnica adequada tem por objetivos:

- Aplicação uniforme dos tratamentos;

- Proporcionar medidas adequadas e não viciadas dos efeitos dos tratamentos;

- Prevenir erros grosseiros;

- Controlar influências externas de forma que todos os tratamentos sejam afetados igualmente.

4. Planejamento de experimentos

• O planejamento constitui a etapa inicial de qualquer trabalho;

• Um experimento também deve ser devidamento planejado, de modo a atender aos interesses do experimentador e às hipóteses básicas necessárias para a validade da análise estatística.

4. Planejamento de experimentos

• Frequentemente, o estatístico é consultado para tirar conclusões com base em dados experimentais.

• Considerando que essas conclusões dependem da forma como foi realizado o experimento, o estatístico solicitará uma descrição detalhada do experimento e de seus objetivos.

4 Planejamento de experimentos

• Em alguns casos, após a descrição do experimento, o estatístico verifica que não pode chegar a nenhuma conclusão, tendo em vista que o experimentador ou não utilizou em delineamento adequado, ou não atendeu às hipóteses básicas necessárias para a validade da análise estatística.

• Nestes casos, o estatístico pode apenas aconselhar o experimentador a REPETIR o experimento.

4 Planejamento de experimentos

• Para evitar essa perda de tempo e de recursos, é essencial o planejamento adequado do experimento;

• Ao iniciar o planejamento de um experimento, o experimentador deve formular uma série de quesitos;

Page 14: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

14

4 Planejamento de experimentos

a) Quais as características (ou variáveis) que serão estudadas?

b) Quais os fatores que afetam as variáveis estudadas? c) Quais desses fatores serão estudados no

experimento? d) Como será constituída a unidade experimental? e) Quantas repetições deverão ser utilizadas? f) Como serão analisados os dados obtidos no

experimento?

É necessário respondê-las satisfatoriamente antes da realização do experimento!

a) Quais as características (ou variáveis) que serão analisadas?

• Em um mesmo experimento várias características (ou variáveis) podem ser estudadas.

Exemplo: Num experimento com a cultura do milho, podemos determinar:

- Altura da planta

- Altura de inserção da primeira espiga

- Resistencia do colmo à penetração

- Porcentagem de plantas acamadas

- Número de plantas doentes

- Produção de grãos

- Relação grão/sabugo

a) Quais as características (ou variáveis) que serão analisadas?

- No planejamento do experimento devemos definir antecipadamente quais as características de interesse, para que as mesmas possam ser avaliadas no decorrer do experimento.

b) Quais os fatores que afetam as variáveis estudadas?

• Relacionar todos os fatores que possuem efeito sobre as características que serão estudadas, como por exemplo:

- Variedade, cultivar ou híbrido

- Adubação

- Densidade de plantio

- Irrigação

- Sistema de cultivo

- Controle de pragas e doenças etc.

c) Quais desses fatores serão estudados no experimento?

• Nos experimentos simples, apenas um tipo de tratamento ou fator pode ser estudado de cada vez, sendo os demais fatores mantidos constantes.

Exemplo:

• Experimento de competição de densidade de plantio para uma determinada cultura, todos os demais fatores, como cultivar, adubação, irrigação e tratos culturais devem ser os mesmos para todos os tratamentos.

c) Quais desses fatores serão estudados no experimento?

• No caso de experimentos mais complexos, como os experimentos fatoriais e em parcelas subdivididas, podemos estudar simultaneamente os efeitos de dois ou mais tipos de tratamentos ou fatores, como, por exemplo, cultivares e adubações.

Page 15: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

15

d) Como será constituída a unidade experimental?

• A unidade experimental ou parcela poderá ser constituída por:

- uma planta ou grupo delas;

- uma área de terreno com plantas;

- um vaso com plantas;

- uma placa de Petri com um meio de cultura;

- um animal ou grupo deles;

- uma ninhada;

e) Quantas repetições deverão ser utilizadas?

• O número de repetições de um experimento depende do número de tratamentos a serem confrontados e do delineamento experimental escolhido;

• Quanto maior o número de repetições maior será a precisão do experimento;

• De um modo geral, recomenda-se que o número de unidades experimentais ou parcelas não seja inferior a 20 e que o número de graus de liberdade associado ao efeito dos fatores não controlados (resíduos) seja inferior a 10.

e) Como serão analisados os dados obtidos no experimento?

• A análise estatística dos dados depende apenas do delineamento experimental utilizado para realizar o experimento.

4 Planejamento de experimentos

Sendo estas apenas uma pequena parte das questões que devem ser respondidas ao planejarmos um experimento, concluímos que o planejamento deve ser muito bem feito, para que a análise estatística possa ser efetuada de forma adequada e conduza a conclusões válidas.

4 Planejamento de experimentos

No planejamento do experimento, devemos especificar os seguintes itens:

a) Título

b) Responsáveis e colaboradores

c) Objetivos

d) Revisão bibliográfica

4 Planejamento de experimentos

e) Materiais e métodos:

- localização do experimento

- materiais

- tratamentos

- adubação

- semeadura ou plantio

- delineamento experimental

f) Tempo de execução provável

g) Orçamento

Page 16: Aula 1 Introdução, Princípios Básicos e Metódos Para Aumentar a Precisão

13/08/2015

16

4 Planejamento de experimentos

Ao término do experimento, realizar o relatório final onde o pesquisador deverá fazer uma análise das conclusões e dar a explicação da razão do sucesso ou fracasso do experimento, dando sugestões com relação à conveniência ou não da continuidade do experimento ou de sua alteração no(s) ano(s) seguinte(s).


Top Related