A pesquisa cientifica est constantemente utilizando-se de experimentos para provar suas hipteses, mas claro que os experimentos variam de uma pesquisa para outra, porm todos eles so controlados por alguns princpios bsicos e necessrios para que as concluses obtidas sejam mais aproximadas do valor real, dente estes princpios temos:O princpio da repetio baseia-se na reproduo do experimento, ou seja a quantidade de vezes em que o tratamento ir aparecer no experimento sendo que este tem por finalidade propiciar a obteno de uma estimativa do erro experimental ou ento aumentar a preciso das estimativas (ex. Mdias) e com isto elevar tambm o poder dos testes estatsticos, possibilitando criar hipteses reais referentes ao trabalho realizado. No entanto, o nmero de repeties pode ser limitado, por exemplo, pelo nmero de tratamentos que sero comparados, pela disponibilidade de material e de rea experimental que podem influenciar diretamente. Mesmo reproduzindo o experimento bsico, pode ocorrer que um determinado tratamento apresente melhores resultados por ter sido favorecido por algum fator (Ex. estar em uma rea com melhor fertilidade natural), ento visando que qualquer tratamento seja beneficiado por qualquer fator externo procede-se a casualizao, ou seja, atribuir a todos os tratamentos a mesma probabilidade de serem designados para qualquer uma das unidades experimentais, de uma maneira mais objetiva realiza-se sorteios para melhor dispor os tratamentos na rea experimental. O princpio do controle local consiste em dividir um ambiente heterogneo em subambientes homogneos, ou seja, com isto tornar o delineamento experimental mais eficiente pela reduo do erro experimental. Com isso, a casualizao evita que determinado tratamento seja favorecido e garante que os erros sejam independentes.Diante do exposto a aplicao conjunta dos princpios bsicos da experimentao fator primordial para a melhor conduo do experimento, obtendo assim respostas e concluses ideais a situao que est sendo trabalhada.

Pelo fato deste princpio ser frequentemente empregado, ele no de uso obrigatrio ento podemos enquadrar esta afirmativa como falsa, pois podemos realizar experimentos sem utiliz-lo, ou seja, quando o material experimental reconhecido como homogneo (Ex. Casa de vegetao climatizada e controlada a temperatura e umidade), no h a necessidade do princpio do controle local ai neste caso teremos um Delineamento inteiramente casualizados (DIC).

Ao contrrio se o material experimental for heterogneo como o caso do campo (Ex. atributos fsicos e qumicos variando na rea amostral, relevo, temperatura) nesta situao deve-se empregar o controle local na situao de blocos como o caso do Delineamento em blocos casualizados (DBC) deixando-o mais homogneo possvel para que haja uma reduo na estimativa do erro experimental.

No contexto geral sim, pois as medidas de tendncia central elas sero importantes para sintetizar os dados de um conjunto amostral, ou seja, identificando uma posio central dentro do conjunto de dados e determinar a distribuio deste conjunto com maior detalhe. Aps determinada a tendncia central dos dados a sim poderemos determinar com maior clareza a variao destes dados, ou seja, determinar o quanto estes esto dispersos dentro do conjunto amostral avaliando o grau de variabilidade dos valores em torno da mdia. As medidas de variao como amplitude, varincia, desvio padro e coeficiente de variao, permitem verificar se o conjunto de dados homogneo ou heterogneo.Diante disto, podemos correlacionar que a relao entre as medidas de tendncia central e de variao esto completamente interligadas, pelo simples fato da razo de dependncia que ocorre das medidas de variao em relao as de tendncia central, sendo um exemplo simples se eu desejo obter o coeficiente de variao (CV) do meu experimento obrigatoriamente deve-se ter o valor de mdia e assim segue para varincia.

Sendo assim est afirmativa verdadeira pois a relao de ambos faz-se necessria com o propsito de melhor descrever um valor central no conjunto amostral e a sua posterior variao em relao aos demais valores do conjunto de dados.

A mdia aritmtica ou simplesmente mdia sem dvidas a medida de posio ou tendncia central mais utilizada e a mais importante, ou seja, a mdia a soma de um conjunto de observaes dividida pelo nmero de observaes deste determinado conjunto, correspondendo a uma medida exata e bem definida levando todos os valores do conjunto amostral em considerao. Apresenta como vantagens o fato de que de fcil obteno e compreenso, alm tambm de servir como base para a determinao de varincia, desvio padro e coeficiente de variao, uma das nicas implicaes referentes a mdia que esta fortemente influenciada por valores atpicos no conjunto de distribuio.A mediana o valor que ocupa a posio central no conjunto de dados, ou seja, dividindo os dados em dois subconjuntos com igual nmero, representando 50% acima dos valores da amostra ou 50% abaixo dos valores da amostra. Apresenta como vantagem o fato de que no influenciada por valores extremos outliers e que pode ser determinada facilmente por qualquer software estatstico. Outra inferncia que podemos fazer em relao mdia e mediana como vantagens para ambos os lados, que estas medidas so capazes de indicar a distribuio normal de um conjunto de valores, ou seja, a simetria que possa haver entre estas duas medidas um parmetro de correlao para indicar se o conjunto de valores segue um distribuio de frequncia normal.

As medidas de variao so comumente utilizadas para avaliar o grau de variabilidade ou variao dos valores em torno da mdia, dentre as principais medidas de variao podemos destacar:

Varincia - A varincia uma distncia mdia de cada observao em relao mdia. No entanto est distncia precisa ser elevada ao quadrado e dividida pelo nmero de graus de liberdade da amostra. Dentre os aspectos positivos a varincia considera todos os valores da distribuio, oferecendo vantagem sobre a amplitude que considera somente dois valores, como desvantagem que temos que a unidade de medida original acaba sendo alterada, ou seja, g/kg passa a ficar g/kg. Desvio Padro uma medida que leva em considerao a raiz quadrada da varincia tomada como um valor positivo, levando em considerao a disperso dos valores sobre a mdia. Apresenta como principal vantagem o fato de que a unidade de medida igual a mensurada na varivel.Amplitude a amplitude caracterizada como sendo a diferena entre o maior e o menor valor do conjunto amostral de dados. Apresenta-se como vantagem de ser fcil de calcular e indica se os valores da srie amostral esto prximos ou distantes uns dos outros.

Coeficiente de Variao (CV) - definido como o desvio-padro em porcentagem da mdia, a medida estatstica mais utilizada pelos pesquisadores na avaliao da preciso dos experimentos. Ele tem a vantagem de permitir a comparao da preciso entre experimentos, sem a necessidade de igualdade de unidades. Erro Padro da Mdia representa uma a preciso com que foi estimada a mdia das amostras, sendo assim, quanto menor for o erro padro, melhor ser a estimativa da mdia amostral.

Diante deste ponto de vista o termo significativo deve ser bem retratado, pois este depende extremamente de fatores como as variaes do acaso e o tamanho amostral. Nesta situao podemos encontrar diferenas significativas em um conjunto amostral extremamente pequeno mas no significa que esta diferena no seja real, mas indica que no podemos ter uma garantia suficiente sobre a sua veracidade, ao contrrio se avalissemos um conjunto maior com grandes quantidade de informaes ai sim teramos como fazer uma melhor inferncia sobre estes resultados. Em relao as variaes do acaso estas esto presentes frequentes no nosso cotidiano, e tambm so capazes de modificar um determinada situao, o exemplo clssico que tomamos o transito em uma cidade, que torna-se constante durante os dias, ento no posso considerar significativo um tempo de percurso em um dia com transito e no outro sem transito, isto devido simplesmente ao acaso.Diante destas ideias podemos concluir que uma diferena que na estatstica possivelmente dada como efeito significativo, na realidade est diferena pode no apresentar nenhum efeito, ou seja, ser irrelevante.