Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
EXPERIMENTAÇÃO ZOOTÉCNICAProfa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
Introdução
� Um dos principais objetivos da estatística é a tomada de decisões
a respeito da população, com base na observação de amostras.
• ou seja, obtenção de conclusões válidas para toda a população
com base em amostras retiradas dessas populações.
Introdução
�Para tanto, torna-se necessário a formulação de hipóteses ou
suposições relativas às populações.
• Essas suposições, que podem ou
não ser verdadeiras, são chamadas
de hipóteses estatísticas e
constituem, geralmente, em
considerações a respeito das
distribuições de probabilidade das
populações.
Introdução
� É muito comum formularmos uma hipótese estatística com o
objetivo de rejeitá-la
• Exemplo: Quando realizamos um
experimento com o objetivo de
verificar qual manejo é mais eficaz
para evitar o estresse do animal,
formulamos a hipótese de que não
existam diferenças entre os manejos
em relação ao nível de estresse do
animal.
Introdução
� Assim, supomos que quaisquer diferenças observadas são devidas
flutuações de amostragem ou devidas aos fatores não controlados
ou acaso.
� Essa hipótese inicial que formulamos, é denominada de hipótese
de nulidade (ou hipótese nula) e é representada por ��.
� Se verificarmos que os resultados obtidos em um experimento
diferem acentuadamente dos resultados esperados para essa
hipótese
� podemos concluir que as diferenças observadas são
significativas, e rejeita-se essa hipótese.
Introdução
� Ao rejeitarmos a hipótese de nulidade, aceitamos outra hipótese –
que é representada por �� e denominada de hipótese
alternativa.
� No exemplo anterior, a hipótese
alternativa seria: os diferentes
manejos testados diferem entre si
em relação ao nível de estresse
do animal.
Introdução
� Os métodos que permitem
decidir se uma hipótese deve
ser aceita ou rejeitada,
• ou se os resultados obtidos
diferem significativamente
dos esperados
são denominados testes de
significância, ou testes de
hipóteses.
Introdução
� Porém, ao tomarmos decisões de rejeitar ou aceitar uma determinada
hipótese, estamos sujeitos a cometer dois tipos de erros:
� ERRO DO TIPO I – é o erro que cometemos ao rejeitar uma
hipótese verdadeira que deveria ser aceita,
• ou seja, o teste apresenta um resultado significativo, quando não
existem diferenças entre os efeitos dos tratamentos.
Erro tipo I
variável X
�(�) Região de não rejeição
de �Região de
rejeição de �
valor crítico = 1 � = 1,5
curva para �
Introdução
� ERRO DO TIPO II – é o erro que cometemos ao aceitar uma hipótese
falsa que deveria ser rejeitada,
• ou seja, o teste apresenta um resultado não significativo, quando existem
diferenças entre os efeitos tratamentos.
variável X
curva para �
Erro tipo I
�(�)
Região de não rejeição de �
Região de rejeição de �
Erro tipo II
curva para �
� < 1,5 � = 1,5
Introdução
� Na prática, quando diminuímos a probabilidade de um dos erros,
aumentamos a probabilidade de ocorrência do outro.
variável X
curva para �
Erro tipo I
�(�)
Região de não rejeição de �
Região de rejeição de �
Erro tipo IIcurva para �
valor crítico = 0,9� = 1,5
Introdução
� Quando aplicamos um teste de hipóteses, geralmente controlamos
o ERRO DO TIPO I, através do nível de significância do teste.
� O nível de significância do teste, representado por �, é a
probabilidade máxima aceitável de cometer um ERRO
TIPO I.
• Geralmente, fixamos esse nível de significância em
5% � = 0,05 ou em 1% � = 0,01 .
� Se utilizarmos o nível de significância de 5%, temos 5
chances em 100 de rejeitarmos uma hipótese que deveria
ser aceita, isto é, há uma confiança de 95% de que
tenhamos tomado uma decisão correta.
Introdução
� Essa confiança de termos tomado uma decisão correta é
denominada de grau de confiança, e é dada por:
100 1 − � %� O teste de significância mais utilizado em estatística
experimental é o teste F para comparação de variâncias.
Introdução
� p-valor é a probabilidade de que a estatística do teste (como
variável aleatória) tenha valor extremo em relação ao valor
observado (estatística) quando a hipótese nula é verdadeira.
� Exemplo: considere um teste de hipóteses para a média no qual o
valor da estatística é dado por ����
p-valor DENTRO
da região de
rejeição de �
p-valor FORA
da região de
rejeição de �
Introdução
� Delineamento experimental é a forma em que os tratamentos
(níveis de um fator ou combinações de níveis de fatores) são
atribuídos às unidades experimentais.
� Os delineamentos experimentais envolvem um ou mais fatores, cada
fator com �� níveis.
� Exemplos:
o Estudar o efeito da Classe Social (alta, média e baixa) no peso
das crianças
• Fator: Classe Social com três níveis qualitativos.
o Estudar o efeito da Idade (I1: 10-15, I2: 15-20, I3: 25-30,
I4: 30-35 meses) no peso dos animais
• Fator: Idade com quatro níveis quantitativos.
Introdução
�Um fator pode ser de efeito fixo ou aleatório.
� FATOR DE EFEITO FIXO: Os níveis do fator são fixados
(escolhidos) pelo pesquisador.
� Exemplos: Classe Social (alta, média e baixa), Idade (I1: 10-15, I2:
15-20, I3: 25-30, I4: 30-35 meses), Sexo (M e F).
� FATOR DE EFEITO ALEATÓRIO: Os níveis do fator é uma
amostra aleatória da população dos possíveis níveis.
� Exemplo: Suponha que o Governo do Estado queira saber se a marca
da vacina interfere no controle de uma determinada doença. Como
existem no mercado diversas marcas, o experimentador casualiza
marcas para o experimento. O experimento trará informações sobre a
população de vacinas e não apenas para os tratamentos.
Teste F para análise de variância
A análise de variância é uma técnica que permite
fazer a decomposição da variância total em partes
atribuídas a causas conhecidas e independentes, e a
uma porção residual de origem desconhecida e de
natureza aleatória.
� O teste F serve para comparar duas estimativas de variâncias
independentes.
� Na análise de variância, as estimativas de variância são dadas
pelos quadrados médios (QM), logo devemos obter um QM
para cada causa de variação.
� Em um experimento inteiramente casualizado (DIC), temos 2
estimativas de variância:
� Uma devido aos efeitos de tratamento (QM Tratamento)
� A outra devido aos efeitos dos fatores não controlados ou acaso
(QM Resíduo).
Teste F para análise de variância
� Para aplicar o teste F na análise de variância, utilizamos sempre
no denominador o QM do resíduo
� Comparamos sempre uma variância causada pelos efeitos do
fator que está sendo estudado (tratamentos, blocos, linhas,
colunas, outros), com a variância causada pelos efeitos dos
fatores não controlados ou acaso (resíduo).
� Assim,
! = "#$%&'&()*'�+"#,)+í./� = "#$%&'
"#,)+
Teste F para análise de variância
Teste F para análise de variância
Teste F para análise de variância
� Sob a hipótese da nulidade (supondo que os efeitos dos
tratamentos são todos nulos) teríamos duas estimativas de
variância:
QM Tratamento e QM Resíduo
que não deveriam diferir, a não ser por variações amostrais (pois
ambas estimam a variação do acaso).
0 = 1234561278�
= 9:; + =Φ? 69:;
Teste F para análise de variância
Variância Função Notação
QM Resíduo estima a variação do acaso. 9:;
QM Tratamento estima a variação do acaso mais a variação causada pelo efeito de tratamentos. 9:; + =Φ? 6 , Φ? 6 = ∑ ̂B;CBD�
E − 1
� Critério do teste:
! = "#$%&'&()*'�+"#,)+í./�
Teste F para análise de variância
se logo então
F calculado ≥ F tabelado
o teste é significativoao nível de significância �considerado.
Deve-se rejeitar a hipótese nula �: 9�; = 9;; e concluir que os
efeitos dos tratamentos diferem
entre si ao nível de significância � considerado.
• Essas diferenças não devem ser
atribuídas ao acaso e sim ao efeito dos tratamentos, com um grau de confiança de 100 1 − � %.
F calculado < F tabelado
o teste é nãosignificativo ao nível de significância �considerado.
Não rejeitamos a hipótese nula �: 9�; = 9;; e concluímos que
os efeitos dos tratamentos não
diferem entre si ao nível de significância � considerado.
� Resumindo o critério do teste:
Teste F para análise de variância
se logo então notação
0H5IH < 065�(5%)o teste é nãosignificativoao nível designificância� = 0,05.
Aceitamos �
0H5IHJK
065� 5% < 0H5IH < 065�(1%)o teste ésignificativoao nível designificância� = 0,05.
Rejeitamos �
0H5IH∗
065� 1% < 0H5IH
o teste ésignificativoao nível designificância� = 0,01.
Rejeitamos �com um grau de confiança superior a 99%
0H5IH∗∗
� Exemplo. Os dados abaixo se referem aos
pesos, em gramas, de ratos machos da raça
Wistar com 15 dias de idade, segundo a
condição normal e submetidos à extirpação do
timo* (timectomização) aos 4 dias de idade.
Verificar se a timectomização piora o ganho
médio de peso destes animais, usando � = 5%
Teste F para análise de variância
* orgão linfoide primário, responsável pelo desenvolvimento e seleção de linfócitos T. Évital contra a autoimunidade.
Teste F para análise de variância
� Soma de Quadrados Total
M13�65I = N N OBP;QRéTUVWXY
PD�
QZRXZX[\]Z^Y
BD�− _, _ =
∑ ∑ OBPQR\TUVWXYPD�
QZRXZX[\]Z^YBD�;
�64565`8Q6�� × �4ébIBH5�� No exemplo teríamos:
c = ∑ ∑ dVefeghiVghi
;×j = k�,lmk�,�mln,omlj,;ml;,� m �p,om;�,lm;l,om;;,;m;�,n i��
= �pq,�m��j,o i�� = ;n;,qi
�� = pj.oql,;n�� = s. tuv, wxy
z"$�'&{ = ∑ ∑ OBP;jPD�;BD� − _= 40,3; + 40,0; + 39,6; + 35,2; + 32,0; + 18,6; + 20,3; + 23,6; + 22,2; + 20,9; − s. tuv, wxy= 7.055,29 + 2.244,66 − 8.567,329 = 9.299,95 − 8.567,329= vwx, ux�
Ratos
Réplica 1 Réplica 2 Réplica 3 Réplica 4 Réplica 5 TOTAISCondição Normal 40,3 40,0 39,6 35,2 32,0 187,1Timectomizado 18,6 20,3 23,6 22,2 20,9 105,6TOTAL 292,7
Teste F para análise de variância
� Soma de Quadrados de Tratamentos
M13456 = 1�4ébIBH5�
N �B;QZRXZX[\]Z^Y
BD�− _
� No exemplo teríamos:
z"$%&' = �j ∑ �B;;BD� − _
= �j 187,1; + 105,6; − s. tuv, wxy
= lj.��o,k����.�j�,loj − s. tuv, wxy
= ko.�jq,qqj − s. tuv, wxy
= 9.231,554 − s. tuv, wxy = uu�, xxt
Ratos
Réplica 1 Réplica 2 Réplica 3 Réplica 4 Réplica 5 TOTAISCondição Normal 40,3 40,0 39,6 35,2 32,0 187,1Timectomizado 18,6 20,3 23,6 22,2 20,9 105,6TOTAL 292,7
Teste F para análise de variância
�Soma de Quadrados do Resíduo
M178� = M13�65I − M13456� No exemplo teríamos:
M178� = M13�65I − M13456 = vwx, ux� − uu�, xxt = 68,396o As hipótese que desejamos testar, para tratamentos, são:
� �: a timectomização não difere da condição normal no ganho médio de
peso dos animais.
� �: a timectomização difere da condição normal no ganho médio de peso
dos animais.
Ratos
Réplica 1 Réplica 2 Réplica 3 Réplica 4 Réplica 5 TOTAIS
Condição Normal 40,3 40,0 39,6 35,2 32,0 187,1
Timectomizado 18,6 20,3 23,6 22,2 20,9 105,6
TOTAL 292,7
Teste F para análise de variância
Quadro de Análise de Variância para DIC
o Valores de F da tabela
� Para Tratamento � × sg. l. : � 5% ⇒ t, wx1% ⇒ ��, xu
Causas de Variação
GL SQ QM F
Tratamento�64565`8Q6� − 1= 2 − 1 = 1 uu�, xxt
M16456��6456
== 664,225
1= 664,225
1264561248��
== 664,225
8,5495= 77,6917∗∗
Resíduo��3�65I − ��64565`8Q6�= 9 − 1 = 8 68,396
M148���48���
== 68,396
8 = 8,5495Total �64565`8Q6� × �48b86Bçõ8� − 1 =
= 2 × 5 − 1 = 10 − 1 = 9 vwx, ux�
0H5IH = vv, uy�v ≥ ��, xu = 065� 1%� Assim, o teste é significativo ao nível de significância de 1%.
� Deve-se rejeitar a hipótese nula em favor de ��e concluir que os
efeitos dos tratamentos diferem entre si ao nível de significância 1%.
� Essas diferenças não devem ser atribuídas ao acaso e sim ao
efeito dos tratamentos, com um grau de confiança de 99%.
� Portanto, conclui-se que a timectomização altera o ganho médio de peso
destes animais.
Teste F para análise de variância
� Exemplo no R. Os dados abaixo se referem aos pesos,
em gramas, de ratos machos da raça Wistar com 15 dias de
idade, segundo a condição normal e submetidos à extirpação
do timo* (timectomização) aos 4 dias de idade. Verificar se a
timectomização piora o ganho médio de peso destes animais,
usando � = 5%
Teste F para análise de variância
# Entre os dados - variáveis: Tratamentos - TR e Observações - Y
TR <- c(rep("Condicao Normal",5), rep("Timectomizado",5)); TR
rep <- c(1:5,1:5); rep
Y <- c(40.3, 40.0, 39.6, 35.2, 32.0, 18.6, 20.3, 23.6, 22.2, 20.9); Y
######## --- Definição do modelo --- ########
FTR <- as.factor(TR) # toda fonte de variação deve ser um fator
mod <- aov(Y~FTR) # anova sem resíduo
summary(mod)
QMRes <- 8.5; QMRes # Edite o QMRes de acordo com a ANOVAcv <- 100*sqrt(QMRes)/mean(Y,na.rm=T); cv
summary.lm(mod)
## Teste de Hipóstese: H_0: mi_1 = mi_2 (os tratamentos não diferem entre si)
## H_1: m_1 \neq mi_2
## nível de significância alpha=0,5
O pesquisador utilizou um ejaculado único de cada um dos seis
touros da mesma raça sorteados de uma Central de Inseminação. Em
seus ejaculados ainda frescos podiam-se notar motilidades distintas.
� cada ejaculados foi dividido em alíquotas e cada uma delas
diluída por sorteio com diluentes A, B, C e D. Após a diluição,
os microtubos (continentes) foram conservados em nitrogênio
liquido e descongelados após 30 dias. Ao alcançar a
temperatura de 36 oC, as motilidades foram registradas.
Exemplo
Em um estudo sobre motilidade dos espermatozoides observada no
sêmen bovino após seu descongelamento foram utilizados os
seguintes diluentes (tratamentos):
I. gema de ovo – diluente A
II. soro de leite – diluente B
III. água de coco – diluente C
IV. soro fisiológico – diluente D
para verificar se a motilidade pode ser afetada pelo diluente utilizado
antes da criopreservação.
Exemplo
o O delineamento experimental utilizado foi em blocos casualizados,
com 6 repetições por tratamento (diluente).
o As somas de quadrados obtidas para a análise de variância foram:
o As hipótese que desejamos testar, para tratamentos, são:
� �: Os diluentes não diferem entre si quanto a motilidade do espermatozoide
antes da criopreservação.
� �: Os diluentes diferem entre si quanto a motilidade do espermatozoide
antes da criopreservação.
Exemplo
Causas de Variação GL SQ
Diluentes (tratamentos) (4 − 1) = 3 2.848,6
Blocos (touros) 6 − 1 = 5 531,5
Erro (resíduo) 23 − 3 + 5 = 15 1.434,9
Total 4 × 6 − 1 = 23
o Para testar essas hipóteses, podemos montar o seguinte quadro de
análise de variância.
o Valores de F da tabela
� Para Tratamento w × �tg. l. : �5% ⇒ w, xy1% ⇒ 5,42
� Para Blocos t × �tg. l. : �5% ⇒ x, y1% ⇒ 4,56
Exemplo
Causas de Variação GL SQ QM F
Tratamentos (diluentes) (4 − 1) = w 2.848,60 949,5333 7,94∗∗
Blocos (touros) 6 − 1 = t 531,50 132,8750 1,11JK
Resíduo (erro) 23 − w + t = �t 4815,00 − 2848,60 + 531,50
= 1.434,90119,5750
Total 4 × 6 − 1 = 23 4815,00
� Para Tratamento w × �tg. l. : �5% ⇒ w, xy1% ⇒ 5,42
0H5IH = v, yv > t, �x = 065�(1%)� O teste foi significativo ao nível de
1% de probabilidade.
Exemplo
Causas de Variação GL F
Tratamentos (diluentes) w v, y�∗∗
Blocos (touros) t �, ��JK
Resíduo (erro) �tTotal 23
� Rejeitamos a hipótese � em favor de � e concluímos que os
tratamentos (diluentes) testados possuem efeitos diferentes na
motilidade do espermatozoide antes da criopreservação ao nível
de probabilidade de 1% .
� O grau de confiança desse teste é de 99%)
� Para Blocos t × �tg. l. : �5% ⇒ x, y1% ⇒ 4,56
0H5IH = �, �� < x, y = 065�(5%)• Assim, o teste é não significativo
ao nível de significância de 5%de probabilidade
Exemplo
Causas de Variação GL F
Tratamentos (diluentes) w v, y�∗∗
Blocos (touros) t �, ��JK
Resíduo (erro) �tTotal 23
• Não rejeitamos a hipótese nula e concluímos que os blocos
não diferem entre si em relação na motilidade do
espermatozoide antes da criopreservação.
Exercícios
Exercícios
Exercício 1. Dentre um rebanho de vacas
reprodutoras, foram selecionados ao acaso 10
animais. Dos animais selecionados, foram
anotadas as produções médias diárias (kg de
leite/dia) durante o período de amamentação das
crias 1 e 2. Pode-se afirmar que a produção média
diária de leite durante a amamentação da primeira
cria não difere da produção média diária de leite
durante a amamentação da segunda cria?
Exercício 1 - solução
� Soma de Quadrados Total
M13�65I = N N OBP;QRéTUVWXY
PD�
QZRXZX[\]Z^Y
BD�− _, _ =
∑ ∑ OBPQR\TUVWXYPD�
QZRXZX[\]Z^YBD�;
�64565`8Q6�� × �4ébIBH5�
c = ∑ ∑ dVeh�eghiVghi
;�� = �ol,lm�pl,l i;� = lko,oi
;� = �;.��l�,o;� = u. u, tvs
z"$�'&{ = ∑ ∑ OBP;��PD�;BD� − _= 15,6; + ⋯+ 17,1; + 18,3; + ⋯+ 19,8; − 6.006,578= 2.709,65 + 3.374,95 − 6.006,578= 6.084,60 − 6.006,578 = vs, x
Produção de cada animal (kg de leite) Totais
Cria1 15,6 16,3 19,5 14,5 16,2 20,2 14,6 13,1 16,2 17,1 163,32 18,3 16,3 17,2 19,8 18,5 19,1 18,3 16,5 19,5 19,8 183,3
Total 346,6
Exercício 1 - solução
� Soma de Quadrados de Tratamentos
M13456 = 1�4ébIBH5�
N �B;QZRXZX[\]Z^Y
BD�− _
z"$%&' = ��� ∑ �B;;BD� − _
= ��� 163,3; + 183,3; − 6.006,578
= �o.ooo,pnmll.jnp,pn�� − 6.006,578
= o�.;oj,qp�� − 6.006,578
= 6.026,578 − 6.006,578 = x,
Produção de cada animal (kg de leite) Totais
Cria1 15,6 16,3 19,5 14,5 16,2 20,2 14,6 13,1 16,2 17,1 163,32 18,3 16,3 17,2 19,8 18,5 19,1 18,3 16,5 19,5 19,8 183,3
Total 346,6
Exercício 1 - solução
�Soma de Quadrados do Resíduo
M178� = M13�65I − M13456� No exemplo teríamos:
M178� = M13�65I − M13456 = vs, x − x, = 58,02o As hipótese que desejamos testar, para tratamentos, são:
� �: Durante a amamentação, a produção de leite não difere da primeira para
a segunda cria.
� �: Durante a amamentação, a produção de leite difere da primeira para a
segunda cria.
Produção de cada animal (kg de leite) Totais
Cria1 15,6 16,3 19,5 14,5 16,2 20,2 14,6 13,1 16,2 17,1 163,32 18,3 16,3 17,2 19,8 18,5 19,1 18,3 16,5 19,5 19,8 183,3
Total 346,6
Exercício 1 - solução
Quadro de Análise de Variância para DIC
o Valores de F da tabela
� Para Tratamento � × �sg. l. : �5% ⇒ �, ��1% ⇒ s, xy
Causas de Variação
GL SQ QM F
Tratamento�64565`8Q6� − 1= 2 − 1 = 1 x
M16456�. �.6456
== x
1 = x,
1264561248��
== 20,0
3,2234 = 6,20∗
Resíduo�3�65I − �64565`8Q6�= 19 − 1 = 18 58,022
M148��. �.48���
=
= 58,0218 = 3,2234
Total �64565`8Q6� × �48b86Bçõ8� − 1 == 2 × 10 − 1 = 20 − 1 = 19 vs, xx
0H5IH = u, x ≥ �, �� = 065�
� Assim, o teste é significativo ao nível de significância de 5%.
� Deve-se rejeitar a hipótese nula e concluir que os efeitos dos
tratamentos diferem entre si ao nível de significância 5%.
� Essas diferenças não devem ser atribuídas ao acaso e sim ao
efeito dos tratamentos, com um grau de confiança de 95%.
� Portanto, conclui-se que durante a amamentação, a produção de
leite difere da primeira para a segunda cria.
Exercício 1 - solução
Exercícios
• Exercício 2. Com o objetivo de avaliar se determinado
produto químico é eficiente para repelir insetos
domésticos, foi realizada uma contagem do número
de insetos, antes e após a aplicação deste produto
químico, em 7 residências. O número de insetos
observado em cada residência foi:
por meio destes dados, é possível concluir que
existe diferença no número de insetos observados
antes e após a aplicação do produto químico
utilizado?
Exercício 2 - solução
� Soma de Quadrados Total
M13�65I = N N OBP;QRéTUVWXY
PD�
QZRXZX[\]Z^Y
BD�− _, _ = ∑ ∑ OBP
QR\TUVWXYPD�
QZRXZX[\]Z^YBD��64565`8Q6�� × �4ébIBH5�
c = ∑ ∑ OBPqPD�;BD�;
2 × 7 = 51 + 21 ;14 = 72;
14 = 518414 = wu, xstv
z"$�'&{ = ∑ ∑ OBP;qPD�;BD� − _= 8; + ⋯+ 7; + 4; + ⋯+ 2; − 360,2857= 379,0 + 79,0 − 360,2857= 458,0 − 360,2857 = sv, v��w
Residência1 2 3 4 5 6 7 Totais
Antes da aplicação 8 6 7 8 9 6 7 51Após a aplicação 4 0 3 5 3 4 2 21Total 72
Exercício 2 - solução
� Soma de Quadrados de Tratamentos
M13456 = 1�4ébIBH5�
N �B;QZRXZX[\]Z^Y
BD�− _
z"$%&' = �q ∑ �B;;BD� − _
= �q 51; + 21; − 360,2857
= ;.o��,�mk.k�,�q − 360,2857
= l.�k;,�q − 360,2857
= 434,5714 − 360,2857 = u�, xstv
Residência1 2 3 4 5 6 7 Totais
Antes da aplicação 8 6 7 8 9 6 7 51Após a aplicação 4 0 3 5 3 4 2 21Total 72
Residência1 2 3 4 5 6 7 Totais
Antes da aplicação 8 6 7 8 9 6 7 51Após a aplicação 4 0 3 5 3 4 2 21Total 72
Exercício 2 - solução
� Soma de Quadrados do Resíduo
M178� = M13�65I − M13456� No exemplo teríamos:
M178� = M13�65I − M13456 = sv, v��w − u�, xstv = 23,4286o As hipótese que desejamos testar, para tratamentos, são:
� �: O número de insetos observados em residências não difere antes da
aplicação de um determinado produto químico e depois da aplicação de um
determinado produto químico.
� �: O número de insetos observados em residências difere antes da aplicação de
um determinado produto químico e depois da aplicação de um determinado
produto químico.
Exercício 2 - solução
Quadro de Análise de Variância para DIC
o Valores de F da tabela
� Para Tratamento � × �xg. l. : �5% ⇒ �, vt1% ⇒ y, ww
Causas de Variação
GL SQ QM F
Tratamento�64565`8Q6� − 1= 2 − 1 = 1 u�, xstv
M16456�. �.6456
== u�, xstv
1264561248��
== u�, xstv
1,9524 = 32,9268∗∗
Resíduo�3�65I − �64565`8Q6�= 13 − 1 = 12 23,4286
M148��. �.48���
== 23,4286
12= 1,9524Total �64565`8Q6� × �48b86Bçõ8� − 1
= 2 × 7 − 1 = 14 − 1 = 13sv, v��w
0H5IH = wx, yw ≥ y, ww = 065�
� Assim, o teste é significativo ao nível de significância de 1%.
� Deve-se rejeitar a hipótese nula e concluir que os efeitos dos
tratamentos diferem entre si ao nível de significância 1%.
� Essas diferenças não devem ser atribuídas ao acaso e sim ao
efeito dos tratamentos, com um grau de confiança de 99%.
� Portanto, conclui-se que o número de insetos observados em residências
difere antes da aplicação de um determinado produto químico e depois
da aplicação de um determinado produto químico.
Exercício 2 - solução