Técnicas Experimentais Aplicadas em Ciência do Solo

1. Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress lira.pro.br/wordpress - Reservados todos os direitos autorais.

2. Características especiais • Ambiente homogêneo • Ausência de informação sobre heterogeneidade • Delineamento mais simples • Menos afetado por número diferente de repetições • Comumente usado em experimentos de laboratório

3. Modelo – Int. Casualizado Yij - Valor referente à j-ésima repetição do i-ésimo tratamento -Efeito do i-ésimo tratamento - Variação do acaso na j-ésima repetição do i-ésimo tratamento

4. Requisitos • Efeitos aditivos • Resíduos são: • Independentes • Têm distribuição normal com média zero • Homocedase • Ou seja, o de sempre

5. Esquema da análise de variância F.V. G.L. S.Q. Q.M. F Tratamento t-1 Resíduo Dif. Dif. Total rt-1 T = total de cada tratamento

6. Interpretação Aula de Estatística Aplicada à Agricultura – 2008-1- lira.pro.br/wordpress - Reservados todos os direitos autorais.

7. Aula de Estatística Aplicada à Agricultura – 2008-1- lira.pro.br/wordpress - Reservados todos os direitos autorais.

8. Delineamento em blocos casualizados Provavelmente o mais comum delineamento experimental em ciências agrárias É o mais simples delineamento a empregar o controle local Só deve ser empregado após a aquisição de informações suficientes para dividir o material experimental em grupos relativamente homogêneos dentro do grupo

9. Modelo do delineamento Yij - Valor referente à j-ésima repetição do i-ésimo tratamento -Efeito do i-ésimo tratamento - Efeito do j-ésimo bloco - Variação do acaso do i-ésimo tratamento no j-ésimo bloco

10. Esquema da análise de variância t – número de tratamentos, b – número de blocos, T – total de cada tratamento e B – total de cada bloco

11. Interpretação The GLM Procedure Dependent Variable: Produtividade Produtividade Sum of Source DF Squares Mean Square F Value Pr > F Model 10 9369.62083 936.96208 25.45 <.0001 Error 24 883.69459 36.82061 Corrected Total 34 10253.31543 R-Square Coeff Var Root MSE Produtividade Mean 0.913814 10.63602 6.067999 57.05143 Source DF Type III SS Mean Square F Value Pr > F bloco 4 232.016086 58.004021 1.58 0.2131 Herbicida 6 9137.604749 1522.934125 41.36 <.000 Aula de Estatística Aplicada à Agricultura – 2008-1- lira.pro.br/wordpress - Reservados todos os direitos autorais.

12. Tukey's Studentized Range (HSD) Test for Produtividade NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher Type II error rate than REGWQ. Alpha 0.05 Error Degrees of Freedom 24 Error Mean Square 36.82061 Critical Value of Studentized Range 4.54132 Minimum Significant Difference 12.324 Means with the same letter are not significantly different. Tukey GroupingMean N Herbicida A 73.254 5 Round-Up A 73.254 5 Glyphosate A 67.742 5 Controle mecânic A 64.590 5 Tordon B 48.838 5 Paraquat B 44.900 5 2,4-D C 26.782 5 Ausência de Cont lira.pro.br/wordpress - Reservados todos os direitos autorais.

13. Apresentação típica dos resultados Aula de Estatística Aplicada à Agricultura – 2008-1- lira.pro.br/wordpress - Reservados todos os direitos autorais.

14. Seleção do delineamento mais adequado • Função exclusiva das condições ambientais • Ambiente pode incluir tamanho do experimento e equipe • Considerar apenas o ambiente específico, não o geral • A função do bloco é reduzir a variação do acaso • Logo se isto não for possível, não deve ser adotado lira.pro.br/wordpress - Reservados todos os direitos autorais.

15. Efeito de blocos errados lira.pro.br/wordpress - Reservados todos os direitos autorais.

16. Repetindo para ficar claro • Você deve ter uma razão para escolher um delineamento ou outro • A única diferença entre os dois é o controle local • A antiga diferença de facilidade de cálculo para parcela perdida não tem mais importância • A decisão é baseada na situação do experimento, não em algo geral como laboratório ou campo lira.pro.br/wordpress - Reservados todos os direitos autorais.