Professional Documents
Culture Documents
IC 283 – BIOESTATÍSTICA
IC 284 – ESTATÍSTICA EXPERIMENTAL
Marcelo Jangarelli
Prof. Adjunto – DEMAT/ICE/UFRRJ
IC 283 – BIOESTATÍSTICA
IC 284 – ESTATÍSTICA EXPERIMENTAL
Marcelo Jangarelli
Prof. Adjunto – DEMAT/ICE/UFRRJ
CONTEÚDO I
1 – INTRODUÇÃO
1
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
2 – DEFINIÇÕES
σ( X ) =
n
Se o desvio padrão da população (σ) for desconhecido o erro padrão da média pode ser
estimado por meio do desvio padrão amostral (s).
s
s( X ) =
n
4 – INTERVALO DE CONFIANÇA (IC)
A estimação por ponto é bastante útil, embora não indique nenhuma acurácia ou
precisão associada a ela. Assim, ao invés de inferirmos sobre um único valor referente ao
parâmetro populacional, podemos inferir se o verdadeiro parâmetro está contido em um
determinado intervalo compreendido entre dois valores, que representam os extremos do
intervalo (LSuperior e LInferior).
2
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
P X Z X Z =1–α
2 n 2 n
IC (μ) 1 – α: X ± Z
2 n
Note que, o comprimento do IC também pode ser obtido pela expressão:
2. Z
2 n
Caso seja mantido os valores de “n”, “σ” e “α” o seu comprimento será fixo/constante.
Já a estimativa da média ( X ) continua sendo uma variável aleatória, determinando os
extremos do intervalo de acordo com a amostra considerada.
A interpretação do IC pode ser assim mencionada: Tem-se 1 – α (%) de confiança de
que o parâmetro populacional (μ) esteja compreendido no intervalo obtido. Ou mesmo, se
construirmos n intervalos do mesmo tipo (tamanho e nível de confiança), espera-se que em 1
– α (%) deles contenha o verdadeiro parâmetro (μ).
EXERCÍCIOS PROPOSTOS
1 – Suponha que a média de uma população seja μ = 50,00 e o desvio padrão σ = 12,00.
3
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
2 – Uma variável aleatória X tem distribuição normal, com média 100 e desvio padrão 10.
a) Qual a P (90 < X < 110)?
b) Se X é a média de uma amostra de 16 elementos retirados dessa população, calcule P
(90 < X < 110);
c) Que tamanho deveria ter a amostra para que P (90 < X < 110) = 95%?
3 – Seja X a duração da vida de uma peça de equipamento tal que σ = 5 horas. Admita que
100 peças foram ensaiadas fornecendo uma duração de vida média de X = 500 horas.
a) Obter um intervalo de 95% para a média μ;
b) Qual o tamanho da amostra para que o intervalo 500 ± 1,63 tenha 95% de confiança?
CONTEÚDO II
TESTES DE HIPÓTESES
1 – INTRODUÇÃO
2 – DEFINIÇÕES
4
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
3 – TESTES DE HIPÓTESES
É uma regra decisória que nos permite aceitar ou rejeitar uma hipótese estatística com
base nos elementos de uma amostra. Estas hipóteses são, em geral, sobre parâmetros
populacionais ou relacionadas à natureza da distribuição da população.
É a hipótese a ser testada, também chamada de hipótese básica ou nula. Os testes são
construídos sobre a pressuposição de que H0 seja verdadeiro.
5
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Para os dois exemplos, o raciocínio é que enquanto não houver evidências amostrais
sugerindo que tais informações não sejam verdadeiras, elas são tomadas como verídicas
(verdadeiras).
6
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Para qualquer decisão que tomarmos, a partir de uma amostra da população, estaremos
sujeitos a erros, pois trabalhamos com amostras e não com a população como um todo.
7
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
H1: μ < K
Rejeita-se H0 se X ≤ C1 ou X ≥ C2.
H0: μ = K
H1: μ ≠ K
H1: x2 > y ou
2
x2 < y2 ou
x2 ≠ y2
Para testar H0, utiliza-se a estatística “F” (Teste F), definida por:
s x2
F ,
s y2
8
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
H1: x2 > y
2
Para testar hipóteses referentes à média de uma população, cujo desvio padrão
populacional (σ) é desconhecido, utiliza-se a estatística “t” (Teste t), definida por:
X X
t calc.
s( X ) s ,
n
Hipóteses:
H0: μ = K
H1: μ > K ou
μ < K ou
9
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
μ≠K
OBS: A tabela da distribuição t de Student a ser utilizada em nossas aulas é bilateral. Assim,
se o teste efetuado for bilateral, entra exatamente com o α na tabela. Caso contrário, o teste
realizado seja unilateral, deve-se entrar com 2α na tabela.
10
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
H1’: A2 > B2
Quando H0’ não for rejeitada. Admitimos que as variâncias sejam iguais, cujos valores
assumidos por s A2 e s B2 são estimativas de um mesmo valor σ2. Devemos combinar essas
SQDB
s B2 = SQDB (n B 1).s B2
nB 1
ttab. = f (α ; nA + nB – 2 g.l.)
11
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Quando H0’ for rejeitada. Admitimos que as variâncias sejam diferentes, não devendo
assim estimar uma variância comum. Neste caso, utilizaremos para o nosso teste, os valores
assumidos por s A2 e s B2 .
Neste caso, a estatística t de Student (Teste t) fica definida:
X Y
t calc.
s A2 s B2 ,
n A nB
que segue distribuição “t” com n* graus de liberdade, em que n* é dado por:
2
s A2 s B2
n* n A nB
2 2
s A2 s B2
n A nB
n A 1 nB 1
ttab. = f (α ; n* g.l.)
OBS: Adotar como g.l. o maior valor inteiro desde que não supere o valor calculado.
Os procedimentos do item seis (6) são baseados na hipótese de que as duas amostras
foram coletadas independentemente uma da outra. Contudo, em muitas situações as amostras
são coletadas como pares de valores, tal como medidas sobre o mesmo indivíduo antes e
depois da aplicação de algum medicamento; sobre um mesmo animal antes e depois do
12
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
fornecimento de uma suplementação alimentar; ou também sobre uma mesma planta antes e
depois de administrar um determinado fertilizante. Referimo-nos a isto como
observações/dados emparelhados ou pareados. Contrastando com amostras independentes,
duas amostras que contém observações emparelhadas são chamadas de amostras dependentes.
Para observações emparelhadas, o teste apropriado para a diferença entre as médias
das duas amostras consiste em determinar primeiro a diferença “d” entre cada par de valores,
e então testar a hipótese nula de que a média das diferenças na população é zero (ou igual a
determinado valor ∆). Logo, do ponto de vista de cálculo, o teste é aplicado a uma única
amostra de n diferenças di.
A média e o desvio padrão da amostra de valores di são obtidos pelas fórmulas básicas
de estatística, substituindo os valores Xi por di.
2
n
n
di
d n
d i i 1
i
e 2
d i 1
n
n s d i 1
n 1
Sob H0 D = 0:
di 0 di
t calc.
sd sd ,
n n
que tem distribuição “t” de Student, cujo grau de liberdade representa o número de pares
observados menos um, ou seja, (n – 1) graus de liberdade (g.l.).
ttab. = f [α; (n – 1)g.l.]
13
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
8 – TESTE DE QUI-QUADRADO – 2
n Oi Ei 2
2
Calc . , em que:
i 1
Ei
acaso, deve-se comparar o valor calculado do Calc. com o valor tabelado. Esse valor
2
14
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
OBS: O Teste 2 somente deve ser aplicado aos dados observados do experimento e nunca
às percentagens ou proporções oriundas dos mesmos.
EXERCÍCIOS PROPOSTOS
2 – Um fertilizante foi aplicado a uma variedade de tomate. As produções, em kg, de dez pés
de tomate foram: 1,6; 1,7; 1,8; 1,4; 1,5; 1,9; 2,3; 2,1; 1,9 e 1,7 Kg. Verificar se o fertilizante
proporciona uma produção superior a 1,5 kg por pé de tomate. Adotar α = 5%.
15
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
5 – Desejando saber se duas rações A e B, para determinada raça de suínos, são equivalentes
ou se a ração A é superior a ração B em relação ao ganho de peso, há 11 animais sorteados ao
acaso foi dado a ração A e a outros 19 a ração B. Os resultados, em kg, foram:
2
X A = 66 kg e s A = 40 kg2
2
X B = 63 kg e s B = 16 kg2
A que conclusão chegar se adotarmos o nível de significância de 5%?
6 – A Tabela abaixo apresenta dados da pressão sanguínea sistólica de dez mulheres, na faixa
etária de 30 a 35 anos, que fizeram uso de anovulatório por determinado período e depois não
o fez, e vice e versa. Teste a hipótese de que o uso de anovulatório não tem efeito sobre a pressão
sanguínea sistólica. (α = 5%)
Anovulatório Mulheres (30 – 35 anos)
Sim 111 119 121 113 116 126 128 123 122 121
Não 109 113 120 117 108 120 122 124 115 112
CONTEÚDO III
16
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
CONTRASTE
1 – INTRODUÇÃO
2 – DEFINIÇÃO DE CONTRASTE
a
i 1
i 0
3 – ESTIMADOR DO CONTRASTE
Na prática, geralmente não se conhece os valores das médias populacionais “mi”, mas
sim suas estimativas. Desta forma, na estatística experimental não trabalhamos com o
contraste Y, mas sim com o seu estimador Ŷ. Este também representa uma função linear de
médias obtidas por meio de experimentos ou amostras. Assim, tem-se que o estimador para o
contraste de médias é dado por:
^ ^ ^
m m m
Ŷ = a1 1 + a2 2 + ... + an n
4 – CONTRASTES ORTOGONAIS
17
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
EXERCÍCIOS PROPOSTOS
Pede-se:
a) Obter a estimativa do contraste, interpretando;
Y = m1 + m2 – m3 – m4
b) Estabelecer um contraste para comparar a produção média de abacaxi quando em
consórcio.
2 – Por meio dos dados e dos contrastes fornecidos abaixo, obter suas estimativas e verificar
se são ortogonais.
tˆ1 67,20 ; tˆ2 63,00 ; tˆ3 40,00 ; tˆ4 105,00
r1 = r2 = 6 ; r3 = 4 ; r4 = 5
Y1 = m1 + m2 – m3 – m4
Y2 = m1 – m2
CONTEÚDO IV
18
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
1 – INTRODUÇÃO
Grande parte do conhecimento que a humanidade acumulou ao longo dos séculos foi
adquirido através da experimentação. A ideia de experimentar não se limita a antiguidade,
pois também está presente no nosso dia a dia. Todos nós já aprendemos alguma coisa ao
longo da vida experimentando. Entretanto, a experimentação só se difundiu como técnica
sistemática de pesquisa há pouco mais de um século, quando foi formalizada através da
estatística (Vieira, 2006).
Entende-se por experimento uma experiência realizada sob condições previamente
estabelecidas e que opera com causas controladas. O propósito da estatística experimental é
analisar, objetivamente, os dados experimentais, isolando as causas da variação do acaso,
próprias de qualquer conjunto de dados observados (Dias & Barros, 2009).
A experimentação tem por objetivo o estudo dos experimentos, ou seja, seu
planejamento, execução, análise dos dados e interpretação dos resultados.
2 – CONCEITOS
19
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
3.1 – Repetição
3.2 – Casualização
20
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
forma, seu objetivo é evitar que determinado tratamento venha a ser sistematicamente
favorecido ou desfavorecido por fatores externos nas diversas parcelas. Isto significa que a
distribuição dos tratamentos nas unidades experimentais deve ser feita ao acaso, através de
um mecanismo qualquer de sorteio.
O princípio da casualização se faz necessário para que as variações que contribuem
para o erro experimental sejam convertidas em variáveis aleatórias. Além disso, a
casualização permite obter uma estimativa válida do erro experimental, além de garantir o uso
de testes de significância por tornar os erros experimentais independentes.
É digno de nota ressaltar que sem os princípios básicos da repetição e da casualização
não existe experimentação.
4.1 – Premeditada
21
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
4.3 – Aleatória
São variações de origem desconhecida, que não podem ser controladas. Constituem o
erro experimental propriamente dito. São resultantes de duas fontes: variações do material
experimental e falta de uniformidade nas condições experimentais.
Ressalta-se que nem sempre é possível distinguir claramente esse tipo de variação da
variação sistemática.
CONTEÚDO V
22
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
1.1.1 – Vantagens
1.1.2 – Desvantagens
23
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Tratamentos
Repetições 1 2 ..... I
1 Y11 Y21 ..... YI1
2 Y12 Y22 ..... YI2
..... ..... ..... ..... .....
J Y1J Y2J ..... YIJ
Totais T1 T2 ..... TI
Nº de unidades experimentais: N = I x J
I ,J I
Total geral: G = ij
Y Ti
i 1 i 1
j 1
^
Ti
mi
Média para o tratamento i: = J
^
G
Média geral do experimento: m= IJ
É uma técnica de análise estatística que permite decompor a variação total, ou seja, a
variação existente entre todas as observações, na variação devido à diferença entre os
tratamentos e na variação devido ao acaso (erro experimental ou resíduo). Entretanto, para
que esta técnica seja empregada é necessário que sejam satisfeitas diversas pressuposições,
entre elas citam-se:
Os erros são variáveis aleatórias independentes;
A variância é constante (homocedasticidade);
A distribuição dos erros é normal ou aproximadamente normal.
24
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Por meio do modelo estatístico pode-se decompor a variação total entre as observações
em duas partes que a compõem, como será demonstrado a seguir.
Considere o modelo estatístico para um experimento instalado segundo o DIC:
Yij = m + ti + eij ,
fazendo ti = mi – m, tem-se:
I ,J ^ I ,J ^ ^ I ,J
(Y m) (m m) e
i 1
ij
2
i 1
i
2
i 1
2
ij
j 1 j 1 j 1
(Y m)
^
2 I ,J
( Y ij )2
SQTotal = =
Y
i 1, j 1
2
ij
i 1 ij
j 1
i 1 IJ
j 1
Para a SQTratamento:
I ,J
SQTrat. =
I ,J
(m m)
^
i
^
2
= Ti 2I
( Y ij )2
i 1, j 1
i 1
i 1 J IJ
j 1
25
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
SQTrat. = I 2
Ti
( Y ij )2
,
i 1, j 1
i 1 J N
em que:
I
N = é o número de unidades experimentais = r
i 1
i ;
FV GL SQ QM F
Tratamentos (I – 1) SQTrat. SQTrat QMTrat
I 1 QM Re s
Resíduo I(J – 1) SQRes. SQ Re s
I ( J 1)
Total IJ – 1 SQTotal - -
26
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Q Re sd ^ G
C.V .(%) ^
.100 , em que m
m N
27
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
SQTrat .
R2
SQTotal
28
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
O teste de Tukey, baseado na amplitude total estudentizada, pode ser utilizado para
comparar todo e qualquer contraste entre duas médias de tratamentos. Ou seja, para nI
tratamentos (número de tratamentos ou de níveis do fator em estudo) poderão ser
estabelecidos nI(nI – 1)/2 contrastes do tipo Yij = mi – mj, para i ≠ j.
Este teste baseia-se na diferença mínima significativa (DMS), representada por ∆, dada
por:
∆=q 1^ ^
V (Y)
2
em que:
∆ = é a diferença mínima significativa (DMS);
q = é o valor tabelado da amplitude estudentizada, que é obtido pela expressão:
qα(n1;n2), em que α é o nível de significância; n1 é o número de tratamentos ou níveis do fator
e n2 representa o número de graus de liberdade do resíduo na Análise de Variância.
A estimativa da variância da estimativa do contraste é dada por:
^ ^ 1 1
= QMRes
V (Y ) ri rj
29
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
1 1 1
∆=q QM Re s
2 ri r j
QM Re s
∆=q
r
Y ij mi m j
c) Calcular a diferença mínima significativa (∆);
d) Concluir a respeito da significância dos nI(nI – 1)/2 contrastes em teste, utilizando a
seguinte relação:
^
Y , rejeita-se H ;
Se ij 0
^
Y , não rejeita-se H
Se ij 0.
Neste caso, a conclusão será: “As médias seguidas por pelo menos uma mesma letra
não diferem entre si ao nível “α” de probabilidade pelo Teste de Tukey”.
30
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
4.1.1 – Vantagens
4.1.2 – Desvantagens
O delineamento perde eficiência quando o controle local for dispensável, uma vez que
o número de graus de liberdade do resíduo será menor ao que se obteria caso o
delineamento utilizado fosse o inteiramente casualizado;
31
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Tratamentos
Blocos 1 2 ..... I Totais
1 Y11 Y21 ..... YI1 B1
2 Y12 Y22 ..... YI2 B2
..... ..... ..... ..... ..... .....
J Y1J Y2J ..... YIJ BJ
Totais T1 T2 ..... TI G
Nº de unidades experimentais: N = I x J
I ,J I
Total geral: G = ij
Y Ti = B
J
i 1 i 1
j j 1
j 1
I
Total para o bloco J: Bj = Y i 1
ij
^
Ti
mi
Média para o tratamento I: = J
^ Bj
^
G
Média geral do experimento: m= IJ
32
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
I ,J
I ,J
( Y ij )2
SQTotal =
Y
i 1, j 1
2
ij
i 1 IJ
j 1
I ,J
SQTrat. = I
Ti2
( Y ij )2
i 1, j 1
i 1 J IJ
I ,J
SQBloco = J B 2j
( Y ij )2
i 1, j 1
j 1 I IJ
H0: m1 = m2 = ... = mI = m
H1: não H0
33
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Ou,
34
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Dias
Períodos 1 2 3 4 5
1 A E C D B
2 C B E A D
3 D C A B E
4 E D B C A
5 B A D E C
OBS: Note que os níveis de uma fonte formam as linhas e os níveis da outra fonte formam as
colunas.
Exemplo 2 – Em um experimento com suínos pretende-se avaliar quatro tipos de
ração (A, B, C, D), em quatro raças distintas e em quatro idades de animais. Como o interesse
é avaliar os quatro tipos de ração, tomam-se as raças e as idades dos animais como blocos, ou
seja:
Raças
Idades R1 R2 R3 R4
I1 A B D C
I2 B C A D
I3 D A C B
I4 C D B A
35
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Colunas (J – 1) SQColunas - -
Tratamentos (K – 1) SQTratamentos QMTrat. QMTrat
Resíduo (K – 1)(K – 2) SQResíduo QMRes. QM Re s
Total (K2 – 1) SQTotal - -
Considerando:
LI = Total da linha i;
CJ = Total da coluna j;
TK = Total do tratamento k;
G = Total geral.
As somas de quadrados são dadas por:
I ,J
SQTotal =
I ,J
Y 2
ij C
→ C=
( Y
i 1, j 1
ij )2
G2 G2
i 1
j 1 2
IJ IJ I
1 I 2
SQLinhas = Li C
I i 1
1 J 2
SQColunas = C j C
I j 1
1 K 2
SQTratamentos = Tk C
I k 1
Hipóteses:
H0: m1 = m2 = ... = mI = m
H1: não H0
Ou,
Todos os possíveis contrastes entre as médias dos tratamentos são estatisticamente
nulos ao nível “α” de probabilidade/significância;
36
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Tomada de decisão:
Se Fcal ≥ Ftab → Rejeita-se H0
Se Fcal < Ftab → Não Rejeita-se H0
EXERCÍCIOS PROPOSTOS
Espécies
A B C D
25 31 22 33
26 25 26 29
20 28 28 31
23 27 25 34
21 24 29 28
Totais 115 135 130 155
3 – Foi montado um experimento no DIC com o objetivo de verificar qual meio de cultura (A,
B, C e D) propicia maior crescimento de colônias bacterianas. O número de colônias
bacterianas, 48 horas após a inoculação, é fornecido abaixo:
37
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
A - 19 31 15 30 95
B 40 35 46 41 33 195
C 39 27 20 29 45 160
D 27 12 13 28 30 110
ˆ 1 230,6 ; m
m ˆ 2 217,2 ; m ˆ 4 209,9 ; m
ˆ 3 204,9 ; m ˆ 5 188,3
r1 = r2 = r3 = 4 ; r4 = r5 = 3
SQResd. = 438,8631
Grupos
Alimentação 1 2 3 4 5 6 7 Totais
1 30 32 33 34 29 30 33 221
2 29 31 34 31 33 33 29 220
3 43 47 46 47 48 44 47 322
4 23 25 21 19 20 21 22 151
Totais 125 135 134 131 130 128 131 914
Dias
Períodos 1 2 3 4 5 Totais
1 40,8 (A) 57,3 (E) 61,8 (C) 38,5 (D) 50,6 (B) 249,1
2 66,3 (C) 46,5 (B) 54,8 (E) 38,7 (A) 30,2 (D) 236,5
3 33,4 (D) 70,6 (C) 53,2 (A) 41,7 (B) 50,1 (E) 249,0
4 60,2 (E) 35,6 (D) 54,2 (B) 64,0 (C) 45,3 (A) 259,3
5 51,7 (B) 48,7 (A) 29,8 (D) 55,3 (E) 55,7 (C) 251,2
Totais 252,4 258,7 253,8 238,3 241,9 1.245,1
a) ANOVA;
38
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
b) Teste de Tukey.
CONTEÚDO VI
EXPERIMENTOS FATORIAIS
1 – INTRODUÇÃO
39
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
2.1 – VANTAGEM
Permite o estudo dos efeitos principais dos fatores e a interação entre fatores;
2.2 – DESVANTAGEM
Requer maior número de unidades experimentais em comparação aos experimentos
simples.
Efeito Principal: é o efeito de cada fator, independente do efeito dos outros fatores;
Efeito da Interação: é o efeito simultâneo dos fatores à variável em estudo. Ocorre
interação entre os fatores quando os efeitos dos níveis de um fator são modificados
pelos efeitos dos níveis de outros fatores.
K
Total do ij-ésimo tratamento : (AB)ij = Y
k 1
ijk
K ;J
j 1
40
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
K ;I
i 1
K ; J ;I
Total geral: G =
Y k 1
ijk
j 1
i 1
^ Ai
Média do i-ésimo nível do fator A: m Ai
JK
^ Bj
Média do j-ésimo nível do fator B: m Bj
IK
^ G
Média geral: m
IJK
A tabulação dos dados fornecida acima pode ser resumida no quadro a seguir:
Bj \ A i A1 A2 ... AI Total
B1 A1B1 A2B1 ... AIB1 B1
B2 A1B2 A2B2 ... AIB2 B2
... ... ... ... ... ...
BJ A1BJ A2BJ ... AIBJ BJ
Total A1 A2 ... AI G
5 – ANÁLISE DE VARIÂNCIA
41
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
I ,J ,K
G2
SQTotal =
i 1
Y 2
ijk
IJK
j 1
k 1
1 I ,J G2
SQTrat(AB) = K i j
2
( A B )
i 1 IJK
j 1
1 I
G2
SQA =
JK
i 1
A i
2
IJK
1 J
G2
SQB =
IK
B
j 1
2
j
IJK
Efeitos Principais
Fator A:
H0: mA1 = mA2 = ... = mAI = m
H1: Não H0
Ou,
H0: Todos os possíveis contrastes entre as médias dos níveis do fator A são estatisticamente
nulos ao nível de α% de probabilidade;
H1: Existe pelo menos um contraste entre as médias dos níveis do fator A estatisticamente
diferente de zero ao nível de α% de probabilidade.
Fator B:
42
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Efeito da Interação
Os valores de Fcal obtidos na análise de variância para cada uma das fontes de variação
em teste (efeitos principais e efeito da interação) devem ser comparados com os valores de
Ftab apropriados, os quais serão obtidos na tabela para valores de F, de acordo com o nível de
significância (α) desejado, graus de liberdade da fonte de variação em teste (n1) e o grau de
liberdade do resíduo (n2).
A Tomada de Decisão deve ser feita inicialmente para a interação. Se Fcal ≥ Ftab → A
decisão é Rejeitar H0 ao nível de significância em que foi executado o teste. Caso contrário
(Fcal < Ftab) → Não Rejeita H0.
A Não Rejeição de H0 para a interação implica que os fatores atuam
independentemente. Assim, devem-se estudar os fatores isoladamente. Neste caso, observa-se
o resultado do teste F para cada fator e, caso ele seja significativo, aplica-se um teste de média
para comparar os níveis do fator.
A Rejeição de H0 para a interação implica que os fatores não atuam
independentemente. Assim, não se devem estudar os fatores isoladamente. Neste caso, deve-
se proceder a uma nova análise estatística de cada fator dentro dos níveis do (s) outro (s) fator
(es).
EXERCÍCIO PROPOSTO
1 – Considere um Experimento Fatorial com dois fatores: Variedade de Sorgo com três níveis
e Adubação Nitrogenada com quatro níveis. Ele foi instalado utilizando o DBC, com três
repetições (blocos). Os dados, para os totais de produção, são apresentados a seguir:
43
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Adubação Nitrogenada
Variedade de 1 2 3 4 Totais
Sorgo
1 25,4 27,8 29,6 31,4 114,2
2 23,1 25,0 27,2 29,6 104,9
3 20,5 22,8 24,8 26,8 94,9
Totais 69,0 75,6 81,6 87,8 314,0
Dados: SQResd. = 36,2780 e α = 5%
Pede-se:
a) ANOVA;
b) Teste de Tukey.
CONTEÚDO VII
REGRESSÃO LINEAR
1 – INTRODUÇÃO
2 – ANÁLISE DE REGRESSÃO
Para tentar estabelecer uma equação que representa o fenômeno em estudo pode-se
plotar (desenhar) um Diagrama de Dispersão para verificar como se comporta os valores da
variável dependente (Y) em função da variação dos níveis da variável independente (X). O
diagrama de dispersão é um gráfico no qual cada ponto plotado representa um par observado
44
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Um método adequado para estimar a equação de regressão linear simples entre duas
variáveis X e Y será aquele que minimize as distâncias entre os pontos do diagrama de
dispersão e do modelo matemático. Este método é denominado de Método dos Mínimos
Quadrados (MMQ). Nele, a soma dos quadrados das distâncias entre os pontos do diagrama
de dispersão e os respectivos pontos na curva da equação estimada é minimizada, obtendo
assim uma relação funcional entre X e Y com o mínimo de erro possível, de acordo com o
modelo escolhido.
Seja o modelo estatístico da Regressão Linear Simples (1º grau):
Yi = β0 + β1Xi + ei
em que:
Yi → é o valor observado para a variável dependente Y no i’ésimo nível da variável
independente X;
β0 → é a Constante de Regressão. Representa o intercepto da reta com o eixo Y;
β1 → é o Coeficiente de Regressão. Representa a variação de Y em função da variação de uma
unidade da variável X;
Xi → é o i’ésimo nível da variável independente X (i = 1, 2, 3, ..., n);
45
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
^ ^
0 Y 1 X
X Y
XY n X Y
^ Cov ( X , Y ) n 1
XY n SPXY
1
Var. X X 2
X 2 SQDX
X 2
n
X 2
n
n 1
^^^
Y 0 1 X i
2.2 – Análise de Variância da Regressão
^
estimativa do coeficiente de regressão ( ). Um teste que pode ser realizado para verificar
1
46
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
em que:
p → é o número de Coeficientes de Regressão (não inclui o β0);
n → é o número de observações ou níveis;
n
n
( Yi ) 2
SQTotal =
Y
i 1
i
2
i 1
SPXY
2 ^
SQRegressão = 1 (SPXY )
SQD X
SQResíduo = SQTotal – SQRegressão
H0: β1 = 0; O que equivale a dizer que a variável independente não exerce influência
na variável dependente, de acordo com o modelo proposto;
H1: β1 ≠ 0; O que equivale a dizer que a variável independente exerce influência na
variável dependente, de acordo com o modelo proposto.
47
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
SQ Re gressão SPXY 2
2
R =r = 2
SQTotal SQD X .SQDY
O Gráfico da Equação de Regressão Estimada pode ser obtido atribuindo valores para
a variável independente e, consequentemente, obtendo os respectivos valores estimados para a
variável dependente. Esses pares de valores são plotados nos respectivos eixos X e Y, obtendo
assim o gráfico da equação de regressão estimada.
A distância dos pontos observados no experimento em relação ao gráfico (curva ou
reta) da equação de regressão estimada também é uma indicação da adequação ou não do
modelo de regressão proposto para descrever o fenômeno.
EXERCÍCIOS PROPOSTOS
1 – De acordo com os dados fornecidos abaixo para a variável X (dose de Zn em ppm) e para a
variável Y (MS(g)/planta), pede-se:
48
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Temperatura (ºC) 20 30 40 50 60 70 80
Potência 43 41 34 30 26 23 18
1 – O peso dos ovos de determinada linhagem de ave de postura tem distribuição normal, com
média de 65 gramas e desvio padrão de cinco gramas. Considere uma amostra aleatória de
uma dúzia (caixa) desses ovos. Qual a probabilidade de que o peso dessa caixa esteja
compreendido entre o intervalo de 750 e 825 gramas?
2 – Para avaliar a precisão de uma balança de laboratório, pesa-se repetidas vezes um objeto
padrão de peso conhecido igual a 10 gramas. As leituras da balança tem distribuição normal.
Sabe-se que o desvio padrão das leituras é 0,0002 gramas. Pesa-se o objeto cinco vezes e o
resultado médio é 10,0023 gramas.
Estabeleça um intervalo de 95% de confiança para a média de repetidas pesagens do
objeto;
Quantas pesagens ou medidas devem entrar no cálculo da média a fim de que se obtenha
uma margem de 0,0001 de erro com 95% de confiança?
3 – Uma agência de propaganda, que atende a uma das principais estações de rádio, gostaria
de calcular a quantidade média de tempo que a audiência gasta diariamente ouvindo radio. A
partir de estudos anteriores, o desvio padrão é calculado em 45 minutos.
Que tamanho de amostra é necessário se a agência quiser ter 90% de confiança de estar
correta em um intervalo de ± 5 minutos?
Se for desejado um nível de 99% de confiança, que tamanho de amostra é necessário para
o mesmo intervalo da alínea anterior (± 5 minutos)?
Faça inferências a respeito dos tamanhos das amostras encontrados nas alíneas anteriores
(a e b), explicando o motivo de ter encontrado dimensões distintas.
49
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
2,9 3,4 3,5 4,1 4,6 4,7 4,5 3,8 5,3 4,9
4,8 5,7 5,8 5,0 3,4 5,9 6,3 4,6 5,5 6,2
5 – Estudos anteriores levam a supor que crianças de dois meses alimentadas exclusivamente
com leite do tipo A sofrem um aumento de peso que segue distribuição normal, com média
desconhecida, porém de variância 9.000 gramas 2. Escolhe-se ao acaso 20 crianças de dois
meses, alimentando-as exclusivamente com leite do tipo A. Nesta amostra o aumento de peso
médio foi de 475 gramas. Obtenha um intervalo de 99% de confiança para o aumento médio
do peso das crianças nas condições apresentadas.
7 – Um conjunto, composto por 12 animais em experiência, foi alimentado com uma dieta
especial durante determinado tempo e verificou-se que os ganhos de peso (em kg) foram de:
25 – 22 – 30 – 26 – 24 – 39 – 32 – 26 – 32 – 33 – 28 – 30. Encontrar os limites de confiança
para a média ao nível de 90% de probabilidade.
8 – Qual deve ser a dimensão da amostra a recolher de uma população normal de valor médio
μ e desvio padrão 10 de modo que o intervalo de confiança para μ a 99% tenha amplitude 1?
9 – Considere que o comprimento dos corpos de uma espécie de camarão de água doce
apresente distribuição normal. Uma amostra de 60 camarões apresentou uma média de 5,315
cm e desvio padrão 0,8293 cm.
a) Determine um intervalo de confiança a 99% para a média da população;
b) Qual o erro padrão associado à média da amostra?
50
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
10 – A altura (em mm) da espuma de sabão em uma bacia é importante para os fabricantes de
detergentes e supõe-se que sua distribuição é normal. Foi efetuada uma experiência colocando
a mesma quantidade de detergente em 10 bacias de tamanho padrão e, depois de certa
agitação da água, mediu-se a altura da espuma. Obtiveram-se os seguintes resultados:
x
10 10
xi 229
2
; i x 1.553
i 1 i 1
a) Determine uma estimativa pontual para a média e para o desvio padrão;
b) Determine um intervalo a 99% de confiança para a média;
c) Comente os dois tipos de estimativa obtidos (nas alíneas anteriores) para a média.
c/ fertilizante 25 35 45 30 20 25 30
s/ fertilizante 35 25 20 15 30
3 – Considere uma amostra de 10 leitões da raça Large White. Aos 21 dias de idade foram
feitas medições dos seus pesos (kg), fornecendo os seguintes dados:
51
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Leitões 1 2 3 4 5 6 7 8 9 10
Peso (kg) 5,0 5,2 5,4 4,8 5,1 4,9 5,0 5,2 5,5 5,6
Máquina 1 2 3 4 5 6 7 8
% defeito antes (X) 3,8 4,2 2,3 3,3 3,4 3,1 3,0 2,5
% defeito após (Y) 2,5 4,2 2,5 2,2 2,0 1,8 2,0 2,0
8 – Os dados abaixo 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 aos 4 dias de
idade. Verificar se a timectomização piora o ganho de peso destes animais, usando α = 5%.
52
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Sem Suplementação 0,32 0,49 0,51 0,45 0,70 0,52 0,35 0,60
Com Suplementação 0,72 0,90 0,67 0,83 0,67 0,93 0,80 0,75
Sem Suplementação 0,32 0,49 0,51 0,45 0,70 0,52 0,35 0,60
Com Suplementação 0,72 0,90 0,67 0,83 0,67 0,93 0,80 0,75
12 – Um touro vermelho e branco é acasalado com 120 vacas de igual genótipo. Nasceram 20
animais vermelhos, 70 vermelhos e brancos e 30 brancos. Testar para α = 5%, se pode aceitar
a proporção de 1:2:1 para as cores (fenótipos) vermelho, vermelho e branco e branco,
respectivamente.
53
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Tratamentos ^ ri
m i
1 25,00 5
2 18,70 5
3 30,40 5
4 27,50 6
54
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Pede-se:
a) As estimativas dos contrastes Y1, Y2 e Y3;
b) Verificar se os contrastes são ortogonais entre si.
Y1 = m1 – m2
Y2 = m1 + m2 – 2m3
4 – Por meio dos dados e dos contrastes fornecidos abaixo, obter suas estimativas e verificar
se são ortogonais.
T1 = 67,20 T2 = 63,00 T3 = 40,00 T4 = 105,00
r1 = r2 = 6 r3 = 4 r4 = 5
Y1 = m1 + m2 – m3 – m4
Y2 = m1 – m2
Técnicas de Preparação
Repetições 1 2 3
1 130 125 127
2 129 131 129
55
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Existe algum tempo de pastejo no qual o ganho de peso médio diferiu dos demais, ao
nível de 5% de significância?
56
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
6 – Com o objetivo de avaliar a utilização de farelo bruto foi realizado um experimento com
uma duração de 28 dias, composto de quatro tratamentos e cinco repetições por tratamento.
Cada parcela foi constituída de 50 pintos de um dia de idade, da linhagem “Ross”, sendo 25
machos e 25 fêmeas. Os resultados dos ganhos de peso médio por parcela são dados a seguir:
9 – Aplicar o teste de Tukey às comparações múltiplas obtidas com as médias dos tratamentos
de um experimento realizado no delineamento inteiramente casualizado (DIC). Concluir para
o nível de 1% de probabilidade.
SQResíduo = 438,8631 r1 = r2 = r3 = 4 r4 = r5 = 3
57
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
^ ^ ^ ^ ^
m1 230,6 m 2 217,2 m3 204,9 m 4 209,9 m5 188,3
10 – Em uma propriedade agrícola foi realizado um experimento com cinco empregados. Eles
realizaram a pulverização de cinco áreas (uma área/empregado) com pulverizadores costais
manuais (em condições iguais). No fim de cada turno de trabalho foi avaliado o consumo do
pulverizador por empregado, obtendo, para 10 turnos, as seguintes médias (consumo em
litros/100m2):
^ ^ ^ ^ ^
m1 2,11 m 2 2,51 m3 1,87 m 4 2,23 m 5 1,80
Sabendo-se que a SQTotal = 235,51. Qual empregado apresentou maior consome em
seu pulverizador ao nível de 5% de significância? Se necessário utilize o teste de Tukey.
Tratamentos 1 2 3 4
Totais 37,2 44,8 31,6 32,8
F.V. G.L. SQ QM F
Tratamento
Resíduo
Total 33,82
Variedades
1 2 3 4 5
9,1 11,5 8,2 14,2 15,2
6,8 13,7 11,1 10,9 16,1
11,3 14,1 6,2 13,1 11,1
10,4 8,9 15,7 11,4 14,4
11,4 16,1 11,7
58
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
b) Para recomendar a(s) variedade(s) mais produtiva(s) é necessário aplicar algum teste
de médias? Justifique sua resposta.
Grupos
TA 1 2 3 4 5 6 7 Totais
1 30 32 33 34 29 30 33 221
2 29 31 34 31 33 33 29 220
3 43 47 46 47 48 44 47 322
4 23 25 21 19 20 21 22 151
Totais 125 135 134 131 130 128 131 914
Com base nas informações anteriores, pede-se:
Qual o tipo de delineamento experimental utilizado pelo criador? Justifique sua resposta.
Existe diferença entre os tipos de alimentação fornecidos às ovelhas? (α = 1%).
Com base no teste de Tukey, qual (is) seria (m) o (s) tipo (s) de alimentação a ser (em)
recomendado (s) às ovelhas?
Calcular o coeficiente de variação do experimento.
Blocos
Tratamentos 1 2 3 4 Totais
1 142,36 144,78 145,19 138,88 571,21
2 139,28 137,77 144,44 130,61 552,10
3 140,73 134,06 136,07 144,11 554,97
4 150,88 135,83 136,97 136,36 560,04
5 153,49 165,02 151,75 150,22 620,48
Totais 726,74 717,46 714,42 700,18 2.858,80
ANOVA.
Teste de Tukey, se necessário.
15 – Com o objetivo de verificar qual tipo de pneu que proporciona menor consumo de
combustível, para trabalhar em terrenos encharcados, testou quatro diferentes tipos. Como a
área que dispunha para realizar o experimento era heterogênea com relação à declividade,
subdividiu a área total em três sub-áreas, de tal forma que dentro de cada uma delas existia
59
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Pneus
Sub-área 1 2 3 4
1 30 32 33 35
2 29 30 31 33
3 25 26 30 31
Variedades
Blocos A B C D E
1 9 21 22 15 12
2 13 27 29 11 18
3 11 26 24 10 18
4 9 25 25 12 17
a) ANOVA.
b) Teste de Tukey, se necessário.
Colunas
Linhas 1 2 3 4 5 Totais
1 432 (D) 518 (A) 458 (B) 583 (C) 331 (E) 2.322
2 724 (C) 478 (E) 524 (A) 550 (B) 400 (D) 2.676
3 489 (E) 384 (B) 556 (C) 297 (D) 420 (A) 2.146
60
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
4 494 (B) 500 (D) 313 (E) 486 (A) 501 (C) 2.294
5 515 (A) 660 (C) 438 (D) 394 (E) 318 (B) 2.325
Totais 2.654 2.540 2.289 2.310 1.970 11.763
a) Análise de Variância.
b) Qual variedade deve ser recomendada com relação a sua produtividade? Utilize o teste
de Tukey, se necessário.
Dados:
61
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
FV GL SQ QM F
Ração 5,0400
Raça 1,0000
Interação
(Tratamento (20,3750)
)
Blocos -
Resíduo 15,0000
Total
Rações
Raças 1 2 Totais
1 45 40 85
62
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
2 38 45 83
3 39 48 87
Totais 122 133 255
2 – Suponha que você esteja participando de uma seleção para um emprego em uma empresa
de pesquisa. Dentre as várias áreas em avaliação, consta a área de estatística, que objetiva
avaliar seus conhecimentos na área de experimentação, não simplesmente pedindo-lhe para
fazer “contas” (na ocasião, de menor relevância), mas sim com relação à estratégia de análise,
interpretação, discussão e tomada de decisão. São feitas as seguintes perguntas:
Como você faria um “leigo” entender o que vem a ser Interação entre dois Fatores A e B.
Qual a estratégia de análise a ser efetuada (ou os passos das análises subsequentes) nos
seguintes casos de um experimento fatorial com dois fatores A e B:
b.1) Interação Não Significativa;
b.2) Interação Significativa.
B1 B2 B3 B4 Totais
A1 29 25 22 18 94
A2 29 23 20 15 87
A3 21 23 19 18 81
Totais 79 71 61 51 262
Dados: SQResd. = 56,43 e α = 5%.
a) Proceder a ANOVA;
b) Aplicar o teste de Tukey, se necessário.
B1 B2 B3 Totais
A1 20,6 40,5 42,3 103,4
A2 19,8 41,6 42,5 103,9
Totais 40,4 82,1 84,8 207,3
63
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
Cultivares
Adubos IAC-9 UFV-1 Criatalina Totais
1 29,8 53,4 21,0 104,2
2 35,0 42,4 40,1 117,5
3 52,9 44,6 33,7 131,2
4 54,2 49,9 39,0 143,1
5 52,9 23,1 27,5 103,5
Totais 224,8 213,4 161,3 599,5
Dados: SQResd. = 218,73 e α = 5%.
Temperatura (0C) 10 15 20 25 30
Comprimento (mm) 1.003 1.005 1.010 1.011 1.014
2 – Para verificar se existe uma relação linear de 1º grau entre Umidade Relativa (UR - %) do
ar da secagem de sementes e a germinação das mesmas, um pesquisador realizou um teste
com quatro diferentes valores para a porcentagem de UR do ar que atravessava as sementes
armazenadas, obtendo-se os seguintes valores amostrais:
64
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
UR (%) 20 30 40 50
Germinação (%) 94 96 95 97
X 2 4 6 8 10 12 14 16 18 20
Y 10,3 18,2 25,1 35,6 43,0 50,0 59,1 67,8 75,2 85,0
4 – O modelo de regressão linear de 1º grau foi proposto para explicar a relação entre a
quantidade de ração fornecida e a produção de leite por cabras. Por meio dos dados fornecidos
abaixo, pede-se:
5 – Suponha que tenha sido realizada uma pesquisa a respeito da influência do tempo de
estudo na nota da prova de determinada disciplina. Os dados relacionados a cinco alunos
aleatoriamente entrevistados são dados abaixo:
Dados:
5 5 5 5 5
X i 20 ;
i 1
X i2 90 ;
i 1
Yi 31 ;
i 1
Yi 2 215 ;
i 1
X Y
i 1
i i 139
Pede-se:
65
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
X 18 15 17 16 19 24 15 14 17 18
Y 58 90 95 53 92 96 75 84 94 87
Pede-se:
IX - GABARITO
66
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
67
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
^
3– Y 1,522 4,128 X
Fc = 8.079,8
^
4 – a) Y 0,7 0,012 X
b) Fc = 67,669
^
5 – a) Y 0,2 1,5 X
b) Fc = 225,00
c) 4 horas e 32 minutos
^
6 – a) Y 53,895 1,648 X
b) Fc = 0,7947
c) r2 = 0,0904
68
IC283 – Bioestatística e IC284 – Estatística Experimental
Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ
69