Resumo de Fundamentos de Delineamento Experimental e Estatística

## Introdução O **delineamento experimental** e a **ANOVA** (análise de variância) são ferramentas fundamentais para planejar experimentos, controlar a variabilidade e detectar efeitos de tratamentos em estudos científicos. Neste material revisaremos conceitos-chave, procedimentos práticos, um exemplo completo de um delineamento fatorial $2\times2$ e como interpretar os resultados estatísticos e biológicos. > **Definição:** O delineamento experimental é o conjunto de procedimentos estatísticos e metodológicos utilizados para planejar um experimento, controlar a variabilidade e obter conclusões válidas. ## Conceitos Básicos ### Componentes do modelo experimental - Modelo simples utilizado: $$Y_{ij} = \mu + T_i + \varepsilon_{ij}$$ onde $\mu$ é a média geral, $T_i$ o efeito do tratamento e $\varepsilon_{ij}$ o erro experimental. > **Definição:** $\varepsilon_{ij}$ representa o erro experimental não explicável pelos fatores incluídos no modelo. ### Objetivos do delineamento experimental - Comparar tratamentos. - Reduzir erros experimentais. - Aumentar a precisão. - Garantir validade científica. ### Princípios fundamentais 1. **Repetição**: aplicar o mesmo tratamento várias vezes para estimar a variabilidade e o erro experimental. Exemplo: 4 tratamentos × 5 repetições = 20 unidades experimentais. 2. **Controle**: reduzir a variabilidade não controlada por meio de condições experimentais homogêneas. 3. **Aleatorização**: atribuir tratamentos aleatoriamente às unidades experimentais para evitar vieses e distribuir erros não controlados. Exemplo: 16 tanques → atribuição aleatória de 4 tratamentos. > **Definição:** Aleatorização é o processo de atribuir tratamentos aleatoriamente às unidades experimentais com o objetivo de evitar vieses e garantir independência. ## Delineamento fatorial $2\times2$ (exemplo prático) Apresentamos um exemplo com dois fatores: Qualidade da água (Fator A) com níveis $a_1$ = água contaminada e $a_2$ = água limpa; Profundidade (Fator B) com níveis $b_1$ = 2 m e $b_2$ = 5 m. Variável resposta: Produção pesqueira (kg). ### Dados experimentais (resumo) Médias por combinação (cada célula tem $n=3$ repetições): - $(a_1b_1)$: $\bar{y}_{11} = 12.33$ (dados: 14, 12, 11) - $(a_1b_2)$: $\bar{y}_{12} = 17.67$ (dados: 17, 20, 16) - $(a_2b_1)$: $\bar{y}_{21} = 28.00$ (dados: 30, 25, 29) - $(a_2b_2)$: $\bar{y}_{22} = 35.67$ (dados: 36, 33, 38) Soma total das observações: $\sum Y = 281$, média geral: $$\bar{Y}_{..} = \frac{281}{12} = 23.42.$$ ### Cálculo das somas de quadrados - Soma de quadrados total: $$SCT = 1094.92.$$ - Soma de quadrados do fator A (qualidade da água): $$SCA = 849.04.$$ - Soma de quadrados do fator B (profundidade): $$SCB = 126.75.$$ - Soma de quadrados da interação: $$SC_{AB} = 0.75.$$ - Soma de quadrados do erro: $$SCE = 118.38.$$ ### Graus de liberdade e quadrados médios - Graus de liberdade: para um delineamento $2\times2$ com $n=3$ repetições por célula: $df_A = 1$, $df_B = 1$, $df_{AB} = 1$, $df_E = 8$, $df_T = 11$. - Quadrados médios: $$CME = \frac{SCE}{8} = 14.80.$$ Os quadrados médios dos fatores são reportados como: $$CM_A = 849.04,\quad CM_B = 126.75,\quad CM_{AB} = 0.75.$$ ### Estatística F - Fator A: $$F_A = \frac{CM_A}{CME} = \frac{849.04}{14.80} = 57.37.$$ - Fator B: $$F_B = \frac{CM_B}{CME} = \frac{126.75}{14.80} = 8.56.$$ - Interação: $$F_{AB} = \frac{CM_{AB}}{CME} = \frac{0.75}{14.80} = 0.05.$$ Interpretação: valores altos de $F$ (comparados com a tabela $F$) indicam efeitos significativos. Neste exemplo, o Fator A e o Fator B mostram efeitos significativos, enquanto a interação não é significativa. > **Definição:** ANOVA é o procedimento que decompõe a variabilidade total em componentes atribuíveis a fatores, interação e erro residual. ### Tabela ANOVA (forma resumida) | Fonte | Soma de quadrados | gl | Quadrado médio | $F$ | |--------|-------------------:|:--:|----------------:|----:| | Fator A | 849.04 | 1 | 849.04 | 57.37 | | Fator B | 126.75 | 1 | 126.75 | 8.56 | |