O estatístico moderno, treinado nos métodos de delineamento casualizado, condena com demasiada facilidade o delineamento sistemático, pois este não considera o principio da casualização. Porém, há ocasiões em que a casualização e impraticável ou não aconselhável e assim, se métodos apropriados de análise forem empregados poderemos tirar conclusões com uma objetividade suficiente para atender aos propósitos do pesquisador. No presente trabalho foi feito um estudo sobre dois tipos de delineamentos sistemáticos: em "leque" em "linhas paralelas", apresentando os cálculos para o dimensionamento destes ensaios. Além disso, foi feita uma revisão bibliográfica a mais completa possível sobre os ensaios sistemáticos e, através de um exemplo, foi apresentada uma metodologia para a análise e estatística de tais ensaios, verificando a aplicação da metodologia de analise de regressão polinomial nestes tipos de ensaios. Com isso foi possível concluir que: (a) um delineamento sistemático não atinge o seu objetivo-a eliminação da heterogeneidade do acampo-a, a não ser que seja sujeito a uma analise estatística muito rigorosa, que e mais trabalhosa; (b) o método das funções ortogonais pode ser explorado com grande vantagem, como foi feito no calculo da regressão do exemplo / not available

O estatístico moderno, treinado nos métodos de delineamento casualizado, condena com demasiada facilidade o delineamento sistemático, pois este não considera o principio da casualização. Porém, há ocasiões em que a casualização e impraticável ou não aconselhável e assim, se métodos apropriados de análise forem empregados poderemos tirar conclusões com uma objetividade suficiente para atender aos propósitos do pesquisador. No presente trabalho foi feito um estudo sobre dois tipos de delineamentos sistemáticos: em “leque” em “linhas paralelas”, apresentando os cálculos para o dimensionamento destes ensaios. Além disso, foi feita uma revisão bibliográfica a mais completa possível sobre os ensaios sistemáticos e, através de um exemplo, foi apresentada uma metodologia para a análise e estatística de tais ensaios, verificando a aplicação da metodologia de analise de regressão polinomial nestes tipos de ensaios. Com isso foi possível concluir que: (a) um delineamento sistemático não atinge o seu objetivo-a eliminação da heterogeneidade do acampo-a, a não ser que seja sujeito a uma analise estatística muito rigorosa, que e mais trabalhosa; (b) o método das funções ortogonais pode ser explorado com grande vantagem, como foi feito no calculo da regressão do exemplo / not available

Com o objetivo de amenizar erros de interpretação de hipótese testados através de somas de quadrados fornecidas por pacotes estatísticos e visando iniciar o pesquisador nas idéias sobre interpretação das hipóteses. No presente trabalho foram utilizados dois pacotes estatísticos, o SAS e o STATGRAPHICS. Essa escolha se deveu ao fato de que o primeiro apresenta quatro tipos de somas de quadrados e, portanto, quatro tipos de hipóteses, e o segundo, duas delas. Naturalmente, ambos são universalmente adotados. Foram tomados dois exemplos práticos, a fim de auxiliar na escolha das hipóteses mais adequadas para as diversas caracterizações impostas ao modelo linear proposto, ou seja, experimentos balanceados e desbalanceados, com e sem caselas vazias. Neste contexto, foi possível mostrar que as hipóteses para dados balanceados não apresentaram diferenças, isto é, as quatro hipóteses do SAS e as duas do STATGRAPHICS foram idênticas. Já para os dados desbalanceados, as diferenças entre as hipóteses tornaram-se evidentes. Para o caso de caselas vazias, o problema agravou-se severamente, e a construção das hipóteses tornou-se difícil, e sua interpretação, extremamente complexa / not available

Há situações onde se constata que os artigos e publicações sobre determinado assunto apresentam embasamento teórico tão resumido que não permite, à primeira vista, uma decisão segura a respeito dos seus méritos teóricos. No caso específico da bibliografia sobre métodos de determinação de tamanho e forma ótimos de parcelas experimentais, este problema é bastante comum. Seis dentre os métodos mais usados foram abo dados com o objetivo de esclarecer e tornar mais acessível à teoria na qual se baseiam. A abordagem de cada método consistiu numa descrição geral, ressaltando as vantagens e desvantagens, explicando os seus aspectos teóricos, seguida da resolução de exemplo ilustrativo, finalizando com comentários adicionais a seu respeito e comparação com os demais métodos. O método da máxima curvatura, de origem mais remota, necessita de um ensaio em branco, sendo indicado para os casos em que a unidade básica do ensaio é algo natural, não convencionada arbitrariamente (FEDERER, 1955), servindo mais como auxiliar aos outros métodos. O método de SMITH (1938), o mais usado, se baseia na relação empírica da variância (Vx ) entre parcelas de tamanho x reduzida à área unitária e o tamanho (x) de parcela, através da formula: Vx=V1/,sup>b, onde: V1 é Vx para x=1 b = coeficiente de heterogeneidade do solo. O estimador original para b foi melhorado, sendo preterido por aquele da metodologia proposta por HATREWAY e WILLIAMS (1958). Este método aproveita dados provenientes de ensaios em branco e de experimentos em parcelas subdivididas ou em reticulado quadrado (KOCH & RIGNEY, 1951). o tamanho ótimo de parcela é obtido através da formula: xótimo= b/1-b . K1/K2 , onde K1 e K2 , se originam de custos do tipo: C= K1 + K2 X. O método da máxima curvatura modificado se baseia na função: CVx = a’/xb’, onde CVx = coeficiente de variação a parcelas de tamanho x. a’ e b’ são constantes a serem determinados pelo método dos mínimos quadrados ponderado (pelos graus de liberdade a cada CVx). O ponto de máxima curvatura dessa função é determinado e dado por: xcrítico = [a’2b’2(2b’ + 1)/(b’ + 2]1/(2b’ + 2). O x crítico assim obtido indica o tamanho de parcela que corresponde à maior taxa de variação direcional do coeficiente de variação, servindo de informação auxiliar aos diversos outros métodos de determinação de tamanho e forma ótimos de parcelas experimentais. O método de HATHEWAY (1961) conjuga a fórmula de COCHRAN & COR (1957), de determinação do número de repetições, e a fórmula de SMITH (1938), resultando numa terceira fórmula, de fácil uso, relacionando tamanho de parcela, numero de repetições e precisão desejada, permitindo a escolha da combinação destes três fatores mais conveniente à pesquisa. O método de PIMENTEL GOMES (1984) relaciona o coeficiente de correlação intra-classe (&#961) e a variância da média de cada tratamento determinando a forma da parcela que a minimiza, em função do- numero de linhas e observações por parcela. Fica claro que um método complementa o outro, que a informação de cada um deles se baseia ora em custos, ora na minimização da variância da média de tratamento etc., de modo que a aplicação simultânea de mais de um método, se couber, na determinação do tamanho ótimo da parcela experimental, é altamente recomendável, a fim de que o tamanho realmente adotado atenda, na medida do possível, aos diversos requisitos presentes nos métodos empregados. / Six among the most used methods of determination of size and shape of experimental plots were discussed with the intention to make clear the theory the methods is based on, pointing out their advantages and disadvantages, followed by a step-by-step resolution of one or more exercises for each method, finishing with comments about and comparison among them. The maximum curvature method (simple and modified) serves only as a subsidy tothe other methods. SMITH's (1938) method, the most employed of them, considers the costs involved in the research, utilizing data from uniformity trials and split-plot and lattice designs. HATHEWAY's (1961) method combines SMITH's and COCHRAN & COX's formmulas, permiting stablish the most convenient combination of these three factors: plot size, number of repetition and desired precision. PIMENTEL GOMES' (1984) method determines the plot size and shape that minimize the variance of the treatments mean in terms of number of lines and observations per plot associated to the intra-class correlation coefficient. The application of more than one method of determination of plot size and shape, if possible, is recomendable, for the reason that the plot size actually used attend the requirements of the various methods simultaneously

O presente trabalho aborda os estudos desenvolvidos na teoria de conectividade. O problema da desconexão é abordado no intuito de determinar quais funções são estimáveis através da obtenção de contrastes em delineamentos de dois fatores quando acontece perda de parcelas. Apresentam-se três algoritmos na detecção de conectividade. O modelo efetivo de medias apresentado por Hocking (1985). O processo R (DODGE 1985) e alternativamente utiliza-se o método gráfico que permite a verificação dos resultados obtidos pelos dois algoritmos interiores. Apresentam-se dois casos característicos de delineamentos desconexos os quais são analisados por ambos os procedimentos obtendo-se os mesmos resultados estabeleceram-se as seguintes conclusões: a construção de contrastes ortogonais entre os níveis de cada fator é uma alternativa muito eficiente para se detectar a estrutura de conexão de um delineamento e, por conseguinte, a obtenção dos graus de liberdade para cada efeito, deste modo presta-se uma contribuição importante na análise de variância. O modelo de medias permite observar a estrutura de conexão de forma transparente o que possibilita expressar as parcelas não observadas mediante contrastes em termos das parcelas observadas. O processo R é mais operativo e funcional nos casos de grande quantidade de dados / In the present work current literature about theory the connectivity. The disconnection problem is mentioned in order to determine which functions are estimable through the obtainment of contrats in the design of two factors when-missing data. Three algorithms shown in the conncectivity detection: The mean effective model presented by Hocking (1985), the R-Process presented by DODGE(1985), and the graphic method used alternatively, which allows the verification of the results obtained by the two previous algorithms. Two disconnected, desings cases are presented and analysed by both procedures and egual results were obtained. The following conclusions were established: - Ortogonal contrasts between each factor level is a very effecient alternative to detect the desing connection structure, and to obtain the degrees of freedom needed for each factor that way a valuable contribution to the variance Analysis is rendered. The mean model makes it possible to observed the connection structure in a transparent form, what makes possible the expression of the not observed parcels through contrasts in the observed parcels. The R-Process is more operative cand functional in cases of great number of data

Dados de experimentos em que se tomam medidas repetidas em ocasiões sucessivas sobre a mesma unidade experimental são analisados através de Método Univariado de Parcela Subdividida (Split-Plot), o qual pressupõe que as medidas tomadas em ocasiões distintas tenham iguais variâncias e iguais covariâncias e ainda que tenham uma matriz uniforme. Uma alternativa interessante para a execução da análise e, sem dúvida, a correção nos números de graus de liberdade. Embora existam outros procedimentos de análises, este e mais acessível a compreensão e, consequentemente, mais usual. Procedimentos que foram abordados durante o trabalho. O método será ilustrado com uma análise de um experimento, cujo o objetivo foi estudar o efeito global de tratamentos ao fim do experimento e a variação destes tratamentos ao longo de oito épocas de observação, em dois substratos diferentes, em sucupira vermelha, Andira parviflora ducke / Data from the same experimental unit measured more than once analysed by Univariate Method Split-Plot Design (Parcela Subdividida), is supposed to have the same variance and same covariance, and also uniform matrix. An interesting way for analysis of the data is the correction of degree of freedom. Although there are othersanakysis proceedings, the above method is easier to understand and consequently, more usefull. This is the objetive of the present experiment. The method will be illustrated using one experiment analysis which objective was to study the global effect of treatment by the end of the experiment, and the data variation during eight observation stages taken from Sucupira Vermelha (Andira parviflora Ducke), with two different treatments

Dados de experimentos em que se tomam medidas repetidas em ocasiões sucessivas sobre a mesma unidade experimental são analisados através de Método Univariado de Parcela Subdividida (Split-Plot), o qual pressupõe que as medidas tomadas em ocasiões distintas tenham iguais variâncias e iguais covariâncias e ainda que tenham uma matriz uniforme. Uma alternativa interessante para a execução da análise e, sem dúvida, a correção nos números de graus de liberdade. Embora existam outros procedimentos de análises, este e mais acessível a compreensão e, consequentemente, mais usual. Procedimentos que foram abordados durante o trabalho. O método será ilustrado com uma análise de um experimento, cujo o objetivo foi estudar o efeito global de tratamentos ao fim do experimento e a variação destes tratamentos ao longo de oito épocas de observação, em dois substratos diferentes, em sucupira vermelha, Andira parviflora ducke / Data from the same experimental unit measured more than once analysed by Univariate Method Split-Plot Design (Parcela Subdividida), is supposed to have the same variance and same covariance, and also uniform matrix. An interesting way for analysis of the data is the correction of degree of freedom. Although there are othersanakysis proceedings, the above method is easier to understand and consequently, more usefull. This is the objetive of the present experiment. The method will be illustrated using one experiment analysis which objective was to study the global effect of treatment by the end of the experiment, and the data variation during eight observation stages taken from Sucupira Vermelha (Andira parviflora Ducke), with two different treatments

Com o objetivo de amenizar erros de interpretação de hipótese testados através de somas de quadrados fornecidas por pacotes estatísticos e visando iniciar o pesquisador nas idéias sobre interpretação das hipóteses. No presente trabalho foram utilizados dois pacotes estatísticos, o SAS e o STATGRAPHICS. Essa escolha se deveu ao fato de que o primeiro apresenta quatro tipos de somas de quadrados e, portanto, quatro tipos de hipóteses, e o segundo, duas delas. Naturalmente, ambos são universalmente adotados. Foram tomados dois exemplos práticos, a fim de auxiliar na escolha das hipóteses mais adequadas para as diversas caracterizações impostas ao modelo linear proposto, ou seja, experimentos balanceados e desbalanceados, com e sem caselas vazias. Neste contexto, foi possível mostrar que as hipóteses para dados balanceados não apresentaram diferenças, isto é, as quatro hipóteses do SAS e as duas do STATGRAPHICS foram idênticas. Já para os dados desbalanceados, as diferenças entre as hipóteses tornaram-se evidentes. Para o caso de caselas vazias, o problema agravou-se severamente, e a construção das hipóteses tornou-se difícil, e sua interpretação, extremamente complexa / not available

Há situações onde se constata que os artigos e publicações sobre determinado assunto apresentam embasamento teórico tão resumido que não permite, à primeira vista, uma decisão segura a respeito dos seus méritos teóricos. No caso específico da bibliografia sobre métodos de determinação de tamanho e forma ótimos de parcelas experimentais, este problema é bastante comum. Seis dentre os métodos mais usados foram abo dados com o objetivo de esclarecer e tornar mais acessível à teoria na qual se baseiam. A abordagem de cada método consistiu numa descrição geral, ressaltando as vantagens e desvantagens, explicando os seus aspectos teóricos, seguida da resolução de exemplo ilustrativo, finalizando com comentários adicionais a seu respeito e comparação com os demais métodos. O método da máxima curvatura, de origem mais remota, necessita de um ensaio em branco, sendo indicado para os casos em que a unidade básica do ensaio é algo natural, não convencionada arbitrariamente (FEDERER, 1955), servindo mais como auxiliar aos outros métodos. O método de SMITH (1938), o mais usado, se baseia na relação empírica da variância (Vx ) entre parcelas de tamanho x reduzida à área unitária e o tamanho (x) de parcela, através da formula: Vx=V1/,sup>b, onde: V1 é Vx para x=1 b = coeficiente de heterogeneidade do solo. O estimador original para b foi melhorado, sendo preterido por aquele da metodologia proposta por HATREWAY e WILLIAMS (1958). Este método aproveita dados provenientes de ensaios em branco e de experimentos em parcelas subdivididas ou em reticulado quadrado (KOCH & RIGNEY, 1951). o tamanho ótimo de parcela é obtido através da formula: xótimo= b/1-b . K1/K2 , onde K1 e K2 , se originam de custos do tipo: C= K1 + K2 X. O método da máxima curvatura modificado se baseia na função: CVx = a’/xb’, onde CVx = coeficiente de variação a parcelas de tamanho x. a’ e b’ são constantes a serem determinados pelo método dos mínimos quadrados ponderado (pelos graus de liberdade a cada CVx). O ponto de máxima curvatura dessa função é determinado e dado por: xcrítico = [a’2b’2(2b’ + 1)/(b’ + 2]1/(2b’ + 2). O x crítico assim obtido indica o tamanho de parcela que corresponde à maior taxa de variação direcional do coeficiente de variação, servindo de informação auxiliar aos diversos outros métodos de determinação de tamanho e forma ótimos de parcelas experimentais. O método de HATHEWAY (1961) conjuga a fórmula de COCHRAN & COR (1957), de determinação do número de repetições, e a fórmula de SMITH (1938), resultando numa terceira fórmula, de fácil uso, relacionando tamanho de parcela, numero de repetições e precisão desejada, permitindo a escolha da combinação destes três fatores mais conveniente à pesquisa. O método de PIMENTEL GOMES (1984) relaciona o coeficiente de correlação intra-classe (&#961) e a variância da média de cada tratamento determinando a forma da parcela que a minimiza, em função do- numero de linhas e observações por parcela. Fica claro que um método complementa o outro, que a informação de cada um deles se baseia ora em custos, ora na minimização da variância da média de tratamento etc., de modo que a aplicação simultânea de mais de um método, se couber, na determinação do tamanho ótimo da parcela experimental, é altamente recomendável, a fim de que o tamanho realmente adotado atenda, na medida do possível, aos diversos requisitos presentes nos métodos empregados. / Six among the most used methods of determination of size and shape of experimental plots were discussed with the intention to make clear the theory the methods is based on, pointing out their advantages and disadvantages, followed by a step-by-step resolution of one or more exercises for each method, finishing with comments about and comparison among them. The maximum curvature method (simple and modified) serves only as a subsidy tothe other methods. SMITH's (1938) method, the most employed of them, considers the costs involved in the research, utilizing data from uniformity trials and split-plot and lattice designs. HATHEWAY's (1961) method combines SMITH's and COCHRAN & COX's formmulas, permiting stablish the most convenient combination of these three factors: plot size, number of repetition and desired precision. PIMENTEL GOMES' (1984) method determines the plot size and shape that minimize the variance of the treatments mean in terms of number of lines and observations per plot associated to the intra-class correlation coefficient. The application of more than one method of determination of plot size and shape, if possible, is recomendable, for the reason that the plot size actually used attend the requirements of the various methods simultaneously

O presente trabalho aborda os estudos desenvolvidos na teoria de conectividade. O problema da desconexão é abordado no intuito de determinar quais funções são estimáveis através da obtenção de contrastes em delineamentos de dois fatores quando acontece perda de parcelas. Apresentam-se três algoritmos na detecção de conectividade. O modelo efetivo de medias apresentado por Hocking (1985). O processo R (DODGE 1985) e alternativamente utiliza-se o método gráfico que permite a verificação dos resultados obtidos pelos dois algoritmos interiores. Apresentam-se dois casos característicos de delineamentos desconexos os quais são analisados por ambos os procedimentos obtendo-se os mesmos resultados estabeleceram-se as seguintes conclusões: a construção de contrastes ortogonais entre os níveis de cada fator é uma alternativa muito eficiente para se detectar a estrutura de conexão de um delineamento e, por conseguinte, a obtenção dos graus de liberdade para cada efeito, deste modo presta-se uma contribuição importante na análise de variância. O modelo de medias permite observar a estrutura de conexão de forma transparente o que possibilita expressar as parcelas não observadas mediante contrastes em termos das parcelas observadas. O processo R é mais operativo e funcional nos casos de grande quantidade de dados / In the present work current literature about theory the connectivity. The disconnection problem is mentioned in order to determine which functions are estimable through the obtainment of contrats in the design of two factors when-missing data. Three algorithms shown in the conncectivity detection: The mean effective model presented by Hocking (1985), the R-Process presented by DODGE(1985), and the graphic method used alternatively, which allows the verification of the results obtained by the two previous algorithms. Two disconnected, desings cases are presented and analysed by both procedures and egual results were obtained. The following conclusions were established: - Ortogonal contrasts between each factor level is a very effecient alternative to detect the desing connection structure, and to obtain the degrees of freedom needed for each factor that way a valuable contribution to the variance Analysis is rendered. The mean model makes it possible to observed the connection structure in a transparent form, what makes possible the expression of the not observed parcels through contrasts in the observed parcels. The R-Process is more operative cand functional in cases of great number of data