Definir o Delineamento Inteiramente Casualizado, DIC, e reconhecer quando ele é apropriado
Gerar o croqui de aleatorização de campo com o pacote FielDHub
Obter a estatística descritiva por tratamento com metan
Conduzir a ANOVA e interpretar o teste F
Comparar médias com emmeans e apresentar o resultado com letras
Bloco 1
O Delineamento
Conceito, estrutura e quando é apropriado
No Delineamento Inteiramente Casualizado, DIC, os tratamentos são atribuídos às unidades experimentais de forma completamente aleatória, sem nenhuma restrição ou agrupamento.
Contexto: 5 cultivares de milho são avaliados quanto à produtividade, em gramas por planta, em casa de vegetação, ambiente controlado e homogêneo, sem gradiente ambiental relevante a controlar.
É o delineamento apropriado quando as unidades experimentais são, de fato, homogêneas entre si, condição mais comum em ambientes controlados do que em campo aberto.
É o modelo mais simples entre os delineamentos, com apenas dois componentes de variação, tratamento e resíduo.
Bloco 2
Gerando o Croqui
Conceito, FielDHub, por que aleatorizar corretamente
Sortear tratamentos “à mão” ou por critérios informais compromete a validade da aleatorização, que é a base teórica que sustenta a inferência estatística de qualquer delineamento.
O pacote FielDHub gera a aleatorização formalmente, documenta a semente utilizada para reprodutibilidade, e produz o croqui de campo, o mapa de onde cada tratamento deve ser instalado.
O fieldBook documenta exatamente qual cultivar ocupa cada parcela, com a aleatorização registrada e reprodutível pela semente utilizada. O croqui visual facilita a instalação correta do experimento em campo, evitando erro de troca de parcelas.
A produtividade média varia consideravelmente entre os cultivares, com o Cultivar 4 apresentando a maior média e o Cultivar 3 a menor. A ANOVA formaliza se essa diferença é estatisticamente sustentável.
Bloco 4
ANOVA
Código: aov()
modelo_dic <-aov(produtividade ~ cultivar, data = dados_dic)summary(modelo_dic)
O quadrado médio de cultivar, dividido pelo quadrado médio do resíduo, produz a estatística F, comparada à distribuição F com os graus de liberdade do modelo.
Um valor de p pequeno indica que ao menos um cultivar difere dos demais quanto à produtividade média, mas não indica, sozinho, quais pares diferem entre si, questão respondida no próximo bloco.
Bloco 5
Comparação de Médias
Conceito, emmeans e teste de Tukey
O pacote emmeans calcula as médias ajustadas de cada nível do fator, e permite comparações par a par com correção para múltiplas comparações, como o método de Tukey, que controla a taxa de erro tipo I em nível de experimento.
Distribuir os tratamentos por conveniência, como agrupar todas as repetições de um mesmo cultivar lado a lado por facilidade de manejo, invalida a base teórica da inferência do DIC, mesmo que a análise estatística seja executada corretamente depois.
Erro comum 2, confundir repetição com pseudo-repetição
Medir a mesma planta várias vezes e tratar essas medições como repetições independentes infla artificialmente os graus de liberdade do resíduo, e não corresponde à estrutura real de repetição do DIC, que exige unidades experimentais distintas.
Resumo: DIC
Etapa
Função no R
Croqui de campo
FielDHub::CRD()
Estatística descritiva
metan::desc_stat()
ANOVA
aov()
Comparação de médias
emmeans::cld()
Obrigada!
Continue praticando e explorando.
Esta aula é parte do projeto Café com R. É open source. Use, compartilhe e adapte.
Siga o Café com R
Que cada gole desperte uma nova ideia.
Que cada script abra uma nova conversa.
Que o Café com R se torne um ponto de encontro nosso.
