Tratamento estatístico

O tratamento estatístico foi iniciado com a de coleta dos dados e “alimentação” do banco de dados. Realizou-se uma pré-análise dos dados para avaliar o comportamento dos mesmos, ou seja, se eram ou não normalizados, homogêneos e independentes. Após essa verificação foi feita a estatística descritiva dos dados coletados, a Análise de Variância e Teste de Tukey, para que as médias fossem comparadas. Para esse estudo e determinação de qual ou quais tratamentos se destacam e oferecem as melhores respostas de produtividade para os testes de dosagens desse produto orgânico com fertilizante químico em uma cultura de feijão- caupi. Além disso, também foram feitas análises de correlação entre os parâmetros de produtividades. Para as análises propostas, utilizou-se o software Statistical Package for

Social Sciences (SPSS 13.0) e o Microsoft Excel para o tratamento dos dados.

Exceto para variável “altura da planta”, o delineamento adotado foi o de blocos ao acaso com quatro repetições.

3.7.1 Procedimentos de análise e tratamento dos dados

A análise iniciou pela verificação dos dados para saber se os mesmos atendiam as seguintes pressuposições básicas para elaboração de uma análise de variância, ou seja, determinar se os erros são variáveis aleatórias (não apresentam vícios) com distribuição normal de média zero, as variâncias são constantes e as observações são independentes.

• Normalidade dos dados: Para saber se é razoável pressupor que os erros têm distribuição normal de média zero, deve ser feita à análise dos resíduos. Para fazer essa análise que é gráfica, é preciso:

a) Calcular os resíduos: e_ij =Y_ij −y_i

b) Apresentar os resíduos em um histograma para analisar se a aparência lembra uma distribuição normal centrada no zero.

• Homocedasticidade: Para fazer uma análise de variância, é preciso pressupor que os erros são variáveis aleatórias constantes. De qualquer forma, se os tratamentos têm o mesmo número de repetições, as transgressões moderadas dessa pressuposição têm pouca ou nenhuma importância prática. Aliás, o uso de número igual de repetições é a melhor proteção contra os efeitos da heterocedasticia. Para essa análise foi feito diagrama de dispersão para representar a média e o desvio padrão de cada uma das amostras (altura da planta, número de vagens, tamanho das vagens, peso das vagens, número de sementes por vagens e peso de cem sementes). Se não existir correlação entre médias e desvios padrões, ou seja, a dispersão dos dados não aumenta quando as médias aumentam, ou seja, a variância é constante.

• Correlação: Estudo que verifica se existe alguma correlação entre os dados, ou seja, verifica-se a “força” da relação entre elas. Um coeficiente de correlação com

± 0,7 ou ± 70% é considerado como uma correlação boa e acima de ± 80% ótima,

ou seja, relacionamento positivo, caso contrário, a correlação é considerada fraca. O teste é analisado através da hipótese nula (Não há correlação significativa) contra a hipótese alternativa (Há correlação significativa).

• Independência: Para fazer uma análise de variância, é preciso pressupor que os erros são variáveis aleatórias independentes através do estudo de correlação dos resíduos dos dados estudados. O teste é analisado através da hipótese nula (Não há correlação significativa entre os resíduos) contra a hipótese alternativa (Há correlação significativa entre os resíduos).

• Estatística descritiva: A descrição estatística de cada parâmetro de produtividade (altura da planta, número de vagens, tamanho das vagens, peso das vagens, número de sementes por vagens e peso de cem sementes) leva em consideração a média, o desvio padrão e o coeficiente de variação (CV).

• A análise de variância (ANOVA): é uma metodologia estatística cujo objetivo é decidir se existem ou não diferenças significativas entre as médias de várias amostras de uma variável numérica, definidas por diferentes tratamentos ou níveis de influência de um fator. O teste se baseia numa amostra extraída de cada população. A ANOVA calcula a variabilidade total existente na característica ou variável em análise, e particiona esta variabilidade como sendo devida fundamentalmente a duas causas: uma causa determinística, que é o fato de as amostras serem sujeitas a tratamentos distintos (variabilidade entre tratamentos); causas aleatórias ou erro experimental, que engloba todas as restantes fontes de variabilidade, com exceção dos diferentes tratamentos (variabilidade residual ou erro experimental). Se a análise de variância nos levar a aceitar a hipótese de nulidade, concluiremos que as diferenças observadas entre as médias amostrais são devidas a variação aleatórias na amostra. No caso de rejeição da hipótese de nulidade, concluiremos que as diferenças entre as médias amostrais são demasiadamente grandes para serem devidas apenas à chance (e, assim, que as médias das populações não são iguais). (STEVENSON, 1981).

• Testes Estatísticos: O teste estatístico dá ao pesquisador condições de fazer inferência, através do nível de significância, ou seja, na implicação de que é muito provável que um resultado similar ao que foi obtido na amostra, teria sido obtido se a população tivesse sido estudada. Mas muito provável não significa certo. Então a conclusão do teste estatístico está associada a algum tipo de erro. Os testes estatísticos põem à prova hipóteses a respeito da população. Então, elaboram-se duas hipóteses, sendo: H0 (hipótese de nulidade) e H1 (hipótese alternativa). Para se decidir por uma das hipóteses, os dados devem ser submetidos a um teste estatístico e interpretado de maneira cautelosa e sensata. Dentre os testes nesse estudo estão:

• Teste Tukey: O teste de Tukey permite discriminar as médias diferentes entre si. O teste de Tukey permite estabelecer a diferença mínima significante (d.m.s), ou seja, a menor diferença de médias de amostras que deve ser tomada como estatisticamente significante, em determinado nível (VIEIRA, 1999). Para comparar as médias de tratamentos duas a duas, aplica-se o teste de Tukey que, neste caso, é aproximado, porque os tratamentos têm número diferente de repetições. Mas para se chegar ao teste de Tukey é necessário aplicar a técnica da ANOVA (Análise de Variância).