Opções de projeto experimental
Na pesquisa agrícola, é importante escolher o desenho experimental correto no início do estudo para que as análises produzidas no final da estação sejam estatisticamente significativas. Antes de examinarmos mais detalhadamente os diferentes tipos de planejamento, vale a pena dedicar algum tempo para entender por que precisamos deles.
Suponha que um criador de plantas escolha dois lotes de terra que sejam os mais parecidos possíveis e semeie a mesma variedade em cada lote. Mesmo que o criador trate cada parcela com um manejo idêntico, quando ele medir o rendimento de cada parcela, eles serão diferentes.
Essa diferença é chamada de erro experimental. Para que o criador tome uma decisão acertada sobre o desempenho de duas ou mais variedades, ele deve ter uma estimativa do erro experimental no estudo. Se a diferença medida entre as variedades for maior do que o erro experimental, ela poderá ter certeza de que uma variedade está superando a outra.
O criador tem duas ferramentas à sua disposição para medir o erro experimental: replicação e randomização.
A replicação ajuda a fazer estimativas mais precisas do erro experimental, e a randomização evita que outras fontes de variação não controladas influenciem os resultados.
O criador tem duas ferramentas à sua disposição para medir o erro experimental: replicação e randomização.
Juntas, a replicação e a randomização definem o projeto experimental e há vários tipos comuns que foram desenvolvidos para serem usados por pesquisadores agrícolas:
- Projeto completamente aleatório
- Bloco Completo Randomizado
- Quadrados latinos
- Projeto de parcelas divididas
- Desenho de plotagem de faixa
para citar alguns.
O projeto mais adequado para um determinado ensaio dependerá das várias restrições do ensaio, como: o número de variedades que estão sendo testadas, o tamanho do maquinário usado para aplicar os tratamentos, o tamanho das diferenças detectáveis entre os tratamentos e os recursos necessários (tempo, espaço e dinheiro) para operar o ensaio.
Projeto completamente aleatório
Um projeto completamente aleatório é o mais simples de todos os projetos. Em um projeto completamente aleatório, cada tratamento tem a mesma probabilidade de ser alocado em um lote.
O projeto completamente aleatório tem muitas vantagens: qualquer número de tratamentos e replicações pode ser acomodado; a análise é simples e pode lidar facilmente com parcelas ausentes; os graus de liberdade do erro são maiores do que qualquer outro projeto com o mesmo número de tratamentos, permitindo uma estimativa mais precisa do erro experimental.
Os projetos totalmente aleatórios têm uma desvantagem, pois exigem que as parcelas sejam mais ou menos completamente uniformes. Se houver um alto grau de variabilidade nas parcelas, por exemplo, devido à variação do solo, a estimativa do erro experimental será menos precisa e as diferenças reais entre os tratamentos poderão não ser detectáveis.
Normalmente, os desenhos completamente aleatórios são usados quando o local do estudo é conhecido por ser particularmente uniforme.
Eles também podem ser muito úteis em cenários em que se espera que um grande número de parcelas falhe durante o teste, pois a análise das parcelas sobreviventes permanece simples.
Os desenhos completamente aleatórios são usados quando se sabe que o local do estudo é particularmente uniforme.
Projeto de bloco completo randomizado
O projeto de blocos completos aleatórios é, de longe, o projeto experimental mais comum encontrado entre os pesquisadores agrícolas atualmente. As parcelas são agrupadas em blocos com base em sua similaridade, por exemplo, tipos de solo semelhantes. Em seguida, os tratamentos são atribuídos às parcelas de forma que cada tratamento ocorra uma vez em cada bloco. Portanto, cada bloco contém cada
tratamento possível, por isso o design de "bloco completo".
Ao planejar um projeto de bloco completo, o pesquisador deve garantir que qualquer variabilidade com o bloco seja minimizada, enquanto a variação entre os blocos deve ser maximizada. Se houver pouca variabilidade no local do estudo, os blocos podem ser colocados um ao lado do outro. Entretanto, se houver um gradiente de variabilidade no local do teste, os blocos devem ser dispostos em linhas perpendiculares ao gradiente. De fato, não há necessidade de os blocos serem adjacentes uns aos outros, exceto por razões práticas de atividades de medição e tratamento.
Se necessário, os blocos podem ser completamente separados uns dos outros, desde que a localização não seja tão diferente a ponto de aplicar um efeito de tratamento (por exemplo, colocar um bloco em uma parte irrigada do campo e outro em uma parte não irrigada equivaleria a um efeito de tratamento e deveria ser evitado).
Isso pode ser útil quando um local de teste abrange diferentes tipos de solo, por exemplo.
As parcelas são agrupadas em blocos com base em sua similaridade e cada tratamento ocorre uma vez em cada bloco
Design do quadrado latino
Como o nome sugere, esse design forma um quadrado dividido em um número igual de linhas e colunas. Cada tratamento ou variedade é colocado de forma que apareça exatamente uma vez em cada linha e coluna.
A principal vantagem do projeto de quadrado latino é que ele pode levar em conta duas fontes de variação no local do ensaio. Por exemplo, o campo no qual o ensaio é realizado pode ter um gradiente de fertilidade em uma direção e um declive em outra.
Os projetos de quadrado latino não são usados com frequência em testes agrícolas, pois apresentam várias desvantagens em relação a outros projetos.
Em primeiro lugar, como o número de parcelas é o quadrado do número de tratamentos, os estudos podem se tornar muito grandes e caros de executar.
Em segundo lugar, quaisquer erros cometidos durante o estudo, como tratamentos mal aplicados, podem dificultar a análise dos dados.
Em terceiro lugar, se houver poucos tratamentos (menos de 4), os graus de liberdade do erro são baixos, o que, por sua vez, resulta em uma estimativa de erro experimental maior.
Como o nome sugere, esse design forma um quadrado dividido em um número igual de linhas e colunas. Cada tratamento ou variedade é colocado de forma que apareça exatamente uma vez em cada linha e coluna.
A principal vantagem do projeto de quadrado latino é que ele pode levar em conta duas fontes de variação no local do ensaio. Por exemplo, o campo no qual o ensaio é realizado pode ter um gradiente de fertilidade em uma direção e um declive em outra.
Os projetos de quadrado latino não são usados com frequência em testes agrícolas, pois apresentam várias desvantagens em relação a outros projetos.
Em primeiro lugar, como o número de parcelas é o quadrado do número de tratamentos, os estudos podem se tornar muito grandes e caros de executar.
Em segundo lugar, quaisquer erros cometidos durante o estudo, como tratamentos mal aplicados, podem dificultar a análise dos dados.
Em terceiro lugar, se houver poucos tratamentos (menos de 4), os graus de liberdade do erro são baixos, o que, por sua vez, resulta em uma estimativa de erro experimental maior.
O quadrado latino pode levar em conta duas fontes de variação no local do estudo
Projeto de parcelas divididas
É comum que os testes agrícolas tenham vários fatores de tratamento, por exemplo, testar três taxas diferentes de nitrogênio combinadas com três tipos diferentes de cultivo.
Isso pode ser feito com um projeto de blocos completos aleatórios, em que cada combinação dos dois fatores ocorre em cada bloco. Entretanto, alguns tratamentos podem ser difíceis ou impossíveis de serem aplicados dessa forma.
Os equipamentos de cultivo são normalmente da escala de uma fazenda comercial e exigem grandes parcelas, enquanto o nitrogênio pode ser aplicado manualmente em parcelas muito menores.
Para lidar com essas complicações, o pesquisador agrícola pode recorrer ao projeto de parcelas divididas. Nesse projeto, um fator é atribuído a grandes parcelas em um projeto de bloco completo aleatório. Em seguida, esses lotes grandes são subdivididos em lotes menores, aos quais são aplicados os tratamentos do outro fator de forma aleatória.
Conforme descrito acima, a principal vantagem dos projetos de parcelas divididas é permitir o manuseio mais eficiente dos fatores de tratamento que exigem diferentes tamanhos de parcelas. Os projetos de parcelas divididas também permitem a possibilidade de adicionar novos tratamentos a um experimento em andamento, bastando acrescentar mais parcelas grandes aos blocos.
Como há dois tamanhos de parcela, os projetos de parcela dividida produzem dois erros experimentais, um para cada tamanho. Isso geralmente significa que são necessárias grandes diferenças nas observações para mostrar uma diferença significativa. Os projetos de parcelas divididas também têm a desvantagem de exigir uma análise mais complexa.
O equipamento de cultivo é normalmente da escala de uma fazenda comercial e requer grandes parcelas
Projeto de parcelas de tiras
Uma variação útil do projeto de parcelas divididas é o projeto de parcelas em faixas.
Em circunstâncias em que cada fator de tratamento é mais fácil de aplicar em passagens ou faixas, podem ser usados projetos de parcelas de faixas.
Nesses projetos, um fator é atribuído a faixas que correm dentro de cada bloco, e cada bloco tem sua própria randomização. O segundo fator é então aplicado em faixas perpendiculares ao primeiro, novamente com randomização única para cada bloco.
O resultado é como um tabuleiro de xadrez de tratamentos.
Os projetos de parcelas em tiras têm vantagens e desvantagens semelhantes aos projetos de parcelas divididas, permitindo principalmente uma configuração eficiente do ensaio.
Uma variação útil do projeto de parcelas divididas é o projeto de parcelas em faixas.
Em circunstâncias em que cada fator de tratamento é mais fácil de aplicar em passagens ou faixas, podem ser usados projetos de parcelas de faixas.
Nesses projetos, um fator é atribuído a faixas que correm dentro de cada bloco, e cada bloco tem sua própria randomização. O segundo fator é então aplicado em faixas perpendiculares ao primeiro, novamente com randomização única para cada bloco.
O resultado é como um tabuleiro de xadrez de tratamentos.
Os projetos de parcelas em tiras têm vantagens e desvantagens semelhantes aos projetos de parcelas divididas, permitindo principalmente uma configuração eficiente do ensaio.
Nesses projetos, um fator é atribuído às tiras em execução em cada bloco, e cada bloco tem sua própria randomização.
Projeto incompleto do lote
Quando o número de tratamentos aumenta, pode ser cada vez mais difícil manter a uniformidade dos blocos em um projeto de blocos completos aleatórios. Isso ocorre principalmente em experimentos de reprodução em que um grande número de seleções é testado. Para manter os blocos pequenos o suficiente para que permaneçam uniformes, apenas um subconjunto de tratamentos pode aparecer em um determinado bloco, daí o nome de projeto de "bloco incompleto". Há vários tipos diferentes de desenhos de blocos incompletos disponíveis para o pesquisador, mas esse é um tópico muito complexo para entrar em detalhes significativos aqui.
Um desses designs que o QuickTrials fornece é uma rede alfa, que tem alguns requisitos específicos:
- O número de parcelas por bloco (p) deve ser menor do que a raiz quadrada do número de tratamentos (t);
- O número de réplicas deve ser menor ou igual à proporção p/t;
- O número de tratamentos deve ser um múltiplo de p.
Quando o número de tratamentos aumenta, pode ser cada vez mais difícil manter a uniformidade dos blocos em um projeto de blocos completos aleatórios. Isso ocorre principalmente em experimentos de reprodução em que um grande número de seleções é testado. Para manter os blocos pequenos o suficiente para que permaneçam uniformes, apenas um subconjunto de tratamentos pode aparecer em um determinado bloco, daí o nome de projeto de "bloco incompleto". Há vários tipos diferentes de desenhos de blocos incompletos disponíveis para o pesquisador, mas esse é um tópico muito complexo para entrar em detalhes significativos aqui.
Um desses designs que o QuickTrials fornece é uma rede alfa, que tem alguns requisitos específicos:
- O número de parcelas por bloco (p) deve ser menor do que a raiz quadrada do número de tratamentos (t);
- O número de réplicas deve ser menor ou igual à proporção p/t;
- O número de tratamentos deve ser um múltiplo de p.
Para manter os blocos pequenos o suficiente para permanecerem uniformes, apenas um subconjunto de tratamentos pode aparecer em um determinado bloco
Como escolher
Em geral, a melhor abordagem para selecionar um projeto experimental é escolher o projeto mais simples que ofereça a precisão necessária, juntamente com a praticidade necessária para realizar o estudo de forma eficiente.
Em ordem crescente de complexidade, vimos:
- Projeto completamente aleatório
- Projeto de bloco completamente aleatório
- Projeto de parcela dividida
- Projeto de parcelas de tiras
- Quadrado latino
- Projeto de bloco incompleto
