Escolhas de conceção experimental
Na investigação agrícola, é importante escolher o desenho experimental correto no início do ensaio, para que as análises produzidas no final da estação sejam estatisticamente significativas. Antes de analisarmos os diferentes tipos de delineamentos, vale a pena dedicar algum tempo para entender por que precisamos deles.
Suponhamos que um cultivador de plantas escolhe duas parcelas de terreno tão semelhantes quanto possível e semeia a mesma variedade em cada parcela. Mesmo que o obtentor trate cada parcela com um maneio idêntico, quando mede o rendimento de cada parcela, estes serão diferentes.
Esta diferença é designada por erro experimental. Para que o criador possa tomar uma decisão acertada sobre o desempenho de duas ou mais variedades, deve ter uma estimativa do erro experimental no ensaio. Se a diferença medida entre as variedades for superior ao erro experimental, o criador pode ter a certeza de que uma variedade está a ter um desempenho superior ao da outra.
O criador dispõe de dois instrumentos para medir o erro experimental: replicação e aleatorização.
A replicação ajuda a fazer estimativas mais precisas do erro experimental e a aleatorização evita que quaisquer outras fontes de variação não controladas enviesem os resultados.
O criador tem à sua disposição duas ferramentas para medir o erro experimental: a replicação e a aleatorização.
Em conjunto, a replicação e a aleatorização definem o projeto experimental e existem vários tipos comuns que foram desenvolvidos para serem utilizados pelos investigadores agrícolas:
- Desenho completamente aleatório
- Bloco Completo Aleatório
- Quadrados latinos
- Conceção de parcelas divididas
- Desenho de parcelas de tiras
para citar alguns.
A conceção mais adequada para um ensaio específico dependerá dos vários condicionalismos do ensaio, tais como: o número de variedades a testar, a dimensão da maquinaria utilizada para aplicar os tratamentos, a dimensão das diferenças detectáveis entre os tratamentos e os recursos necessários (tempo, espaço e dinheiro) para operar o ensaio.
Desenho completamente aleatório
Um delineamento completamente aleatório é o mais simples de todos os delineamentos. Num desenho completamente aleatório, cada tratamento tem a mesma probabilidade de ser atribuído a uma parcela.
O delineamento completamente aleatório tem muitas vantagens: qualquer número de tratamentos e replicações pode ser acomodado; a análise é simples e pode facilmente lidar com parcelas em falta; os graus de liberdade do erro são mais elevados do que qualquer outro delineamento com o mesmo número de tratamentos, permitindo uma estimativa mais precisa do erro experimental.
Os desenhos completamente aleatórios têm uma desvantagem, na medida em que exigem que as parcelas sejam mais ou menos completamente uniformes. Se existir um elevado grau de variabilidade nas parcelas, por exemplo devido à variação do solo, então a estimativa do erro experimental será menos precisa e as verdadeiras diferenças entre tratamentos podem não ser detectáveis.
Normalmente, as concepções completamente aleatórias são utilizadas quando se sabe que o local do ensaio é particularmente uniforme.
Podem também ser muito úteis em cenários em que se espera que um grande número de parcelas falhe durante o ensaio, uma vez que a análise das parcelas sobreviventes permanece simples.
Os desenhos completamente aleatórios são utilizados quando se sabe que o local do ensaio é particularmente uniforme.
Desenho de blocos completos aleatórios
O desenho de blocos completos aleatórios é, de longe, o desenho experimental mais comum entre os investigadores agrícolas actuais. As parcelas são agrupadas em blocos com base na sua semelhança, por exemplo, tipos de solo semelhantes. As parcelas recebem então tratamentos de forma a que cada tratamento ocorra uma vez em cada bloco. Assim, cada bloco contém todos os
tratamento possível, daí o projeto "bloco completo".
Ao planear um desenho de blocos completos, o investigador deve garantir que qualquer variabilidade com o bloco é minimizada, enquanto a variação entre blocos deve ser maximizada. Se houver pouca variabilidade no local do ensaio, os blocos podem ser colocados uns ao lado dos outros. No entanto, se houver um gradiente de variabilidade no local do ensaio, os blocos devem ser dispostos em linhas perpendiculares a esse gradiente. De facto, não é necessário que os blocos sejam adjacentes uns aos outros, exceto por razões práticas das actividades de medição e tratamento.
Se necessário, os blocos podem ser completamente separados uns dos outros, desde que a localização não seja tão diferente que aplique um efeito de tratamento (por exemplo, colocar um bloco numa parte irrigada do campo e outro numa parte não irrigada equivaleria a um efeito de tratamento e deve ser evitado).
Isto pode ser útil quando um local de ensaio se encontra entre diferentes tipos de solo, por exemplo.
As parcelas são agrupadas em blocos com base na sua semelhança e cada tratamento ocorre uma vez em cada bloco
Desenho do quadrado latino
Como o nome sugere, este desenho forma um quadrado dividido num número igual de linhas e colunas. Cada tratamento ou variedade é colocado de modo a aparecer exatamente uma vez em cada linha e coluna.
A principal vantagem da conceção em quadrado latino é o facto de poder ter em conta duas fontes de variação no local do ensaio. Por exemplo, o campo em que o ensaio é realizado pode ter um gradiente de fertilidade numa direção e um declive noutra.
Os modelos de quadrado latino não são frequentemente utilizados em ensaios agrícolas, uma vez que apresentam várias desvantagens em relação a outros modelos.
Em primeiro lugar, uma vez que o número de parcelas é o quadrado do número de tratamentos, os ensaios podem tornar-se muito grandes e dispendiosos de realizar.
Em segundo lugar, quaisquer erros cometidos durante o ensaio, tais como tratamentos incorretamente 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 numa estimativa de erro experimental maior.
Como o nome sugere, este desenho forma um quadrado dividido num número igual de linhas e colunas. Cada tratamento ou variedade é colocado de modo a aparecer exatamente uma vez em cada linha e coluna.
A principal vantagem da conceção em quadrado latino é o facto de poder ter em conta duas fontes de variação no local do ensaio. Por exemplo, o campo em que o ensaio é realizado pode ter um gradiente de fertilidade numa direção e um declive noutra.
Os modelos de quadrado latino não são frequentemente utilizados em ensaios agrícolas, uma vez que apresentam várias desvantagens em relação a outros modelos.
Em primeiro lugar, uma vez que o número de parcelas é o quadrado do número de tratamentos, os ensaios podem tornar-se muito grandes e dispendiosos de realizar.
Em segundo lugar, quaisquer erros cometidos durante o ensaio, tais como tratamentos incorretamente 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 numa estimativa de erro experimental maior.
O quadrado latino pode ter em conta duas fontes de variação no centro de ensaio
Conceção de parcelas divididas
É comum que os ensaios agrícolas tenham vários factores de tratamento, por exemplo, testar três taxas de azoto diferentes combinadas com três tipos de cultivo diferentes.
Isto pode ser conseguido com um desenho de blocos completos aleatórios onde cada combinação dos dois factores ocorre em cada bloco. Contudo, alguns tratamentos podem ser difíceis ou impossíveis de aplicar desta forma.
O equipamento de cultivo tem normalmente a escala de uma exploração agrícola comercial e requer grandes parcelas, ao passo que o azoto pode ser aplicado manualmente em parcelas muito mais pequenas.
Para fazer face a estas complicações, o investigador agrícola pode recorrer à conceção de parcelas divididas. Neste tipo de conceção, um fator é atribuído a grandes parcelas numa conceção em blocos completos aleatórios. Estas grandes parcelas são depois subdivididas em parcelas mais pequenas, às quais são aplicados aleatoriamente os tratamentos do outro fator.
Tal como acima descrito, a principal vantagem das concepções de parcelas divididas consiste em permitir um tratamento mais eficaz dos factores de tratamento que exigem parcelas de dimensões diferentes. As concepções de parcelas divididas permitem também a possibilidade de acrescentar novos tratamentos a uma experiência em curso, bastando acrescentar mais parcelas grandes aos blocos.
Uma vez que existem dois tamanhos de parcelas, os projectos de parcelas divididas produzem dois erros experimentais, um para cada tamanho. Isto pode muitas vezes significar que são necessárias grandes diferenças nas observações para mostrar uma diferença significativa. Os desenhos de parcelas divididas também têm a desvantagem de exigir uma análise mais complexa.
O equipamento de cultivo é tipicamente à escala de uma exploração agrícola comercial e requer grandes parcelas
Conceção de parcelas de faixas
Uma variação útil do esquema de parcelas divididas é o esquema de parcelas em faixas.
Em circunstâncias em que cada fator de tratamento é mais fácil de aplicar em passagens ou faixas, podem ser utilizados desenhos de parcelas em faixas.
Nestes desenhos, um fator é atribuído a tiras que correm dentro de cada bloco, e cada bloco tem a sua própria aleatorização. O segundo fator é então aplicado em faixas perpendiculares ao primeiro, mais uma vez com aleatorização única para cada bloco.
O resultado é como um tabuleiro de xadrez de tratamentos.
As concepções de parcelas em faixas têm vantagens e desvantagens semelhantes às concepções de parcelas divididas, permitindo sobretudo uma montagem eficiente do ensaio.
Uma variação útil do esquema de parcelas divididas é o esquema de parcelas em faixas.
Em circunstâncias em que cada fator de tratamento é mais fácil de aplicar em passagens ou faixas, podem ser utilizados desenhos de parcelas em faixas.
Nestes desenhos, um fator é atribuído a tiras que correm dentro de cada bloco, e cada bloco tem a sua própria aleatorização. O segundo fator é então aplicado em faixas perpendiculares ao primeiro, mais uma vez com aleatorização única para cada bloco.
O resultado é como um tabuleiro de xadrez de tratamentos.
As concepções de parcelas em faixas têm vantagens e desvantagens semelhantes às concepções de parcelas divididas, permitindo sobretudo uma montagem eficiente do ensaio.
Nestas concepções, um fator é atribuído a tiras em execução dentro de cada bloco, e cada bloco tem a sua própria aleatorização.
Conceção incompleta da parcela
Quando o número de tratamentos aumenta, pode ser cada vez mais difícil manter a uniformidade dos blocos num projeto de blocos completos aleatórios. Esta situação verifica-se especialmente em ensaios de melhoramento genético em que é testado um grande número de selecções. A fim de manter os blocos suficientemente pequenos para permanecerem uniformes, apenas um subconjunto de tratamentos pode aparecer num determinado bloco, daí o nome de delineamento de "bloco incompleto". Existem vários desenhos de blocos incompletos diferentes disponíveis para o investigador, mas é um tópico demasiado complexo para entrar em detalhes significativos aqui.
Um desses desenhos que o QuickTrials fornece é uma grelha alfa, que tem alguns requisitos específicos:
- O número de parcelas por bloco (p) deve ser inferior à raiz quadrada do número de tratamentos (t);
- O número de réplicas tem de ser menor ou igual ao rácio p/t;
- O número de tratamentos tem de ser um múltiplo de p.
Quando o número de tratamentos aumenta, pode ser cada vez mais difícil manter a uniformidade dos blocos num projeto de blocos completos aleatórios. Esta situação verifica-se especialmente em ensaios de melhoramento genético em que é testado um grande número de selecções. A fim de manter os blocos suficientemente pequenos para permanecerem uniformes, apenas um subconjunto de tratamentos pode aparecer num determinado bloco, daí o nome de delineamento de "bloco incompleto". Existem vários desenhos de blocos incompletos diferentes disponíveis para o investigador, mas é um tópico demasiado complexo para entrar em detalhes significativos aqui.
Um desses desenhos que o QuickTrials fornece é uma grelha alfa, que tem alguns requisitos específicos:
- O número de parcelas por bloco (p) deve ser inferior à raiz quadrada do número de tratamentos (t);
- O número de réplicas tem de ser menor ou igual ao rácio p/t;
- O número de tratamentos tem de ser um múltiplo de p.
A fim de manter os blocos suficientemente pequenos para permanecerem uniformes, apenas um subconjunto de tratamentos pode aparecer num determinado bloco
Como escolher
Em geral, a melhor abordagem para selecionar um desenho experimental é optar pelo desenho mais simples que proporcione a precisão necessária, juntamente com a praticidade necessária para realizar o ensaio de forma eficiente.
Por ordem crescente de complexidade, vimos:
- Desenho completamente aleatório
- Desenho de blocos completamente aleatórios
- Conceção de parcelas divididas
- Conceção da parcela em faixas
- Quadrado latino
- Desenho de blocos incompletos
