IMPRIMIR VOLTAR A. Ciências Exatas e da Terra - 5. Matemática - 5. Probabilidade e Estatística ANÁLISE DE EXPERIMENTOS DE CAMPO UTILIZANDO A GEOESTATÍSTICA ARTICULADA COM A ANÁLISE CONVENCIONAL José Marcelo Pontes 1   (autor)   jmpontes@unemat.br Marcelo Silva de Oliveira 2   (autor)   marcelso@ufla.br 1. Prof. Msc. / Escola Agrotécnica Federal de Cáceres/MT e UNEMAT/Cáceres/MT 2. Prof. Dr. / Departamento de Ciencias Exatas - DEX/UFLA INTRODUÇÃO: A experimentação de campo teve a sua origem nos trabalhos desenvolvidos por Lawes, no século XIX, na estação experimental de Rothamsted, Inglaterra. Todavia, foi Fisher o principal idealizador dos métodos estatísticos utilizados no planejamento e análise de experimentos de campo e, dentre as suas contribuições, deve-se destacar a casualização dos tratamentos e a análise de variância com um teste F. A casualização experimental teria a função de contornar o problema da correlação (espacial) entre as unidades experimentais. Porém, ela sozinha, não a elimina, apenas contorna o problema. Este fato instigou os pesquisadores a desenvolverem novas técnicas estatísticas que modelassem a dependência espacial, de forma indireta, como, por exemplo, o método de Papadakis (1937); ou de forma direta, utilizando a localização espacial das unidades experimentais, como proposto por Grondona & Cressie (1991). Ademais, atualmente no melhoramento genético, por exemplo, os experimentos necessitam comparar ao mesmo tempo, um maior número de tratamentos, o que provoca a demanda de áreas experimentais cada vez maiores. Com isso, realizou-se esta pesquisa com a finalidade de desenvolver uma metodologia para a análise de experimentos de campo, capaz de discriminar, com maior rigor, os efeitos dos tratamentos. Para tal propósito, utilizou-se geoestatística articulada com a análise convencional, tendo como base avaliativa, os erros-padrão do estimador da média da variável de interesse. METODOLOGIA: No desenvolvimento desta pesquisa, foram utilizados: o método proposto por Duarte (2000), a modelagem espacial de Litell (1996) e os dados de um ensaio de competição de linhagens de soja, conduzido no município de Piracicaba, SP. Este experimento foi delineado em blocos aumentados, com quatro blocos com aproximadamente 50 unidades experimentais, as quais continham, 180 tratamentos adicionais (progênies) e cinco testemunhas (cada bloco). A variável resposta de interesse era produtividade de grãos. A análise dos dados foi realizada segundo dois modelos estatísticos: o convencional (erros independentes) e o geoestatístico (erros correlacionados). Para tal procedimento foram utilizados os pacotes SAS Variowin. O primeiro com o propósito de realizar as análises conforme as rotinas propostas por Duarte e, o segundo, para ajustar os semivariogramas dos resíduos provenientes dessas análises. Vale salientar que essa abordagem tinha como objetivo principal, realizar uma análise espacial partir de uma análise convencional, construindo um processo iterativo. Este processo teve início após a primeira análise, onde de posse dos resíduos por ela gerados, ajustou-se o semivariograma para os mesmos. De posse dos parâmetros fornecidos pelo semivariograma, realizou-se uma análise espacial e, com os seus resíduos, ajustou-se outro semivariograma. Retornando novamente às referidas rotinas para uma nova análise, de onde se ajustou um novo semivariograma para os resíduos, e assim, sucessivamente. RESULTADOS: Tomando como modelo ajustado o que foi indicado pelo software Variowin, o qual para esta análise foi o modelo esférico. E, fazendo uso das rotinas da Proc Mixed do SAS System propostas por Duarte (2000), foram obtidas as médias dos erros-padrão, ao final de cada iteração, conforme o algoritmo descrito anteriormente. Pode-se constatar que a média dos erros-padrão decresceu: cerca de 19% da análise convencional para primeira análise espacial (primeira iteração), 5% da primeira iteração para a segunda iteração; 1% da segunda para a terceira iteração; cerca de 1% da terceira para a quarta iteração e estabilizando na quinta em relação à quarta iteração. Estas constatações caracterizam uma convergência para os valores preditos dos efeitos aleatórios. Vale salientar que isto teoricamente era de se esperar, pois os sucessivos ajustes de semivariogramas dos resíduos gerados ao final de cada análise, têm a finalidade de eliminar possíveis tendências. Neste caso, se for feita mais uma iteração, não implicará em maior precisão. Outro resultado importante obtido nesta pesquisa foi a classificação das progênies, quanto à supramencionada variável resposta de interesse, a qual apresentou uma ordenação diferente a cada iteração, cessando, novamente, apenas da 4ª para a 5ª iteração, conseqüentemente, nessa passagem não houve mudança na ordem das progênies. CONCLUSÕES: Após a aplicação do método proposto neste trabalho, constatou-se que os resultados dos erros-padrão para os valores preditos dos efeitos aleatórios convergiram a partir da quinta iteração, cessando o processo para as condições impostas neste estudo e, o referido método foi capaz de diminuir em 24,04%, as estimativas obtidas para a média dos erros-padrão das predições dos efeitos aleatórios. Diante do exposto, pode-se afirmar que, se o pesquisador estiver interessado em uma discriminação dos efeitos de tratamentos alicerçada nos critérios expostos nesta pesquisa, poderá fazê-la com o uso do algoritmo proposto, o qual mostrou-se eficiente. Palavras-chave:  Geoestatística; Semivariograma; Depedência Espacial. Anais da 56ª Reunião Anual da SBPC - Cuiabá, MT - Julho/2004