RESUMO.
O recurso matemático de mudança de escala dos dados polariza a opinião dos pesquisadores. Para um grupo, a transformação não é recomendada por causar problemas inferenciais e descaracterizar o conjunto de dados, que dificultam a interpretação; enquanto para outro, é considerada necessária para atender as pressuposições dos modelos paramétricos. No entanto, o mau uso da transformação se dá a fim do experimento atingir metas de precisão. Por isto, aqui são abordadas as situações mais frequentes envoltas à transformação dos dados e seu impacto nas pressuposições dos modelos de análise de variância e na precisão experimental. Dados de sete experimentos conduzidos em delineamentos inteiramente casualizados ou em blocos casualizados foram usados como estudo de caso. A ineficácia do coeficiente de variação como indicador da necessidade de transformação foi revelada, como também que a transformação pode violar as pressuposições da análise de variância, desmistificando o entendimento de que seu uso, mesmo quando não melhora a qualidade da análise, não desqualifica as inferências. A decisão de transformar é dicotômica, mas os critérios para esta decisão não são poucos. A unidade das características (porcentagem, dia e plântulas por dia), o delineamento experimental e a possível robustez da estatística F a pequenos desvios da Normal estão entre os principais indicadores para a escolha do tipo de transformação.
Palavras-chave:
pressuposições; coeficiente de variação; critérios para a transformação; estatística paramétrica e não-paramétrica; robustez