O tamanho de amostra afeta a precisão da análise de variância em experimentos com mudas de couve-flor

Bittencourt, Karina Chertok; Toebe, Marcos; Souza, Rafael Rodrigues de; Pazetto, Stella Bonorino; Toebe, Iris Cristina Datsch

Acessibilidade / Reportar erro

Brasil
SciELO.org - Rede SciELO
Blog SciELO em Perspectiva

Abrir menu

Brasil

Español English

Ciência Rural

Submissão de manuscritos
Sobre o periódico
Corpo Editorial
Instruções aos autores
Contato

sumário « anterior atual seguinte »

Resumo (Inglês)
Resumo (Português)

Texto (Inglês)

Download PDF (Inglês)

Compartilhe

Compartilhe
E-mail
Facebook
Twitter
Google+
LinkedIn
Reddit
StambleUpon
CiteULike
Mendeley

Sumário

Compartilhe
E-mail
Facebook
Twitter
Google+
LinkedIn
Reddit
StambleUpon
CiteULike
Mendeley

Resumo (Inglês)
Resumo (Português)

Texto (Inglês)

Download PDF (Inglês)

Crop production • Cienc. Rural 53 (5) • 2023 • https://doi.org/10.1590/0103-8478cr20220180 copiar

O tamanho de amostra afeta a precisão da análise de variância em experimentos com mudas de couve-flor

Autoria SCIMAGO INSTITUTIONS RANKINGS

RESUMO:

Este estudo verificou se o tamanho de amostra afetaria a precisão da análise de variância em experimentos com mudas de couve-flor. Um experimento foi conduzido onde o número de folhas, comprimento de parte aérea, raiz e total foram mensurados. Para cada variável, reamostragens com reposição foram realizadas em cenários amostrais de 1, 2, ..., 100 mudas por unidade experimental e o tamanho de amostra foi definido para os componentes de variância por meio de modelos de Schumacher e pontos de máxima curvatura. Os quadrados médios da análise de variância sofrem interferência direta do número de mudas amostradas. A amostragem de 16 mudas por unidade experimental é suficiente para estimar a análise de variância de forma confiável, promovendo satisfatórios ganhos de precisão ao comparar-se com a amostragem de apenas uma muda por unidade experimental.

Palavras-chave:
Brassica oleracea; horticultura; planejamento experimental; ganho de precisão

Autoria

Karina Chertok Bittencourt

Departamento de Ciências Agronômicas e Ambientais, Universidade Federal de Santa Maria (UFSM), 98400-000, Frederico Westphalen, RS, Brasil. Universidade Federal de Santa Maria (UFSM)BrazilFrederico Westphalen, RS, BrazilDepartamento de Ciências Agronômicas e Ambientais, Universidade Federal de Santa Maria (UFSM), 98400-000, Frederico Westphalen, RS, Brasil.

https://orcid.org/0000-0002-4127-0715

Marcos Toebe ^*E-mail: m.toebe@gmail.com. *Corresponding author.

https://orcid.org/0000-0003-2033-1467

Rafael Rodrigues de Souza

Departamento de Fitotecnia, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil. Universidade Federal de Santa Maria (UFSM),BrazilSanta Maria, RS, BrazilDepartamento de Fitotecnia, Universidade Federal de Santa Maria (UFSM), Santa Maria, RS, Brasil.

https://orcid.org/0000-0002-7068-4079

Stella Bonorino Pazetto

Universidade Federal do Pampa (UNIPAMPA), Itaqui, RS, Brasil. Universidade Federal do Pampa (UNIPAMPA),BrazilItaqui, RS, BrazilUniversidade Federal do Pampa (UNIPAMPA), Itaqui, RS, Brasil.

https://orcid.org/0000-0003-1354-1327

Iris Cristina Datsch Toebe

Programa de Pós-graduação em Informática na Educação, Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, RS, Brasil. Universidade Federal do Rio Grande do Sul (UFRGS)BrazilPorto Alegre, RS, BrazilPrograma de Pós-graduação em Informática na Educação, Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, RS, Brasil.

https://orcid.org/0000-0001-6831-6624

E-mail: m.toebe@gmail.com. ^*Corresponding author.

Editors: Leandro Souza da Silva(0000-0002-1636-6643) Alessandro Dal’Col Lúcio(0000-0003-0761-4200)

DECLARATION OF CONFLICT OF INTERESTS

We have no conflict of interest to declare.

AUTHORS’ CONTRIBUTIONS

Conceptualization: KCB and RRS. Data acquisition: KCB and SBP. Design of methodology and data analysis: RRS and MT. Supervision and coordination: MT and ICDT. KCB and RRS prepared the draft of the manuscript. All authors critically revised the manuscript and approved of the final version.

SCIMAGO INSTITUTIONS RANKINGS

Universidade Federal do Pampa (UNIPAMPA), Itaqui, RS, Brasil. Universidade Federal do Pampa (UNIPAMPA),BrazilItaqui, RS, BrazilUniversidade Federal do Pampa (UNIPAMPA), Itaqui, RS, Brasil.

Figuras | Tabelas

Figuras (2)
Tabelas (1)

Thumbnail

Figure 1
Minimum, 2.5 percentile, mean, 97.5 percentile and maximum values of the mean squares of the error, tray cell size, substrate, and tray cell size × substrate interaction in the number of leaves (a, b, c, and d), total length (e, f, g, and h), shoot length (i, j, k, and l), and root length (m, n, o, and p) of cauliflower seedlings.

Thumbnail

Figure 2
Sample size determination via Schumacher model and maximum curvature points for estimating the mean squares of the error, tray cell size, substrate, and tray cell size × substrate interaction in the number of leaves (a, b, c, and d), total length (e, f, g, and h), shoot length (i, j, k, and l), and root length (m, n, o, and p) of cauliflower seedlings.

Thumbnail

Table 1
Coefficient of determination (R²), root mean square error (RMSE), and d index of the Schumacher models, precision gains, and sample sizes for the analysis of variance of the number of leaves (NL), shoot length (SL), root length (RL), and total length (TL) of cauliflower seedlings.

Figure 1 Minimum, 2.5 percentile, mean, 97.5 percentile and maximum values of the mean squares of the error, tray cell size, substrate, and tray cell size × substrate interaction in the number of leaves (a, b, c, and d), total length (e, f, g, and h), shoot length (i, j, k, and l), and root length (m, n, o, and p) of cauliflower seedlings.

Figure 2 Sample size determination via Schumacher model and maximum curvature points for estimating the mean squares of the error, tray cell size, substrate, and tray cell size × substrate interaction in the number of leaves (a, b, c, and d), total length (e, f, g, and h), shoot length (i, j, k, and l), and root length (m, n, o, and p) of cauliflower seedlings.

Table 1 Coefficient of determination (R²), root mean square error (RMSE), and d index of the Schumacher models, precision gains, and sample sizes for the analysis of variance of the number of leaves (NL), shoot length (SL), root length (RL), and total length (TL) of cauliflower seedlings.

Trait	Statistic^*	Schumacher model	R²	RMSE	d	Precision gain (%)	Sample size
NL	EMS	PG_i = 92.7268 × exp(-2.0653 × n ^-1)	0.98	1.70	0.99	80.34	15
NL	TMS	PG_i = 90.8951 × exp(-2.6275 × n ^-1)	0.99	1.59	0.99	76.82	16
NL	SMS	PG_i = 90.9115 × exp(-2.7168 × n ^-1)	0.99	1.43	0.99	76.55	16
NL	IMS	PG_i = 92.1433 × exp(-2.2303 × n ^-1)	0.98	1.65	0.99	79.22	15
TL	EMS	PG_i = 101.0929 × exp(-0.9950 × n ^-1)	0.79	4.69	0.93	93.11	13
TL	TMS	PG_i = 95.2857 × exp(-1.4891 × n ^-1)	0.94	2.61	0.98	85.09	14
TL	SMS	PG_i = 97.0627 × exp(-1.3535 × n ^-1)	0.93	2.96	0.98	87.37	13
TL	IMS	PG_i = 98.4280 × exp(-1.2088 × n ^-1)	0.89	3.52	0.97	89.40	13
SL	EMS	PG_i = 101.2845 × exp(-0.9737 × n ^-1)	0.78	4.83	0.93	93.42	13
SL	TMS	PG_i = 97.7196 × exp(-1.1904 × n ^-1)	0.88	3.64	0.96	88.85	13
SL	SMS	PG_i = 98.8328 × exp(-1.1430 × n ^-1)	0.87	3.86	0.96	90.14	13
SL	IMS	PG_i = 100.1760 × exp(-1.0428 × n ^-1)	0.82	4.39	0.94	91.96	13
RL	EMS	PG_i = 94.5164 × exp(-1.9269 × n ^-1)	0.98	1.66	0.99	82.45	15
RL	TMS	PG_i = 90.8445 × exp(-2.6214 × n ^-1)	0.99	1.54	0.99	76.79	16
RL	SMS	PG_i = 90.6974 × exp(-2.6674 × n ^-1)	0.99	1.55	0.99	76.52	16
RL	IMS	PG_i = 91.0810 × exp(-2.5692 × n ^-1)	0.99	1.52	0.99	77.17	16

^* EMS: error mean square; TMS: tray cell size mean square; SMS: substrate mean square; IMS: interaction mean square.

Como citar

copiar

Universidade Federal de Santa Maria Universidade Federal de Santa Maria, Centro de Ciências Rurais , 97105-900 Santa Maria RS Brazil , Tel.: +55 55 3220-8698 , Fax: +55 55 3220-8695 - Santa Maria - RS - Brazil
E-mail: cienciarural@mail.ufsm.br

Acompanhe os números deste periódico no seu leitor de RSS

Versão para download de PDF

PDF

Inglês

Versões e tradução automática

Versão original do texto

English

Tradução automática

Google Translator
Microsoft Translator

Como citar

RIS

BIBTEX

Outros formatos de citação e exportação:

SciELO - Scientific Electronic Library Online
Rua Dr. Diogo de Faria, 1087 – 9º andar – Vila Clementino 04037-003 São Paulo/SP - Brasil
E-mail: scielo@scielo.org

Leia a Declaração de Acesso Aberto

Métricas

O tamanho de amostra afeta a precisão da análise de variância em experimentos com mudas de couve-flor

PlumX

Mensagem

[1] E-mail: m.toebe@gmail.com. ^*Corresponding author.