Transformação de dados como alternativa a análise de variância univariada

• Published in: Sigmae Vol. 2; no. 3; pp. 57 - 64
• Main Authors: Campos, Katia Alves, Paixão, Crysttian Arantes, Moraes, Augusto Ramalho de
• Format: Journal Article
• Language: Portuguese
• Published: 2013
• ISSN: 2317-0840; 2317-0840
• DOI: 10.29327/2520355.2.3-5

Em experimentos é comum a obtenção de várias variáveis respostas, as quais são submetidas a análises estatísticas individuais que levam a resultados para cada característica. Com a finalidade de apresentar uma análise alternativa para quando se tem várias características, neste trabalho foi utilizada a análise discriminante de Fisher, por meio da qual se realiza uma transformação dos dados multivariados das várias características em uma nova variável univariada, sem grandes perdas de informação. Para ilustração da técnica foram utilizados dados de um experimento para a produção de mudas de café, em tubetes, no qual foram avaliados o efeito de dois substratos comerciais (A e B), e de cinco proporções (0, 20, 40, 60 e 80%) de substituição dos substratos por um composto orgânico. Sete características de qualidade das mudas foram avaliadas e uma nova variável foi obtida a partir da transformação das variáveis originais por meio da aplicação da função discriminante linear de Fisher. A análise de variância das características da qualidade de mudas individuais detectou diferenças significativas somente entre as proporções de substituição do substrato por adubo orgânico, sendo estimadas as proporções ótimas de 19 a 29% dependendo da característica. Já a análise de variância dos dados transformados detectou diferenças significativas na interação substratos x percentual de substituição. Esses resultados mostram que a transformação dos dados multivariados em uma nova variável unidimensional por meio da função discriminante de Fisher pode ser considerada uma técnica viável para avaliação de experimento com várias características. In experiments, it is common to obtain various response variables that are subject to individual statistical analysis, leading to results for each characteristic. In order to propose an alternative analysis to deal with several characteristics at the same time, Fisher's Discriminant Analysis was used in this work. Through this analysis, multivariate data of various characteristics are transformed into a new univariate variable without information loss. To illustrate the technique, we used data from an experiment of producing coffee seedlings in tubes, which evaluated the effect of two commercial substrates (A and B), and five substitution proportions (0, 20, 40, 60 and 80%) of the substrate for an organic compound. Seven quality characteristics of the seedlings were evaluated, and a new variable was obtained through the transformation of the original variables using Fisher's Linear Discriminant function.The variance analysis of quality characteristics of individual seedlings detected significant differences only in the replacing proportion of the substrate for organic fertilizer, and optimal proportions of 19to 29% were estimated depending on the characteristic. On the other hand, the variance analysis of the transformed data detected significant differences in substrate interaction×percentage replacement. These results show that using Fisher's Discriminant Function to transform multivariate data into a new unidimensional variable can be considered a viable technique for evaluating experiments with various characteristics.