1.  [2.000] (IP:281473857273329 | 09:26:54 | 23:07:43 | 40:49 | 37.702)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O modelo Linear Generalizado tem como principal importância o fato de fundamentar todos os
demais delineamentos, sendo um modelo padrão para todos os outros; com a característica de
ser linear e de ação aditiva, o MLG permiti a separação do efeito devido ao tratamento, daquele
devido à variação do acaso. Ainda possibilita avaliar a influência separada de cada um destes no
resultado final, representando-os de forma independente, através de uma equação matemática,
promovendo uma análise objetiva de dados. Assim, todas as demais ferramentas estatísticas
(regressões, delineamentos e fatorial) utilizam o modelo linear generalizado como base em suas
construções, na prática, compreender e reconhecer os componentes atuantes no MLG nos
proporcionará um entendimento claro e conciso de qualquer outro modelo específico, pelo fato de
todos serem derivados deste.
ok
2.  [4.000] (IP:281473857273329 | 09:27:41 | 23:09:22 | 41:41 | 3.74)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Para testar algo é necessário estabelecer uma hipótese nula e uma alternativa, sendo ambas
antagônicas. A hipótese nula é uma hipótese tida como verdadeira até que provas estatísticas
indiquem o contrário, comumente designada por H0, e diz que não há diferença entre os
tratamentos. A hipótese alternativa deve ser contrária, à hipótese nula, sendo designada por H1
ou Ha. Note-se que, como as hipóteses são contraditórias, elas não poderão ser simultaneamente
verdadeiras, assim, quando se aceita H0 também se rejeita H1 e vice-versa.
Dois tipos de erro podem ocorrer ao se testar estas hipóteses em um trabalho científico, os quais
são denominados: Erro tipo I e Erro tipo II.
O Erro de tipo I ocorre quando se rejeita H0 (hipótese nula), quando ela é verdadeira, ou seja, é a
probabilidade de rejeitar a hipótese nula.
1) A probabilidade de cometer um erro de tipo I num teste de hipóteses é denominada nível de
significância do teste e representa-se pela letra grega α.
2) Conhecendo-se a distribuição estatística da variável aleatória usada no teste, é possível
determinar a probabilidade deste erro, o que se reflete nos limites a partir dos quais se decide
rejeitar a hipótese nula.
3) Os testes de hipóteses são normalmente realizados fixando a probabiildade de se cometer o
Erro tipo I. Ao fixar um nível de significância de 5% num determinado teste, estamos a afirmar que
em apenas 5% das vezes rejeitaremos a hipótese nula sendo esta verdadeira.
Assim, os testes estatísticos foram delineados para controlar o erro de tipo I, chamado de nível de
significância que consiste na probabilidade de cometer erro do tipo I.
O Erro de tipo II é quando se aceita H0, quando ela é falsa, ou seja, é a probabilidade de aceitar a
hipótese nula.
1) A probabilidade de se aceitar H0, quando ela é falsa, ou seja, de cometer o erro tipo II é
chamada poder do teste ou potência do teste (β).
2) O poder de um teste de hipóteses só pode ser determinado a partir dum valor concreto para o
parâmetro que se pretende testar. À medida que se diminui o nível de significância dum teste,
diminui-se também a sua potência.
3) A impossibilidade de determinar o valor de β reside no facto de, assumindo-se que a hipótese
nula é falsa, o parâmetro que se pretende testar poder assumir infinitos valores, cada um dos
quais dá origem a um diferente valor de β.
É por esse motivo que, em testes de hipóteses, não se fala em aceitar a hipótese nula, mas antes
em não rejeitar a hipótese nula. De facto, ao não rejeitar a hipótese nula não se sabe qual a
probabilidade de erro a isso associada. Assim, não rejeitar a hipótese nula significa apenas que
não se encontrou evidência estatística contra a mesma, o que de modo algum significa aceitar a
sua veracidade.
Assim, na prática, o que se faz é controlar a probabilidade de um Erro do tipo I deixando a
probabilidade do Erro do tipo II variar, por se considerar que o erro tipo I causa maiores danos
que o Erro tipo II, pois equivale a concluir que o tratamento é eficaz, quando na verdade ele não
é, o que lavaria perdas. E no erro tipo II, se deixaria apenas de ter ganhos, mas não acarretaria
em perdas.
excelente
3.  [4.000] (IP:281473857273329 | 09:28:07 | 23:15:38 | 47:31 | 4.144)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo “Comparing the yields of organic and conventional agriculture”, dos autores Verena
Seufert, Navin Ramankutty e Jonathan Foley, promove uma discussão buscando-se avaliar a
possível eficiência do sistema de cultivo orgânico, através da realização um estudo comparativo
entre os sistemas de cultivo orgânico e convencional, no mundo.
Os autores iniciam apresentando os motivos pelos quais desenvolveram a pesquisa, onde
relatam que críticos apontam rendimentos mais baixos na agricultura orgânica, o que está
apresentado nos trabalhos científicos utilizados, do mundo inteiro. O que levaria ao uso de
maiores áreas para produzir a mesma quantidade de alimentos de cultivos convencionais,
resultando em maior desmatamento e perda de biodiversidade. Os autores defendem que sob
certas condições, isto é, com boas práticas de gestão, tipos de culturas particulares e condições
de crescimento sistemas orgânicos podem, quase se igualar a produção convencional.
Foi realizada uma síntese abrangente da literatura científica atual, em comparações de
rendimentos de cultivos orgânico e convencional, utilizando a meta-análise. Seguindo alguns
critérios para seleção destes trabalhos, os autores visaram reduzir erros de representatividade
dos sistemas de cultivo, o que segundo eles já havia sido observado em outros trabalhos, levando
a resultados incoerentes. Tais critérios foram os seguintes: 1. Seleção de estudos em áreas com
sistemas orgânicos, propriamente (com e sem certificação); 2. Estudos que apresentavam
escalas espaciais (tamanho da área) e temporais (época/período do estudo) comparáveis; 3.
Estudos que apresentem informações do tamanho da amostra e erro.
O trabalho demonstra que a relação média de rendimento orgânico-convencional na meta-análise
é de 0,75, o que estima que os rendimentos orgânicos sejam 25% mais baixo do que o
convencional. O que os autores acreditam ocorrer devido ao fornecimento de nutrientes e controle
pragas (daninhas e herbívoros), depender apenas de processos biológicos. Nutrientes como N e
P, assim como relações hídricas, e o pH têm influenciado o rendimento do sistema orgânico.
A maioria dos estudos utilizados na meta-análise foram provenientes de países desenvolvidos,
neles o rendimento orgânico é, em média, -20%, enquanto que nos países em desenvolvimento
que é -43%, os autores destacam que o menor rendimento dos países em desenvolvimento devese ao não uso de um adequado sistema de gestão, no entanto nos poucos casos em que são
comparáveis aos rendimentos convencionais, os resultados não diferem significativamente da
produção convencional.
Apesar dos resultados os autores defendem que as diferenças de rendimento entre agricultura
orgânica e convencional existem, mas não são reais. Por fim, o desempenho de sistemas
orgânicos depende do tipo de cultura implantada, tendo em geral, melhor desempenho sob
manejo agroecológico e em condições de cultivo e práticas de gestão, específicas.
Embora capazes de identificar alguns fatores que contribuem para variações no desempenho
orgânico, vários outros fatores limitantes ao seu rendimento estudados ainda de forma incipiente.
A prática da agricultura orgânica é importante na produção sustentável de alimentos.
Demonstrando maior importância nos países em desenvolvimento, pois além dos benefícios
sociais, ambientais e econômicos, ajuda a reduzir a pobreza entre os pequenos agricultores,
aumentando a segurança alimentar .
Alguns pontos devem ser mais bem observados para se realizar uma correta comparação entre
os sistemas orgânico e convencional, sendo destacado pelo autor: (1) analisar sistematicamente
o desempenho de longo prazo da agricultura orgânica, sob regimes de gestão diferentes, (2) o
estudo de sistemas orgânicos sob diversas condições biofísicas, (3) analisar o rendimento para
os pequenos produtores agrícolas, e (4) avaliar o desempenho dos sistemas de produção através
de parâmetros matemáticos, mais também com base numa visão holístico.
Apesar da avaliação de uma quantidade considerável de dados, os autores expõem que não há
maneiras simples para determinar um sistema de cultivo “vencedor”, para todas as situações
possíveis de cultivo, relatando que no mundo os rendimentos orgânicos são tipicamente mais
baixos do que os rendimentos convencionais, porém esta diferença seria teórica. Obtendo-se
produção relevante no sistema orgânico, quando se leva em consideração a baixa entrada de
insumos e o elevado preço de comercialização dos produtos.
muito bom
4.  [2.000] (IP:281473857273329 | 09:28:40 | 23:16:43 | 48:03 | 3.399)
Discuta as implicações da aditividade.
A aditividade é um requisito do Modelo Linear Generalizado, possibilitando a separação do efeito
proveniente do tratamento daquele originado da variação do acaso, ou seja, permite distinguir os
dois efeitos que influenciam no valor final para uma determinada variável. Garantindo a
independência entre os efeitos do tratamento e do acaso. Com a separação dos efeitos do
tratamento e do acaso, é possível verificar se o resultado apresentado é decorrente dos
tratamentos aplicados. A aditividade possibilita que a variação do acaso é independente, ou seja,
o erro que acontece em uma parcela não interfere no erro que acontece em outra parcela.
Caso invés do efeito aditivo, por exemplo, houvesse um efeito multiplicativo, não haveria
possibilidade de distinguir o efeito dos tratamentos e a variação do acaso.
a única ressalva é que a separação não é só entre efeitos de tratamentos e do acaso, mas na
possibilidade de separação de todos os efeitos entre si, e destes com o acaso.
5.  [2.000] (IP:281473857273329 | 09:29:05 | 23:17:22 | 48:17 | 17.089)
Diferencie efeito significativo e efeito real.
Dizer que um resultado é estatisticamente significativo ou que o efeito do tratamento é
significativo, implica que a diferença encontrada entre tratamentos é grande o suficiente para não
serem atribuídas ao acaso, e isto em um teste de significância é a probabilidade máxima de
rejeitar uma hipótese nula verdadeira (erro do tipo I).
O efeito real está relacionado com a implicação prática ou real, das diferenças entre os
tratamentos observadas nos resultados experimentais, ou seja, a magnitude do efeito, que
dependerá do que se está avaliando, resultados significativos estatisticamente podem não o ser
substancialmente, e o contrário também é verdadeiro.
Quando se diz que algo é estatisticamente significativo, não quer dizer que seja significativo do
ponto de vista prática ou real. Provavelmente esse efeito ou diferença que não é “nulo” (na
estatística), pode até ser estatisticamente significativo, mas pode ser irrelevante na realidade.
Por serem facilmente observados valores significativos, torna-se importante compreender se esta
significância tem ou não importância efetiva sob o que se esta avaliando. Grandes modificações
em níveis de significância podem corresponder a mudanças pequenas e não significativas nas
quantidades básicas, ou vice-versa.
excelente
6.  [0.000] (IP:281473659168660 | 12:58:32 | 22:52:42 | 54:10 | 38.807)
Diferencie efeito significativo e efeito real.
Se os resultados de um estudo forem significativos, o estudo demonstra um efeito real. A
significância esta associada ao tamanho do efeito e ao intervalo de confiança em relação a
hipótese nula. Se o resultado de um estudo mostra um efeito baixo (em geral menor do que 0,05),
é provável que esse efeito deva-se ao acaso, ou seja, existe um efeito real ou significativo. Porém
não se deve confundir efeito significativo de importante. A importância esta associada ao tamanho
do efeito e ao intervalo de confiança em relação a um efeito mínimo que ser considerado
importante.
o fato de ser significativo não quer dizer que seja real, ou vice-versa. Veja que o que você está
afirmando essencialmente é que se for significativo é real. Então se o experimento for muito
sensível (baixa variação do acaso, combinado com grande número de tratamentos e repetições)
podemos encontrar efeitos significativos que não são biologicamente reais... Finalmente, a sua
definição de significativo está completamente invertida. Uma diferença é significativa se a chance
de ser devida ao acaso for menor de 0,05 (por convenção) o que significa que é pouco provável
que seja devido ao acaso. Só que você afirma que "é provável que esse efeito deva-se ao
acaso"... esta é justamente a definição de não significativo.
7.  [2.000] (IP:281473659168660 | 12:59:03 | 22:53:19 | 54:16 | 13.199)
Discuta as implicações da aditividade.
A aditividade ou efeito aditivo é um pressuposto do Modelo Linear Generalizado, que permite
avaliar se a variação entre os pontos é devido somente ao acaso ou ao tratamento, ou seja,
permite distinguir os dois efeitos que influenciam no valor do resultado para uma determinada
variável. Se ao invés do efeito aditivo, houvesse, por exemplo, um efeito multiplicativo, não
haveria possibilidade de distinguir o efeito dos tratamentos e a variação do acaso. À medida que
um fator fosse modificado o outro também seria, impedindo, assim, distinguir o que era devido ao
acaso e o que era devido ao tratamento. Com isso, a aditividade torna possível atribuir a origem
dos efeitos observados. A variação do acaso é independente, ou seja, o erro que acontece em
uma parcela não interfere no erro que acontece em outra parcela. A variância não é aditiva,
enquanto que o grau de liberdade e soma dos quadrados são.
ok, mas como as demais respostas, a separação não é só entre acaso e tratamento, mas sim de
todos os efeitos
8.  [3.500] (IP:281473659168660 | 12:59:18 | 22:56:50 | 57:32 | 17.493)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
São dois os tipos de erros que podemos cometer ao tomar uma decisão, tendo em vista um teste
de significância: Erro do tipo I, que consiste em aceitar como diferentes, médias de tratamentos
que na verdade são iguais, ou seja, rejeita H0 (hipótese nula) quando, na realidade, H0 é
verdadeira. A probabilidade de cometer este erro é designada pelo nível de significância. O erro
do tipo I equivale a concluir que o tratamento é eficaz quando na verdade ele não é. E o Erro do
tipo II, que consiste em aceitar como iguais médias de tratamentos que são diferentes, ou seja,
aceitar H0 quando, na realidade, H0 é falsa, sendo verdadeira a H1 (hipótese alternativa). A
ocorrência desses erros depende muito do nível de significância que for escolhido, geralmente
usa-se 0,10 ou 0,05, e o pesquisador que irá estipular que nível vai adotar, devendo-se tomar o
seguinte cuidado: o erro do tipo I é muito mais grave que o erro do tipo II. A gravidade desse
problema depende do assunto que está sendo pesquisado, isto é, quanto mais importantes forem
as consequências das decisões tomadas na pesquisa, mais lesiva será a ocorrência do erro tipo I.
Para reduzir a ocorrência do erro de tipo I, por exemplo, poderíamos aplicar o nível de
significância de 0,10. Mas ao reduzir a probabilidade do erro de tipo I, automaticamente se
aumenta a probabilidade do erro de tipo II, isto é, de aceitar como iguais médias realmente
diferentes. Em geral, escolhe-se pela diminuição do erro de tipo I, devido a sua gravidade, que
pode trazer consequências (para a sociedade, para o sujeito, para a teoria, etc.), é como quisesse
mostrar que algo novo é melhor do que o conhecido.
ok, mas confuso
9.  [4.000] (IP:281473659168660 | 12:59:40 | 22:59:38 | 59:58 | 15.707)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo intitulado “Comparing the yields of organic and conventional agriculture” trata de forma
questionadora e respaldada um tema bastante polêmico, orgânico x convencional, utilizando-se
de uma meta-análise comparativa de estudos prévios sobre os dois tipos de agricultura, levando
em conta o desempenho de ambas. A meta-análise deve ser usada quando os dados tem uma
estrutura subjacente e as observações individuais podem ser categorizadas em grupos. Para
testar a influência de variáveis categóricas em tamanhos de efeito do rendimento foram
examinadas entre grupos heterogeneidade, na qual indica que existem diferenças no efeito de
tamanhos entre diferentes classes de uma variável categórica. A pesquisa foi baseada pelas
referências de um estudo anterior de outros autores, que concluíram que a agricultura orgânica
poderia superar a agricultura convencional, e foi severamente criticado devido à metodologia
utilizada. Com isso, Verena Seufert, Navin Ramankutty e Jonathan A. Foley, autores desse artigo
levaram em conta as ressalvas desse estudo, para evitar críticas semelhantes, aplicando vários
critérios de seleção, sendo um passo crítico na condução da meta-análise, onde a qualidade e
comparabilidade das observações devem ser garantidas. Utilizaram em sua pesquisa 66 estudos
onde foram relatados 316 comparações de rendimentos orgânicos x convencionais em 34
culturas diferentes. Foi examinada a influência de critérios de qualidade empiricamente para
avaliar as diferenças entre observações com diferentes padrões de qualidade. A qualidade de
estudo e a comparabilidade dos sistemas orgânicos e convencionais foram avaliadas pelo
desempenho experimental do estudo, bem como a forma de publicação.
Foram calculados os rendimentos médios das culturas dos países a partir de dados da FAO. Se a
meta-análise de valor de rendimento convencional foi de mais de 50% maior que a média de
rendimento locais obtidos por esse método, foi classificado como “acima da média”, quando era
mais de 50% inferior como “abaixo da média”, e quando foi dentro de +/- 50% das médias de
rendimento locais como “comparáveis”. A proporção de resposta foi calculada como a razão entre
orgânica e o rendimento convencional. As observações com a mesma ou características similares
de gestão ao sistema foram agrupadas, em seguida, usou-se um modelo de efeitos mistos para
partição da variância, utilizada em pesquisa com medidas repetidas, assumindo que não existe
variação aleatória dentro de um grupo e variação fixa entre os grupos. Para testar as diferenças
nos tamanhos de efeito entre os grupos do total da heterogeneidade da amostra foi dividido
dentro do grupo e entre o grupo heterogeneidade, num processo semelhante ao de uma análise
de variância. Todas as análises estatísticas foram realizadas utilizando MetaWin 2,026.
Identificando que os rendimentos orgânicos são 25% menores do que os convencionais. Em
algumas circunstâncias, e entre algumas culturas, a disparidade não possui diferença
significativa, mas também existem exemplos contrários. No geral, as diferenças de rendimento
são contextuais, pois dependem das características do local e do sistema utilizado. Quando se
compara rendimentos orgânicos e convencionais, é importante considerar a produção de
alimentos por unidade de área e de tempo, e geralmente no sistema orgânico costumam-se usar
mais culturas não alimentares na rotação, como leguminosas forrageiras. Com isso, a metaanálise sugere que os estudos utilizando longos períodos de culturas não alimentares na rotação
dos sistemas orgânicos do que nos sistemas convencionais não diferenciem na sua relação de
rendimento a partir de estudos que utilizam períodos semelhantes de culturas não alimentares. É
relatado que os rendimentos orgânicos são baixos nos primeiros anos após a conversão e
aumentam gradualmente ao longo do tempo, devido às melhorias em fertilidade do solo e manejo.
Nos países em desenvolvimento, as fazendas analisadas pela meta-análise, possuem produção
voltada à exportação, com certificação orgânica internacional. Os autores defendem que haja
uma distinção entre os métodos de agricultura “orgânica intensiva”, que envolvem técnicas como
compostagem, e a chamada agricultura de subsistência, que é praticada por pequenos
produtores, e pode ser orgânica por padrão, devido à falta de recursos, mas não intencionalmente
orgânica. Os resultados dessa meta-análise diferem drasticamente dos resultados do estudo
anterior, isto porque na análise anterior foram incluídas comparações de rendimentos da
agricultura de subsistência.
Para entender melhor o desempenho da agricultura orgânica, os autores sugerem: analisar
sistematicamente os desempenhos em longo prazo da agricultura orgânica em diferentes regimes
de gestão; o estudo de sistemas orgânicos sob uma ampla gama das condições biofísicas;
analisar o desempenho relativo de pequenos rendimentos de sistemas agrícolas; e avaliar o
desempenho de sistemas agrícolas através de métricas mais sistema holístico. Para eles, nem
tudo o que é orgânico faz bem à saúde e nem sempre a agricultura convencional é a pior opção,
tudo depende de quando e onde os alimentos estão sendo cultivados.
excelente
10.  [2.000] (IP:281473659168660 | 13:00:02 | 22:59:59 | 59:57 | 19.169)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O Modelo Linear Generalizado é representado por um modelo matemático através da equação de
uma reta, em um modelo linear e aditivo, que nos permite observar como cada resultado poderá
influenciar no resultado obtido. É de suma importância, apresentando flexibilidade, ou seja,
permite que uma grande quantidade de delineamentos baseie-se nele, cada delineamento
experimental é uma versão específica do modelo geral para a condução dos experimentos, e a
separação dos componentes (efeito do tratamento e variação do acaso) e análise do efeito
separada de cada componente no resultado, promove uma boa análise se dados.
quase que não chegava no ponto mais importante, mas o que vale é que chegou
11. [2.000] (IP:281473824232707 | 13:52:40 | 23:59:17 | 06:37 | 3.783)
Discuta as implicações da aditividade.
Na aditividade, é de grande relevância destacar que este efeito aditivo permite distinguir o efeito
proporcionado pelo tratamento daquele efeito causado pela variação do acaso. Com essa
característica de separação dos efeitos, a aditividade possibilita verificar se o resultado
apresentado de uma determinada análise é decorrente dos tratamentos, quando (F (calculado) >
F (tabelado)) ou se é proveniente da variação do acaso (F (calculado) < F (tabelado)).
Se o efeito do modelo linear generalizado não fosse aditivo e sim multiplicativo, não seria possível
atribuir distinção dos fatores. Dentro do contexto de aditividade, é importante lembrar que a
independência da variação do acaso possibilita o isolamento da mesma. Desta forma, o possível
erro existente em uma determinada parcela não chega a interferir no erro de uma parcela distinta.
mesmo ponto levantado para as outras respostas
12. [1.000] (IP:281473824232707 | 13:53:57 | 23:59:24 | 05:27 | 2.991)
Diferencie efeito significativo e efeito real.
O efeito significativo de um resultado é uma medida estimada do grau em que este resultado é
"verdadeiro". Ou seja, no sentido de "representatividade da população".
Da mesma forma, quando for improvável que determinados resultados de uma amostra de uma
população sejam provenientes da ação do acaso, se diz que as diferenças observadas não são
decorrentes de oscilações normais, porém caracteriza-se como sendo um efeito real.
assim como vários de seus colegas, não diferenciou efeito real de significativo. Efeito real é
aquele com importância biológica, o que é bem diferente de significativo
13. [1.500] (IP:281473824232707 | 13:54:15 | 23:59:29 | 05:14 | 1.063)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O modelo linear generalizado (MLG) pode ser considerado como um modelo simples, que
descreve bem os dados observados, possui flexibilidade, ação aditiva e pode ser caracterizado
por servir como base para todos os delineamentos experimentais. Além disso, a sua importância
está no contexto de que este modelo quando comparado aos outros, é considerado padrão.
No (MLG) técnicas estatísticas comumente estudadas separadamente podem ser formuladas de
maneira unificada. É de grande importância lembrar que, a equação matemática proporcionada
pelo (MLG) possibilita observar as variações de forma independente em função de seu
comportamento linear. Nesse contexto, é possível separar as variações inerentes ao acaso dos
efeitos proporcionados pelo tratamento, o que possibilita uma melhor avaliação dos dados.
é verdade que o MLG permite avaliar independendentemente os diferentes efeitos, mas não me
parece que você tenha considerado os efeitos da ligação do MLG com os delineamentos....
14. [2.000] (IP:281473824232707 | 13:54:40 | 23:59:35 | 04:55 | 0.238)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Durante o planejamento experimental é necessário que uma hipótese seja estabelecida. Essa
hipótese pode ser caracterizada como (hipótese nula – H0) e outra (hipótese verdadeira - H1),
porém ambas são contrárias.
Desta forma, ao rejeitar a hipótese nula quando ela é verdadeira comete-se o erro do tipo l (Ex:
Ao interpretar um determinado resultado e dizer que este possui significância estatística quando
na verdade esse efeito foi proporcionado pelo acaso). Já no que diz respeito ao erro do tipo 2,
este ocorre quando o inverso acontece, ou seja, se aceita a hipótese nula quando na verdade ela
é falsa. No entanto, é notável que quando tomamos a decisão de rejeitar ou aceitar uma hipótese,
estamos sujeitos a incorrer em um dos erros.
É de grande importância mencionar que controlamos apenas o erro do tipo l, através do nível de
significância (geralmente 5% e 1% de probabilidade). Porém, o controle simultâneo de ambos os
tipos de erros não é possível para um tamanho fixo da amostra. Nesse contexto, quando usamos
5% de probabilidade, significa dizer que existe 5 chances em 100 de rejeitar uma hipótese que
deveria ser aceita, ou seja que existe uma confiança de 95% de termos tomado a decisão correta.
O erro do tipo l é considera como o mais grave no meio científico.
Você realmente pode considerar esta comparação como detalhada?
15. [4.000] (IP:281473824232707 | 13:54:59 | 23:59:58 | 04:59 | 18.568)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
Título do artigo: Comparando os teores de compostos orgânicos e convencionais na agricultura
A agricultura orgânica, um sistema destinado à produção de alimentos com o mínimo dano aos
ecossistemas, animais ou seres humanos é frequentemente proposto como uma solução. No
entanto, os críticos argumentam que a agricultura orgânica pode proporcionar baixos rendimentos
e seria, portanto, necessário de mais terras para produzir a mesma quantidade de alimentos
alcançada na agricultura convencional, resultando em mais desmatamento e perda da
biodiversidade. De um modo geral, a análise dos dados disponíveis mostra que, os rendimentos
orgânicos são tipicamente menores do que os rendimentos convencionais.
Sob determinadas condições de boas praticas de gestão, tipos de culturas particulares e
condições de crescimento, os sistemas biológicos podem, assim, corresponder a produções
convencionais, enquanto que em outras condições isso não é possível. Numerosos estudos
individuais têm comparado os rendimentos de fazendas orgânicas e convencionais, mas poucos
têm tentado sintetizar esta informação em uma escala global. Um primeiro estudo concluiu que a
agricultura orgânica corresponde, ou mesmo ultrapassa os rendimentos convencionais, e poderia
fornecer alimentos suficientes em terra agrícola atual. No entanto, este estudo foi contestado por
vários autores, de tal forma que as críticas incluíram o uso de dados a partir de culturas não
verdadeiramente sob cultivo orgânico e comparação inadequada de rendimento.
Nesse contexto, para lhe dar com a crítica do estudo anterior foram usados vários critérios de
seleção: 1º (Manejo orgânico certificado); 2º (Que só inclui estudos com espacial comparável e
escalas temporais para sistemas orgânicos e convencionais); 3º (Que só inclui estudos de
referência).
Para dar um maior embasamento ao estudo, foi realizada uma pesquisa bibliográfica abrangente
na comparação de produção orgânica e convencional. Estudos só foram incluídos se (1)
relataram dados de rendimento sobre as espécies cultivadas individualmente em um tratamento
orgânico e um tratamento convencional, (2) o tratamento orgânico foi verdadeiro orgânico, (3)
dados primários reportados, (4) a escala das observações de rendimento orgânicos e
convencionais foram comparáveis, (5) os dados não tenham sido retomados a partir de um outro
papel, e (6) relataram a média (x), um termo de erro (Desvio padrão (DP)), erro padrão, ou
intervalo de confiança).
A proporção de resposta é calculada como a razão entre rendimento orgânico e convencional. O
uso do logaritmo natural lineariza as medidas e proporciona uma distribuição de amostragem
mais normal. Se o conjunto de dados tem alguma estrutura subjacente e estudos podem ser
classificados em mais de um grupo (por exemplo, diferentes espécies de plantas ou tipos de
fertilizantes) uma meta análise categórica pode ser conduzida.
Em seguida, usou um modelo de efeitos mistos para partição da variância da amostra, assumindo
que não existe variação aleatória dentro de um grupo e variação fixa entre os grupos. Além disso,
foi realizada uma análise de sensibilidade para comparar a robustez dos resultados bob critérios
mais rigorosos de qualidade e pra avaliar índices de rendimento orgânicos sob um arranjo de
comparações específicas do sistema.
Comparando rendimentos orgânicos e convencionais, é importante considerar a produção de
alimentos por unidade de área e de tempo, como rotações orgânicas que costumam usar culturas
não alimentares, como leguminosas forrageiras. No entanto, a analise sugere que os estudos
utilizando longos períodos de culturas não alimentares na rotação orgânica com os sistemas
convencionais não diferem na sua relação de rendimento a partir de estudos que utilizam
períodos semelhantes.
O desempenho dos sistemas orgânicos varia substancialmente com a espécie e o tipo de cultura.
Por exemplo, o rendimento de frutos e sementes oleaginosas orgânicas mostra-se pequeno (3 e
11%, respectivamente), mas não diferenciando estatisticamente para culturas convencionais,
enquanto que para os cereais orgânicos e vegetais têm rendimentos significativamente menores
do que as culturas convencionais (26 e 33%, respectivamente. Quando o sistema orgânico
recebe maiores quantidades de N do que os sistemas convencionais, o desempenho orgânico
melhora. No entanto, a disponibilidade de N pode ser um fator limitante para o rendimento em
sistemas orgânicos. A liberação de N para as plantas através de fontes orgânicas (culturas de
cobertura, composto ou animal) se dá de forma lenta e muitas vezes não se mantem com a alta
demanda da cultura.
Para avaliar a dinâmica de nutrientes nos sistemas orgânicos mais pesquisas são necessárias
sobre o desempenho e dinâmica de nutrientes da agricultura orgânica em solos de pH variável.
Desta forma, rendimentos orgânicos dependem mais de conhecimento, e boa gestão prática do
que os rendimentos convencionais. No entanto, em sistemas orgânicos onde o nitrogênio não é
limitado, melhores práticas de gestão não são necessárias.
É frequentemente relatado que os rendimentos orgânicos são baixos nos primeiros anos e
aumenta gradualmente ao longo do tempo, devido a melhorias na fertilidade do solo e manejo.
Relações hídricas também influenciam nos rendimentos orgânicos, 35% sob condições irrigadas
e 17% sob condições de sequeiro. Além disso, solos tratados com métodos orgânicos tem
mostrado melhor capacidade de retenção de água.
Comparando a agricultura orgânica em todo o mundo, descobrimos que em países
desenvolvidos, o desempenho dos orgânicos é em média 20%, enquanto que em países em
desenvolvimento é de 43%. Esse fraco desempenho da agricultura em países desenvolvidos
pode ser explicado pelo fato de que as maiorias dos dados obtidos em países em
desenvolvimento são de sistemas não utilizando as melhores práticas de gestão.
Para entender melhor o desempenho da agricultura orgânica, devemos: 1º Analisar
sistematicamente o desempenho em longo prazo sob diferentes regimes; 2º O estudo de
sistemas orgânicos sob uma ampla gama das condições biofísicas; (3º) Analisar o desempenho
relativo de pequenos sistemas agrícolas, e (4º) Avaliar o desempenho de sistemas agrícolas
através de medidas logísticas.
Há muitos fatores a considerar para equilibrar os benefícios de orgânicos e convencionais na
agricultura, e não há nenhuma maneira simples para determinar um vencedor claro para as duas
situações de cultivo. No entanto, o autor conclui dizendo que devemos avaliar sistematicamente
os custos e benefícios de diferentes opções de gestão. De modo que, no final ao alcançar a
segurança alimentar sustentável provavelmente teremos muitas técnicas diferentes, para produzir
mais alimentos a preços acessíveis, garantir meios de subsistência para os agricultores, e reduzir
os custos ambientais da agricultura.
muito bom. em alguns pontos se prende demais a detalhes metodológicos, o que penaliza o
entendimento geral, mas o balanço geral foi excelente
16.  [2.000] (IP:281473824232707 | 19:34:40 | 23:46:36 | 11:56 | 128.522)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O modelo linear generalizado faz uma simplificação da realidade, pois procura-se um modelo
mais simples possível e razoável que tente descrever bem como os dados são observados. A
importância do MLG ´e que dele resultar todos os modelos ( regressão, variância delineamentos e
também para analise da covariância) permitindo que o pesquisador crie a sua própria simulação.
Além disso, o MLG unificar uma modelagem estatística , mostrando que uma serie que são
estudadas separadamente podem ser comumente reunidas sob o mesmo modelo.
ok
17.  [2.000] (IP:281473824232707 | 23:46:53 | 23:47:19 | 00:26 | 25.417)
Discuta as implicações da aditividade.
A aditividade é um pressuposto do MLG, o modelo é importante devido ao fato que o efeito aditivo
permite diferenciar os dois efeitos ( tratamento e acaso) que vão influenciar no valor do resultado
em determinada variável. A utilização da aditividade é explicada, pois se o efeito do modelo fosse
explicativas não seria possível fazer distinção de um fator do outro. Devido a isso não seria
possível fazer a separação do que ao acaso ou do tratamento.
mesmo problema dos demais quanto a modelos menos simples
18.  [2.000] (IP:281473824232707 | 23:47:28 | 23:48:18 | 00:50 | 48.602)
Diferencie efeito significativo e efeito real.
O efeito significativo diz quanto significativo foi estatisticamente um tratamento em relação a
outros. Porém esse efeito pode não ser real, uma cultura em que trabalha com grandes
produções de matéria seca como o capim elefante para a produção de biomassa, em toneladas
por hectare pode ter uma diferença significativa estatisticamente em relação a outros clones de
capim elefante, entretanto se essa diferença for somente 90 kg por hectare não quer dizer muita
coisa, pois essa produção é insuficiente para uma cultura que tem a produção por toneladas.
Entretanto se esse efeito for real, ou seja, com grandes produções de MS compensa usa essa
variedade para ter melhores produções.
só é uma pena que tenha usado uma definição circular no início da resposta... só livrou a
pontuação completa pela proporção muito baixa de respostas diferenciando significativo e real
19.  [4.000] (IP:281473824232707 | 09:26:55 | 23:50:42 | 23:47 | 7.294)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo Comparing the yields of organic and conventional agriculture promove uma discussão
sobre a produção da agricultura orgânica vesus tradicioanal. A principio, na introdução os autores
embasam o leitor sobre o aumento da demanda da população com e a necessidade de aumento
da demanda de alimentos como a carne e alimentos de alta calorias tendo a necessidade da
diminuição dos impactos ambientais que essas atividade tem causado atualmente. Dai os autores
cita se a agricultura orgânica poderia ser ou não a solução para a crescente demanda de
alimentos no mundo com poucos impactos ambientais. Baseado nessas perguntas, os autores
avaliaram o desempenho produtivo dos dois sistemas globalmente. Os autores do trabalho
fizeram uma síntese da literatura cientifica no mundo comparando dos dois sistemas. Colocaram
alguns critérios que no ponto de vista deles eram importantes para a melhor qualidade da
pesquisa: primeiramente restringiram os sistemas orgânicos somente aqueles em que tivessem
certificados com o manejo de sistemas orgânicos realmente. Somente incluíram os estudos em
escala temporal e espacial para ambos os sistemas. E por fim incluíram estudos que reportaram
amostra de tamanho e erro. Para o sistema convencional este foi dividido em alto e baixo níveis
de insumos. Foram avaliados 66 estudos representando 62 locais com 316 comparações de
convencional para orgânico com 34 espécies de culturas diferentes. Os autores utilizaram o
intervalo de confiança com 95% verificando intervalos de 0,71 para 0,79% que no geral
apresentaram que na agricultura orgânica há uma redução na produção de 25% quando
comparada a agricultura convencional. Porem, o desempenho do sistema orgânica vai depender
das espécies e da cultura. Os produtos como fruta e sementes de óleos não houveram diferença
estatística em relação aos sistemas convencionais. Entretanto obteve redução de 3% e 11%
respectivamente. Contudo, para outras cultura foi evidenciado pelos os autores diferenças
significativas para as culturas de cereais e vegetais com cerca de 26 e 33% respectivamente. Os
autores justificam tal diferença estatística pode ser devido ao baixo numero de amostras para
algumas culturas orgânicas (14 frutas) em relação a quantidade da amostra do sistema
convencional. A maior produção de culturas convencionais pode ser devido ao uso sistemático de
nitrogênio na forma inorgânica, pois este tem uma maior disponibilidade imediata para culturas
em relação aos sistema orgânicos. Mas quando há uso de leguminosas devido seu mecanismo
de eficiência essas suprem em parte a demanda de nitrogênio das culturas. Outro problema na
agricultura orgânica é em relação ao manejo do fosforo, devido a esses solos serem alcalinos e
condições acidas ele ficam menos indisponível para as plantas porque ficando na forma de
fosfato insolúvel. Com isso no sistema orgânico os autores dizem que não há um fornecimento de
fosforo eficiente, porem é bastante perdido na colheita da cultura. Os autores recomendam que
boas práticas de manejo possam melhorar o desempenho dos sistemas orgânicos como a
introdução de leguminosas e sistema de rodízios. Em relação à agua no sistema orgânico os
autores observaram melhor capacidade de campo, melhor infiltração de agua do que no sistema
convencional tanto em condições de seca como de excesso de chuva, porem no sistema orgânica
não responde bem a irrigação como ocorre no sistema tradicional. Um dado interessante é que os
dados em países desenvolvidos o desempenho de orgânico é 20% menor enquanto em
Desenvolvimento é de cerca de 43% tal diferença pode ser devido ao fator que a maioria dos
dados vem de países de produção convencional atípica. Os autores ainda faz uma ressalva
importante sobre os tipos de agricultura convencionais com alta e baixa entrada de insumos com
diferenças exorbitantes de -43% a +80% de produção. Os autores concluem que de fato quando
se compara os dois sistemas há uma diferença existentes entre eles em relação a sua produção,
porém eles fazem uma ressalva que com praticas de manejo essa diferença não ultrapassa a
13% na produção em relação a agricultura convencional. Entretanto, em sistemas de altos
insumos essa se chega uma diferença de 36% principalmente em países desenvolvidos. Por fim
os autores sugerem mais estudos com sistemas orgânicos em que melhorem suas técnicas de
manejo e os fatores que limitem a adoção da agricultura orgânica. Há de se ressaltar que os
autores do referido trabalho tem uma tendência mais para a agricultura orgânica do que para a
convencional pelo visto pelo excesso de justificativas na comparação dos dois sistemas. Os
autores falam em tabelas durante a discussão porém não há nenhuma tabela, dificultando a
veracidades das informações.
ok,
20.  [0.000] (IP:281473824232707 | 23:50:42 | 23:51:42 | 01:00 | 57.956)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Erro do tipo I é o erro ao rejeitar H0 quando, na realidade, H0 é verdadeira. O erro do tipo I
equivale a concluir que o tratamento é eficaz quando na verdade ele não é. Essa probabilidade de
cometer o erro é designada pelo nível de significância. Se porventura o valor do p-valor for menor
que o nível de significância estipulado, assume-se o erro tipo I e rejeita-se a hipótese nula. Ao
contrário, se o p-valor for maior, não é assumido o erro tipo I e se aceita a hipótese nula.
Portanto, esse tipo de erro leva o pesquisador a conclusões equivocadas. Já em relação ao erro
do tipo II é o erro ao aceitar H0 quando, na realidade, H0 é falsa. Ou seja, aceitar como médias
iguais de tratamentos que são diferentes.
O que cargas de'água você quer dizer com "se porventura o valor do p-valor for menor do que o
nível de significância estipulado, assume-se o erro tipo I e rejeita-se a hipótese nula"? Você está
dizendo que SEMPRE iremos cometer o Erro Tipo I quando rejeitarmos a nula (afinal, vamos
assumir ele). Isto simplesmetne não faz o menor resquício de sentido...
21.  [2.000] (IP:281473653566517 | 16:41:58 | 00:25:48 | 43:50 | 27.826)
Discuta as implicações da aditividade.
A aditividade ou efeito aditivo é um pressuposto do MLG, que permite a separação dos efeitos de
tratamento dos efeitos do acaso. Com a separação dos efeitos do tratamento e do acaso, é
possível verificar se o resultado obtido de uma observação é decorrente dos tratamentos
aplicados (quando o efeito dos tratamentos é superior ao efeito da variação do acaso), ou se é
resultante da variação do acaso. Dessa forma o efeito aditivo é a soma da média + tratamentos +
acaso, que permite avaliar de forma independente a variação do tratamento para posterior
avaliação da variação do acaso. Se ao invés do efeito aditivo houvesse um efeito multiplicativo,
não haveria possibilidade de distinguir o efeito dos tratamentos e o efeito do acaso.
ok, mas parece que simplesmente ninguém se tocou que a aditividade não vale somente para
tratamento e acaso, mas sim para todos os efeitos do modelo
22.  [2.000] (IP:281473653566517 | 16:44:07 | 00:26:08 | 42:01 | 15.808)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O Modelo Linear Generalizado (MLG) é de suma importância por se tratar de um modelo padrão
para todos os outros modelos, por ser a base de todos os delineamentos experimentais, sendo
uma simplificação da realidade e, seu comportamento linear permite representar as variações de
forma independente através de uma equação matemática, possibilitando a separação das
variações ocasionadas pelo tratamento das ocasionadas pelo acaso. Permitindo separar os
componentes que estão influenciando e reagrupá-los de maneira a que se venha obter melhor
resultado final.
ok
23.  [4.000] (IP:281473653566517 | 18:52:22 | 10:48:48 | 56:26 | 1.522)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo “Comparing the yields of organic and conventional agriculture” dos autores Verena
Seufert, Navin Ramankutty & Jonathan A. Foley promove uma discussão sobre a meta-análise,
utilizada na comparação entre o rendimento da agricultura orgânica com a agricultura
convencional, na qual os autores afirmam que a meta-análise é um método quantitativo que
permite combinar os resultados de estudos realizados de forma independente (geralmente
extraídos de trabalhos publicados) e sintetizar as suas conclusões ou mesmo extrair uma nova
conclusão.
Os autores apresentam os critérios de seleção para condução da meta-análise sendo
considerado um passo crítico na condução. Onde a qualidade cientifica e comparabilidades das
observações devem ser garantidas. Por outro lado a meta-análise deverá completar se possível
um resumo da pesquisa atual. Há um debate em curso sobre se meta-análises deve adotar
critérios de seleção muito específicas para evitar a mistura de dados incomparáveis e minimizar a
variação no conjunto de dados, ou se, em vez disso, meta-análises devem incluir um leque de
estudos quando possível para permitir uma análise das fontes de variação. foi examinada a
influência de critérios de qualidade empiricamente através da avaliação das diferenças entre as
observações com diferentes padrões de qualidade. A qualidade do estudo e a comparabilidade
dos sistemas orgânicos e convencional foram avaliada de acordo com o desenho experimental do
estudo, bem como a forma de publicação.
Para avaliar se os valores de rendimento convencionais relatados por estudos e incluídos na
meta-análise são representantes de rendimento médios das culturas regionais, foram
comparados com dados de alta resolução espacial FAOSTAT de dados de rendimento definidos.
Os autores usaram os dados da FAO, que relata colheitas anuais nacionais entre 1961-2009,
para o detalhe temporal do conjunto de dados de rendimento. Foram calculados os rendimentos
médios das culturas dos países a partir de dados da FAO para o período de estudo e calculou-se
a respectiva proporção média deste rendimento de estudo o ano de 2000-FAO para o valor do
rendimento nacional. Se a meta-análise de valor de rendimento convencional foi superior à média,
mais de 50% de rendimento locais obtidas por esse método, é classificado como "acima da
média", quando era inferior de 50% "abaixo da média", e quando foi ± 50% das médias de
rendimento locais como "comparáveis".
Os autores também calcularam o efeito cumulativo como média ponderada de todos os estudos
por ponderação de cada observação individual pelo inverso da variância de modelo misto, que é o
soma da variância da amostra de estudo e a variância agrupada dentro do grupo. A meta-análise
paramétrica ponderada deve ser usada sempre que possível para lidar com heterocedasticidade
na amostra e para aumentar o poder estatístico das analise. O tamanho do efeito cumulativo é
considerado como sendo significativamente diferente zero (isto é, o tratamento biológico mostra
um efeito significativo no rendimento da colheita), se seu intervalo de confiança não se
sobrepõem zero.
Na segunda e última parte do artigo os autores exploram questões quanto à independência. Cada
observação em uma meta-análise é necessário que seja independente. Medições repetidas no
mesmo local ao longo do tempo não são independentes. Se os valores de rendimento a partir de
um único experimento foram relatados por vários anos, portanto, a média do rendimento ao longo
do tempo foi calculada e utilizada na meta-análise. Além disso, examinou-se a interação entre
variáveis categóricas através de uma combinação de contingência e sub-categórica análise. Foi
realizada uma análise de sensibilidade para comparar a robustez dos resultados sob critérios
mais rigorosos de qualidade e para avaliar índices de rendimento orgânicos sob um casal de
comparações específicas do sistema. E por fim toma-se uma discussão em especial sobre a
forma de inferência que se realiza diante do rendimento da produção orgânica e produção
convencional envolvidas numa experimentação.
Em suma, os resultados sugerem que os sistemas orgânicos de hoje podem competir com o
sistema convencional em alguns casos, como: os que tem determinados tipos de culturas (visto
que o desempenho dos sistemas orgânicos varia substancialmente de tipos e espécies de
cultura), condições de cultivo e práticas de manejo, mais na maioria das vezes essa competição
não é possível. Melhorias nas técnicas de manejo que são fatores limitantes para os rendimentos
em sistemas orgânicos e / ou a adoção da agricultura orgânica nas condições agroecológicas
onde atua melhor pode ser capaz de fechar o fosso entre os rendimentos orgânicos e
convencionais.
ok
24.  [2.000] (IP:281473653566517 | 18:54:14 | 00:26:51 | 32:37 | 18.264)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Os Erros Tipo I e Tipo II, onde ambos estão associados aos testes de Hipóteses. O erro tipo I:
rejeitar a hipótese nula (Ho), quando ela é verdadeira e, o erro tipo II: aceitar a hipótese nula (Ho),
quando ela é falsa. Quanto maior a chance de cometer o Erro Tipo I, menor será a chance de
cometer o Erro Tipo II. Deste modo, os testes estatísticos foram delineados para controlar o erro
tipo I, chamado de nível de significância que consiste na probabilidade de cometer erro tipo I,
enfatizando que os níveis de significâncias mais usados na prática são 5 e 1%. Os pesquisadores
tentam controlar mais o erro tipo I que é considerado mais importante o qual, nos procedimentos
de comparações múltiplas, pode ser medido de duas maneiras: A primeira refere-se à avaliação
da probabilidade de se rejeitar uma hipótese verdadeira em todas as possíveis combinações dos
níveis dos tratamentos tomados dois a dois, sendo conhecida por taxa de erro tipo I por
comparação. A segunda refere-se à medida do erro tipo I como a probabilidade de se realizar
pelo menos uma inferência errada por experimento e é conhecida por taxa de erro tipo I por
experimento. Deste modo, para que um teste de hipótese seja considerado um bom teste deve-se
ter uma pequena probabilidade de rejeitar H0 se esta for verdadeira, mas também, uma grande
probabilidade de rejeitá-la se ela for falsa. A probabilidade de rejeitar H0, quando ela for falsa, é
chamada poder do teste.
Dá para considerar isto como uma comparação detalhada, e que as consequências foram bem
discutidas?
25.  [1.000] (IP:281473653566517 | 18:55:21 | 10:49:01 | 53:40 | 7.952)
Diferencie efeito significativo e efeito real.
O efeito real é quando não se pode atribuir as diferenças ao acaso. Ex: Em relação a uma
determinada característica de uma população, a amostra dela retirada pode não pertencer a essa
população e as diferenças encontradas representam um efeito real, não podendo ser atribuída ao
acaso.
O efeito significativo de um resultado é uma medida estimada do grau em que este resultado é
"verdadeiro" (no sentido de que seja realmente o que ocorre na população, ou seja, no sentido de
"representatividade da população"). Mais tecnicamente, o valor do nível-p representa um índice
decrescente da confiabilidade de um resultado. Quanto mais alto o nível-p, menos se pode
acreditar que a relação observada entre as variáveis na amostra é um indicador confiável da
relação entre as respectivas variáveis na população.
Em geral a estatística serve para saber se um efeito observado é real, ou é devido a fatores
aleatórios como erros de medição.
efeito real é aquele efeito biologicamente (quimicamente, etc) real. Efeito significativo quer dizer
que é pouco provável que seja devido ao acaso. Então podemos encontrar uma diferença
significativa por exemplo em 50 kg/ha na produção de cana que é medida em t/ha. Não há como
isto ser biologicamente real, simplesmente porque não tem como se atingir este nível de precisão.
O efeito foi significativo, simplesmente porque a variação do acaso foi tão pequena que conseguiu
encontrar perna de cobra... este erro foi recorrente em todas ou quase todas as respostas
26.  [2.000] (IP:281473824221090 | 21:35:08 | 23:59:30 | 24:22 | 17.209)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
A importância do modelo linear generalizado se deve ao fato deste ser um modelo geral, flexível,
que serve como base para todos os delineamentos experimentais. Além disso, o MLG por ser
uma simplificação da realidade, possuir comportamento linear e efeito aditivo, permite expressar
as variações de forma independente através de uma equação matemática, que possibilita a
separação das variações ocasionadas pelo tratamento daquelas ocasionadas pelo acaso. A
análise do efeito e influência separada de cada componente no resultado final, promove uma
objetiva análise de dados.
ok
27.  [2.000] (IP:281473824221090 | 21:35:52 | 00:00:17 | 24:25 | 14.631)
Discuta as implicações da aditividade.
A aditividade é um dos requisitos básico do modelo linear generalizado, que possibilita a
separação do efeito proveniente do tratamento daquele originado da variação do acaso, ou seja,
permite distinguir os dois efeitos que influenciam no valor do resultado para uma determinada
variável. Assim, é possível verificar se o resultado apresentado de uma observação é decorrente
dos tratamentos aplicados, quando o efeito dos tratamentos apresenta-se muito superior ao efeito
da variação do acaso (Fcalculado > F tabelado), ou se é proveniente da variação do acaso, em
que erros durante a condução do experimento foram responsáveis pela variação existente
(Fcalculado < Ftabelado) entre os tratamentos. Se ao invés do efeito aditivo, por exemplo,
houvesse um efeito multiplicativo, não haveria possibilidade de distinguir o efeito dos tratamentos
e a variação do acaso.
ok, mas além de não pensar nos casos menos simplificados do MLG, que incluam mais efeitos, o
que diabos o F tem a ver com isto?
28.  [2.000] (IP:281473824221090 | 21:36:07 | 00:00:38 | 24:31 | 2.208)
Diferencie efeito significativo e efeito real.
Efeito significativo diz respeito à análise estatística, quando o Fcalculado é igual ou menor que o
Ftabelado, isto é, qual a probabilidade desse efeito acontecer devido ao acaso. Já o efeito real é
quando a diferença existente não é devido ao acaso, mas sim ao efeito do tratamento. Em
modelos de regressão, de modo geral, o efeito real costuma ser mais importante do que a
Significância, pois uma coisa pode ser altamente significativa e ser completamente desprezível,
ou seja, não ter efeito real.
Ex.: um aumento de 100 kg na produção da cana é significativo, porém seu efeito geral é
desprezível, visto que não se tem como medir quantidades relativamente pequenas se a
produção de cana é dada em toneladas.
aleluia... salvou-se uma alma.... muito obrigado por acertar. Já estava ficando desesperado
29.  [0.000] (IP:0 | 21:36:23 | --:--:-- | --:-- | ------ )
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
Em branco
30.  [1.000] (IP:281473824221090 | 21:36:41 | 00:01:01 | 24:20 | 6.099)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
O erro tipo I ocorre ao rejeitar-se a hipótese nula (H0) quando ela é verdadeira, ou seja, admite-se
que os tratamentos são significativamente diferentes, sendo que essa diferença existente é
devido ao acaso. Já o erro tipo 2 ocorre quando aceita-se a H0, quando na verdade há uma
diferença que não é devido ao acaso, mas sim aos efeitos do tratamento.
A resposta estaria pobre para a graduação, quanto mais para a pós-graduação....
31.  [2.000] (IP:281474038335826 | 00:58:14 | 23:39:55 | 41:41 | 23.993)
Discuta as implicações da aditividade.
A aditividade requisito do Modelo Linear Generalizado. É o que vai permitir a separação dos
efeitos do tratamento e do acaso, o que não seria possível se fosse multiplicativa, ou seja, não
distinguiria o que era acaso e o que era tratamento. E por isso que a aditividade garante a
independência entre os efeitos do tratamento e do acaso, desta forma a variação de um, não
afeta a variação do outro. Também torna possível, na análise dos resultados, atribuir a origem
dos efeitos observados (quanto foi devido o acaso e quanto devido o tratamento), ou seja, permite
distinguir os dois efeitos que influenciam no valor do resultado para uma determinada variável.
Com a separação dos efeitos do tratamento e do acaso, é possível verificar se o resultado
apresentado de uma observação é decorrente dos tratamentos aplicados, que ocorre quando o
efeito dos tratamentos apresenta-se muito superior ao efeito da variação do acaso e, portanto, o F
(calculado) > F (tabelado), ou se é proveniente da variação do acaso, neste caso, erros durante a
condução do experimento foram responsáveis pela variação existente F (calculado) < F(tabelado)
entre os tratamentos.
não sei muito bem porque alguns incluiram o F na história, e realmente ninguém lembrou de
modelos com mais de dois fatores
32.  [3.000] (IP:281474038335826 | 00:58:45 | 23:54:30 | 55:45 | 0.747)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo intitulado como “Comparação dos rendimentos entre agricultura orgânica e agricultura
convencional” tem a intenção de realizar uma análise sobre o comportamento dos rendimentos
em cultivos agrícolas convencionais e orgânicos a nível global, partindo do confronto entre duas
concepções: 1) “a agricultura convencional é o melhor saída para conciliar produção agrícola com
minimização dos impactos ambientais” e 2) “que a agricultura orgânica não cumpre seu papel de
proteção ambiental uma vez que tem uma menor produção, tendo assim uma maior demanda por
territórios resultando em um maior desmatamento e perda de biodiversidade”. O autor endossa
sua problemática citando que “numerosos estudos individuais têm comparado os rendimentos de
fazendas orgânicas e convencionais, mas poucos têm tentado sintetizar estas informações em
uma escala global”, além do que, deixa claro as inúmeras criticas que estes trabalhos receberam.
O método adotado pelo autor, foi realizar uma síntese abrangente da literatura científica atual que
tivesse como tema a comparação entre os rendimentos de cultivos convencionas e orgânicos e
em seguida examinou a diferença entre os rendimentos pelos diferentes métodos com o logaritmo
natural da razão da resposta. Para minimizar o erro no universo amostral o autor elencou três
critérios de seleção para as buscas: 1) estudos de sistemas ‘verdadeiramente’ orgânicos. 2)
aqueles que só incluiu estudos com comparações em escalas espaços-temporais dos sistemas
agrícolas. (3) que só incluiu estudos de informação ou onde fosse possível estimar o tamanho da
amostra e o erro. Podemos perceber que a produção foi considerada por unidade de área e
tempo.
Diante resultados, ficou constatado também que nos cultivos orgânicos há diferenças
significativas entre os tipos de cultura e as espécies utilizadas. Ainda com estas diferenças
internas o método não demonstrou diferenças significativas entre os métodos orgânicos e os
tradicionais, o autor embasa a conclusão desta característica no fato de que os cultivos orgânicos
são limitados pelo nitrogênio o que não ocorre com os cultivos convencionais, explica ainda que o
diferencial não está apenas na presença do nitrogênio, mas na eficiência de utilizá-lo, fatores
bioquímicos e de pH do solo ainda são indicados como diferenciais que em geral tornam o
manejo dos cultivos orgânicos mais sensíveis as variáveis ambientais, fatores estes que são
contornados mais facilmente em cultivos convencionais. Por fim, foi possível compreender que o
desempenho dos sistemas orgânicos varia substancialmente entre tipos de cultura e espécies
muito vago, em particular comparando com o nível das demais respostas. Veja que de acordo
com sua conclusão, de modo geral não há diferença de produtividade entre sistemas orgânicos e
convencionais, quando na realidade os autores afirmam que em grande parte dos casos a
produtividade é maior no sistema convencional, mas que em algumas condições não há grandes
diferenças
33.  [2.000] (IP:281474038335826 | 00:59:05 | 23:54:36 | 55:31 | 3.06)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
O erro tipo I ocorre quando eu rejeito a hipótese nula (Ho), onde na realidade ela é verdadeira, e
o erro tipo II é cometido quando eu aceito a hipótese nula, quando ela é falsa, neste caso
podemos notar que em nossas escolhas sempre iremos assumir um dos erros, ou o tipo I ou o
tipo II. O erro do Tipo I ocorre quando dizemos que houve diferença significativa entre os
tratamentos, quando, na verdade, não existe diferença significativa entre os mesmos. Enquanto, o
erro do tipo II é dizer que não houve diferença significativa entre os tratamentos, quando, na
verdade, houve diferenças.
O aumento da exigência do tipo I aumenta as chances de errar no tipo II. A probabilidade de
cometer o erro do tipo I é chamada de nível de significância. A escolha do nível de significância
deve ser feita antes de realizar os experimentos. Usa-se, geralmente, 5 ou 1% de probabilidade
(mais pode ser até mais), de maneira a ter-se o erro tipo I o menor possível. Quando se aceitar
errar menos em um caso de rejeição, conseqüentemente eu estou exposto a errar mais para o
outro parâmetro, portanto se eu escolher uma significância de 1% está assumindo uma maior
faixa de erro caso eu cometa o segundo erro.
Destes dois tipos de erros o mais importante é o do tipo I, onde os pesquisadores tentam
controlar mais, sendo também o mais perigoso, pois em uma situação, vai recomendar que o
agricultor substitua aquilo que tem. Em relação ao tipo II, seria a não recomendação, onde não
causaria grandes prejuízos ao agricultor, porém, vai evitar que ele tenha um possível benefício se
fosse recomendado.
veja sua definição do erro tipo I... além disto sua resposta realmente pode ser considerada como
detalhada?
34.  [1.000] (IP:281474038335826 | 00:59:25 | 23:54:40 | 55:15 | 1.575)
Diferencie efeito significativo e efeito real.
O papel principal de uma análise estatística é estabelecer se os resultados têm ou não algum
efeito significativo, o que é obtido de acordo com um limite pré-estabelecido. Quando se formula
uma hipótese em relação a uma determinada característica de uma população, a amostra dela
retirada pode pertencer à população de origem, portanto as diferenças observadas são
decorrentes de flutuações biológicas normais ou não pertencer a essa população e as diferenças
encontradas representam um efeito real, que vão ser aquelas que normalmente aconteceriam,
não podendo ser atribuídas ao acaso. Em geral a estatística serve para saber se um efeito
observado é real, ou é devido a fatores aleatórios como erros de medição (o acaso). A pergunta a
que um teste estatístico normalmente responde é: Qual a probabilidade, no caso de H0 ser
verdadeira, de obtermos, por mera casualidade, o resultado observado? Se a probabilidade for
baixa, isso significa, que o nosso resultado não resulta de mera casualidade, desta forma, se trata
de um efeito real.
Estatisticamente podemos concluir que quando o efeito é real ( que é aquele que não ocorre por
mera casualidade) tem probabilidades menor que o nível de significância ( em geral se usa 5%)
ele se torna um efeito significativo. A probabilidade de obter esse resultado observado é
denominada de nível de significância que é o limite que se toma como base para afirmar que
certo desvio é decorrente do acaso ou não. São aceitos como efeitos significativos os níveis P =
0,05 e P = 0,01, ou seja, 5% e 1% respectivamente. Portanto, os resultados cuja probabilidade
seja inferior aos limites estabelecidos serão considerados significativos (rejeita-se H0), ou seja,
não aconteceram por mear casualidade.
mais uma confusão entre real e significativo. Vou discutir um outro exemplo... vamos dizer que
houve efeito significativo para sódio em solos da Amazônia, com 2-3 mil milimetros de chuva por
ano. Mesmo que isto seja significativo, simplesmente não tem como ser realmente diferença na
salinidade de solos com este nível de lavagem... simplesmente indica que a variação do acaso foi
tão baixa que consegue diferenciar cabelo de sapo...
35.  [2.000] (IP:281474038335826 | 00:59:40 | 23:55:30 | 55:50 | 48.514)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O Modelo Linear Generalizado (MLG) permite a análise de um caso específico de modelo de
efeito mais generalizado. O MLG é importante, pois é a base de todos os delineamentos
experimentais (Regressão, Blocos, Fatorial e etc), sendo uma simplificação da realidade, que é
representada matematicamente por uma reta. O entendimento do MLG é importante por que a
partir dele consegue-se entender todos os outros delineamentos que ele engloba. Além disso, ele
desempenha um papel importante na análise estatística apesar de suas limitações ainda
impostas (estrutura de linearidade), pelo o fato das distribuições restringirem a família
exponencial e por exigirem a independência das respostas. Por fim, este modelo nos permitir
observar como cada componente está influenciando no resultado final obtido, o que nos permitir
separar e reorganizar de uma maneira mais adequada, para obter um melhor resultado, em
função da eficiência das variáveis.
ok
36.  [4.000] (IP:281473652861799 | 00:00:07 | 01:45:58 | 45:51 | 1.543)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Existem dois tipos de erro:
Erro tipo I: ocorre quando a hipótese nula (H0) é rejeitada sendo verdadeira.(Diz que se tem
diferença entre os tratamentos quando na verdade não tem).
Erro tipo II: ocorre quando a hipótese nula é aceita sendo falsa.(Diza que não tem diferença entre
os tratamentos quando na verdade tem).
Quanto maior a chance de cometer o Erro Tipo I, menor será a chance de cometer o Erro Tipo II.
Este raciocínio enfatiza que quando a probabilidade de cometer um diminui, a probabilidade de
cometer o outro aumenta.
Dentre estes dois tipos de erros, os pesquisadores tentam controlar mais o erro do tipo I o qual é
considerado mais importante, nos procedimentos de comparações múltiplas, podendo ser medido
de duas maneiras:
1- refere-se à avaliação da probabilidade de se rejeitar uma hipótese verdadeira em todas as
possíveis combinações dos níveis dos tratamentos tomados dois a dois, sendo conhecida por
taxa de erro tipo I por comparação. 2- refere-se à medida do erro tipo I como a probabilidade de
se realizar pelo menos uma inferência errada por experimento e é conhecida por taxa de erro tipo
I por experimento.
Desta forma, para que um teste de hipótese seja considerado um bom teste deve-se ter uma
pequena probabilidade de rejeitar H0 se esta for verdadeira, mas também, uma grande
probabilidade de rejeitá-la se ela for falsa. A probabilidade de rejeitar H0, quando ela for falsa, é
chamada poder do teste.
As conseqüências do erro Tipo I seria afirmamos que existe uma diferença entre os tratamentos,
quando na verdade isso não ocorre, o que leva a conclusões errôneas sobre as hipóteses que
são levantadas. Para um teste de hipóteses, determina-se a probabilidade máxima de aceitar o
erro tipo I, onde essa probabilidade máxima é chamada de nível de significância, e pode ser
estipulada de acordo com o pesquisador.
O erro tipo I é mais preocupante (pois, o produtor passa a ter perdas), no erro tipo II (o produtor
deixa de obter mais lucros).
Sendo assim, os testes estatísticos foram delineados para controlar o erro de tipo I, chamado de
nível de significância que consiste na probabilidade de cometer erro do tipo I, enfatizando que os
níveis de significâncias mais usados na prática são 5% e 1%.
ok
37.  [1.750] (IP:281473652861799 | 00:01:09 | 01:47:31 | 46:22 | 34.262)
Discuta as implicações da aditividade.
A aditividade ou o efeito aditivo é um pressuposto do Modelo Linear Generalizado, o efeito aditivo
permite a separação do efeito proveniente do tratamento daquele originado da variação do acaso,
ou seja, permite distinguir os dois efeitos que influenciam no valor do resultado para uma
determinada variável. A medida que um fator fosse modificado o outro também seria, impedindo,
assim, a separação do que é devido ao acaso ou ao tratamento. Os efeitos aditivos, onde o
modelo é a média (+) tratamentos (+) acaso, permite avaliar de forma independente a variação do
tratamento para posterior avaliação da variação do acaso. A variância não é aditiva, mas o grau
de liberdade e a soma do quadrado são aditivos.
a segunda frase está dizendo exatamente o contrário do que disse antes, aparentemente porque
esqueceu de colcoar no início algo indicando que isto aconteceria se os efeitos não fossem
aditivos... continua a pensar somente no caso mais simples do MLG, como todo o resto da turma
38.  [1.000] (IP:281473652861799 | 00:01:34 | 01:47:47 | 46:13 | 2.9)
Diferencie efeito significativo e efeito real.
As análises estatísticas estabelecem se os resultados obtidos têm significância estatística, de
acordo com limites pré-estabelecidos. O nível de significância é o limite que se toma como base
para afirmar que um certo desvio é decorrente do acaso ou não.
Um resultado tem efeito significativo quando for improvável ter ocorrido por acaso. Se a
probabilidade for baixa, isso significa, que o nosso resultado não resulta de mera casualidade,
mas que sim, se trata de um efeito real.
Definindo a probabilidade como “p” dizemos que especificamente, o nível-p representa a
probabilidade de erro envolvida em aceitar o resultado observado como válido. Por convenção
quanto menor o valor p, maior a significância do resultado.
Os valores de p<0,05 significa que o resultado ocorre com uma probabilidade inferior a 5%, sendo
esta ocorrência geralmente considerada uma prova de um efeito real. Ter um nível de
significância inferior a 0.05 não significa que o resultado seja realmente verdade. Significa que a
probabilidade é baixa de obter um resultado desses por mera casualidade.
Se o nível de erro estatístico é maior que 5% (que equivale à confiança estatística de 95%), não
se pode assumir a hipótese testada. Por exemplo, se você estiver comparando duas médias para
ver se são diferentes e seu p-valor é maior do que 5%, você não pode afirmar estatisticamente
que as médias são de fato diferentes.
voltou aos mesmos problemas dos demais colegas...
39.  [3.500] (IP:281473652861799 | 00:01:56 | 01:48:37 | 46:41 | 2.114)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo “Comparing the yields of organic and conventional agriculture”, trata de uma análise
comparativa entre o sistema de cultivo convencional e orgânico observando as principais
dificuldades técnicas, desempenho econômico e potencialidades do sistema orgânico. Para tanto,
foi feito uma análise comparativa com valores de rendimento médios de diferentes culturas em
relação a agricultura convencional e orgânica.
Foram coletados dados de pesquisas bibliográficos de estudos científicos que comparam a
produção orgânica com a convencional através de alguns critérios de seleção. (1) restrição da
análise para estudos de sistemas verdadeiramente orgânicos, definidos como aqueles com
gestão certificada ou não certificada de manejo orgânico, seguindo os padrões de certificação
orgânica; (2) Estudos que só incluam comparáveis escalas espaciais e temporais para sistemas
orgânicos e convencionais; (3) Estudos que incluem informações (ou a partir do qual podemos
estimar) o tamanho da amostra e erro. Os sistemas convencionais foram tanto de alta ou de baixa
entrada de sistemas comerciais, ou agricultura de subsistência. Sessenta e seis estudos
atenderam a esses critérios, o que representa 62 locais de estudo e 316 relatórios de
comparações com 34 espécies de culturas diferentes.
Os resultados obtidos demonstraram que o desempenho de sistemas orgânicos dependem do
tipo de cultura, onde por exemplo, o rendimento de frutos e de sementes oleaginosas na
agricultura orgânica mostram uma pequena diferença de rendimento em relação a agricultura
convencional. Já os vegetais apresentam rendimentos significativamente menores na agricultura
orgânica quando comparados a agricultura convencional.
Segundo esses estudos o desempenho dos sistemas orgânicos varia substancialmente entre
tipos de cultura e espécie e ao utilizar as melhores práticas de gestão de rendimentos orgânicos
eles se aproximam do rendimentos convencionais. A agricultura orgânica também tem melhor
desempenho sob determinadas condições agroecológicas, por exemplo, legumes orgânicos ou
perenes, em solos de ácido fraco a solos alcalinos fracos, em condições de sequeiro, alcançam
rendimentos que são apenas 5% menor do que a produção convencional. Por outro lado, quando
são apenas comparados os sistemas convencionais e orgânicos, a diferença de rendimento é tão
alta que chega a 34%. Nos países desenvolvidos ou em estudos que utilizam os rendimentos
convencionais que são representativos das médias regionais, a diferença de rendimento entre
comparável sistema orgânico e convencional, no entanto, vai até 8% e 13%, respectivamente.
Para o autor, a prática da agricultura orgânica é uma ferramenta importante na produção
sustentável de alimentos e que os fatores limitantes rendimentos orgânicos precisam ser mais
bem compreendida, ao lado de avaliações dos muitos benefícios sociais, ambientais e
econômicos de sistemas de cultivo orgânico.
Em suma, estes resultados sugerem que os sistemas orgânicos de hoje podem quase rivalizar
produção convencional em alguns casos, com tipos de culturas particulares, condições de cultivo
e práticas de gestão.
O artigo cita algumas falhas na comparação entre a agricultura orgânica e a convencional; pois
segundo o autor alguns fatores já citados podem afetar o resultado. Para entender melhor a
agricultura o desempenho da agricultura orgânica, devemos: (1) analisar sistematicamente o
desempenho de longo prazo da agricultura orgânica, sob regimes de gestão diferentes, (2) o
estudo de sistemas orgânicos sob uma ampla gama de condições biofísicas, (3) analisar o
rendimento relativo desempenho dos sistemas de pequenos produtores agrícolas, e (4) avaliar o
desempenho dos sistemas de produção através de métricas mais sistema holístico.
Conforme ressaltado anteriormente, os rendimentos são apenas parte de uma série de fatores
econômicos, sociais e ambientais que devem ser considerados ao avaliar os benefícios dos
sistemas agrícolas diferentes. Nos países desenvolvidos, a questão central é se os benefícios
ambientais da produção agrícola orgânica seria compensar os custos de produção mais baixos
(como o encarecimento dos alimentos e as exportações de alimentos reduzidos). Embora vários
estudos têm sugerido que a agricultura orgânica pode ter um impacto ambiental reduzido em
comparação com agricultura convencional, o desempenho ambiental da agricultura orgânica por
unidade de produção ou por entrada de unidade pode não ser sempre vantajoso. Nos países em
desenvolvimento, uma questão fundamental é saber se a agricultura orgânica pode ajudar a
aliviar a pobreza para os pequenos agricultores e aumentar a segurança alimentar.
Por outro lado, a agricultura orgânica nos países em desenvolvimento muitas vezes é um sistema
orientado para a exportação vinculada a um processo de certificação por organismos
internacionais, e sua rentabilidade pode variar entre locais.
Há muitos fatores a se considerar para equilibrar os benefícios da agricultura orgânica e
convencional, e não há maneiras simples para determinar um "vencedor" claro para todas as
situações possíveis de cultivo. No entanto, em vez de continuar a ideologia carregada "orgânica
versus convencional", devemos avaliar sistematicamente os custos e benefícios de diferentes
opções de gestão. Para se alcançar a segurança alimentar sustentável provavelmente ter-se-á
muitas técnicas diferentes, incluindo: orgânico, convencional e possível sistema "híbrido", para
produzir mais alimentos a preços acessíveis, garantir meios de vida para os agricultores e reduzir
os custos ambientais da agricultura.
As análises dos dados disponíveis mostram que, globalmente, os rendimentos orgânicos são
tipicamente mais baixos do que os rendimentos convencionais, mas estas diferenças de
rendimento são altamente contextuais, dependendo do sistema e características do local, e
variam de 5% com rendimentos orgânicos mais baixos (de sequeiras leguminosas e perenes
sobre solos ácido-fraco e alcalino-fraco) 13% inferiores (quando as melhores práticas orgânicas
são utilizadas), a 34% rendimentos mais baixos (quando os sistemas convencionais e orgânicos
são comparáveis). Sob certas condições, isto é, com boas práticas de gestão, tipos de culturas
particulares e condições de crescimento orgânico podem, assim, quase se igualar na produção
convencional.
ok, mas alguns pontos mostram indício claro de tradução Google. Por exemplo desde quando
usamos "alta ou de baixa entrada de sistemas comerciais" na literatura de agrárias. A expressão
mais correta seria de sistemas intensivos ou extensivos, ou semi-intensivos... entrada de
sistemas comerciais provavelmente é uma tradução direta de commercial inputs, ou em
agronomês, insumos comerciais...
40.  [2.000] (IP:281473652861799 | 00:02:23 | 01:49:13 | 46:50 | 16.067)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O modelo linear generalizado (MLG) é de grande importância por ser à base de todo
delineamento experimental, ele é uma simplificação da realidade e o seu comportamento linear
permite expressar as variações de forma independente através de uma equação matemática,
possibilitando dessa forma a separação das variações ocasionadas pelo tratamento daquelas
ocasionadas pelo acaso.
Este modelo permiti observarmos como cada componente está influenciando no resultado final
obtido, permitindo desse modo separarmos e reorganizarmos de uma maneira mais adequada,
obtermos um melhor resultado em função da eficiência das variáveis.
ok
41.  [2.000] (IP:281473659181141 | 08:38:03 | 12:18:44 | 40:41 | 2.702)
Discuta as implicações da aditividade.
Os efeitos aditivos permite a separação dos efeitos de tratamento dos efeitos do acaso. Os
efeitos no modelo linear são aditivos, ou seja, o efeito é a soma da média mais tratamento mais
ao acaso. A utilização da aditividade é explicada por que se estas fossem multiplicativas não seria
possível separa uma coisa de outra, ou seja, não saberia de onde vem o efeito. Não teria como
distinguir o que era devido ao acaso e o que era devido ao tratamento.
A variação do acaso é independente, ou seja, o erro que acontece em uma parcela não interfere
no erro que acontece em outra parcela. A variância não é aditiva, já o grau se liberdade e soma
do quadrado são aditivos.
ok
42.  [3.000] (IP:281473659181141 | 08:38:59 | 12:19:07 | 40:08 | 11.502)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo “Comparing the yields of organic and conventional agriculture” dos autores Verena
Seufert, Navin Ramankutty & Jonathan A.Foley
O estudo relata que os rendimentos são tipicamente mais baixos em fazendas orgânicas, em
comparação com vizinhas fazendas convencionais que produzem a mesma cultura, mas que há
uma grande variação em fazendas e plantações, e experiência e níveis de gestão. Para
leguminosas de sequeiro e culturas perenes cultivadas em solos pouco ácido e pouco alcalinos, a
diferença é de apenas 5%, mas é tão alto quanto os rendimentos 34% e mais baixos quando
comparados a maioria das culturas em linha e culturas de grãos de caixa. No geral, em média, os
autores relatam uma vantagem de rendimento de 25% para culturas específicas, quando se
comparam os sistemas convencionais para sistemas orgânicos.
Estas conclusões estão em linha com muitos outros estudos e, provavelmente, refletem com
precisão as diferenças médias de rendimentos dos atuais comerciais fazendas orgânicas em os
EUA Mas há muito mais para a história - e desafio - na comparação do desempenho de sistemas
agrícolas orgânicos versus convencionais.
Seus resultados são baseados em uma cuidadosa meta-análise de 66 estudos, representando 62
locais e 316 comparações orgânico-a-convencionais de produção, por meio do que temos
chamado de "Pareamento", onde as culturas convencionais e biológicas são cultivadas em solos
comparáveis, comparáveis com a genética, irrigação, período de colheita, etc
A disponibilidade de nitrogênio, os autores destacaram como um fator limitante nos rendimentos
orgânicos, uma observação apoiada por centenas de estudos e da experiência da maioria dos
produtores de grãos orgânicos. Eles também observam a probabilidade de deficiências de fósforo
em muitos manejo orgânico solos alcalinos e ácidos, onde P tende a ser menos biodisponível.
Mais uma vez, esta observação é consistente com a experiência em muitas fazendas orgânicas.
Eles provavelmente deveriam ter focado mais no início da estação desafios controle de ervas
daninhas em fazendas de grãos orgânicos, uma área onde os agricultores orgânicos precisa de
ajuda com melhor cultivo e equipamentos de plantio e novas tecnologias e práticas.
Apropriadamente, os autores destacam que "os rendimentos orgânicos, assim, a depender mais
do conhecimento e boas práticas de gestão do que os rendimentos convencionais. Experiente
agricultores orgânicos com boa nutrição e manejo integrado de pragas estável (IPM) produz
maiores rendimentos do que os seus vizinhos convencionais em anos de seca, embora
igualmente bem geridas sistemas convencionais rendem mais que os sistemas orgânicos.
O artigo da Nature também conclui que os rendimentos orgânicos tendem a melhorar com o
tempo. Dois fatores são responsáveis por essa melhoria:
Experiência adquirida pelos gerentes de fazenda na fertilidade orgânica e sistemas de gestão de
pragas
Os autores relatam um melhor desempenho orgânico em estudos relatando os rendimentos de
pelo menos três anos, sob manejo orgânico. É interessante notar que na maioria das culturas e
regiões, a transição para um sistema orgânico, requer pelo menos três ciclos de rotação, ou nove
anos, em um sistema simples de cultura três ciclos de rotação. Contando os três anos de
transição para o status orgânico com certificação. É preciso ainda mais tempo para restaurar as
fazendas devastadas pela erosão do solo, perdendo enormes bancos de sementes e aumento de
plantas daninhas, ou lutando com desequilíbrios químicos no solo.
Sem dúvida, uma pequena fração dos sistemas orgânicos incluídos no estudo da nature refleti
sobre os rendimentos orgânicos bem estabelecidas fazendas com um alto nível de gestão, ao
passo que os rendimentos convencionais provavelmente, muitas vezes saiu de explorações que
beneficiem de um nível relativamente elevado de gestão.
se isto não tiver tido tradução Google no caminho está parecendo muito. Por exemplo, vea se a
segunda frase está escrita em português... o que diabos quer dizer com "mas é tão alto quanto os
rendimentos 34%...". isto é ilegível. Uma consequência direta de usar Google Translator (ou outro
similar) para traduzir um artigo é que fica quase impossível de entender o que está falando na
realidade. Seria muito importante tentar ler diretamente o texto, e não traduzir primeiro. Afinal,
existe uma expressão em italiano "Tradutore, traitore", ou em outras palavras todo tradutor é um
traidor...
43.  [1.000] (IP:281473659181141 | 08:39:18 | 12:19:47 | 40:29 | 30.79)
Diferencie efeito significativo e efeito real.
Têm significância estatística, de acordo com limites pré-estabelecidos.Quando se formula uma
hipótese em relação a uma determinada característica de uma população, a amostra dela
retirada:
 Pode pertencer à população de origem, portanto as diferenças observadas são decorrentes de
flutuações biológicas normais ou;
 Não pertencer a essa população e as diferenças encontradas representam um efeito real, não
podendo ser atribuídas ao acaso.
No primeiro caso, diz-se que os valores encontrados "não são estatisticamente significativos" e no
segundo "são estatisticamente significativos”. É importante notar que essas expressões são
empregadas de um modo geral tendo em vista "níveis de significância" previamente escolhidos.
em momento algum você fala no que é o efeito real, e a cópia direta do texto de algum livro não
me dá qualquer base para avaliar se você realmente está entendendo o que está dizendo. a
definição de significância está matematicamente correta, mas difícil de entender.
44.  [2.000] (IP:281473659181141 | 08:39:35 | 12:17:38 | 38:03 | 10.017)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
O Modelo Linear Generalizado (MLG) é tão importante por ser a base de todo o delineamento
experimental, e o que vale para ele, ou seja, o que se aplica neste modelo pode-se usado para
todos os outros delineamento de sua família. Este modelo é importante por que apresenta uma
grande flexibilidade e engloba um grande número de modelos e tem uma facilidade de análise
associada a este. Se entender o MLG, consegue-se entender todos os outros delineamentos que
este engloba, agora se não entendemos este modelo podemos até mesmos entender os outros
modelos, porém podemos está tirando conclusões erradamente dos modelos analisados,
mostrando-se assim a importância do MLG.
Os MLG desempenhar um papel cada vez mais importante na análise estatística apesar de suas
limitações ainda impostas, nomeadamente por manterem a estrutura de linearidade, pelo o fato
das distribuições restringirem a família exponencial e por exigirem a independência das
respostas.
Este modelo nos permitir observar como cada componente está influenciando no resultado final
obtido, o que nos permitir separa e reorganizar de uma maneira mais adequada, para obter um
melhor resultado, em função da eficiência das variáveis.
ok
45.  [4.000] (IP:281473659181141 | 08:39:51 | 12:18:36 | 38:45 | 3.75)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Existe dois tipos de erros, I e II. Primeiramente, vamos definir o erro Tipo I e o Tipo II. O erro tipo I
ocorre quando rejeitamos a hipótese da nulidade quando deveríamos aceita-la, em outras
palavras H0 é verdadeira e a rejeitamos. O erro Tipo II ocorre quando aceitamos a hipótese de
nulidade, quando deveríamos ter rejeitado, ou seja, quando H0 é falsa.
O nível de significância é enfatizado como a probabilidade de cometer o erro tipo I. O nível de
significância adotado em trabalhos geralmente é menor do que 10% (0,10).
A relação entre os erros tipo I e tipo II, com o grau de significância é que quanto maior for o grau
de significância, menor será a possibilidade de rejeita H0, quando deveríamos aceita-la, em
outros termos menor será a possibilidade de cometer o erro tipo I.
De um modo geral devermos ter o cuidado para não cometer o erro tipo I, pois as consequências
poderão ser mais graves, do que quando cometemos o erro tipo II, como por exemplo, quando
afirmamos que uma nova cultivar de milho é diferente de uma já tradicionalmente utilizada, se
cometermos o erro tipo I estaremos dizendo que a nova cultivar é melhor que a tradicional,
enquanto a nova cultivar não é melhor, a partir dai estaremos sujeitos a perder uma boa cultivar
de milho por ter aceitado uma cultivar igual ou pior, já ser cometermos o erro tipo II ou seja a
cultivar nova realmente é melhor com este erro estaremos deixando de ganhar e não perdendo.
Desta forma pode-se até tentar diminuir o erro tipo I, porém isto elevar a possibilidade de cometer
o erro tipo II, no entanto este procedimento não é recomendável. Uma forma mais segura de
reduzir o erro Tipo I e Tipo II simultaneamente é com o aumento do número de amostras, sendo
assim maior será a confiança do pesquisador em afirma que as diferenças ou não são em função
das variáveis analisadas e não por efeito do ambiente.
Atualmente os experimentos em ciências agrárias são realizados com nível de significância de
5%, o que diminui a ocorrência do erro Tipo I.
confuso, mas acho que está entendendo...
46.  [2.000] (IP:281473818181251 | 10:18:16 | 22:36:31 | 18:15 | 4.251)
Discuta as implicações da aditividade.
A aditividade é um requisito do Modelo Linear Generalizado. Ela permite a separar do efeito do
tratamento daquele proveniente do acaso. Ao analisar os resultados, é possível saber o quanto
esses dois efeitos (acaso e tratamento) influenciaram no resultado.
# Se o efeito fosse multiplicativo, e não aditivo, não seria possível separar o efeito dos
tratamentos e a variação do acaso.
ok, mas a separação não é só tratamento/acaso, mas sim de todos os efeitos, incluindo controle
local por exemplo
47.  [4.000] (IP:281473818181251 | 10:20:01 | 22:37:40 | 17:39 | 2.302)
Discuta o artigo desta semana de forma detalhada o suficiente para que o leitor de
seu resumo tenha um bom entendimento do artigo.
O artigo intitulado “Comparing the yields of organic and conventional agriculture” faz uma
comparação do rendimento de sistemas de produção orgânica e convencional a nível global. Para
esta análise, utilizou-se a meta-análise, que é um procedimento que combina resultados de vários
estudos para fazer uma síntese reproduzível e quantificável dos dados. Essa síntese melhora a
potência estatística na pesquisa dos efeitos dos tratamentos, sendo mais precisa na estimação e
tamanho do efeito. Um primeiro estudo concluiu que a agricultura orgânica poderia se igualar ou
mesmo ultrapassar o rendimento do sistema convencional, e poderia fornecer alimentos
suficientes na área agricultável atualmente. Mas esse estudo foi contestado por alguns autores
que fizeram criticas sobre o uso de dados a partir de culturas que não estão incluídas no sistema
de gestão orgânico. Então, realizou-se uma síntese abrangente da literatura atual sobre
comparações de sistemas de produção orgânica e convencional utilizando meta-análise. É
fundamental comparar os tamanhos de efeito novos com os tamanhos de efeito obtidos de
estudos anteriores. Para lidar com as criticas do estudo anterior utilizou-se vários critérios de
seleção, onde: estudos só foram incluídos se relataram dados de rendimento sobre as espécies
cultivadas individualmente em um tratamento orgânico e um convencional; o tratamento orgânico
foi verdadeiramente orgânico; a escala de observações de rendimento orgânicos e convencionais
foram comparáveis, se relataram a média; um termo de erro (desvio-padrão, erro-padrão, ou
intervalo de confiança) da amostra e tamanho. O uso de critérios de seleção é um passo critico na
condução de meta-análises. Todas as análises estatísticas foram realizadas em MetaWin 2.0.
Se o conjunto de dados tem alguma estrutura subjacente e pode ser classificado em mais de um
grupo categórico a meta-analise pode ser conduzida. As observações com características
similares foram agrupadas. Em seguida, usou-se um modelo de efeitos mistos para partição da
variância da amostra, assumindo que não existe variação aleatória dentro de um grupo e variação
fixa entre os grupos. Foi calculado um efeito de tamanho cumulativo como média ponderada de
todos os estudos por ponderação de cada observação individual pelo inverso da variância de
modelo misto. Para testar as diferenças nos tamanhos de efeitos entre os grupos foi aplicado um
teste semelhante à analise de variância. Além disso, examinou-se a interação entre variáveis
categóricas através de uma combinação de tabelas. Foi realizada uma análise de sensibilidade
para comparar a robustez dos resultados sob critérios mais rigorosos de qualidade.
O rendimento de frutos e sementes oleaginosas de sistemas orgânicos mostraram diferença
significativa (3 e 11%, respectivamente), comparado ao convencional. Enquanto os cereais
orgânicos e vegetais têm rendimentos significativamente menores que cultivadas em sistema
convencional (26 e 33%, respectivamente). Parte dessas respostas de rendimento pode ser
explicada pelas diferenças na quantidade de entrada de nitrogênio recebido nos dois sistemas.
A análise geral dos dados mostrou que no geral, os rendimentos orgânicos são tipicamente
menores do que os rendimentos no sistema convencional. Cultivos orgânicos tiveram melhor
desempenho em solos com pH entre 5,5 e 8,0.Sob condições fortemente alcalinas e ácidas, P é
menos facilmente disponível para as plantas, uma vez que formam fosfatos insolúveis, e as
culturas dependem a um maior grau de alterações no solo e fertilizantes. Os dados mostraram
que solos sob cultivo orgânico têm mostrado melhor capacidade de retenção de água e, sob
condições de seca excessiva tiveram rendimentos mais elevados que os sistemas convencionais.
Embora vários estudos tenham sugerido que a agricultura orgânica pode ter um impacto
ambiental reduzido em comparação ao convencional, o desempenho da agricultura orgânica por
unidade de produção pode não ser sempre vantajoso. Nos países em desenvolvimento, a
questão chave é saber se a agricultura orgânica pode aliviar a pobreza de pequenos agricultores
e aumentar a segurança alimentar.
Concluindo, há muitos fatores a considerar para equilibrar os benefícios da agricultura orgânica e
convencional, e não há nenhuma maneira simples para determinar um vencedor claro para todas
as situações possíveis de cultivo.
excelente
48.  [1.000] (IP:281473818181251 | 10:20:43 | 22:43:41 | 22:58 | 17.334)
Diferencie efeito significativo e efeito real.
Se o valor do teste de hipótese (P) for baixo, significa que a probabilidade de que o resultado
deva-se ao acaso também é baixa, ou seja, existe efeito real. Da mesma forma, um efeito com
um valor de P baixo, é chamado de resultado estatisticamente significativo.
veja a pergunta. você não faz uma única menção a efeito real, somente ao significativo. O fato de
haver pequena chance do efeito ser devido ao acaso não tem qualquer ligação com a importância
ou magnitude deste efeito. Ao mesmo tempo, o fato de algo ser biologicamente importante não
implica em ser significativo
49.  [2.000] (IP:281473818181251 | 10:21:02 | 22:39:23 | 18:21 | 6.744)
Diferencie os tipos de erro possíveis, os comparando de forma detalhada, inclusive
suas possíveis consequências
Sabe-se que a decisão é tomada com base na amostra após análise de dados. Ok! A hipótese
nula (Ho) diz que a diferença entre os tratamentos é devida ao acaso. A hipótese nula (Ho) na
população pode ser verdadeira ou não, mas não a conheço, conheço apenas a amostra.
Ao rejeitar Ho quando ela é verdadeira, comete-se o Erro tipo I, ou seja, dizemos que houve
diferença significativa entre os tratamentos, quando, na realidade essa diferença não existe.
Quando ocorre aceitar Ho quando esta é falsa, comete-se o Erro tipo II, ou seja, diz-se que não
houve diferença significativa entre os tratamentos, quando, na realidade, ela existe.
*Quando diminui-se a probabilidade de cometer um erro, aumenta-se a de cometer o outro. A
probabilidade de cometermos o erro tipo I é chamado nível de significância (1 ou 5%).
Exemplificando: Se eu repetir um experimento 100 vezes, quer dizer que, em no máximo 5 vezes
não vai haver diferença significativa entre os tratamentos (5% de significância).
O erro tipo I é o mais preocupante, então como reduzi-lo? Afirmando menos vezes que são
diferentes.
truncado. Várias frases soltas incluindo uma que é transcrição direta de expressão minha na sala
(última frase), mas não leva isto adiante, ao ponto de que com isto reduzimos a chance do erro I,
mas aumentamos o II. Também não considera que existe outro caminho para reduzir a chance do
I que é aumentar o controle do experimento, ou o número de repetições, aumentando assim a
precisão experimental.
50.  [2.000] (IP:281473818181251 | 10:21:24 | 22:40:15 | 18:51 | 50.201)
Justifique a importância dada ao Modelo Linear Generalizado, em suas palavras.
Base de todos os delineamentos experimentais, ou seja, ao conhecer o “funcionamento” do MLG,
o uso de qualquer delineamento vai ser de fácil entendimento. Trata-se de um modelo simples, de
ação aditiva, que permite separação dos efeitos de tratamento e acaso, o que facilita a análise da
dados.
ok