Resumo
ABSTRACT: This study analyzed the response of the Bartlett test as a function of sample size and to define the optimal sample size for the test with soybean grain yield data. Six experiments were conducted in a randomized block design with 20 or 30 cultivars and three repetitions. Grain yield was determined per plant, totaling 9,000 sampled plants. Next, sample scenarios of 1, 2, ..., 100 plants were simulated and the optimal sample size was defined via maximum curvature points. The increase in sampled plants per experimental unit favors Bartlett test's precision. Also, the sampling of 17 to 20 plants per experimental unit is enough to maintain the accuracy of the test.
RESUMO: Os objetivos deste estudo foram analisar a resposta do teste de Bartlett em função do tamanho de amostra e definir o tamanho amostral ótimo para o teste com dados de produtividade de grãos de soja. Foram conduzidos seis experimentos em delineamento de blocos ao acaso com 20 ou 30 cultivares e três repetições. A produtividade de grãos foi definida por planta, totalizando 9.000 plantas amostradas. Logo, foram simulados cenários amostrais de 1, 2, ..., 100 plantas e definido o tamanho amostral ótimo via pontos de máxima curvatura. O aumento de plantas amostradas por unidade experimental favorece a precisão do teste de Bartlett. Além disso, a amostragem de 17 a 20 plantas por unidade experimental é suficiente para manter a acurácia do teste.
Resumo
ABSTRACT: This study analyzed the interference of sample size on Tukey's test for non-additivity and found the sample size to optimize the test for soybean grain yield. Six experiments were conducted in a completely randomized block design with either 20 or 30 cultivars and three repetitions of each treatment. Grain yield was determined per plant, totaling 9,000 sampled plants. Next, sample scenarios up to 100 plants were simulated, estimating F statistic for a degree of freedom of the error in each scenario. After that, the optimal sample size was defined via power models and maximum curvature point. Results showed the number of sampled plants per experimental unit influences the estimates of Tukey's test for non-additivity. Also, the sampling of 14 to 19 plants per experimental unit allows for maintaining the accuracy of the test.
RESUMO: Os objetivos deste estudo foram analisar a interferência do tamanho amostral no teste de não aditividade de Tukey e encontrar o tamanho de amostra para otimizar o teste para a produtividade de grãos em soja. Seis experimentos em delineamento de blocos ao acaso foram conduzidos com 20 ou 30 cultivares de soja em três repetições de cada tratamento. A produtividade de grãos foi definida por planta, totalizando 9.000 plantas amostradas. A seguir, foram simulados cenários amostrais de até 100 plantas, estimando a estatística F para um grau de liberdade do erro em cada cenário. Após, foi definido o tamanho amostral ótimo via modelos de potência e pontos de máxima curvatura. Os resultados mostram que o número de plantas amostradas por unidade experimental influencia as estimativas do teste de não aditividade de Tukey. Além disso, a amostragem de 14 a 19 plantas por unidade experimental possibilita manter a acurácia do teste.
Resumo
This study analyzed the interference of sample size on Tukey's test for non-additivity and found the sample size to optimize the test for soybean grain yield. Six experiments were conducted in a completely randomized block design with either 20 or 30 cultivars and three repetitions of each treatment. Grain yield was determined per plant, totaling 9,000 sampled plants. Next, sample scenarios up to 100 plants were simulated, estimating F statistic for a degree of freedom of the error in each scenario. After that, the optimal sample size was defined via power models and maximum curvature point. Results showed the number of sampled plants per experimental unit influences the estimates of Tukey's test for non-additivity. Also, the sampling of 14 to 19 plants per experimental unit allows for maintaining the accuracy of the test.
Os objetivos deste estudo foram analisar a interferência do tamanho amostral no teste de não aditividade de Tukey e encontrar o tamanho de amostra para otimizar o teste para a produtividade de grãos em soja. Seis experimentos em delineamento de blocos ao acaso foram conduzidos com 20 ou 30 cultivares de soja em três repetições de cada tratamento. A produtividade de grãos foi definida por planta, totalizando 9.000 plantas amostradas. A seguir, foram simulados cenários amostrais de até 100 plantas, estimando a estatística F para um grau de liberdade do erro em cada cenário. Após, foi definido o tamanho amostral ótimo via modelos de potência e pontos de máxima curvatura. Os resultados mostram que o número de plantas amostradas por unidade experimental influencia as estimativas do teste de não aditividade de Tukey. Além disso, a amostragem de 14 a 19 plantas por unidade experimental possibilita manter a acurácia do teste.
Assuntos
Glycine max , Análise de Variância , Tamanho da AmostraResumo
This study analyzed the response of the Bartlett test as a function of sample size and to define the optimal sample size for the test with soybean grain yield data. Six experiments were conducted in a randomized block design with 20 or 30 cultivars and three repetitions. Grain yield was determined per plant, totaling 9,000 sampled plants. Next, sample scenarios of 1, 2, ..., 100 plants were simulated and the optimal sample size was defined via maximum curvature points. The increase in sampled plants per experimental unit favors Bartlett test's precision. Also, the sampling of 17 to 20 plants per experimental unit is enough to maintain the accuracy of the test.
Os objetivos deste estudo foram analisar a resposta do teste de Bartlett em função do tamanho de amostra e definir o tamanho amostral ótimo para o teste com dados de produtividade de grãos de soja. Foram conduzidos seis experimentos em delineamento de blocos ao acaso com 20 ou 30 cultivares e três repetições. A produtividade de grãos foi definida por planta, totalizando 9.000 plantas amostradas. Logo, foram simulados cenários amostrais de 1, 2, ..., 100 plantas e definido o tamanho amostral ótimo via pontos de máxima curvatura. O aumento de plantas amostradas por unidade experimental favorece a precisão do teste de Bartlett. Além disso, a amostragem de 17 a 20 plantas por unidade experimental é suficiente para manter a acurácia do teste.