Statistical approaches in weed research: choosing wisely

Abstract

Conceitos e métodos estatísticos possuem papel fundamental para a sociedade, e a análise estatística de dados demanda considerável esforço e conhecimento humano. Por um lado, computadores e softwares estatísticos permitem que virtualmente qualquer pessoa possa escolher e executar testes estatísticos, mas por outro lado qualquer pesquisador, professor, estudante ou profissional pode utilizar estes softwares, mesmo os que não possuem conhecimentos estatísticos básicos para testar seus dados, produzindo com frequência análises estatísticas com algum tipo de incorreção. Objetiva-se com a presente revisão demonstrar como a escolha do método estatístico na ciência das plantas daninhas pode criar um viés na interpretação da eficiência de herbicidas, e impactar sua recomendação. Os problemas discutidos são ilustrados com base em dados de experimentos reais de campo. Propomos pequenas alterações na forma atual de análise de dados para auxiliar a reduzir a má interpretação de dados e a equivocada recomendação de herbicidas com base em sua eficiência em experimentos. Grande parte dos resultados de estudos com herbicidas parece estar embasado em experimentos sem o devido poder estatístico, logo sujeitos a fornecer informações com viés. A escolha por métodos estatísticos falhos, especialmente os baseados no valor-p (ANOVA e testes post-hoc), podem estar levando a conclusões equivocadas mesmo em experimentos com herbicidas corretamente conduzidos. Propõe-se o uso de intervalos de confiança para análise de dados qualitativos e quantitativos, junto ao adequado número de amostragens (“n”).