A escolha do número 4 como o número de repetições em experimentos nas ciências agrárias é algo recorrente e que sempre me intrigou. Minha tese é que essa popularidade está mais relacionada a uma conveniência didática e operativa do que a uma recomendação cientificamente embasada.
Desde a época em que eu era aluno de graduação até hoje, dois livros que são grandes referências sobre Estatística Experimental para profissionais de ciências agrárias no Brasil são:
- Pimentel-Gomes, F. Curso de Estatística Experimental (15ª ed., 2009).
- Banzatto, D. A., e S. D. Kronka. Experimentação Agrícola (4ª ed., 2013).
No Curso de Estatística Experimental, de Pimentel-Gomes, 11 dos 25 experimentos com delineamento de blocos casualizados ou inteiramente casualizados usam 4 repetições, o que corresponde a 44%. Já no livro Experimentação Agrícola, de Banzatto e Kronka, 13 dos 20 experimentos (65%) utilizam 4 repetições.
O número 4 simplifica cálculos, principalmente quando os cálculos eram feitos à mão. A raiz quadrada de 4 é 2, o que facilita a álgebra e reduz a possibilidade de erros por arredondamento. Os autores da área de experimentação valorizaram a simplicidade matemática, já que a maioria dos cálculos era manual na época. Ao meu ver, essa recorrência leva os alunos a adotarem o número 4 como padrão, sem questionar se é a melhor escolha para suas pesquisas.
Existem outras decisões didáticas/operacionais que também moldaram a nossa forma de planejar e analisar dados experimentais:
─ Níveis equidistantes: utilizaram doses igualmente espaçadas para simplificar a codificação de polinômios ortogonais. Hoje, a conveniência computacional desses níveis já não é mais rigorosamente necessária, mas bem-vinda e a prática continua.
─ Imputação de parcelas perdidas: estimava-se o valor de parcelas perdidas para evitar experimentos desbalanceados, que eram difíceis de analisar manualmente. Hoje, com softwares como o R, isso se tornou obsoleto.
Com a disponibilidade de softwares estatísticos avançados, podemos questionar se seguir essas práticas tradicionais ainda faz sentido. A tecnologia atual permite experimentos mais complexos, sem as limitações de cálculos manuais, e elimina a necessidade de simplificações como imputação de valores ausentes, etc.
Os autores dos livros clássicos, como Pimentel-Gomes, Banzatto & Kronka e muitos outros, merecem reconhecimento por terem moldado o ensino da Estatística Experimental de forma acessível. A sensibilidade que tiveram ao fazer as escolhas didáticas tornou os assuntos acessíveis e permitiu que muitos desenvolvessem gosto pela coisa, como foi o meu caso. Para a geração atual de professores, na qual me incluo, com as ferramentas modernas que temos à disposição, é importante aprender com o passado e revisitar práticas com o compromisso de considerar métodos contemporâneos e adequados às necessidades atuais.
