Para se fazer a análise da variância de um experimento qualquer, devem ser respeitadas diversas hipóteses básicas, que proporcionam poder e nível de significância corretos aos testes. Estas hipóteses são as seguintes: - Os erros experimentais devem ter uma distribuição normal. - Os parâmetros fixos e aleatórios do modelo matemático devem ser aditivos. - Os erros experimentais devem ter uma variância comum, ou seja, deve haver homogeneidade das variâncias. - Os erros experimentais não devem ser correlacionados entre si. Neste trabalho estudou-se a importância de cada uma dessas hipóteses para a análise da variância e alguns testes que tornam possível a sua verificação. Nem sempre, porém, todas essas hipóteses são satisfeitas e a aplicação dos testes de significância seria prejudicada. Um modo de contornar a situação é mudar o modelo, ou seja, usar métodos não-paramétricos, ou, então, mudar a escala de medida por uma transformação adequada. As transformações mais usadas são (Descrito na Dissertação). Essas transformações, frequentemente são usadas sem preocupação mais profunda de sua validade, a não ser valores obtidos para coeficiente de variação. Procurou-se dar uma orientação melhor sobre a transformação ou não dos dados a serem analisados e para tanto foi feito um programa de computação eletrônica a fim de se verificarem os efeitos de cada tipo de transformação de dados sobre os resultados obtidos na análise da variância. Através desse estudo, verificou-se que: - A importância do coeficiente de variação é relativa. - Nem sempre há necessidade de se transformarem os dados, embora à primeira vista o pareça.

Normality, additivity, homoscedasticity and independence are assumptions necessary to the validity of test of hypotheses about the parameters of the linear model used in an analysis of variance. In this dissertation each assumption effect is checked and a transformation of observation frequently used is studied with respect to power and level of significance. A computer program is designed to help the study and to give it more flexibility.