Mestrando: Michael Anderson Prado

UNIVERSIDADE FEDERAL DO PARAN

PS GRADUAO EM ENGENHARIA QUMICA
ENQ 710: ESTATSTICA APLICADA
PROFA ELAINE TAKESHITA
LISTA DE EXERCCIO 05
Para os exerccios abaixo:
a. Calcule os efeitos principais de cada fator e verifique se os efeitos e suas
interaes so significativas, aplicando a anlise correta
b. Encontre o modelo que descreve a varivel reposta Y;
c. Analise e interprete os resultados.
d. Obtenha a superfcie de resposta a partir da equao estatstica modelada
e. Discuta os resultados
1) Um produto usado como piso na maternidade de criao de sunos fabricado por
injeo de plstico. Na tentativa de melhorar a qualidade do produto, realizou-se um
experimento variando-se os fatores: (A) tempo de resfriamento em min., (B) temperatura
do fluido em C, (C) percentual de elastmero, (D) percentual de talco, de acordo com o
projeto fatorial 24, com duas replicaes. A varivel resposta Y medida foi a dureza do
material produzido. Os resultados encontram-se na tabela abaixo.
A
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

B
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

C
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

D
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

Y1

Y2

51,7
75,2
65,9
63,7
71,1
67,1
71,9
52,8
74,5
54,5
71,3
73,4
58,5
49,2
71,8
72,4

49,4
76
60
69,6
72,9
69,1
75,1
57,6
67
70,3
70,5
74,3
58,5
50,2
71,5
66,6

ANOVA; Var.:Y medio; R-sqr=,99191; Adj:,87871 (Spreadsheet1)

2**(4-0) design; MS Residual=8,41
DV: Y medio
Factor
SS
df
MS
F
p
(1)A
0,456
1
0,4556
0,05418
0,854413
(2)B
15,016
1
15,0156
1,78545
0,409008
(3)C
83,723
1
83,7225
9,95511
0,195394
(4)D
6,003
1
6,0025
0,71373
0,553422
1 by 2
108,160
1
108,1600
12,86088
0,173121
1 by 3
172,266
1
172,2656
20,48343
0,138438
1 by 4
32,776
1
32,7756
3,89722
0,298494
2 by 3
2,641
1
2,6406
0,31399
0,674846
2 by 4
199,516
1
199,5156
23,72362
0,128913
3 by 4
19,803
1
19,8025
2,35464
0,367686
1*2*3
81,902
1
81,9025
9,73870
0,197418
1*2*4
128,823
1
128,8225
15,31778
0,159253
1*3*4
180,231
1
180,2306
21,43051
0,135438
2*3*4
0,331
1
0,3306
0,03931
0,875390
Error
8,410
1
8,4100
Total SS
1040,053
15

Ef fect Estim ates; Var.:Y m edio; R-sqr=,99191; Adj :,87871 (Spreadsheet1)

2**(4-0) design; MS Residual=8,41
DV: Y m edio
Ef fect
Std.Err.
t(1)
p
-95,%
+95,%
Coeff .
Factor
Cnf .Lim t Cnf .Lim t
0,725000
90,67241
0,007021
56,5255
74,94950
65,73750
Mean/Interc.65,73750
0,33750
1,450000
0,23276
0,854413
-18,0865
18,76150
0,16875
(1)A
-1,93750
1,450000
-1,33621
0,409008
-20,3615
16,48650
-0,96875
(2)B
4,57500
1,450000
3,15517
0,195394
-13,8490
22,99900
2,28750
(3)C
-1,22500
1,450000
-0,84483
0,553422
-19,6490
17,19900
-0,61250
(4)D
-5,20000
1,450000
-3,58621
0,173121
-23,6240
13,22400
-2,60000
1 by 2
6,56250
1,450000
4,52586
0,138438
-11,8615
24,98650
3,28125
1 by 3
-2,86250
1,450000
-1,97414
0,298494
-21,2865
15,56150
-1,43125
1 by 4
0,81250
1,450000
0,56034
0,674846
-17,6115
19,23650
0,40625
2 by 3
-7,06250
1,450000
-4,87069
0,128913
-25,4865
11,36150
-3,53125
2 by 4
-2,22500
1,450000
-1,53448
0,367686
-20,6490
16,19900
-1,11250
3 by 4
4,52500
1,450000
3,12069
0,197418
-13,8990
22,94900
2,26250
1*2*3
5,67500
1,450000
3,91379
0,159253
-12,7490
24,09900
2,83750
1*2*4
6,71250
1,450000
4,62931
0,135438
-11,7115
25,13650
3,35625
1*3*4
0,28750
1,450000
0,19828
0,875390
-18,1365
18,71150
0,14375
2*3*4

Std.Err.
Coeff .

-95,%
+95,%
Cnf.Lim t Cnf .Lim t

0,725000

56,5255

74,94950

0,725000

-9,0432

9,38075

0,725000

-10,1807

8,24325

0,725000

-6,9245

11,49950

0,725000

-9,8245

8,59950

0,725000

-11,8120

6,61200

0,725000

-5,9307

12,49325

0,725000

-10,6432

7,78075

0,725000

-8,8057

9,61825

0,725000

-12,7432

5,68075

0,725000

-10,3245

8,09950

0,725000

-6,9495

11,47450

0,725000

-6,3745

12,04950

0,725000

-5,8557

12,56825

0,725000

-9,0682

9,35575

Concluses:
Os fatores no so significativos;
O coeficiente de regresso so todos semelhantes ento devemos considerar todos os
nveis;

r e

t o

* * ( 4

r t

- 0

D
2

* 3
1

* 2
1

b
( 3

y 3
* 4
y 2
* 3

y 4

y 4

( 2

) B

( 4

) D

b
( 1

* 3

t a

s i g

n
n

d
;

r d

i z e

f f e

c t s ;

s i d

l =

, 0

y 3
) A
* 4

, 2

, 1

, 4

O
2

* * ( 4

t a

r d

i z e

6
5
5
4

: Y

v
s

. P

ig

r e

; M

ic

te

d
s

V
id

a
u

lu
a

f f e

l=

,4

io

c t

r e

* * ( 4

ic

0
5

,0

,8

,6

,4

,2

,0

- 0

,2

- 0

,4

- 0

,6

- 0

,8

te

- 0

Raw Res iduals

Predic ted Values

r v

- 0
D

s t i m

t e

( A

d
d

v
e

: Y

s
s

. R

; M

ig

id
S

u
R

l V

id

lu
u

s o

s
l=

,4

io

0
5
4 5

i o

Pelo diagrama de Pareto observa-se que os fatores no so significativos ao que se

refere ao problema a resistncia do material

, 8 7 0 6 9
- 4 , 8 7 0 6 9
4 , 6 2 9 3 1
4 , 6 2 9 3 1
4 , 5 2 5 8 6 2
4 , 5 2 5 8 6 2
3 , 9 1 3 7 9 3
3 , 9 1 3 7 9 3
- 3 , 5 8 6 2 1
- 3 , 5 8 6 2 1
3 , 1 5 5 1 7 2
3 , 1 5 5 1 7 2
3 , 1 2 0 6 9
3 , 1 2 0 6 9
- 1 , 9 7 4 1 4
- 1 , 9 7 4 1 4
- 1 , 5 3 4 4 8
- 1 , 5 3 4 4 8
- 1 , 3 3 6 2 1
- 1 , 3 3 6 2 1
- , 8 4 4 8 2 8
- , 8 4 4 8 2 8
, 5 6 0 3 4 4 8
, 5 6 0 3 4 4 8

* 4

- 4

y 4

) C

* 2

6
O

0
b

6
s

r v

7
e

0
a

7
lu

- 1

,0
4

6
P

0
r e

6
d

ic

5
te

7
d

0
lu

O grfico do observado e predito mostra que h um bom ajuste dos pontos com o modelo
linear, o modele descreve satisfatoriamente os valores do experimento. A distribuio de resduo
parece ser aleatria.

l u

F
2

itte

* * ( 4

F
2

r fa

z
+
+

- 0

: Y

= 6 5 ;7
;4 0 6 2
3 ;3 5 6

itte

* * ( 4

S
)

; V

ig
e

n
d

r ia

le

; M

itte

* * ( 4

: Y

- 0
D

; V

ig

r fa
d
: Y

id

m
u

e
a

io

l=

n
d

itte

* * ( 4

- 0

r ia

le

: Y
s

id

m
u

e
a

io

l=

1
1
1
6
2*
-;

4 0
4 0
0 0
0
y0 - 2 ; 6 * x * y
22 60 2 5 * x * y
;* 4 ;- 1 1 ;1

F
,4

itte

* * ( 4

6 8 7
- 1 ;1
;* y +

r ia

le

; M

: Y
s

id

m
u

e
a

io

l=

2
06
y

itte
* * ( 4

z = 6 5 ;7 3 7 5 - ;9 6 8 7 5 * x - ;6 1 2
- 3 ;5 3 1 2 5 * x * y - 1 ;1 1 2 5 * 4 ;* y
+ 3 ;3 5 6 2 5 * 4 ;* 4 ;* y + ;1 4 3 7 5 * x

u
)

r fa
d

; V

ig

: Y

2
2
0
8
6
4
2
0
020

- 0
D

2
2
2
1
1
1
1
1
* 8y
26 ;
* 4

r ia

; M

b
R

le
e

: Y
s

id

m
u

e
a

io

l=

; V

ig

,4

io

>
<
<
<
<
<
7 <5
2 <;2
;* y

n
d

r ia

le

; M

: Y
s

id

m
u

e
a

io

l=

6
6
4
2
0
-*
-

0
0
0
0

,4

2 0
4y 0- 2 ; 6 * 4 ; * x + 3 ; 2
66 20 5 * x * 4 ; * y + 2 ; 8
* 4 ;- 6 2 ;8 2 5

io

>
1
<
1
<
1
<
6
; 6 * 4 ; * x + 3 ; 2 8 1 z 2 = 5 6 * 45 ;; *7 x 3 - 7 1 5 ; 4 - 3; 9 1 6 2 8 5 7 * 5 x * * x y + 2 ; 2 8 7 < 5 2 *
<
2 5 * x * 4 ; * 4 ; + 2 ; 8- 3 3 ; 75 53 *1 x 2 * 5 4 * ; *4 y ; * x - 1 ; 1 1 2 5 * 4 ; * y + 2 - ;
+ 1 1 ;7 7 5
+ 3 ;3 5 6 2 5 * 4 ;* y * 4 ;+ ;1 4 3 7 5 * x * y

io

>
<
<
<
<
<
<
<
5<
+<

0
0
0

F
,4

d
: Y

S
- 0
D

>
1 2
<
1 2
<
1 0
<
8 0
<
6 0
<
4 0
<
2 0
5 * x - ; 6 1 2 5< * 0y <
1 2 5 * 4 ; * y + 2 - ; 22
;1 4 3 7 5 * 4 ;* 4 ;*

r fa

+ 3 ; 2 8 1z 2= 56 *5 4 ; 7 ; * 3 x 7 - 15 ;+ 4 ; 31 16 28 57 *5 4 * ;x * x+ 2 ; 2 8
* 4 ; + 2 ; 8+ 3; 4 7 0 5 6 * 2 x 5 * y* 4 * 4; * ;y - 1 ; 1 1 2 5 * 4 ; * y +
+ 3 ;3 5 6 2 5 * x * y * 4 ;+ ;1 4 3 7 5 * 4

io

n
d

; M

; V

ig

F
,4

io

z = 6 5 ;7 3 7 5 + ;1
- 3 ;5 3 1 2 5 * 4 ;* y
+ 3 ;3 5 6 2 5 * x * 4

: Y
s

>
<
<
<
7 5 + ; 1 6 8 7 5 * x - ; 9 6 8 7 <5
* 4 ; * y - 3 ; 5 3 1 2 5 * 4 ; * y +< 2
5 * x * 4 ;* 4 ;+ ;1 4 3 7 5 * y * 4

r fa
d

s
m

3
5
2

- 0

)
V

r fa
d
: Y

s
m

; V

ig
e

n
d

a
; M

r ia
S

b
R

le
e

: Y
s

id

m
u

e
a

io

l=

4
4
0
0
y0

0
0
0

- 2 ;6 * 4 ;* x + 3 ;2
22 60 2 5 * 4 ; * x * y + 2
* 4 ;- 2 4 ;6 7 5

,4

2
2
0
0

0
0

io

0
0
0
0
0
0
0
0

2 ; 6 * 4 ; * x - 1 ; 4 3z 1 = 2 6 5 5 * ; 74 3; * 7y 5+ +; 4 2 0 ; 26 28 57
6 2 5 * 4 ; * x * 4 ; + - 23 ; ; 8 5 3 3 7 1 5 2 * 5 4 * ; 4* x ; * * y y - 1 ; 1
;* y + 6 2 ;3 2 5
+ 3 ;3 5 6 2 5 * 4 ;* x * y +

>
<
<
<
*5 4 * ;x * x- ; 6 1 2 5 * < y
1 2 5 * x * y + 2 <; 2
;1 4 3 7 5 * 4 ;* x *

1
1
8
4
+0
-6
y

3 ;2 8 1 2 5 * 4
4 20 5 * 4 ;* 4 ;* x
- 4 4 ;8

2 )Em um estudo para avaliao do desempenho de uma central de comutao telefnica avaliouse o efeito dos fatores: (A) nmero de linhas ligadas a rede pblica (250 ou 400), (B) nmero de
filtros digitais ( 80 ou 120), (C) nmero de canais de mquinas de menssagens (180 ou 270) e (D)
nmero de atendentes conectados ao sistema (200 ou 300), analisando-se o tempo de resposta
ao usurio.

;* x
+ 2

- 1
;8

Linhas
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

Filtros
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

Canais
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

Atendentes
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

51,576
42,310
51,576
42,310
51,576
42,185
51,576
42,185
66,869
50,229
66,869
50,229
66,869
49,419
66,869
49,419

Tempo (s)
51,33
51,443
42,224
42,164
51,330
51,443
42,224
42,164
51,330
51,443
42,213
42,044
51,330
51,443
42,213
42,044
66,594
66,809
49,951
49,930
66,594
66,809
49,951
49,930
66,881
66,535
49,408
49,399
66,881
66,535
49,408
49,399

51,414
42,221
51,414
42,221
51,414
42,240
51,414
42,240
66,575
49,622
66,575
49,622
66,809
49,051
66,809
49,051

ANOVA; Var.:tmed; R-sqr=,99993; Adj:,99978 (Spreadsheet_Ex2_L5)

2**(4-0) design; MS Residual=,0189882
DV: tmed
Factor
SS
df
MS
F
(1)Linhas
516,556
1
516,5563
27204,06
(2)Filtros
0,093
1
0,0934
4,92
(3)Canais
0,000
1
0,0000
0,00
(4)Atendentes
694,698
1
694,6980
36585,77
1 by 2
0,061
1
0,0607
3,20
1 by 3
0,000
1
0,0000
0,00
1 by 4
62,029
1
62,0294
3266,73
2 by 3
0,000
1
0,0000
0,00
2 by 4
0,135
1
0,1350
7,11
3 by 4
0,000
1
0,0000
0,00
Error
0,095
5
0,0190
Total SS
1273,668
15

Factor
Mean/Interc.
(1)Linhas
(2)Filtros
(3)Canais
(4)Atendentes
1 by 2
1 by 3
1 by 4
2 by 3
2 by 4
3 by 4

Effect Estimates; Var.:tmed; R-sqr=,99993; Adj:,99978 (Spreadsheet_Ex2_L5)

2**(4-0) design; MS Residual=,0189882
DV: tmed
Effect
Std.Err.
t(5)
p
-95,%
+95,%
Coeff.
Std.Err.
Cnf.Limt Cnf.Limt
Coeff.
52,5024 0,034449 1524,043 0,000000 52,4139 52,5910 52,50241 0,034449
11,3639 0,068899 164,937 0,000000 11,1868 11,5410 5,68197 0,034449
-0,1528 0,068899
-2,218 0,077330 -0,3299
0,0243 -0,07641 0,034449
0,0000 0,068899
0,000 1,000000 -0,1771
0,1771 0,00000 0,034449
-13,1786 0,068899 -191,274 0,000000 -13,3557 -13,0015 -6,58928 0,034449
-0,1232 0,068899
-1,788 0,133818 -0,3003
0,0539 -0,06159 0,034449
0,0000 0,068899
0,000 1,000000 -0,1771
0,1771 0,00000 0,034449
-3,9379 0,068899 -57,155 0,000000 -4,1150 -3,7608 -1,96897 0,034449
0,0000 0,068899
0,000 1,000000 -0,1771
0,1771 0,00000 0,034449
-0,1837 0,068899
-2,666 0,044559 -0,3608 -0,0066 -0,09184 0,034449
0,0000 0,068899
0,000 1,000000 -0,1771
0,1771 0,00000 0,034449

-95,%
Cnf.Limt
52,41385
5,59341
-0,16496
-0,08856
-6,67784
-0,15015
-0,08856
-2,05752
-0,08856
-0,18040
-0,08856

p
0,000000
0,077330
1,000000
0,000000
0,133818
1,000000
0,000000
1,000000
0,044559
1,000000

+95,%
Cnf.Limt
52,59096
5,77052
0,01215
0,08856
-6,50073
0,02696
0,08856
-1,88041
0,08856
-0,00329
0,08856

Concluses:
Os fatores Linhas, atendentes e linhas-atendentes e Filtros-Atendentes so significativos;

O coeficiente de regresso da Linha e maior, em modulo, do que linhas-atendentes (14) e Filtros-Atendentes (2-4), ento podemos considerar apenas para os nveis Linha e
Atendentes;

( 4

) A

t e

( 1

) L

i n

e
h

y 4

y 4

( 2

) F
1

( 3

n
a

) C

t e

r d i z e d
E f f e c t s ; V a r i a
R e s i d u a l= , 0 1 8 9 8 8 2

- 1

- 2

, 6

s- 2

, 2

- 1

, 7

y 2
a

r e t o
C h a r t o f S t a n
2 * * ( 4 - 0 ) d e s i g n ; M
D V : t m
e d

- 5

i l t r o
b

, 1

, 9

1
6

, 2

i0 s ,

y 3

y 4

y 3

, 0

5
S

t a

r d

i z e

f f e

c t

s t im

t e

( A

s o

Pelo diagrama de Pareto observa-se que os fatores atendentes e linha so significativos

ao que se refere ao problema de tempo de resposta ao usurio.

O b s e r v e d
v s . P r e d i c t e d
* * ( 4 - 0 ) d e s i g n ; M S
R e s id
D V : t m
e d

V a l u e s
u a l = , 0 1

5
3 5

Raw Residuals

Predicted Values

5
O

5
b

s e

r v e

6
d

0
l u

6
e

, 1

, 0

, 0

, 0

, 0

, 0

- 0

, 0

- 0

, 0

- 0

, 0

- 0

, 0

- 0

, 1 0
3 5

P r e d ic t e d
v s . R e s i d
* * ( 4 - 0 ) d e s i g n ; M S
R
D V : t m
e d

r e

5
d

i c t e

6
d

a
e

0
l u

l V a l u e s
s id u a l = , 0

6
e

lu

t e

O grfico de preditos e observados, mostra que h um bom ajuste dos pontos com o
modelo, ou seja, o modelo descreve satisfatoriamente os valores experimentais. J para a
distribuio de resduos parece ser aleatria, os valores dos resduos so pequenos o que mostra
que o modelo adequado.

2
F
2

i t t e d
S
* * ( 4 - 0 )
D V

u r f a c e ; V a r i a b le : t m e d
d e s i g n ; M
S
R e s i d u a l =
: t m e d

9
8
z = 5 2 ; 5 0 2 4 0 6 2 5 + 0 ; * x - 6 ; 5 8 9 2 8 17
- ; 0 9 1 8 4 3 7 5 0 0 0 0 0 0 1 * 4 ; * y + 0 ; * x 6*
+ 0 ; * 4 ; * x * y + 0 ; * 4 ; * x * y + 2 1 ; 4 3 6 7 5

F it t e d
* * ( 4 - 0 )
D

S u r f a c e
d e s i g n ;
V : t m
e d

; V a
M S

F it t e d
* * ( 4 - 0 )
D

S u r f a c e
d e s i g n ;
V : t m
e d

0
0
20 5 * y + 0 ; * 4 ; * x - 1 ; 9 6 8 9 6 8 7 5 * 4 ; * y + 0 ; * 4 ; * x
y 0 + 0 ; * 4 ; * 4 ; * x - ; 0 7 7 0 3 z 1 = 2 55 20 0; 5 0 0 0 20 40 10 *6 4 2 ; *5 4 + ; *5 y ; 6

- 1 ; 9

r i a b l e : t m e d
R e s i d u a l = , 0

F
1

9 8

8 2

u
d
:

8 9

8 9

7 5

* 4

; * x +

2 9 , 2 2 1 8
2 8
2 6
8 1 9 6 8 27 4 5 * x - ; 0 7 6 4 0 6 2 5 * y - ; 0 6 1 5
; * 4 ; * y - ; 0 9 1 8 4 3 7 5 0 0 0 0 0 0 1 * 4 ; * y

it t e d
S u r f a c e ; V a r i a b l e : t m e d
* * ( 4 - 0 ) d e s i g n ; M S
R e s i d u a l =
D V : t m e d

7 , 2 9 8 5
9 0
6
8 0
4
z = 5 2 ; 5 0 2 4 0 6 2 5 - ; 0 7 6 4 0 6 2 5 * x 7 - 60 ; 5 8 9 2 8 1 2 5 * y - ;
26 8 7 5 * x + 0 ; * y - ; 0 6 1 5 9 - 13 ; 7 9 5 6 * 8 4 9 ; * 6 x 8 + 7 0 5 ; * 4x *; *y y + 0 ; * 4 ; * x - ; 0 9 6 1 0 8 4 3 7 5 0 0 0 0 0 0 1
* y + 0 ; * 4 ; * y - 2 8 ; 1 3 2 2 5- ; 0 7 7 0 3 1 2 5 0 0 0 0 0 0 1 * 4 ; * x * y + 0 ; * 4 ; * 4 ; * y + 0 ; * x * 4

F
it t e d
S
2 * * ( 4 - 0 )
D V

r i a b l e : t m e d
R e s i d u a l = , 0

2
2
2
z = 5 2 ; 5 0 2 4 0 6 2 5 + 5 ; 6 8 1 29
- 1 ; 9 6 8 9 6 8 7 5 * 4 ; * x + 0 ; * 4 ;

; V a
M S

r f a c e ; V a r i a b l e : t m e d
e s i g n ; M S
R e s i d u a l = 0
t m
e d

1 9
z = 5 2 ; 5 0 2 4 0 6 2 5 - ; 0 7 6 4 0 6 2 5 *1 x 8
- ; 0 9 1 8 4 3 7 5 0 0 0 0 0 0 1 * 4 ; * x + 0 1; *6
+ 0 ; * 4 ; * y * 4 ; + 0 ; * x * y * 4 ; - 3 5 ; 1 3 2 7

2
,

i t t e d
S
* * ( 4 - 0 )
D V

u r f a c e ; V a r ia b l e : t m e d
d e s i g n ; M S
R e s id u a l =
: t m
e d

7 0
6 5
6 0
5 5
, 6 7 6 8
+ 0 ; * y - ; 0 6 1 5 9 3 7 5 * 4 z; * = x 5 + 20 ; ; 5* 40 ; 2 * y4 + 0 06 ; 2* x5 * + y 5 ; 6 8 1 9 6 8 7 5 * 5 x 0- 6 ; 5 8 9 2 8 1 2 5
4 ; * y + 0 ; * 4 ; * x * y - ; 0 7 7 - 0 1 3 ; 91 62 85 90 06 08 07 05 0* x1 * * y4 - ; ; * 0 x 9 * 41 ; 8 4 3 7 5 0 04 05 0 0 0 1 * 4 ; * y + 0
- ; 0 7 7 0 3 1 2 5 0 0 0 0 0 0 1 * x * 4 ; * y + 0 ; * x * 4 ; * y + 0 ; * 4 ; *
5

3)Dois fatores so considerados relevantes: A) tipo de filtro (usou-se 2 nveis) e B) quantidade

de rudo (usou-se 3 nveis)
O experimento foi conduzido colocando-se um sinal (para cada tratamento) e aumentando sua
intensidade at que o operador detectasse o sinal no radar. O nvel da intensidade necessria
para a deteco foi a varivel resposta. Como o operador uma fonte de variabilidade,
considerou-o como bloco.

Operador
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
4
4
4
4
4
4

Factor
Mean/Interc.
operador(1)
operador(2)
operador(3)
(1)filtro (L)
(2)ruido (L)
ruido (Q)
1L by 2L

Filtro
1
1
1
2
2
2
1
1
1
2
2
2
1
1
1
2
2
2
1
1
1
2
2
2

Rudo
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

Intensidad
e
90
102
114
86
87
93
96
106
112
84
90
91
100
105
108
92
97
95
92
96
98
81
80
83

Effect Estimates; Var.:intensidade; R-sqr=,91852; Adj:,88287 (Spreadsheet58)

1 2-level factors, 1 3-level factors, 4 Blocks, 24 Runs
DV: intensidade; MS Residual=10,42839
Effect
Std.Err.
t(16)
p
-95,%
+95,%
Coeff.
Std.Err.
Cnf.Limt Cnf.Limt
Coeff.
94,9167 0,659178 143,9924 0,000000 93,5193 96,3141 94,91667 0,659178
3,1667 2,283461 1,3868 0,184527 -1,6741 8,0074 1,58333 1,141730
9,1667 2,283461 4,0144 0,001001 4,3259 14,0074 4,58333 1,141730
-13,1667 2,283461 -5,7661 0,000029 -18,0074 -8,3259 -6,58333 1,141730
-13,3333 1,318357 -10,1136 0,000000 -16,1281 -10,5385 -6,66667 0,659178
9,1250 1,614651 5,6514 0,000036 5,7021 12,5479 4,56250 0,807325
0,6875 1,398328 0,4917 0,629637 -2,2768 3,6518 0,34375 0,699164
-4,3750 1,614651 -2,7096 0,015466 -7,7979 -0,9521 -2,18750 0,807325

-95,%
Cnf.Limt
93,51927
-0,83703
2,16297
-9,00369
-8,06406
2,85105
-1,13841
-3,89895

+95,%
Cnf.Limt
96,31406
4,00369
7,00369
-4,16297
-5,26927
6,27395
1,82591
-0,47605

ANOVA; Var.:intensidade; R-sqr=,91852; Adj:,88287 (Spreadsheet58)

1 2-level factors, 1 3-level factors, 4 Blocks, 24 Runs
DV: intensidade; MS Residual=10,42839
Factor
SS
df
MS
F
p
Blocks
402,167
3
134,056
12,8549
0,000157
(1)filtro (L)
1066,667
1
1066,667
102,2849
0,000000
(2)ruido (L)
333,062
1
333,062
31,9381
0,000036
ruido (Q)
2,521
1
2,521
0,2417
0,629637
1L by 2L
76,562
1
76,562
7,3417
0,015466
Error
166,854 16
10,428
Total SS
2047,833 23

ANOVA; Var.:intensidade; R-sqr=,91852; Adj:,88287 (Spreadsheet58)

1 2-lev el f actors, 1 3-lev el f actors, 4 Blocks, 24 Runs
DV: intensidade; MS Residual=10,42839
Factor
SS
df
MS
F
p
Blocks
402,167
3
134,056
12,8549
0,000157
(1)f iltro L
1066,667
1
1066,667
102,2849
0,000000
(2)ruido L+Q
335,583
2
167,792
16,0899
0,000148
1*2
76,562
1
76,562
7,3417
0,015466
Error
166,854
16
10,428
Total SS
2047,833
23

Concluses:
Os fatores operador(2) e (3), filtro e ruido so significativos;
O coeficiente de regresso so semelhantes ento devemos considerar todos os nveis;

a r e t o
1

h a r t

2 - l e v e l
D

o f

t a n d a r d i z e d

f a c t o r s ,

3 - l e v e l

i n t e n s i d a d e ;

e s i d u a l =

( 1 ) f i l t r o ( L )

a r i a b l e :

l o c k s ,

i n t e n s i d a d e

2 4

u n s

1 0 , 4 2 8 3 9

- 1 0 , 1 1 3 6

o p e r a d o r ( 3 )

- 5 , 7 6 6 1
- 5 , 7 6 6 1

( 2 ) r u i d o ( L )

5 , 6 5 1 3 7 8
5 , 6 5 1 3 7 8
4 , 0 1 4 3 7 5
4 , 0 1 4 3 7 5

o p e r a d o r ( 2 )

- 2 , 7 0 9 5 6
- 2 , 7 0 9 5 6

1 L b y 2 L
o p e r a d o r ( 1 )
r u i d o ( Q

f f e c t s ;

f a c t o r s ,

1 , 3 8 6 7 8 4
1 , 3 8 6 7 8 4

, 4 9 1 6 5 8 5
) , 4 9 1 6 5 8 5
p =

, 0 5
S

t a n d a r d i z e d

f f e c t

s t i m

a t e

( A

b s o l u t e

a l u e )

Pelo diagrama de Pareto observa-se que apenas o fator operador e linha no so

significativos ao que se refere ao problema na intensidade do sinal

1 2

1 1

1 1

1 0

1 0

5
7 5

2 - l e
D V

b s e r v e d
v s . P r e d i c t e d
V a l u e s
v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 4
B lo
: in t e n s i d a d e ; M
S
R e s i d u a l= 1 0 , 4 2

c k s ,
8 3 9

u n

P r e d i c t e d
v s . R e s i d u a l V a l u e s
2 - l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 4
B l o c k s ,
D V : i n t e n s i d a d e ; M
S
R e s i d u a l = 1 0 , 4 2 8 3 9

2 4

u n s

8
6
4

Raw Residuals

Predicted Values

2
0
- 2
- 4
- 6

9
O

b s e r v e

1
d

0
V

a l u

1 0

1 2

- 8
7 5

8 0

8 5

9 0

e s

9 5
P

r e d

ic t e d

1 0 5

1 1 0

e s

a l u

1 1 5

1 2

O grfico de preditos e observados, mostra que h um bom ajuste dos pontos com o modelo, ou
seja, o modelo descreve satisfatoriamente os valores experimentais. J para a distribuio de
resduos parece ser aleatria, os valores dos resduos so pequenos o que mostra que o modelo
adequado.

F i t t e d
S u r f a c e ; V a r i a b l e : i n t e n s i d a d e
- l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 4
B l o c k s ,
D V : i n t e n s i d a d e ; M
S
R e s i d u a l = 1 0 , 4 2 8 3 9

1
1
1
9
9
8
z =

9 0

; 3

- 4

; 5

3 3

3 3

* x +

1 0
0 5
0 0
5
0
5
1 3 ; 8

* y - ; 6

* y

4) Seja o projeto fatorial 32 com 4 replicaes.: Estudo do tempo de vida de baterias em

funo dos fatores tipo de material e temperatura de uso. Busca-se um projeto de produto
robusto Tempo de vida de baterias (resposta, y)
Fatores:
Temperatura (0F) (A):15
70
125
Tipo de material (B): 1
2
3
Replic.
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

Material
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3

Temper.
15
15
15
15
70
70
70
70
125
125
125
125
15
15
15
15
70
70
70
70
125
125
125
125
15
15
15
15
70
70
70
70
125
125
125
125

T_vida
130
155
74
180
34
40
80
75
20
70
82
58
150
188
159
126
136
122
106
115
25
70
58
45
138
110
168
160
174
120
150
139
96
104
82
60

Effect Es timates; Var.:t de vida; R-s qr=,6505; Adj:,54694 (Spreadsheet1)

2 3-level fac tors , 4 Bloc ks , 36 Runs ; MS Residual=1005,111
DV: t de vida
Effec t Std.Err.
t(27)
p
-95,%
+95,%
Coeff. Std.Err.
-95,%
Fac tor
Cnf.Limt Cnf.Limt
Coeff. Cnf.Limt
Mean/Interc. 105,5278 5,28391 19,97152 0,000000 94,686 116,3695 105,5278 5,283914 94,6861
replic.(1)
6,5000 18,30401 0,35511 0,725264 -31,057 44,0567 3,2500 9,152007 -15,5284
replic.(2)
2,0556 18,30401 0,11230 0,911416 -35,501 39,6123 1,0278 9,152007 -17,7506
replic.(3)
1,8333 18,30401 0,10016 0,920957 -35,723 39,3901 0,9167 9,152007 -17,8617
(1)Material(L) 41,9167 12,94289 3,23859 0,003177 15,360 68,4733 20,9583 6,471446 7,6800
Material(Q)
4,2083 11,20887 0,37545 0,710262 -18,790 27,2070 2,1042 5,604437 -9,3952
(2)T emp.(L)
-80,6667 12,94289 -6,23251 0,000001 -107,223 -54,1100 -40,3333 6,471446 -53,6116
T emp.(Q)
3,0833 11,20887 0,27508 0,785349 -19,915 26,0820 1,5417 5,604437 -9,9577
1L by 2L
9,3750 15,85174 0,59142 0,559160 -23,150 41,9001 4,6875 7,925871 -11,5750

Factor
Blocks
(1)Material(L)
Material(Q)
(2)T em p.(L)
T em p.(Q)
1L by 2L
Error
T otal SS

ANOVA; Var.:t de vida; R-sq r=,6505; Adj :,54694 (Spreadsheet1)

2 3-level factors, 4 Blocks, 36 Runs; MS Residual=1005,111
DV: t de vida
SS
df
MS
F
p
354,97
3
118,32
0,11772
0,948921
10542,04
1
10542,04
10,48844
0,003177
141,68
1
141,68
0,14096
0,710262
39042,67
1
39042,67
38,84414
0,000001
76,06
1
76,06
0,07567
0,785349
351,56
1
351,56
0,34977
0,559160
27137,99
27
1005,11
77646,97
35

ANOVA; Var.:t de vida; R-sqr=,6505; Adj:,54694 (Spreadsheet1)

2 3-level fac tors, 4 Bloc ks, 36 Runs; M S Residual=1005,111
DV: t de vida
Fac tor
SS
df
MS
F
p
Bloc ks
354,97
3
118,32
0,11772
0,948921
(1)M aterial L+Q 10683,72
2
5341,86
5,31470
0,011319
(2)T em p. L+Q
39118,72
2
19559,36
19,45990
0,000006
1*2
351,56
1
351,56
0,34977
0,559160
Error
27137,99
27
1005,11
T otal SS
77646,97
35

Concluses:
Os fatores material e temperatura so significativos;
O coeficiente de regresso do material e da temperatura so iguais ento devemos
considerar os dois nveis;

+95,%
Cnf.Limt
116,3695
22,0284
19,8061
19,6950
34,2366
13,6035
-27,0550
13,0410
20,9500

a r e
3 - l e

( 2

) T

( 1

) M

t e

r i a

t e

r e
T

p
e

. ( L

y 2

l ( L

l ( Q

l i c . ( 1

h a r t o f S t a n d a r d i z e d
f a c t o r s , 4
B lo c k s , 3 6
D V : t d e
v i d a

3
, 5

, 3

, 3

5 5

. ( Q

C
l

E
R

f f e c t s ; V
n s ; M
S

- 6

r i a

t o
v e

, 2

l i c . ( 2

, 1

r e

l i c . ( 3

, 1

2
p

t a

, 0
a

r d

i z e

f f e

c t

s t i m

t e

( A

s o

Pelo diagrama de Pareto observa-se que os fatores temperatura

significativos ao que se refere ao problema de tempo meia vida de baterias.
2

- l e

P
v e

r e
l

ic t e d
v s . R e s i d u a l
c t o r s , 4
B l o c k s , 3 6
V : t d e
v id a

f a
D

a
R

l u e s
n s ; M

s i d

u
2

0
Predicted Values

Raw Residuals

0
- 2

- 4

- 6

- 8

r i a b le : t d e
v i d a
e s id u a l = 1 0 0 5 ,

r e

, 2

, 2 3

1 8

1 6

1 4

1 2

1 0

l =

O
- l e v e

, 1

l u

t e

l u

V
R

a l u e s
u n s ; M

e s id u a

8 0

4 0
2 0

8
P

0
r e

1
d

ic t e

1
d

2
V

0
a

1
lu

0
s

2 0

4 0

6 0

8 0

1 0
O

b s e r v e d
v s . P r e d i c t e d
l f a c t o r s , 4
B l o c k s , 3 6
D V : t d e
v id a

6 0

e material so

0 1 2 0

1 4

b s e r v e d

0
V

1 6 0
a l u

1 8 0

2 0

0 2 2

e s

O grfico de preditos e observados, mostra que no h um bom ajuste dos pontos com o
modelo, ou seja, o modelo no descreve satisfatoriamente os valores experimentais. J para a
distribuio de resduos parece ser aleatria, os valores dos resduos so altos o que mostra que
o modelo no adequado.

l =

1 0 0 5

- l e

F it t e d
S u r f a c e ; V a r i a b l e : t d e
v i d
v e l f a c t o r s , 4
B l o c k s , 3 6
R u n s ; M
D V : t d e
v i d a

a
S

s id

l =

z = 1 0 9 ; 9 0 9 5 5 0 0 4 5 9 1 + 3 1 ; 8 2 5 7 5 7 5 7 5 7 5 7 * x - 4 ; 2 0 8 3 3
- ; 7 6 1 0 8 8 1 5 4 2 6 9 9 6 * y - ; 0 0 1 0 1 9 2 8 3 7 4 6 5 5 6 5 * y ^ 2 + ; 0 8
+ 1 0 ; 3 8 8 8 8 8 9

1
1
1
1
8
6
4

6
4
2
0
0
0
0

3 3
5 2

0
0
0
0

5) EXEMPLO (Montgomery, 2005, p. 184): No processo de enchimento de garrafas de bebidas,

procura-se garantir pouca variao no nvel de bebida colocada nas garrafas. Os principais fatores
que podem causar variaes no nvel de enchimento so: A) percentagem de CO2; B) presso do
enchimento e C) velocidade da linha de produo. Varivel resposta: desvio em relao ao valor
desejado. Conduziu-se um projeto fatorial 3 x 2 x 2 com 2 replicaes usando os seguintes nveis
nos fatores:
A) percentagem de CO2:
10
12
14
B) presso do enchimento:
25
30
C) velocidade da linha de produo:200
250
% CO2
10
10
10
10
10
10
10
10
12
12
12
12
12
12
12
12
14
14
14

Presso
25
25
25
25
30
30
30
30
25
25
25
25
30
30
30
30
25
25
25

Veloc.
200
200
250
250
200
200
250
250
200
200
250
250
200
200
250
250
200
200
250

Desvio
-3
-1
-1
0
-1
0
1
1
0
1
2
1
2
3
6
5
5
4
7

3
2

5 , 1

3
7

3
2

3
7

14
14
14
14
14

25
30
30
30
30

250
200
200
250
250

6
7
9
10
11

Effect Estimates; Var.:Desvio; R-sqr=,95111; Adj:,94081 (Spreads heet_Ex5L5)

2 2-level factors, 1 3-level factors, 24 Runs
DV: Desvio; MS Pure Error=,7083333
Effect
Std.Err.
t(12)
p
-95,%
+95,%
Coeff.
Std.Err.
Factor
Pure Err
Cnf.Limt Cnf.Limt
Coeff.
Mean/Interc .
3,125000 0,171796 18,19017 0,000000 2,75069 3,499311 3,125000 0,171796
(1)%CO2(L)
7,875000 0,420813 18,71379 0,000000 6,95813 8,791872 3,937500 0,210406
%CO2(Q)
-0,937500 0,364434 -2,57248 0,024434 -1,73153 -0,143465 -0,468750 0,182217
(2)Presso (L)
2,750000 0,343592 8,00368 0,000004 2,00138 3,498623 1,375000 0,171796
(3)Velocidade(L) 1,916667 0,343592 5,57832 0,000120 1,16804 2,665290 0,958333 0,171796

-95,%
Cnf.Limt
2,750689
3,479064
-0,865767
1,000689
0,584022

+95,%
Cnf.Limt
3,499311
4,395936
-0,071733
1,749311
1,332645

ANOVA; Var.:Desv io; R-sqr=,95111; Adj:,94081 (Spreadsheet_Ex5L5)

2 2-lev el f actors, 1 3-lev el f actors, 24 Runs
DV: Desv io; MS Pure Error=,7083333
Factor
SS
df
MS
F
p
(1)%CO2 L+Q
252,7500
2
126,3750
178,4118
0,000000
(2)Presso L
45,3750
1
45,3750
64,0588
0,000004
(3)Velocidade L
22,0417
1
22,0417
31,1176
0,000120
Lack of Fit
7,9583
7
1,1369
1,6050
0,224900
Pure Error
8,5000
12
0,7083
Total SS
336,6250
23

Concluses:
Os fatores %CO2,presso e velocidade so significativos;
O coeficiente de regresso so semelhantes para todos os fatores, ento devemos
considerar todos os nveis;

( 1

) %

( 2

( 3

) P

r e

s s

l o

c i d

) V

r e t o
C h a r t o f S t a n d a r d i z e d
E f f e c t s ; V a r i a b le :
2
2 - l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 2 4
R u n s
D V : D e s v i o ; M
S
P u r e
E r r o r = , 7 0 8 3 3 3 3

( L

( Q

( L

( L

)- 2

, 5

, 0

, 5

t a

, 0

i z e

, 7

( A

5
S

r d

f f e

c t

s t i m

t e

s o

Pelo diagrama de Pareto observa-se que os fatores %CO2, presso e velocidade e so

significativos ao que se refere ao problema desvio de nvel das garrafas .

O
2

2
D

2 , 5

b s e r v e d
v s . R e s i d u a l V a l u e s
- l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 2 4
R
: D e s v i o ; M S
P u r e
E r r o r = , 7 0 8 3 3 3 3
1 2
1

2 , 0

2
D

b s e r v e d
v s . P r e d i c t e d
V a l u e s
- l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 2 4
R
: D e s v i o ; M S
P u r e
E r r o r = , 7 0 8 3 3 3 3

0
8

1 , 5

1 , 0

Predicted Values

Raw Residuals

O
u

0 , 5
0 , 0

4
2
0

- 0 , 5

- 2

- 1 , 0
- 1 , 5
- 6

- 4

- 4

- 2

4
O

s e

6
r v e d

8
V

1
l u

e s

1 2

1 4

- 6
- 6

- 4

- 2

4
O

b s e r v e d

8
V

a l u

1 0

1 2

1 4

e s

O grfico de preditos e observados, mostra que h um bom ajuste dos pontos com o
modelo, ou seja, o modelo descreve satisfatoriamente os valores experimentais. J para a
distribuio de resduos parece ser aleatria, os valores dos resduos so pequenos o que mostra
que o modelo adequado.

l u

t e

F
2

2
D

it t e d
S u r f a c e ; V a r ia b l e : D e s v io
- l e v e l f a c t o r s , 1
3 - l e v e l f a c t o r s , 2 4
R
: D e s v i o ; M
S
P u r e
E r r o r = , 7 0 8 3 3 3 3

u n

F
2

2
D

z = - 1 1 ; 1 2
+ 8 ; 6 2 5

5 0 0 0

0 0 0 0 0 2

- 3 ; 6

5 6 2 4

1 0
8
6
4
2
0
9 - 29 9 9 9

9 9 7 * x +

; 2 3 4

it t e d
S u r f a c e ; V
- l e v e l f a c t o r s , 1
: D e s v i o ; M
S
P

a r ia b l e : D e s v i o
3 - le v e l f a c t o r s , 2 4
u r e
E r r o r = , 7 0 8 3 3 3

1 0
8
6
4
2
0
3 z 7 = 4 - 91 91 9; 1 9 2 9 5 9 0 9 0 9 0 * 0 x 0 ^ 02 0+ 0 ; 52 5- 3 * ;y 6 5 6 2 - 24 9
+ ; 0 3 8 3 3 3 3 3 3 3 3 3 3 3 3 * y + 1 5 ; 1 2 5

R
3

n s

9 9

9 9

* x +

; 2

3 4