Você está na página 1de 96

PLANEJAMENTO DE EXPERIMENTOS

1. SEMESTRE/2014

2




O presente material foi elaborado com o objetivo de facilitar as atividades em sala de
aula, seguindo muito de perto a bibliografia apresentada no final do texto. Esclarece-se que o
material, no substitui a bibliografia apresentada, portanto, necessrio consultar os livros
recomendados.

Profa. Sachiko Araki Lira


3

SUMRIO

1 INTRODUO ........................................................................................................................ 4
2 PLANEJAMENTOS EXPERIMENTAIS.................................................................................... 5
2.1 Definies Importantes no Planejamento de Experimentos .................................................. 5
2.2 Planejamento com um nico Fator ....................................................................................... 6
2.3 Diagnstico do Modelo ....................................................................................................... 10
3 EXPERIMENTOS FATORIAIS .............................................................................................. 15
3.1 Experimentos Fatoriais com 2 Fatores - sem Repetio ..................................................... 15
3.2 Experimentos Fatoriais com 2 Fatores - com Repetio ..................................................... 22
3.3 Comparaes Mltiplas de Mdias ..................................................................................... 28
3.3.1 Modelos de classificao a dois critrios (dois fatores) sem repetio ............................... 28
3.3.2 Modelos de classificao a dois critrios (dois fatores) com repetio ............................... 29
3.4 Determinao do Tamanho da Amostra ............................................................................ 31
3.5 Experimento
k
2 Fatorial ................................................................................................... 34
3.5.1 Experimento Fatorial
2
2 .......................................................................................................... 35
3.5.2 Experimento Fatorial
3
2 ............................................................................................................ 40
3.5.3 Experimentos Fatoriais sem Rplicas .................................................................................... 43
3.5.4 Adio de Pontos Centrais a um Planejamento
k
2 ............................................................ 48
3.6 Experimentos Fatoriais Fracionados (Cada Fator com Dois Nveis) ................................... 51
3.6.1 Delineamento de um Experimento Fatorial Fracionrio ........................................................ 51
4 EXPERIMENTO EM QUADRADO LATINO ........................................................................... 68
5 MTODOS E PLANEJAMENTOS DE SUPERFCIE DE RESPOSTA ................................... 74
5.1 Mtodo de Ascendente de Maior Inclinao (Steepest Ascent) .......................................... 75
5.2 Anlise de uma Superfcie de Resposta de Segunda Ordem ............................................. 79
5.2.1 Planejamento Composto Central (central composite design) .............................................. 79
BIBLIOGRAFIA ........................................................................................................................ 82
TABELA A1 - DISTRIBUIO DE t DE STUDENT ........................................................................ 84
TABELA A2 - DISTRIBUIO DE
2
_ ........................................................................................... 85
TABELA A3 - DISTRIBUIO DE F DE SNEDECOR (Nvel de Significncia de 1%) ........................ 86
TABELA A4 - DISTRIBUIO DE F DE SNEDECOR (Nvel de Significncia de 5%) ........................ 87
TABELA A5 - DISTRIBUIO DE F DE SNEDECOR (Nvel de Significncia de 10%) ....................... 88
TABELA A6 DISTRIBUIO DE F
mx
......................................................................................... 89
TABELA A7 VALORES CRTICOS PARA TESTE DE COCHRAN (OUTLIERS DA VARINCIA) ....... 90
TABELA A8 - VALORES MNIMOS DE | PARA CERTOS VALORES MXIMOS DE o E | ........... 91
TABELA A9 - VALORES CRTICOS DA DISTRIBUIO DA ESTATSTICA
o
D DE K-S, SEGUNDO
LILLIEFORS ............................................................................................................................... 92
TABELA A10 - COEFICIENTES
1 i n
a
+
PARA O TESTE DE NORMALIDADE w DE SHAPIRO-
WILK ......................................................................................................................................... 93
TABELA A11 - VALORES CRTICOS DA ESTATSTICA w DE SHAPIRO-WILK .............................. 94
TABELA A12 VALORES CRTICOS PARA O TESTE DE COCHRAN ............................................ 95
TABELA A13 - VALORES CRTICOS PARA
o
q (TESTE DE TUKEY) ............................................... 96
4

1 INTRODUO
O planejamento de experimentos, chamado tambm de delineamento de experimentos,
compreende um conjunto de ensaios estabelecido com critrios cientficos e estatsticos, e tem
como objetivo determinar a influncia de diversas variveis nos resultados de um dado sistema
ou processo.
A metodologia para elaborao de experimentos foi proposta por Ronald A. Fisher, em
seu livro Design of Experiments (1935). Ele descreveu como testar a hiptese da possibilidade
de uma certa senhora distinguir, s pelo sabor, se o leite ou o ch foi colocado primeiro na
xcara. Esta aplicao lhe permitiu ilustrar as ideias mais importantes do desenho experimental.
Nas diversas reas que envolvem pesquisa, h interesse em saber quais variveis so
importantes no estudo que se est realizando, assim como a variabilidade das variveis
envolvidas. O planejamento experimental atualmente amplamente utilizado para resolver
esse tipo de problema. De acordo com o objetivo dos ensaios possvel:
a) determinar quais variveis tm maior influncia nos resultados;
b) atribuir valores s variveis de maior influncia de modo a otimizar os resultados;
c) atribuir valores s variveis de maior influncia de modo a minimizar a variabilidade dos
resultados;
d) atribuir valores s variveis de maior influncia de modo a minimizar a influncia de variveis
no controlveis.
O planejamento experimental uma ferramenta essencial no desenvolvimento de novos
processos e no aprimoramento de processos em utilizao. Um planejamento adequado
possibilita, alm do aprimoramento de processos, a reduo da variabilidade de resultados, a
reduo de tempos de anlise e dos custos envolvidos.
No que se refere ao projeto de produtos, o planejamento experimental permite a
avaliao e comparao de configuraes (projetos) distintas, avaliao do uso de materi ais
diversos, a escolha de parmetros de projeto adequados a uma ampla faixa de utilizao do
produto e a otimizao de seu desempenho.
Os mtodos bsicos usados para realizar um eficiente planejamento experimental tm
como objetivos:
a) a seleo do melhor modelo entre uma srie de modelos plausveis;
b) a estimao eficiente de parmetros do modelo selecionado.
Todo planejamento experimental comea com uma srie inicial de experimentos, com o
objetivo de definir as variveis e os nveis importantes. Podem-se ter variveis qualitativas (tipo
de catalisador, tipo de equipamento, operador, etc.) e quantitativas (temperatura, presso, ph
do meio, etc.).
Antes de comear a realizar os experimentos, os objetivos e os critrios devem estar
bem claros, de modo a dar subsdios para a escolha:
5

1) das variveis envolvidas nos experimentos;
2) da faixa de variao das variveis selecionadas;
3) dos nveis escolhidos para essas variveis. No caso de muitos fatores, melhor escolher
inicialmente dois nveis;
4) da varivel de resposta;
5) do planejamento experimental. Nessa etapa, h que se considerar o tamanho da amostra
(nmero de rplicas), a seleo de uma ordem de realizao dos experimentos e se h
vantagem em fazer a blocagem dos experimentos; dos mtodos de anlise dos resultados
dos experimentos. Os mtodos estatsticos so usados para guiar uma tomada objetiva de
deciso.
Anlise do planejamento de experimentos foi construda sobre o fundamento da anlise
de varincia, que um conjunto de modelos em que a variao observada dividida em
componentes, devido a diversos fatores, que so estimados e / ou testados.
2 PLANEJAMENTOS EXPERIMENTAIS
2.1 Definies Importantes no Planejamento de Experimentos
Experimento: definido como um ensaio ou uma srie de ensaios nos quais so feitas
mudanas propositais nas variveis de entrada de um processo ou sistema, de forma que se
possa observar e identificar as razes para mudanas na resposta de sada (CALEGARE,
2009).
Fator (varivel independente): Um fator uma varivel, podendo ser controlada ou no, que
exerce influncia sobre a resposta (varivel dependente) que est sendo estudada no
experimento. Um fator pode ser uma varivel quantitativa, por exemplo, a temperatura em
graus, o tempo em segundos, a presso em pascal (Pa). Pode, tambm, ser varivel
qualitativa, como por exemplo, diferentes mquinas, diferentes operadores, interruptor ligado
ou desligado.
Nvel: Os nveis de um fator so os valores assumidos pelo fator. Para os fatores quantitativos,
cada valor constituiu um nvel, isto , se o experimento conduzido em trs temperaturas
diferentes, ento o fator temperatura possuiu trs nveis. J, no caso dos fatores
qualitativos, o interruptor ligado ou desligado representa dois nveis para o fator interruptor;
caso estejam sendo utilizadas seis mquinas por trs operadores, ento o fator mquina tem
seis nveis, enquanto o fator operador tem trs nveis.
Tratamento: Tratamento um nvel atribudo a um nico fator durante um experimento, como
por exemplo, a temperatura a 800 graus.
6

Uma combinao de tratamento o conjunto de nveis para todos os fatores num dado
experimento. Por exemplo, um experimento utilizando temperatura de 800 graus, mquina 3,
operador A, e interruptor desligado constituir-se-ia numa combinao de tratamento.
Unidades Experimentais: As unidades experimentais so os objetos, materiais ou unidades
aos quais se aplicam os tratamentos. Podem ser materiais naturais, objetos, pessoas, etc.
Bloco: Um fator no experimento que exerce influncia como fonte de variabilidade chamado
bloco. Um Bloco uma poro do material experimental ou do meio experimental que
apresenta uma probabilidade maior de homogeneidade em si mesma do que entre pores
diferentes. Por exemplo, amostras de um nico lote de material tm mais probabilidade de
serem uniformes do que amostras de lotes diferentes. Um grupo de amostras de um nico lote
considerado um bloco. As observaes feitas num mesmo dia tm mais probabilidade de
homogeneidade (variao menor) do que observaes feitas por dias a fio. Dias torna-se,
ento, um fator de blocagem.
Delineamento de Experimento: O plano formal para a conduo do experimento chamado
delineamento de experimento ou modelo experimental. Ele inclui a escolha de respostas,
fatores, nveis, blocos e tratamentos.
Aleatorizao: A sequncia de experimentos e/ou a atribuio de amostras a diferentes
combinaes de tratamento de maneira puramente casual denominada Aleatorizao. Tal
atribuio aumenta a probabilidade de que o feito de variveis incontrolveis seja eliminado.
Tambm aprimora a validade das estimativas da varincia dos erros experimentais e torna
possvel a aplicao de testes estatsticos de significncia, alm de construo de intervalos de
confiana. Sempre que possvel, a aleatorizao deve fazer parte do experimento.
Replicao : A replicao a repetio de uma observao ou medio de modo a aumentar
a preciso ou fornecer os meios para medir a preciso. Uma replicao nica consiste de uma
nica observao ou realizao do experimento.
Proporciona uma oportunidade para que se eliminem os efeitos de fatores incontrolveis ou de
fatores desconhecidos pelo experimentador e assim, a aleatorizao, atua como ferramenta
diminuidora de tendncias. A replicao tambm ajuda a detectar erros graves nas medies.
Nas replicaes de grupos de experimentos, diferentes aleatorizaes devem ser aplicadas a
cada grupo.
2.2 Planejamento com um nico Fator
Experimentos com um nico fator so aqueles com apenas uma nica varivel de
interesse para o estudo. Os testes de hipteses para comparao de duas mdias (ou dois
7

tratamentos), so casos particulares desse tipo de situao. No entanto, estes procedimentos
somente podem ser utilizados em situaes onde o nmero de tratamentos em estudos no
mximo igual a dois. Usualmente, os estudos experimentais tm por objetivo comparar trs ou
mais tratamentos, ou ainda, nessa situao, estudar um fator de interesse que apresenta trs
ou mais possveis valores (tratamentos). Por exemplo, h interesse em estudar o rendimento
de uma dada reao qumica considerando trs diferentes tipos de catalisadores. Nesse caso
existe um nico fator.
Modelo Estatstico
A anlise estatstica para verificar o problema em estudo (igualdade ou no dos
tratamentos) passa pelo ajuste de um modelo linear estatstico definido da seguinte forma:
j i i j i
x c o + + =
onde:
j i
x a varivel aleatria denotando o i-simo tratamento e j-sima unidade experimental;
o efeito comum a todos os tratamentos, chamado de mdia global;
i
o o efeito especfico do i-simo tratamento;
j i
c o erro aleatrio (parte da resposta no representada pelo modelo).
A suposio do modelo de que os erros
ij
c sejam normal, independentes e
identicamente distribudos, ou seja,
j i
c so iid ) , 0 ( N
2
o . Assim, cada tratamento pode ser
pensado como sendo uma populao normal com mdia zero e varincia
2
o .
Notao utilizada:
= N nmero total de elementos observados;
= i nmero de tratamentos: 1,2,...,a
= j nmero de observaes de cada tratamento: 1,2,..., n
=
i
n nmero de elementos no tratamento i;
n
x
X
n
1 j
j i
i

=
- = a mdia dos tratamentos (i=1,2,...,a)
N
x
X
a
1 i
n
1 j
j i

= =
- -
= a mdia total
onde: na N=


8

TRATA-
MENTOS
OBSERVAES (
j i
x ) SOMAS MDIAS
1
11
x
12
x ...
n 1
x
- 1
x
- 1 X
2
21
x
22
x ...
n 2
x
- 2
x
- 2 X
... ... ... ... ... ... ...
a
1 a
x
2 a
x ...
n a
x
- a
x
- a X

- -
x
- - X
Clculo das Varincias
A ANOVA um teste de mdias, utilizando as varincias e ela analisa as variaes
dentro da amostra (variaes aleatrias) e as variaes entre amostras (variaes explicadas).
Varincia Total
A varincia total
2
o estimada considerando-se todas as amostras reunidas em uma
nica amostra. Isso ser possvel devido hiptese inicial (suposio do modelo) de que as
varincias populacionais so todas iguais a
2
o . A varincia ser estimada atravs de:

( )
1 N
X x
S
2
1 i
n
1 j
j i
2
T
a

= =
- -

A expresso acima denominada de Quadrado Mdio Total (QMT) e o numerador, de
Soma de Quadrados Total (SQT), dado por:

N
2
1 i
n
1 j
2
j i
2
1 i
n
1 j
j i
x
x ) X x ( SQT
a a
- -
= =
- -
= =
= =

Essa estimativa ter sentido somente se a hiptese
0
H for verdadeira, o que implica em
se ter todas as populaes normalmente distribudas de mesma mdia e mesma varincia.
Varincia entre Amostras (Tratamentos)
Sendo verdadeira a hiptese
0
H , pode-se estimar a varincia
2
o , atravs das mdias
de a amostras, ou seja, como se fosse uma amostra de a valores.

1 a
) X X ( n
S
a
1 i
2
i
i
2
E

=
- - -

A expresso acima denominada de Quadrado Mdio entre Amostras (QME) e o
numerador, de Soma de Quadrados entre Amostras (SQE). Ento:

N
x
n
x
) X X ( n SQE
2
1 i
i
2
i
1 i
2
i
i
a a
- - -
- - - = =

= =

9

Desta forma possvel comparar as duas estimativas da varincia atravs de um teste
F, pois se
0
H for verdadeira, ambas sero estimativas no viesadas de
2
o e o valor do
quociente entre elas ser prximo de 1. Por outro lado, se o valor de F for elevado, pode-se
concluir que a
2
E
S superestima
2
o e pode-se rejeitar
0
H em favor de
1
H .
Varincia Residual ( ou Varincia Dentro da Amostra)
Consiste em estimar as varincias dentro de cada amostra e em seguida estimar um
nico valor
2
o , atravs da combinao dessas k varincias. A estimativa obtida atravs de:

( )
) 1 n ( a
X x
S
a
1 i
n
1 j
2
i
j i
2
R

=

= =
-

A expresso acima denominada de Quadrado Mdio Residual (QMR) e o numerador,
de Soma de Quadrados Residuais (SQR).

2
1 i
n
1 j
i
j i
) X x ( SQR
a

= =
- =
Tem-se que:
SQE SQT SQR =
QUADRO DA ANLISE DE VARINCIA - ANOVA
FONTE DE
VARIAO
SOMA DE QUADRADOS G.L QUADRADOS MDIOS F
Entre amostras
(Tratamentos)
N
x
n
x
SQE
2
1 i
i
2
i
a
- - -
=

=
1 a
1 a
SQE
QME

=


QMR
QME
F =
Dentro da amostra
(residual)
SQE SQT SQR = ) 1 n ( a
) 1 n ( a
SQR
QMR

=

Total
N
2
1 i
n
1 j
2
j i
x
x SQT
a
- -
= =
=

1 n a


Se
tab calc
F F > , para um nvel de significncia o, rejeita-se
0
H . O valor de
tab
F dado
com ) 1 n ( a ); 1 a (
2 1
= = u u graus de liberdade.
No experimento com amostras de tamanhos diferentes (desbalanceado), pode-se
utilizar o mtodo apresentado fazendo uma adaptao para o ndice j ( = j nmero de
observaes ). Este ndice variar de 1 a
i
n , sendo
i
n o tamanho da i-sima amostra.
10

2.3 Diagnstico do Modelo
Deve-se verificar se as suposies estabelecidas para obteno do ajuste e teste dos
parmetros, so satisfeitas.
A suposio do modelo de que os erros
ij
c sejam normal, independentes e
identicamente distribudos, ou seja,
i j
c so iid ) , 0 ( N
2
o . Assim, cada tratamento pode ser
pensado como sendo uma populao normal com mdia zero e varincia
2
o .
Para atender a suposio acima, faz-se necessrio verificar as seguintes questes:
- Presena de valores extremos (outliers)
- Independncia (aleatoriedade)
- Normalidade
- Homocedasticidade (varincia constante)
a) Identificao de Valores Extremos (outliers)
A identificao de valores extremos (discrepantes) faz parte da anlise descritiva e
exploratria dos dados. No caso de planejamento de experimentos, alguns procedimentos
especficos podem ser destacados, na busca da verificao da existncia de valores extremos.
Procedimentos usuais que auxiliam na anlise descritiva e exploratria destes dados
o Box Plot. possvel utilizar esses procedimentos a partir de:
(i) dados originais: para se verificar a presena de valores extremos (ou dados discrepantes)
pode-se utilizar o Box Plot. Deve-se verificar, neste caso, valores que se destacam dos
demais na apresentao dos valores observados.
(ii) resduos: uma alternativa para identificao de valores extremos a utilizao dos
resduos do modelo estimado, ou seja:

j i j i j i j i
y

y e = = c
Nota: Diversos autores propem o uso dos chamados resduos padronizados no lugar dos
resduos ordinrios acima definidos. Os resduos padronizados so definidos por:
QMR ) ( Var
j i
j i
j i

c
c
c
=
Como procedimento alternativo, considerando que os erros tm distribuio ) , 0 ( N
2
o ,
pode-se esperar que a mdia o contm aproximadamente 68% dos dados, a mdia
o 2 contm aproximadamente 95% dos dados e a mdia o 3 contm aproximadamente
99% dos dados. Desta forma, podem ser considerados valores extremos aqueles que forem
superiores a o 3 .
11

Identificado um valor extremo, normalmente ele excludo da anlise. No entanto, na
pratica, o pesquisador quem deve definir se um valor extremo pode realmente ser assim
considerado. Pois os valores extremos podem fornecer informaes importantes sobre o
experimento e estatisticamente demonstrar que uma outra distribuio deve melhor
representar o comportamento dos dados.
b) Verificando a Independncia ( erros no correlacionados):
A independncia dos resduos, usualmente avaliada atravs de um grfico dos
valores preditos (ou ajustados) versus resduos. Na hiptese de ser satisfeita a suposio de
independncia no dever existir nenhum padro neste grfico, ou seja, nenhum
comportamento no aleatrio dos valores observados.









FIGURA 1 INDEPENDNCIA







FIGURA 2 NO INDEPENDNCIA
Existindo o registro da ordem de obteno dos valores, recomenda-se o uso do
grfico dos resduos versus a ordem de coleta de forma a verificar algum padro na resposta
e, consequentemente uma dependncia entre as observaes.


12

c) Verificando a Normalidade
A suposio de normalidade dos resduos pode ser verificada graficamente ou atravs
de testes. Graficamente, usual a utilizao do grfico normal probabilstico e os testes mais
utilizados so: Teste de Shapiro-Wilk e Kolmogorov-Smirnov com correo de Lilliefors.
Teste de Shapiro-Wilk
O mtodo de Shapiro-Wilk fornece o valor da estatstica W, variando de 0 a 1. A
estatstica do teste dada por:
)
`

=
n
1 i
2
i
2
) X x (
b
W , onde

+
=
=
+ +
+ +
2 / ) 1 n (
1 i
2 / n
1 i
mpar n se ) x x ( a
par n se ) x x ( a
b
) i ( ) 1 i n ( 1 i n
) i ( ) 1 i n ( 1 i n

em que
n 2 1
x ... x x s s s so dados ordenados, em ordem crescente, e os s a
i
' so constantes
tabelados.
Este teste utilizado quando o conjunto de observaes pequeno ) 50 n ( s .
A estatstica W comparada ao valor obtido em tabelas, caso
tab
W W < , o teste rejeita
o
H , indicando a no normalidade das observaes.

d) Verificando a Homocedasticidade:

A suposio de homocedasticidade significa que a variabilidade entre repeties de um
mesmo tratamento deve ser semelhante a dos demais tratamentos. A verificao desta
suposio pode ser feita atravs do uso de testes ou por meio de anlise grfica.

(i) Testes de Homocedasticidade (homogeneidade das varincias):
1. Passo: Hipteses
2
k
2
2
2
1
... : H
o
o o o = = = (as varincias entre as populaes so homogneas)
: H
1
i , i ' - t.q.
2 2
i i '
o o = (as varincias entre as populaes so heterogneas)
2. Passo: Escolha do nvel de significncia o
3. Passo: Estatstica apropriada
4. Passo: Definio da regio crtica
5. Passo: Concluso
Diferentes testes so propostos na literatura para testar a hiptese acima. Os testes
mais conhecidos so:
a) Teste de Bartlett: Pode ser utilizado para qualquer nmero de repeties nos tratamentos;
b) Teste de Cochran: Pode ser utilizado para qualquer nmero de repeties nos tratamentos.
13

Teste de Bartlett
O teste de Bartlett dever ser aplicado quando as populaes cujas homogeneidades
sero testadas, apresentarem distribuio normal.
A estatstica para testar a hiptese
2
k
2
2
2
1
:
0
... H o o o = = = contra : H
1
pelo menos uma das
varincias diferente das demais, dada por:

(
(
(

v
_
=
=
k
1 i
2
i i
k
1 i
2
i i
2
S log
k n
S
log ) k n (
c
3026 , 2

em que:
=
=
k
1 i
i
n n
1 n
i i
= v

(

+ =

v
=
k
1 i
k n
1 1
) 1 k ( 3
1
1 C
i


2
i
S a varincia da amostra i, i=1,2,...,k

i
n o tamanho da amostra i, i=1,2,...,k
A estatstica
2
_ calculada pela expresso acima tem 1 k graus de liberdade. Portanto,
se
2
; 1 k
2
1 k o
_ _ > , rejeita-se
0
H .
Duas precaues na utilizao do teste de Bartlett:
1) O teste de Bartlett fortemente sensvel Normalidade das observaes subjacentes.
2) A distribuio
2
_ apenas assinttica. Uma regra comum considerar que o teste apenas
deve ser usado caso 5 n
i
> , k ..., , 2 , 1 i = .
Teste de Cochran
um teste muito simples e de fcil execuo, que consiste em calcular todas as
varincias envolvidas no experimento e dividir a maior delas pela soma de todas. O valor
resultante da diviso ento comparado com os valores crticos de uma tabela estatstica
apropriada, que leva em conta o nmero de varincias envolvidas (k) e o nmero de graus de
liberdade utilizado nos clculos. O tamanho da amostra
i
n deve ser igual para todos os grupos.
Estatstica do teste para testar as hipteses
2
k
2
2
2
1
... : H
o
o o o = = = contra : H
1
i , i ' - t.q.
2 2
i i '
o o = dada por:

=
=
k
1 i
2
i
2
max
S
S
C
Rejeita-se a hiptese
0
H se
o
>
, n , k
C C .
14

(ii) Anlise Grfica para Verificao da Homocedasticidade:
a) Box Plot dos Tratamentos versus Resduos:
Se existe homocedasticidade, espera-se que os Box Plots sejam semelhantes, ou
seja, apresentem um variabilidade muito prxima nas caixas dos diferentes tratamentos.
Se existe heterocedasticidade, a variabilidade diferente entre as caixas. s vezes, a
heterocedasticidade pode ser tambm um indicio da falta de normalidade. Problema: Pequenas
Amostras.







FIGURA 3 BOX PLOT DOS RESDUOS
b) Grfico de Disperso dos Valores Estimados versus Resduos:
O grfico dos valores estimados versus resduos , no caso de experimentos com
um fator (ONEWAY), semelhante ao grfico de tratamento versus resduos. Este no ser
o caso quando dois ou mais fatores estiverem envolvidos na anlise.
Se existe homocedasticidade, espera-se que os desvios se distribuam de forma homognea
dentre de um mesmo intervalo. Se os desvios apresentarem variao com diferentes
amplitudes, tem-se a situao de heterocedasticidade.






FIGURA 4 VARINCIA CONSTANTE







FIGURA 5A VARINCIA NO CONSTANTE
15









FIGURA 5B VARINCIA NO CONSTANTE

Violaes aos pressupostos do modelo no tm sempre igual gravidade. Alguns
comentrios gerais:
1) O teste F da ANOVA relativamente robusto a desvios hiptese de normalidade;
2) As violaes ao pressuposto de varincias homogneas so em geral pouco graves no caso
de delineamentos equilibrados, mas podem ser mais graves em delineamentos no
equilibrados;
3) A falta de independncia entre erros aleatrios a violao mais grave dos pressupostos e
deve ser evitada, o que em geral possvel com um delineamento experimental adequado.
3 EXPERIMENTOS FATORIAIS
Existem situaes experimentais onde as unidades experimentais so heterogneas,
devido presena de uma (ou mais) fonte(s) de variao(es) conhecida(s) e que pode(m)
ser controlada(s) quando da realizao do experimento.
O experimento fatorial utilizado quando dois ou mais fatores esto sendo estudados
em dois ou mais nveis e a interao entre os fatores pode ser importante.
De acordo com o nmero de fontes de variabilidade conhecidas que tornam as
unidades homogneas, tem-se diferentes tipos de planejamento:
a) experimentos fatoriais com 2 fatores;
b) experimentos fatoriais com 3 fatores;
c) experimentos
k
2 fatorial.
3.1 Experimentos Fatoriais com 2 Fatores - sem Repetio
Seja o experimento com um fator A com a tratamentos e um fator B com b
tratamentos. Deve-se realizar ensaios com todas as combinaes dos tratamentos de A e B,
totalizando ) b a ( ensaios.
16

FATOR A
(linhas)
FATOR B (colunas)
1
C
2
C ...
b
C
1
L
11
x
12
x
...
b 1
x
2
L
21
x
22
x
...
b 2
x
... ... ... ... ...
a
L
1 a
x
2 a
x
...
ab
x
Modelo Estatstico
j i j i j i
y c | o + + + = , a ..., , 2 , 1 i = ; b ..., , 2 , 1 j =
onde:
o efeito comum que independe dos fatores;
i
o o efeito do fator A (linha);
j
| o efeito do fator B (coluna);
j i
c o erro aleatrio que apresenta mdia nula e varincia
2
o .
Notao utilizada:
= i nmero de linhas: a ..., , 2 , 1 ;
= j nmero de colunas: b ..., , 2 , 1 ;
= = ab N nmero total de elementos observados.
As mdias entre linhas (fator A), entre colunas (fator B) e total, so dadas por:
b
X
X
b
1 j
j i
i

=
= - mdia entre linhas
a
x
X
a
1 i
j i
j

=
- = mdia entre colunas
N
x
X
a
1 i
b
1 j
j i

= =
= mdia total
As hipteses a serem testadas so:
1)
. . . a 2 1
... : H
01
= = = (linhas)
b 2 1 . . .
... : H
02
= = = (colunas)
2) : H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais

17

Estudo das variaes
Variao total
( )
N
x
x X x SQT
2
a
1 j
b
1 i
j i
a
1 j
b
1 i
2
j i
2
a
1 j
b
1 i
j i
|
.
|

\
|
= =


= =
= = = =

SQT tem distribuio
2
_ com (N-1) graus de liberdade.
Variao devido ao 1. Fator (entre linhas)
( )
N
x
b
x
X X SQL
2
b
1 j
a
1 i
j i
a
1 i
2
b
1 j
j i
b
1 j
a
1 i
2
i
|
.
|

\
|

(
(
(
(
(

|
.
|

\
|
= =

= =
=
=
= =
-
SQL tem distribuio
2
_ com (n-1) graus de liberdade.
Variao devido ao 2. Fator (entre colunas)
( )
N
x
a
x
X X SQC
2
b
1 j
a
1 i
j i
b
1 j
2
a
1 i
j i
2
j
a
1 i
b
1 j
|
.
|

\
|

(
(
(
(

|
.
|

\
|
= =


= =
=
=
-
= =

SQC tem distribuio
2
_ com (k-1) graus de liberdade.
Variao residual ou aleatria
( ) SQC SQL SQT X X X x SQR
2
a
1 i
b
1 j
j i
j i
= =

= =
+ - -
SQR tem distribuio
2
_ com (a-1)x(b-1) graus de liberdade.
Tem-se que: SQR SQC SQL SQT + + =
possvel demonstrar que cada uma das variaes dividida pelos seus respectivos
graus de liberdade uma estimativa no viesada de
2
o , quando se supe que no hajam
diferenas significativas nas mdias das linhas ou nas mdias das colunas (
0
H verdadeira).
( )
1 a
X X
S
b
1 j
a
1 i
2
i
2
L

=

= =
-

( )
1 b
X X
S
a
1 i
b
1 j
2
j
2
C

=

= =
-

( )
) 1 b ( ) 1 a (
X X X x
S
2
a
1 i
b
1 j
j i
j i
2
R

=

= =
+ - -

18

O quadro da ANOVA para um experimento fatorial com 2 fatores - sem repetio
FONTE DE VARIAO
(FV)
SOMA DE
QUADRADOS
(SQ)
GRAUS DE
LIBERDADE
(G.L.)
QUADRADO MDIO
(QM)
ESTATSTICA F
Entre linhas SQL a-1
1 a
SQL
S
2
L

=
2
R
2
L
L
S
S
F =
Entre colunas SQC b-1
1 b
SQC
S
2
C

=
2
R
2
C
C
S
S
F =
Residual SQR (a-1) (b-1)
) 1 b ( ) 1 a (
SQR
S
2
R

=

Total SQT ab-1=N-1

Se
o
>
; ) 1 b )( 1 a ( ) 1 a ( L ;
F F , rejeita-se
0
H e conclui-se que h diferena de mdia entre linhas. Se
o
>
; ) 1 b )( 1 a ( ) 1 b ( C ;
F F , rejeita-se
0
H e conclui-se que h diferena de mdia entre colunas.
Exemplos de aplicao:
1) Um engenheiro resolveu testar a influncia do fator umidade, no tempo para incio de
oxidao de certo metal ferroso. Para isso, delineou um experimento com 4 nveis de umidade
relativa e temperatura em 3 nveis. Os resultados, em horas, so apresentados a seguir.

TEMPE-
RATURA
UMIDADE RELATIVA (%)
90 80 70 60
85
o
C 32 34 40 36
75
o
C 35 36 40 42
65
o
C 37 39 43 45

Testar a influncia dos dois fatores, com nvel de significncia de 5%.
Soluo:
1)
. . . a 2 1
... : H
01
= = = (linhas)
b 2 1 . . .
... : H
02
= = = (colunas)
2) : H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais

TEMPE-
RATURA
UMIDADE RELATIVA (%) SOMA DE
- i
x
90 80 70 60
85 oC 32 34 40 36 142
75 oC 35 36 40 42 153
65 oC 37 39 43 45 164
SOMA DE
j
x
-

104 109 123 123 459



19

VALORES AO QUADRADO
TEMPE-
RATURA
UMIDADE RELATIVA (%)
SOMA DE
2
i
x
-

90 80 70 60
85 oC 1.024 1.156 1.600 1.296 5.076
75 oC 1.225 1.296 1.600 1.764 5.885
65 oC 1.369 1.521 1.849 2.025 6.764
SOMA DE
2
j
x
-
3.618 3.973 5.049 5.085 17.725
168,25
12
459
725 . 17
N
x
x SQT
2
2
b
1 j
a
1 i
j i
b
1 j
a
1 i
2
j i
= =
|
.
|

\
|
=

= =
= =

60,50
12
459
4
164
4
153
4
142
N
x
b
x
SQL
2 2 2 2
2
b
1 j
a
1 i
j i
a
1 i
2
b
1 j
j i
=
(

+ + =
|
.
|

\
|

(
(
(
(
(

|
.
|

\
|
=

= =
=
=

94,92
12
459
3
123
3
123
3
109
3
104
N
x
a
x
SQC
2 2 2 2 2
2
b
1 j
a
1 i
j i
b
1 j
2
a
1 i
j i
=
(

+ + + =
|
.
|

\
|

(
(
(
(

|
.
|

\
|
=

= =
=
=

12,83 92 , 94 50 , 60 25 , 168 SQC SQL SQT SQR = = =
Quadro da ANOVA a dois critrios de classificao - sem repetio
FONTE DE
VARIAO (FV)
SOMA DE
QUADRADOS
(SQ)
GRAUS DE
LIBERDADE
(G.L.)
QUADRADO
MDIO (QM)
ESTATSTICA F
Entre linhas 60,50 2
2
50 , 60
S
2
L
= 14,143 F
L
=
Entre colunas 94,92 3
3
92 , 94
S
2
C
=
14,792 F
C
=
Residual 12,83 6
6
83 , 12
S
2
R
=

Total 168,25 11
Concluses:
Como 14 , 5 F F
6 2 ; 05 , 0 L ;
= > , rejeita-se
0
H , portanto, existe diferena significativa entre os
tempos mdios segundo as temperaturas (linhas);
Como 76 , 4 F F
6 3 ; 05 , 0 C ;
= > , rejeita-se
0
H , portanto, existe diferena significativa entre os
tempos mdios segundo as umidades relativas (colunas).
2) Um engenheiro de qualidade delineou um experimento para verificar se existe influncia dos
fatores temperatura e presso na quantidade percentual de impurezas resultantes na
20

fabricao de um produto qumico. Os resultados so apresentados na tabela abaixo. Verificar
se existem diferenas nos diversos tratamentos, usando nvel de significncia de 1%.

TEMPERATURA
PRESSO
30 35 40 45 50 55
100
o
F 3,0 4,3 3,8 4,6 3,5 2,8
125
o
F 2,9 4,1 3,6 4,4 3,6 2,2
Soluo:
. . 2 1
: H
01
= (linhas)
6 2 1 . . .
... : H
02
= = = (colunas)
: H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais
Nvel de significncia: 01 , 0 = o
Clculo das Somas de Quadrados e Quadrados Mdios

TEMPERATURA
PRESSO (
j i
x ) SOMA
DE
- i
x 30 35 40 45 50 55
100
o
F 3,0 4,3 3,8 4,6 3,5 2,8 22,0
125
o
F 2,9 4,1 3,6 4,4 3,6 2,2 20,8
SOMA DE
j
x
-

5,90 8,40 7,40 9,00 7,10 5,00 42,8


TEMPERATURA
2
j i
x
SOMA
DE
2
i
x
-

30 35 40 45 50 55
100
o
F 9,0 18,5 14,4 21,2 12,3 7,8 83,2
125
o
F 8,4 16,8 13,0 19,4 13,0 4,8 75,3
SOMA DE
2
j
x
-

17,4 35,3 27,4 40,5 25,2 12,7 158,5

Tem-se que:
67 , 3 X1 = - mdia do percentual de impurezas - temperatura 1 (100
o
F)
47 , 3 X2 = - mdia do percentual de impurezas - temperatura 1 (125
o
F)

95 , 2 X 1= - mdia do percentual de impurezas - presso 30
20 , 4 X 2= -

mdia do percentual de impurezas - presso 35

70 , 3 X 3= -

mdia do percentual de impurezas - presso 40

50 , 4 X 4= -

mdia do percentual de impurezas - presso 45
55 , 3 X 5= -

mdia do percentual de impurezas - presso 50
50 , 2 X 6= -

mdia do percentual de impurezas - presso 55

21

Soma de quadrados:
87 , 5
12
8 , 42
5 , 158
N
x
x SQT
2
2
b
1 j
a
1 i
j i
b
1 j
a
1 i
2
j i
= =
|
.
|

\
|
=

= =
= =
(Total)
12 , 0
12
8 , 42
6
3 , 75
6
2 , 83
N
x
b
x
SQL
2 2 2
2
b
1 j
a
1 i
j i
a
1 i
2
b
1 j
j i
=
(

+ =
|
.
|

\
|

(
(
(
(
(

|
.
|

\
|
=

= =
=
=
(Entre linhas)
N
x
a
x
SQC
2
b
1 j
a
1 i
j i
b
1 j
2
a
1 i
j i
|
.
|

\
|

(
(
(
(

|
.
|

\
|
=

= =
=
=
(Entre colunas)
62 , 5
12
8 , 42
2
7 , 12
2
2 , 25
2
5 , 40
2
4 , 27
2
3 , 35
2
4 , 17
SQC
2 2 2 2 2 2 2
=
(

+ + + + + =
13 , 0 62 , 5 12 , 0 87 , 5 SQC SQL SQT SQR = = = (Residual)
Quadrados Mdios:
12 , 0
1 2
12 , 0
1 a
SQL
S
2
L
=

= (Entre linhas)
1233 , 1
1 6
6167 , 5
1 b
SQC
S
2
C
=

= (Entre colunas)
0260 , 0
) 1 6 ( ) 1 2 (
1300 , 0
) 1 b ( ) 1 a (
SQR
S
2
R
=

=

= (Residual)
Estatstica F
6154 , 4
0260 , 0
12 , 0
S
S
F
2
R
2
L
L
= = = (Entre linhas)
2051 , 43
0260 , 0
6167 , 5
S
S
F
2
R
2
C
C
= = = (Entre colunas)
Utilizando o Sistema R:
ANOVA
Df Sum Sq Mean Sq F value Pr(>F)
temp 1 0.1200 0.1200 4.6154 0.0844215 .
pressao 5 5.6167 1.1233 43.2051 0.0004080 ***
Residuals 5 0.1300 0.0260
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Concluso: Sendo o valor-p menor que 0,01, conclui-se que existe diferena de resultados de
impurezas devido variao do fator presso. No entanto, no possvel afirmar que existe
influncia da temperatura.

22

3.2 Experimentos Fatoriais com 2 Fatores - com Repetio
Neste caso, para cada tratamento so feitas n observaes, sendo 1 n > . Ou seja, tem-
se n observaes, correspondente ao cruzamento da linha ) a ..., , 2 , 1 i ( i = com a coluna
) b ..., , 2 , 1 j ( j = , totalizando n b a observaes.
Pelo fato de haver repeties, possvel obter uma estimativa de
2
o dentro dos ab
tratamentos. A soma de quadrados dentro dos tratamentos ser representada por
r
SQT e ser
obtida atravs de:
N
x
n
x
SQT
2
b
1 j
a
1 i
n
1 k
k j i 2
j i
a
1 i
b
1 j
r
|
.
|

\
|
=


= = = -
= =

O efeito dos tratamentos pode ser decomposto em uma parcela devida s diferenas
entre linhas e outra devida diferenas entre colunas. Ainda, deve-se considerar a existncia
de uma parcela adicional, referente interao entre linhas e colunas. As somas de quadrados
entre linhas, colunas e devido interao so dadas por:
N
x
bn
) x (
SQL
2
b
1 j
a
1 i
n
1 k
k j i
a
1 i
2
i
|
.
|

\
|

(
(

= = =
=
- -

N
x
an
) x (
SQC
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
2
j
|
.
|

\
|

(
(

= = =
=
- -

SQC SQL SQT SQI
r
=
Tem-se que a soma de quadrados residual a diferena entre a soma de quadrados
total e soma de quadrados entre tratamentos.
N
x
x SQT
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
a
1 i
n
1 k
2
k j i
|
.
|

\
|
=

= = =
= = =

r
SQT SQT SQR =
As estimativas das varincias sero dadas atravs das expresses a seguir:
1 a
SQL
S
2
L

=
1 b
SQC
S
2
C

=
1 ab
SQT
S
r 2
Tr

=
) 1 b ( ) 1 a (
SQI
S
2
I

=
23

) 1 n ( ab
SQR
S
2
R

=
1 abn
SQT
S
2
T

=
Quadro da ANOVA para um experimento fatorial com 2 fatores - com repetio
FONTE DE VARIAO
(FV)
SOMA DE
QUADRADOS
(SQ)
GRAUS DE
LIBERDADE
(G.L.)
QUADRADO MDIO
(QM)
ESTATSTICA F
Entre linhas SQL a-1
1 a
SQL
S
2
L

=
2
R
2
L
L
S
S
F =
Entre colunas SQC b-1
1 b
SQC
S
2
C

=
2
R
2
C
C
S
S
F =
Interao SQI ) 1 b ( ) 1 a (
) 1 b ( ) 1 a (
SQI
S
2
I

=
2
R
2
I
I
S
S
F =
Residual SQR ab(n-1)
) 1 n ( ab
SQR
S
2
R

=
Total SQT abn-1=N-1
Exemplos de aplicao:
1) Foram observados os tempos, em segundos, gastos por quatro operrios para montar certa
pea, segundo trs mtodos diferentes. Cada operrio montou duas peas segundo cada
mtodo, sendo os resultados fornecidos no quadro abaixo. considerada admissvel a
existncia de interao entre operrios e mtodos. Verificar, utilizando a anlise da varincia,
se existe diferena significativa entre os mtodos e/ou entre os operrios. Usar 05 , 0 = o .

MTODOS
OPERRIOS
1 2 3 4
1 54 46 55 51
52 47 54 60
2 59 61 59 56
57 55 61 57
3 59 63 63 59
62 58 61 60
Soluo:
Hipteses Estatsticas
1)
. . . 3 2 1
: H
01
= = (linhas)

3 2 1 . . .
: H
02
= = (colunas)
2) : H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais
3) 0 ) ( : H
j i 03
= o|
: H
13
pelo menos um 0 ) (
j i
= o|

24


MTODOS
- j i
x

- - i
x
1 2 3 4
1 106 93 109 111 419
2 116 116 120 113 465
3 121 121 124 119 485
- - j
x 343 330 353 343 1.369


MTODOS
2
s j i
x

= = =
b
1 j
a
1 i
n
1 k
2
k j i
x

1 2 3 4
1 2.916 2.116 3.025 2.601
2.704 2.209 2.916 3.600
2 3.481 3.721 3.481 3.136
3.249 3.025 3.721 3.249
3 3.481 3.969 3.969 3.481
3.844 3.364 3.721 3.600

= = =
b
1 j
a
1 i
n
1 k
2
k j i
x
78.579
286,33
24
369 . 1
8
485
8
465
8
419
N
x
bn
) x (
SQL
2 2 2 2
2
b
1 j
a
1 i
n
1 k
k j i
a
1 i
2
i
= + + =
|
.
|

\
|

(
(

= = =
=
- -

44,46
24
369 . 1
6
343
6
353
6
330
6
343
N
x
an
) x (
SQC
2 2 2 2 2
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
2
j
= + + + =
|
.
|

\
|

(
(

= = =
=
- -

403,46
24
369 . 1
2
119
2
124
...
2
109
2
93
2
106
N
x
n
x
SQT
2 2 2 2 2 2
2
b
1 j
a
1 i
n
1 k
j k i 2
j i
a
1 i
b
1 j
r
= + + + + + =
|
.
|

\
|
=


= = = -
= =

67 , 72 46 , 44 33 , 286 46 , 403 SQC SQL SQT SQI
r
= = =
488,96
24
369 . 1
579 . 78
N
x
x SQT
2
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
a
1 i
n
1 k
2
k j i
= =
|
.
|

\
|
=

= = =
= = =

85,50 46 , 403 96 , 488 SQT SQT SQR
r
= = =
Quadro da ANOVA a dois critrios de classificao com repetio
FONTE DE VARIAO
(FV)
SOMA DE
QUADRADOS
(SQ)
GRAUS DE
LIBERDADE
(G.L.)
QUADRADO MDIO
(QM)
ESTATSTICA F
Entre linhas 33 , 286 2
2
33 , 286
S
2
L
= 20,09 F
L
=
Entre colunas 46 , 44 3
3
46 , 44
S
2
C
=
2,08 F
C
=
Interao 67 , 72 6
6
67 , 72
S
2
I
=
1,70 F
I
=
Residual 50 , 85 12
12
50 , 85
S
2
R
=

Total 96 , 488 23


= = =
b
1 j
a
1 i
n
1 k
k j i
x

25

I) 3,89 F F
12 2 ; 05 , 0 L ;
= > , rejeita-se
0
H , portanto, existe diferena significativa entre linhas;
II) 3,49 F F
12 3 ; 05 , 0 C ;
= < , aceita-se
0
H , portanto, no existe diferena significativa entre as
colunas.
III) 00 , 3 F F
12 6 ; 05 , 0 I ;
= < , aceita-se
0
H , a interao no significativa.
Como a interao no significativa, a SQI pode ser somada SQR e justifica-se testar
as hipteses:
1)
. . . a 2 1
... : H
01
= = = (linhas)
b 2 1 . . .
... : H
02
= = = (colunas)
2) : H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais
Refazendo a anlise da varincia, tem-se:
Quadro da ANOVA a dois critrios de classificao com repetio
FONTE DE VARIAO
(FV)
SOMA DE
QUADRADOS
(SQ)
GRAUS DE
LIBERDADE
(G.L.)
QUADRADO MDIO
(QM)
ESTATSTICA F
Entre linhas 33 , 286 2
2
33 , 286
S
2
L
= 16,29 F
L
=
Entre colunas 46 , 44 3
3
46 , 44
S
2
C
=
1,69 F
C
=
Residual 158,17 18
18
7 , 158
S
2
R
=

Total 96 , 488 23

I) 3,55 F F
18 2 ; 05 , 0 L ;
= > , rejeita-se
0
H , portanto, existe diferena significativa entre linhas;
II) 16 , 3 F F
18 3 ; 05 , 0 C ;
= < , aceita-se
0
H , portanto, no existe diferena significativa entre as
colunas.
Concluso: Conclui-se, portanto, que existe diferena significativa entre os mtodos.
2) Foram feitos ensaios com baterias para verificar a influncia dos fatores material e
temperatura ambiente, na sua vida til. Foram testados 3 tipos de baterias em 3 temperaturas
diferentes, com ensaios com 4 repeties. Os resultados so apresentados a seguir, em horas.
Verificar se existem vidas mdias diferentes, para os fatores considerados, com 05 , 0 = o .
Verificar tambm, se existe interao entre os fatores.
TEMPERATURA
MATERIAL
Alfa (A) Beta (B) Gama (G)


+ 50
o
C (1)
69 58 39
60 60 38
64 65 47
58 59 42


+ 20
o
C (2)
67 61 53
58 60 59
66 67 63
70 62 58


- 10
o
C (3)
75 62 60
60 65 63
68 63 61
70 69 61
26

Soluo:
a) Hipteses Estatsticas
1)
. . . 3 2 1
: H
01
= = (linhas)
6 2 1 . . .
... : H
02
= = = (colunas)
2) : H
1 1
pelo menos uma das mdias
.
i
diferente das demais
: H
2 1
pelo menos uma das mdias
j .
diferente das demais
3) 0 ) ( : H
j i 03
= o|
: H
13
pelo menos um 0 ) (
j i
= o|
b) Nvel de significncia: 05 , 0 = o
c) Clculo das Somas de Quadrados e Quadrados Mdios
Tem-se que:
92 , 54 X1 = - vida til mdia para temperatura 50
o
C
00 , 62 X2 = - vida til mdia para temperatura 20
o
C
75 , 64 X3 = - vida til mdia para temperatura -10
o
C
42 , 65 X 1= - vida til mdia para material alpha
58 , 62 X 2= - vida til mdia para material beta
67 , 53 X 3= - vida til mdia para material gama

TEMPERA-
TURA
MATERIAL (
- j i
x )

TOTAL
Alfa (A) Beta (B) Gama (G)
+ 50
o
C (1) 251 242 166 659
+ 20
o
C (2) 261 250 233 744
- 10
o
C (3) 273 259 245 777
TOTAL 785 751 644 2.180

TEMPERA-
TURA
MATERIAL (
2
k j i
x )
Alfa (A) Beta (B) Gama (G)


+ 50
o
C (1)
4.761 3.364 1.521
3.600 3.600 1.444
4.096 4.225 2.209
3.364 3.481 1.764


+ 20
o
C (2)
4.489 3.721 2.809
3.364 3.600 3.481
4.356 4.489 3.969
4.900 3.844 3.364


- 10
o
C (3)
5.625 3.844 3.600
3.600 4.225 3.969
4.624 3.969 3.721
4.900 4.761 3.721
2.180 x
b
1 j
a
1 i
n
1 k
k j i
=

= = =

134.374 x
b
1 j
a
1 i
n
1 k
2
k j i
=

= = =

27

Soma de quadrados:
2.362,89
36
180 . 2
374 . 134
N
x
x SQT
2
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
a
1 i
n
1 k
2
k j i
= =
|
.
|

\
|
=

= = =
= = =
(Total)
N
x
bn
) x (
SQL
2
b
1 j
a
1 i
n
1 k
k j i
a
1 i
2
i
|
.
|

\
|

(
(

= = =
=
- -
(Entre linhas)
617,72
36
180 . 2
4 3
777
4 3
744
4 3
659
SQL
2 2 2 2
=

=
N
x
an
) x (
SQC
2
b
1 j
a
1 i
n
1 k
k j i
b
1 j
2
j
|
.
|

\
|

(
(

= = =
=
- -
(Entre colunas)
902,39
36
180 . 2
4 3
644
4 3
751
4 3
785
SQC
2 2 2 2
=

=
N
x
n
x
SQT
2
b
1 j
a
1 i
n
1 k
k j i 2
j i
a
1 i
b
1 j
r
|
.
|

\
|
=


= = = -
= =
(Entre tratamentos)
1.905,39
36
180 . 2
4
245
4
242
4
261
4
251
SQT
2 2 2 2 2
r
= + + + + =
385,28 39 , 902 72 , 617 39 , 905 . 1 SQC SQL SQT SQI
r
= = = (Entre interao)
457,50 39 , 905 . 1 89 , 362 . 2 SQT SQT SQR
r
= = = (Residual)
Quadrados Mdios:
308,86
1 2
72 , 617
1 a
SQL
S
2
L
=

= (Entre linhas)
451,19
1 2
39 , 902
1 b
SQC
S
2
C
=

= (Entre colunas)
238,17
1 3 3
39 , 905 . 1
1 ab
SQT
S
r 2
Tr
=

=

= (Entre tratamentos)
96,32
) 1 3 ( ) 1 3 (
28 , 385
) 1 b ( ) 1 a (
SQI
S
2
I
=

=

= (Interao)
16,94
) 1 4 ( 3 3
50 , 457
) 1 n ( ab
SQR
S
2
R
=

=

= (Residual)
67,51
1 4 3 3
89 , 362 . 2
1 abn
SQT
S
2
T
=

=

= (Total)


28

d) Estatstica F
18,23
94 , 16
86 , 308
S
S
F
2
R
2
L
L
= = = (Entre linhas)
26,63
94 , 16
19 , 451
S
S
F
2
R
2
C
C
= = = (Entre colunas)
5,68
94 , 16
32 , 96
S
S
F
2
R
2
I
I
= = = (Interao)
Utilizando o R:
Df Sum Sq Mean Sq F value Pr(>F)
temp 2 617.72 308.86 18.2279 9.774e-06 ***
tipo 2 902.39 451.19 26.6279 4.102e-07 ***
temp:tipo 4 385.28 96.32 5.6844 0.001878 **
Residuals 27 457.50 16.94
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Concluso: Como os nveis de significncia so < 0,05, conclui-se que:
a) existe diferena de mdias entre temperaturas;
b) existe diferena de mdias entre materiais ;
c) a interao entre os fatores material e temperatura significativa.
3.3 Comparaes Mltiplas de Mdias
3.3.1 Modelos de classificao a dois critrios (dois fatores) sem repetio
Teste HSD de Tukey
O modelo de Tukey recomenda considerar distintas as mdias:
b
QMR
q X X
) 1 b ( ) 1 a ( ; ; a
. . m i
o
>
(para testar a diferena entre linhas)

a
QMR
q X X
) 1 b )( 1 a ( ; b ;
m j . .
o
>
(para testar a diferena entre colunas)
Onde:
= a nmero de linhas i= 1,2,...,a;
= b nmero de colunas j= 1,2,..., b.
Teste de Scheff
A estatstica do teste de Scheff dada por:
29

) 1 a ( ) 1 b ( , 1 a ;
F
b
) 1 a ( 2
QMR X X
m l . . o

>
(para testar a diferena entre linhas)
) 1 a ( ) 1 b ( , 1 b ;
F
a
) 1 b ( 2
QMR X X . . m l
o

>
(para testar a diferena entre colunas)

3.3.2 Modelos de classificao a dois critrios (dois fatores) com repetio
Teste de Tukey
nb
QMR
q X X
) 1 n ( ab ; a ; . . m i
o
>
(para testar a diferena entre linhas)

na
QMR
q X X
) 1 n ( ab ; b ;
m j . .
o
>
(para testar a diferena entre colunas)
n
QMR
q X X
; ) 1 n ( ab ; ab ;
m j . .
o
> (para testar a diferena entre interaes)

Teste de Scheff
A estatstica do teste de Scheff dada por:
) 1 n (
m l
ab , 1 a ;
F
bn
) 1 a ( 2
QMR X X . . . .
o

>
(para testar a diferena entre linhas)

) 1 n (
m l
ab , 1 b ;
F
an
) 1 b ( 2
QMR X X . . . .
o

>
(para testar a diferena entre colunas)

Onde:
= a nmero de linhas i= 1,2,...,a;
= b nmero de colunas j= 1,2,..., b;
= n nmero de repeties

Exemplos de aplicao
1) Considere o exemplo da pg. 19, apresentado a seguir.
Um engenheiro resolveu testar a influncia do fator umidade, no tempo para incio de oxidao
de certo metal ferroso. Para isso, delineou um experimento com 4 nveis de umidade relativa e
temperatura em 3 nveis. Os resultados, em horas, so dados a seguir.

TEMPE-
RATURA
UMIDADE RELATIVA (%)
90 80 70 60
85
o
C 32 34 40 36
75
o
C 35 36 40 42
65
o
C 37 39 43 45
Testar a influncia dos dois fatores, com nvel de significncia de 5%.
30

Soluo:
Concluiu-se atravs da ANOVA que existe diferena significativa entre os tempos
mdios segundo as temperaturas (linhas) e entre os tempos mdios segundo as umidades
relativas (colunas).
Portanto, deve-se aplicar o teste de comparao entre mdias tanto para as linhas
quanto para as colunas. Aplica-se ento, o teste de Tukey, para modelo de classificao a dois
critrios (dois fatores) sem repetio, para linhas e colunas.
a) Comparao de tempos mdios segundo temperaturas (linhas)
05 , 0 = o
3 ) linhas ( a =
4 ) colunas ( b =
3392 , 4 q
crit
=
1383 , 2 S QMR
2
R
= = (do quadro da ANOVA)
1730 , 3
b
QMR
crit
q HSD = =
TEMPE-
RATURA
MDIA DO
TEMPO DE INCIO
DA OXIDAO
85
o
C 35,50
75
o
C 38,25
65
o
C 41,00


TEMPERA-
TURAS
DIFERENA
DE MDIAS
SIGNIFI-
CATIVA
85 E 75 2,75 no
85 E 65 5,50 sim
75 E 65 2,75 no

Conclui-se que existe diferena significativa entre o tempo mdio para o incio da
oxidao, entre as temperaturas 85
o
C e 65
o
C, para nvel de 5% de significncia.
b) Comparao de tempos mdios segundo umidades relativas (colunas)
05 , 0 = o
3 ) linhas ( a =
4 ) colunas ( b =
8956 , 4 q
crit
=
1383 , 2 S QMR
2
R
= = (do quadro da ANOVA)
31

1337 , 4
a
QMR
crit
q HSD = =
UMIDADE
RELATIVA
MDIA DO TEMPO
DE INCIO DA
OXIDAO
90 34,67
80 36,33
70 41,00
60 41,00

UMIDADES
DIFERENA
DE MDIAS SIGNIFICATIVA
90 E 80 1,67 no
90 E 70 6,33 sim
90 E 60 6,33 sim
80 E 70 4,67 sim
80 E 60 4,67 sim
70 E 60 0,00 no

Conclui-se que existe diferena significativa entre o tempo mdio para o incio da
oxidao, entre as umidade relativas 90 e 80 com 70 e 60, para nvel de 5% de significncia.
3.4 Determinao do Tamanho da Amostra
Etapas para determinao do nmero mnimo de rplicas (CALEGARE, 2009):
1 Estabelecer os mximos erros permitidos:
Erro tipo I = o ; e
Erro tipo II = |
2 Estimar a varincia ) (
2
o do processo (na falta de dados mais precisos, usar
2
R
S QMR = da
ANOVA).
3 Estabelecer a diferena mnima (D) que se deseja detectar entre duas mdias de
tratamentos.
4 Calcular
2
u e u para os fatores 1 e 2, atravs de:
Para o fator 1:
2
2
2
1
a 2
nbD
o
= u ;
Para o fator 2:
2
2
2
2
b 2
naD
o
= u ;
Tem-se que
1
u e
2
u , so respectivamente a raiz quadrada positiva de
2
1
u e
2
2
u .
5 Obter o
min
u na tabela, usando os graus de liberdade apresentados a seguir:
Para o fator 1:
1 , min
u
1 a
1
= v ; ) 1 n ( ab
2
= v
32

Para o fator 2:
2 mi n,
u
1 b
1
= v ; ) 1 n ( ab
2
= v
6 Comparar
1 , min
u com
1
u . Se
1 min, 1
u u < , o nmero de rplicas insuficiente e deve ser
aumentado; comparar
2 mi n,
u com
2
u . Se
2 min, 2
u u < , o nmero de rplicas insuficiente e
deve ser aumentado.
Em havendo interesse na deteco de uma diferena mnima (D) entre dois efeitos
quaisquer da interao entre A e B, o procedimento a ser seguido dado por:

| | 1 ) 1 b ( ) 1 a ( 2
nD
erao int da
2
2
2
B A
2
+
= =
o
u u


Calcular
2
B A B A
u = u e comparar com o valor tabelado de
) B A ( min,
u , com
) 1 b ( ) 1 a (
1
= v e ) 1 n ( ab
2
= v graus de liberdade.

Exemplo de aplicao:
Calcular o nmero mnimo de rplicas para um experimento com dois fatores, sendo o fator 1
com 4 nveis e fator 2 com 3 nveis, mm 3 = o , considerando as diferena entre as duas
mdias de mm 94 , 4 D
1
= e mm 17 , 4 D
2
= . Utilizar % 5 = o e % 1 = | .
Soluo:
4 a =
3 b =
mm 3 = o
% 5 = o
% 1 = |
mm 94 , 4 D
1
=
mm 17 , 4 D
2
=
3 1 4 1 a
1
= = = v
Para o fator 1:
n 1,0168
3 4 2
94 , 4 3 n
a 2
nbD
2 2
2
2
1
2
=


= = u
o
, logo: n 1,0084
1
= u . Atribuindo diferentes valores para n,
tem-se:
n
2
1
u
1
u ab(n-1)
1 , min
u
4 4,0673 2,0167 36 53 , 2 ~
5 5,0841 2,2548 48 50 , 2 ~
6 6,1009 2,4700 60 47 , 2 =

33

Para o fator 2:
2 1 3 1 b
1
= = = v
n 1,2881
3 3 2
17 , 4 4 n
b 2
naD
2
2
2
2
2
2
=


= = u
o
, logo: n 1,1349
2
= u . Atribuindo diferentes valores para n,
tem-se:
n
2
2
u
2
u ab(n-1)
2 , min
u
4 5,1523 2,2699 36 87 , 2 ~
5 6,4403 2,5378 48 82 , 2 ~
6 7,7284 2,7800 60 78 , 2 =
O nmero mnimo de rplicas deve ser igual a 6.
LISTA DE EXERCCIOS No. 1
1) Trs pesquisadores utilizando quatro mtodos diferentes, determinam a velocidade do som
(em m/s) em certo meio, obtendo os resultados:
MTODOS
PESQUISADORES
P1 P2 P3
A 341 342 340
B 345 344 346
C 338 339 340
D 343 341 342
Pode-se identificar se existe diferena significativa, no nvel de 5% de significncia, entre os
mtodos utilizados ou entre os pesquisadores? Caso existe diferena significativa, utilizar o
teste de Tukey para identificar quais mdias so diferentes, ao nvel de 5% de significncia.
2) Um engenheiro suspeita que o acabamento de uma superfcie de peas metlicas seja
influenciado pelo tipo de tinta usada e pelo tempo de secagem. Ele selecionou trs tempos de
secagem - 20, 25 e 30 minutos - e usou dois tipos de tinta. Trs peas so testadas com cada
combinao de tipo de tinta e tempo de secagem. Os dados so apresentados a seguir.
TINTA
TEMPO DE SECAGEM (min)
20 25 30
1 74 73 78
64 61 85
50 44 92
2 92 98 66
86 73 45
68 88 85
a) Estabelea as hipteses de interesse nesse experimento;
b) testar as hipteses anteriores e tirar concluses, usando a anlise da varincia com
05 , 0 = o .
34

3) Pesquisadores descrevem um experimento conduzido para investigar a toro das placas de
cobre. Os dois fatores estudados foram temperatura e teor de cobre nas placas. A vari vel
resposta a intensidade de toro. Os dados so apresentados a seguir.
TEMPERA-
TURA ( C
o
)
TEOR DE COBRE (%)
40 60 80 100
50 17,20 16,21 24,22 28,27
75 12,90 18,13 17,12 27,31
100 16,12 18,21 25,23 30,23
125 21,17 23,21 23,22 29,31
H qualquer indicao de que cada fator afeta a intensidade de toro? Em caso afirmativo,
utilizar o teste de Tukey. Usar 05 , 0 = o .
4) Realizou-se um experimento para investigar o efeito de dois fatores (tipo de vidro e tipo de
fsforo) no brilho de um tubo de televiso. A varivel de resposta medida a corrente (em
microampres) necessria para obter um nvel especificado de brilho. Os dados so
apresentados na tabela abaixo.
TIPO DE
VIDRO
TIPO DE FSFORO
1 2 3
1 280 300 290
290 310 285
285 295 290
2 230 260 220
234 240 225
240 235 230
a) Estabelea as hipteses de interesse nesse experimento;
b) teste as hipteses anteriores e tire concluses, usando a anlise da varincia com 05 , 0 = o .
3.5 Experimento
k
2 Fatorial
Neste tipo de experimento fatorial o nmero de nveis de cada fator fixado em 2 e o
nmero de tratamentos funo do nmero de fatores k, ou seja, o nmero de tratamentos
k
2 2 ... 2 2 = .
Os delineamentos fatoriais
k
2 possuem grande aplicao industrial. Esses
delineamentos permitem a avaliao em separado dos efeitos individuais e dos efeitos de
interao dos fatores num experimento.
O experimento consiste de
k
2 tentativas, uma tentativa em cada combinao dos dois
nveis dos fatores. Para identificar as tentativas individuais utilizada, dentre outras, as
notaes a seguir:
(i) os fatores so representados por letras;
(ii) os nveis pelos sinais + e - ( baixo nvel representado por - e alto nvel por +).
35

Em experimentos que envolvem desenhos
k
2 sempre importante examinar a
magnitude e direo dos efeitos dos fatores para determinar quais variveis so realmente
importantes. A Anlise da Varincia pode ser geralmente usada para confirmar esta
interpretao (o teste t tambm pode ser usado).
A ANOVA o meio formal para determinar quais efeitos so diferentes de zero. No
entanto, outros mtodos podem ser utilizados para avaliar a significncia dos efeitos.
3.5.1 Experimento Fatorial
2
2
Um experimento
2
2 fatorial tem dois fatores, A e B, cada um a dois nveis. Este
experimento tem 4 2 2 2
2
= = combinaes (tratamentos/ensaios), que podem ser
representadas por ) 1 ( a b ab. Por conveno, (1) utilizado para denotar ambos os fatores
de baixo nvel.
A seguir, a tabela de sinais para o clculo dos efeitos em um experimento
2
2 .
TRATA-
MENTOS
I
EFEITO FATORIAL
A B AB
) 1 (
+ - - +
a + + - -
b
+ - + -
ab
+ + + +
Os sinais para a interao AB so obtidos a partir do produto dos sinais das colunas A e
B.
CLCULO DOS EFEITOS
O efeito de um fator a mudana que se verifica na resposta quando o nvel deste fator
alterado.
| | ) n 2 ( ) ) 1 ( b ( ) a ab ( A + + =
| | ) n 2 ( ) ) 1 ( a ( ) b ab ( B + + =
Efeito da interao:
| | ) n 2 ( ) b a ( )) 1 ( ab ( AB + + =
As letras minsculas (1), a, b e ab, representam o total de todas as n repeties,
obtido para o correspondente tratamento.
Nas frmulas acima, as expresses entre colchetes so chamadas de contrastes, isto
:
) 1 ( b a ab C Contraste
A A
+ = =
36

) 1 ( a b ab C Contraste
B B
+ = =
b a ) 1 ( ab C Contraste
AB AB
+ = =
Assim, os efeitos podem ser obtidos por:
n 2
contraste
n 2
contraste
efeito
1 k


Tem-se que:
- Os contrastes so ortogonais
- A soma dos sinais dos coeficientes de ab, a, b e (1) igual a zero
- A soma dos produtos dos sinais dos coeficientes igual a zero.
ANLISE DA VARINCIA
O modelo da anlise da varincia para um plano fatorial 2
2
executado no
delineamento experimental bsico inteiramente casualizado :
l j i j i j i l j i
y c | o + + + + = , com

2 , 1 j i = =
n ..., , 2 , 1 l =
l j i
y a resposta observada da l-sima repetio do i-simo nvel do fator A e j-simo nvel do
fator B;
o parmetro que fornece uma informao mdia da resposta no experimento;
i
o o efeito do i-simo nvel do fator A;
j
| o efeito do j-simo nvel do fator B;
j i
o efeito da interao da ij-sima combinao dos fatores A e B;
l j i
c o erro experimental associado a i, j, l-sima unidade experimental.
Os graus de liberdade segundo as causas de variao encontram-se abaixo:
FONTES DE
VARIAO
G.L.
Fator A 1
Fator B 1
Interao AxB 1
Resduo 4(n-1)
TOTAL 4n-1
As somas de quadrados podem ser obtidas a partir dos contrastes:
n 2
) contraste (
SQ
k
2

=
| | ) n 2 ( ) ) 1 ( b ( ) a ab ( SQA
k 2
+ + =
37

| | ) n 2 ( ) ) 1 ( a ( ) b ab ( SQB
k 2
+ + =
| | ) n 2 ( ) b a ( ) 1 ( ab ( SQAB
k 2
+ + =
A soma de quadrados total ( SQT) obtida de forma usual:
N
T
x SQT
2
k j i
2
k j i
...
=

Tambm a soma de quadrados residual ( SQR):
SQAB SQB SQA SQT SQR =
Exemplo 1:
Seja o experimento em que se deseja verificar o efeito de 2 fatores: fator A, que
representa o percentual de cimento, que assume os nveis: 15% e 20%; fator B, representando
a ausncia ou presena de aditivo. A varivel resposta o tempo de secagem (em dias).


TRATAMENTO
REPETIES
TOTAL I II III
Baixo, Ausente 11 14 11 36
Alto, Ausente 20 16 18 54
Baixo, Presente 15 19 14 48
Alto, Presente 19 18 22 59
Um experimento
2
2 pode ser representado pela figura abaixo:






Clculo dos efeitos:
| | 83 , 4 ) 3 2 /( )) 36 48 ( ) 54 59 (( ) n 2 ( ) ) 1 ( b ( ) a ab ( A = + + = + + =
| | 83 , 2 ) 3 2 /( )) 36 54 ( ) 48 59 (( ) n 2 ( ) ) 1 ( a ( ) b ab ( B = + + = + + =
| | 17 , 1 ) 3 2 /( )) 48 54 ( ) 36 59 (( ) n 2 ( ) b a ( )) 1 ( ab ( AB = + + = + + =
Contrastes:
29 36 48 54 59 ) 1 ( b a ab C Contraste
A A
= + = + = =
FATOR B
ADITIVO
FATOR A
% DE CIMENTO
+
-
-
+
b=48
(1) 36
ab=59
a=54

38

17 36 54 48 59 ) 1 ( a b ab C Contraste
B B
= + = + = =
7 48 54 36 58 b a ) 1 ( ab C Contraste
AB AB
= + = + = =
Tem-se ento:
TRATAMEN-
TOS
I A B AB
+ - - +
a + + - -
b + - + -
ab + + + +
Efeitos 4,83 2,83 -1,17
Contrastes 29 17 -7

Clculo das somas de quadrados:
| | 08 , 70 ) 3 2 ( 29 ) n 2 ( C ) n 2 ( ) ) 1 ( b ( ) a ab ( SQA
2 2 2 k
A
k 2
= = = + + =
| | 08 , 24 ) 3 2 ( 17 ) n 2 ( C ) n 2 ( ) ) 1 ( a ( ) b ab ( SQB
2 2 2 k
B
k 2
= = = + + =
| | 08 , 4 ) 3 2 ( ) 7 ( ) n 2 ( C ) n 2 ( ) b a ( ) 1 ( ab ( SQAB
2 2 2 k
AB
k 2
= = = + + =
92 , 134
12
197
) 22 11 14 11 (
N
T
x SQT
2
2 2 2 2
2
k j i
2
k j i
...
= + + + + = =


67 , 36 08 , 4 08 , 24 08 , 70 92 , 134 SQAB SQB SQA SQT SQR = = =
Tabela da ANOVA:
FONTES DE
VARIAO
SOMA DE
QUADRADOS
G.L.
QUADRADOS
MDIOS
F
Fator A 70,08 1 70,08 15,29
Fator B 24,08 1 24,08 5,25
Interao AxB 4,08 1 4,08 0,89
Resduo 36,67 8 4,58
TOTAL 134,92 11
Para nvel de significncia de 5% tem-se que o 32 , 5 F
) 8 , 1 ; 05 , 0 (
= . Logo, o fator A
significativo.
Exemplo 2:
(Montgomery, pg. 291). Considere o experimento para verificar o efeito da
concentrao de um reagente e a quantidade de um catalisador na produo de uma reao
qumica. Fator A: reagente nveis = 15% e 25%. Fator B: catalisador nveis 2 pounds e
1 pound (1 pound = 0,454 kg).
O menor e o maior nvel de um fator podem ser representados pelos sinais - e +,
respectivamente. O efeito AB representa a interao entre o fator A e o fator B.


39

FATOR
TRATAMENTOS
REPETIES
TOTAL
A
B I II III
-
- A15, B1 28 25 27 80
+
- A25, B1 36 32 32 100
-
+ A15, B2 18 19 23 60
+
+ A25, B2 31 30 29 90
Os 4 tratamentos so representados por letras minsculas: (1), a, b, ab. Assim, (1), o
tratamento correspondente aos menores nveis de A (-) e B (-); a, corresponde ao nvel alto de
A (+) e baixo de B (-); b, corresponde ao nvel alto de B (+) e baixo de A (-); ab, corresponde a
combinao dos nveis altos de A (+) e B (+).
Graficamente, este delineamento usualmente representado por um quadrado.









Clculo dos efeitos principais de A e de B e da interao AB.
Pode-se calcular esses efeitos por meio da figura acima.
| | 33 , 8 ) 3 2 /( )) 80 60 ( ) 100 90 (( ) n 2 ( ) ) 1 ( b ( ) a ab ( A = + + = + + =
| | 00 , 5 ) 3 2 /( )) 80 100 ( ) 60 90 (( ) n 2 ( ) ) 1 ( a ( ) b ab ( B = + + = + + =
| | 67 , 1 ) 3 2 /( )) 60 100 ( ) 60 90 (( ) n 2 ( ) b a ( )) 1 ( ab ( AB = + + = + + =

Interpretao: o efeito de A positivo sugerindo que o aumento da concentrao do reagente
de 15% para 25%, aumenta a produo. O efeito de B negativo o que sugere que,
aumentando-se a quantidade do catalisador, diminui a produo. O efeito da interao
pequeno em relao aos efeitos principais.
Contrastes:
00 , 50 80 60 100 90 ) 1 ( b a ab
A
C
A
Contraste = + = + = =
00 , 30 80 100 60 90 ) 1 ( a b ab
B
C
B
Contraste = + = + = =
00 , 10 60 100 80 90 b a ) 1 ( ab
AB
C
AB
Contraste = + = + = =
Clculo das somas de quadrados:
| | 208,33 ) 3 2 ( 50 ) n
k
2 (
A
C ) n
k
2 (
2
) ) 1 ( b ( ) a ab ( SQA
2 2 2
= = = + + =
(1)=80 a=100
b=60
ab=90
-
+
+
-
A
B

40

| | 75,00 ) 3 2 ( ) 30 ( ) n
k
2 (
B
C ) n
k
2 (
2
) ) 1 ( a ( ) b ab ( SQB
2 2 2
= = = + + =
| | 8,33 ) 3 2 ( ) 10 ( ) n
k
2 (
AB
C ) n
k
2 (
2
) b a ( ) 1 ( ab ( SQAB
2 2 2
= = = + + =
00 , 323 075 . 9 398 . 9
12
300
) 29 27 25 28 (
N
2
T
k j i
2
k j i
x SQT
2
2 2 2 2 ...
= = + + + + = =


34 , 31 33 , 8 00 , 75 33 , 208 00 , 323 SQAB SQB SQA SQT SQR = = =
Tabela da ANOVA:
FONTES DE
VARIAO
SOMA DE
QUADRADOS
G.L.
QUADRA-
DOS
MDIOS
F
Fator A 208,33 1 208,33 53,15
Fator B 75,00 1 75,00 19,13
Interao AxB 8,33 1 8,33 2,13
Resduo 31,24 8 3,92
TOTAL 323,00 11

Para nvel de significncia de 5% tem-se que o 32 , 5 F
) 8 , 1 ; 05 , 0 (
= . Logo, os fatores A e B
so significativos. A interao no significativa.
3.5.2 Experimento Fatorial
3
2
Este plano tem 8 2 2 2 2
3
= = tratamentos. Os tratamentos podem ser representados
por (1), a, b, ab, c, ac, bc e abc.
Modelo:
s m j i m j i m j m i m j i j i s m j i
y c k q | | o + + + + + + + + =
s m j i
y a resposta observada da s-sima repetio do i-simo nvel do fator A, j-simo nvel do
fator B e m-simo nvel do fator C;
o parmetro que fornece uma informao mdia da resposta no experimento;
i
o o efeito do i-simo nvel do fator A;
j
| o efeito do j-simo nvel do fator B;
j i
o efeito da interao da ij-sima combinao dos fatores A e B;
m
| o efeito do m-simo nvel do fator C;
m j i m j m i
, , k q so os efeitos das interaes AxC, BxC e AxBxC, respectivamente;
s m j i
c o erro experimental associado a i, j, m, s-sima unidade experimental.

A seguir, a tabela de sinais para o clculo dos efeitos em um experimento
3
2 .
TRATA-
MENTO
EFEITO FATORIAL
I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +
41

Efeitos principais:
| | n 4 bc c b ) 1 ( abc ac ab a A + + + =
| | n 4 ac c a ) 1 ( abc bc ab b B + + + =
| | n 4 ab b a ) 1 ( abc bc ac c C + + + =
As interaes so obtidas a partir de:
| | n 4 c ac bc abc ) 1 ( a b ab AB + + + =
| | n 4 b bc ab abc ) 1 ( c a ac AC + + + =
| | n 4 a ac ab abc ) 1 ( c b bc BC + + + =
| | | | n 4 ) 1 ( a b ab c ac bc abc n 4 )) 1 ( a ( ) b ab ( ) c ac ( ) bc abc ( ABC + + + = + =

Nas frmulas acima, as expresses entre colchetes so chamadas de contrastes, isto
:
bc c b ) 1 ( abc ac ab a C Contraste
A A
+ + + = =
ac c a ) 1 ( abc bc ab b C Contraste
B B
+ + + = =
ab b a ) 1 ( abc bc ac c C Contraste
C C
+ + + = =
c ac bc abc ) 1 ( a b ab Contraste
AB
+ + + =
b bc ab abc ) 1 ( c a ac Contraste
AC
+ + + =
a ac ab abc ) 1 ( c b bc Contraste
BC
+ + + =
) 1 ( a b ab c ac bc abc Contraste
ABC
+ + + =
Assim, os efeitos podem ser obtidos por:
n 4
contraste
n 2
contraste
efeito
1 k


As somas de quadrados so obtidos a partir de:
n 2
) contraste (
SQ
k
2

=

Os graus de liberdade segundo as causas de variao encontram-se abaixo:
CAUSAS DE VARIAO G.L.
Fator A 1
Fator B 1
Interao AxB 1
Fator C 1
Interao AxC 1
Interao BxC 1
Interao AxBxC 1
Resduo 8(n-1)
TOTAL 8n-1

42

As somas de quadrados tambm podem ser obtidas na forma tradicional:
n 8
y
y SQT
2
2
1 i
2
1 j
2
1 m
n
1 s
2
s m j i
. . . .
=

= = = =

n 8
y
n 4
y
SQA
2
2
1 i
2
i
. . . .
. . .
=

=

n 8
y
n 4
y
SQB
2
2
1 j
2
. . . .
. . .j
=

=

n 8
y
n 4
y
SQC
2
2
1 j
2
m
. . . .
. . .
=

=

SQB SQA
n 8
y
n 2
y
SQAxB
2
2
1 i
2
1 j
2
. . . .
. . j i
=

= =

SQC SQA
n 8
y
n 2
y
SQAxC
2
2
1 i
2
1 m
2
m
. . . .
. . i
=

= =

SQC SQB
n 8
y
n 2
y
SQBxC
2
2
1 j
2
1 m
2
m
. . . .
. .j
=

= =

| | SQBxC SQAxC SQAxB SQC SQB SQA
n 8
y
n 2
y
SQAxBxC
2
2
1 i
2
1 j
2
1 m
2
m i
. . . .
. j
+ + + + + =

= = =

| | SQAxBxC SQBxC SQAxC SQAxB SQC SQB SQA SQT SQR + + + + + + =

Exemplo: Um tcnico deseja melhorar a transparncia da gua (maior melhor). Os fatores
controlveis so:
Fator A: quantidade de sulfato de alumnio
Fator B: quantidade de cal
Fator C: temperatura ( C
o
)
Nota: mL / g litro / mg ) milho por partes ( ppm = =

Sulfato de
alumnio
30 ppm (-) 40 ppm (+)
Cal 10 ppm (-) 15 ppm (+) 10 ppm (-) 15 ppm (+)
Temperatura 15 (-) 20 (+) 15 (-) 20 (+) 15 (-) 20 (+) 15 (-) 20 (+)
replicaes 6,1 6,6 5,1 6,4 8,3 10,4 9,5 8,7
7,6 6,0 4,6 5,5 9,2 9,8 10,7 10,7
6,8 6,2 5,7 6,0 10,3 8,7 8,5 9,4

Soluo:
A tabela dos sinais do experimento fatorial
3
2 dada por:
43

TRATA-
MENTO
EFEITO FATORIAL
I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +
Assim, os tratamentos sero identificados como segue:
Sulfato de
alumnio
30 ppm (-) 40 ppm (+)
Cal 10 ppm (-) 15 ppm (+) 10 ppm (-) 15 ppm (+)
Temperatura 15 (-) 20 (+) 15 (-) 20 (+) 15 (-) 20 (+) 15 (-) 20 (+)
Replicaes 6,1 6,6 5,1 6,4 8,3 10,4 9,5 8,7
7,6 6,0 4,6 5,5 9,2 9,8 10,7 10,7
6,8 6,2 5,7 6,0 10,3 8,7 8,5 9,4
Tratamentos (1) c b bc a ac ab abc
Tem-se ento o clculo dos efeitos:
TRATAMENTOS A B C AB AC BC ABC
EFEITOS 3,47 0,43 0,17 0,57 0,03 0,27 0,43
SIGNIFICNCIA
( %) 5 = o
Sim No No No No No No
Anlise da varincia:
Df Sum Sq Mean Sq F value Pr(>F)
A 1 72.107 72.107 111.9379 1.246e-08 ***
B 1 1.127 1.127 1.7490 0.2046
C 1 0.167 0.167 0.2587 0.6179
A:B 1 1.927 1.927 2.9909 0.1030
A:C 1 0.007 0.007 0.0103 0.9202
B:C 1 0.427 0.427 0.6624 0.4277
A:B:C 1 1.127 1.127 1.7490 0.2046
Residuals 16 10.307 0.644
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
O fator A (quantidade de sulfato de alumnio) fortemente significativo. O seu controle
fundamental para assegurar a transparncia da gua.
3.5.3 Experimentos Fatoriais sem Rplicas
Em algumas situaes, o nmero de combinaes dos fatores do experimento
(tratamentos) grande. Nestes casos, os recursos disponveis podem ser para uma nica
execuo do projeto, ou seja, o experimento no possuir rplicas.
44

Um risco evidente quando se conduz um experimento sem rplicas que o modelo
ajustado pode levar a concluses erradas. Alm disto, neste caso no h estimativa interna de
erro (erro puro).
Uma aproximao para anlise assumir que interaes de ordem maior so
negligenciveis e combinar suas estimativas dos erros quadrticos mdio. O mtodo de anlise
devido a Daniel (1959), proporciona uma forma simples para superar este problema. Daniel
sugere analisar o grfico de probabilidade normal das estimativas dos efeitos. Os efeitos que
so negligenciveis so normalmente distribudos com mdia zero e varincia
2
o e tende a
ficar prximo da reta. Ento, o modelo inicial ser especificado para conter aqueles efeitos
aparentemente diferentes de zero, com base no grfico de probabilidade normal. Os efeitos
aparentemente negligenciveis so combinados como estimativa do erro.
3.5.3.1 Grfico de Probabilidade Normal
Para a construo do grfico de probabilidade normal, deve-se seguir os seguintes
passos:
1) Considere os efeitos amostra x
1
, ..., x
n
;
2) Ordene os elementos da amostra, ou seja, x
(1)
x
(2)
... x
(n)
;
3) Calcule n valores
n
) 5 , 0 j ( 100
p
j

= , com n ..., , 2 , 1 j = .
4) Plote o grfico representando a varivel
j
x (efeito) no eixo das abcissas e
j
p no eixo das
ordenadas. Os valores da varivel
j
x prximos da linha reta, no so importantes. A linha a
reta traada subjetivamente. Uma boa regra traar a linha aproximadamente entre percentil
25 e percentil 75.
3.5.3.2 Mtodo de Lenth
Outro mtodo para analisar um experimento fatorial sem rplica o Metodo de Lenth.
um mtodo que possibilita decidir quais efeitos so ativos na anlise de experimentos sem
rplicas, em que no h graus de liberdade para estimar a varincia do erro. Assim, proposto
um mtodo para estimar uma quantidade semelhante ao erro padro, chamado de pseudo erro
padro ou PSE.
Seja um experimento fatorial com dois nveis e suponha que existam
m
contrastes ou
efeitos estimados. Sejam
m 2 1
c ..., , c , c os contrastes ou efeitos estimados, com 1 2 m
k
= .
Inicialmente, calcula-se a quantidade
{ }
j 0
c mediana 5 , 1 s =
45

Assim, o clculo do pseudo erro padro (PSE) ser:
{ }
0 j j
s 5 , 2 c c mediana 5 , 1 PSE : s =
Em relao ao critrio de deciso de quais efeitos so ativos, define-se uma margem de
erro dos contrastes
j
c , representado por ME. O valor da margem de erro dado por:
PSE t ME
d ; 2
=
o

Onde:
3
m
d = e, normalmente, utiliza-se 05 , 0 = o .
Assim, tem-se que ME uma margem de erro para
j
c com nvel de confiana
aproximada de % 95 . Contrastes que excedem o valor de ME em valor absoluto so
considerados ativos com nvel de significncia de % 95 .
Entretanto, quando h um grande nmero de contrastes m , espera-se que uma ou duas
estimativas de contrastes inativos excedam o valor de ME, conduzindo a uma falsa concluso.
Desta forma, a fim de tratar estes casos, definida uma margem de erro simultnea, que ser
denotada por SME. Esta medida calculada multiplicando o pseudo erro padro PSE por um
fator
d ;
t

. Assim,
PSE t SME
d ;
=


em que: 2 / ) 95 , 0 1 (
m / 1
+ =
usual construir um grfico para mostrar as medidas apresentadas. Para isto, constri -
se um grfico de barra mostrando os valores absolutos das estimativas dos contrastes ou
efeitos estimados e adiciona-se linhas de referncias com os valores de ME e SME. Os
contrastes cujas barras estendem a linha SME so considerados ativos. J aqueles cujas
barras no estendem a linha de referncia ME so considerados inativos. Os contrastes cujas
barras esto entre as linhas de referncias ME e SME requerem um cuidado maior na deciso.
A regio entre as linhas ME e SME dita regio de incerteza e necessrio um bom
argumento para decidir se o(s) contraste(s) (so) ativo(s) ou no.
Exemplo:
(Montgomery, D. C. , pg. 231). Um produto qumico produzido em um vaso de presso. Com
o objetivo de estudar quais fatores influenciam na taxa de filtrao do produto (Y), foi realizado
um experimento fatorial em que se considerou 4 fatores: A (temperatura), B (presso), C
(concentrao de formaldeido) e D (velocidade de agitao). Cada fator observado em dois
nveis.
A matriz de planejamento e a resposta dos dados, considerando um experimento sem
rplicas encontra-se apresentada abaixo.

46

TRATAMENTO A B C D Y
(1) -1 -1 -1 -1 45
a 1 -1 -1 -1 71
b -1 1 -1 -1 48
ab 1 1 -1 -1 65
c -1 -1 1 -1 68
ac 1 -1 1 -1 60
bc -1 1 1 -1 80
abc 1 1 1 -1 65
d -1 -1 -1 1 43
ad 1 -1 -1 1 100
bd -1 1 -1 1 45
abd 1 1 -1 1 104
cd -1 -1 1 1 75
acd 1 -1 1 1 86
bcd -1 1 1 1 70
abcd 1 1 1 1 96
Calcula-se as estimativas dos efeitos por clculos diretos.

TERMO
ESTIMATIVA DOS
EFEITOS
A 21,625
B 3,125
C 9,875
D 14,625
AB 0,125
AC -18,125
AD 16,625
BC 2,375
BD -0,375
CD -1,125
ABC 1,875
ABD 4,125
ACD -1,625
BCD -2,625
ABCD 1,375
a) Grfico de Probabilidade Normal
j TRAT EFEITO 100(j-0,5)/15
1 AC -18,125 3,33
2 BCD -2,625 10,00
3 ACD -1,625 16,67
4 CD -1,125 23,33
5 BD -0,375 30,00
6 AB 0,125 36,67
7 ABCD 1,375 43,33
8 ABC 1,875 50,00
9 BC 2,375 56,67
10 B 3,125 63,33
11 ABD 4,125 70,00
12 C 9,875 76,67
13 D 14,625 83,33
14 AD 16,625 90,00
15 A 21,625 96,67
47









b) Mtodo de Lenth
Clculo da mediana das estimativas dos efeitos:
625 , 2 Me=
{ } 938 , 3 625 , 2 5 , 1 c mediana 5 , 1 s
j 0
= = =
Desta forma, tem-se que:
844 , 9 938 , 3 5 , 2
0
s 5 , 2 = =
Logo,
{ } 844 , 9 c c mediana 5 , 1 PSE
j j
: s =
Assim, a mediana 75 , 1 Me = e tem-se que:
2,625 75 , 1 5 , 1 PSE = =
Tem-se que 15 1
5
2 m = = , logo 5 d = e adotando 05 , 0 = o , o valor de t tabelado
2,571
5 ; 025 , 0
t = . Assim,
6,749 625 , 2 571 , 2 ME = =
A margem de erro simultnea SME dada por:
PSE
d ;
t SME

= , sendo 998 , 0 2 / )
15 / 1
95 , 0 1 ( = + = logo 22 , 5
5 ; 998 , 0
t =
Logo, 13,703 625 , 2 22 , 5 SME = =



20 10 0 -10 -20
99
95
90
80
70
60
50
40
30
20
10
5
1
Effect
P
e
r
c
e
n
t
A A
B B
C C
D D
Factor Name
Not Significant
Significant
Effect Type
AD
AC
D
C
A
Normal Plot of the Effects
(response is Y, Alpha = 0,05)
Lenth's PSE = 2,625

48









Portanto, pelos resultados obtidos, temos que os efeitos dos fatores A, C e D e das
interaes A:C e A:D so importantes.
3.5.4 Adio de Pontos Centrais a um Planejamento
k
2
Uma preocupao no uso de planejamentos fatoriais com dois nveis a suposio de
linearidade nos efeitos dos fatores. Naturalmente, a linearidade perfeita desnecessria e o
sistema
k
2 funcionar bem mesmo quando a suposio de linearidade for apenas aproximada.
H um mtodo que ir proteger contra curvatura, que replicar certos pontos do fatorial
k
2 , e que permite uma estimativa independente do erro a ser obtido. Este mtodo consiste em
adicionar pontos centrais ao planejamento
k
2 . So
C
n rplicas no ponto ) k ..., , 2 , 1 i ( 0 x
i
= = . O
fato de adicionar os tratamentos replicados no centro do planejamento que pontos centrais
no afetam nas estimativas usuais dos efeitos em um planejamento
k
2 .
Consideremos que os k fatores so quantitativos. Como exemplo, consideremos um
experimento fatorial
2
2 com uma observao em cada um dos pontos fatoriais: (1), a, b, ab e
c
n observaes nos pontos centrais (0,0). Seja
F
Y a mdia dos quatro tratamentos nos quatro
pontos fatoriais e seja
C
Y a mdia das
C
n tratamentos no ponto central. Se a diferena
C F
Y Y for pequena, os pontos centrais estaro no (ou muito prximo do) plano passando
atravs dos pontos fatoriais, no havendo assim curvatura. No entanto, se
C F
Y Y for grande,
ento a curvatura estar presente.
Ento, a soma dos quadrados da curvatura, com um grau de liberdade, para a curvatura,
dada por:
AB
BD
CD
ABCD
ACD
ABC
BC
BCD
B
ABD
C
D
AD
AC
A
20 15 10 5 0
T
e
r
m
Effect
6,75
A A
B B
C C
D D
Factor Name
Pareto Chart of the Effects
(response is Y, Alpha = 0,05)
Lenth's PSE = 2,625

49

2
C F
C F
C F
2
C F
C F
curvatura
n
1
n
1
Y Y
n n
) Y Y ( n n
SQ
|
|
|
|
|
.
|

\
|
+

=
+

=
onde
F
n o nmero de pontos do planejamento fatorial.
A grandeza acima pode ser comparada com a mdia quadrtica do erro (QMR) para
testar a curvatura.
Quando pontos centrais so adicionados ao centro do planejamento
k
2 , o modelo que se tem
:
c

+ | + | + | + | =
= < =
k
1 j
2
j i
k
1 j
j
j j j i j i j j 0
x x x x Y
sendo os
j j
| os efeitos quadrticos puro.
As hipteses do teste para curvatura so:

=
= |
k
1 j
0 : H
j j 0

=
= |
k
1 j
0 : H
j j 1

Se os pontos fatoriais do planejamento no forem replicados, possvel usar os
C
n
pontos centrais para construir uma estimativa de erro com
C
n -1 graus de liberdade.
Exemplo: (Montgomery, 2009, pg.353)
Um engenheiro qumico est estudando a converso percentual ou o rendimento de um
processo. H duas variveis de interesse: o tempo e a temperatura de reao. Pelo fato de no
ter certeza em relao linearidade da regio de explorao, o engenheiro decide conduzir um
planejamento
2
2 (com uma nica rplica de cada tratamento fatorial), aumentado com cinco
pontos centrais. O planejamento e os dados de rendimento esto apresentados na figura
abaixo.











(1)=80 a=100
b=60
ab=90
-
+
+
-
A
B

b=40
,0
ab=41,50
(1)=39,3 a=40,9
-
40,3
40,5
40,7
40,2
40,6
160
155
150
30 35 40

50

Soluo:

TRAT A B AB Y Y
2

(1) -1 -1 1 39,3 1544,5
a 1 -1 -1 40,9 1672,8
b -1 1 -1 40,0 1600,0
ab 1 1 1 41,5 1722,3
5 0 0 40,3 1624,1
6 0 0 40,5 1640,3
7 0 0 40,7 1656,5
8 0 0 40,2 1616,0
9 0 0 40,6 1648,4
364,0 14724,8
Clculo dos Contrastes:
3,1 C
A
=
1,3 C
B
=
-0,1 C
AB
=
Clculo das Somas de Quadrados:
2,4025 SQA =

0,4225 SQB =

0,0025 SQAB =

2
C F
C F
curv atura
n
1
n
1
Y Y
SQ
|
|
|
|
|
.
|

\
|
+

=
40,425 Y
F
=
40,460 Y
C
=
4 n
F
=
5 n
C
=
0,0027 SQ
curvatura
=
3,0022
9
364,0
- 14.724,8 SQT
2
= =
Quadro da Anlise da Varincia
FV SQ GL QM F
A 2,4025 1 2,4025 55,87
B 0,4225 1 0,4225 9,83
AB 0,0025 1 0,0025 0,06
CURVATURA 0,0027 1 0,0027 0,06
RESDUO 0,1720 4 0,0430
TOTAL 3,0022 8
51

Para nvel de significncia de 5% tem-se que 71 , 7 F
4 ; 1 ; 05 , 0
= . Portanto, conclui-se que:
a) o fator A significativo;
b) o fator B significativo;
c) a interao no significativa;
d) a curvatura no significativa.
3.6 Experimentos Fatoriais Fracionados (Cada Fator com Dois Nveis)
Quando existem muitos fatores, um experimento fatorial completo, com todas as
combinaes possveis dos nveis dos fatores, envolve um grande nmero de teste, mesmo
quando somente dois nveis de cada fator esto sendo analisados. Nesses casos, torna-se til
um plano que exija menos testes do que o experimento fatorial completo. A anlise dos
fatoriais fracionrios relativamente direta, e a utilizao de um fatorial fracionrio no impede
a possibilidade de uma complementao posterior de todo o experimento fatorial. A frao
um subgrupo, cuidadosamente prescrito, de todas as combinaes possveis.
Com essa tcnica, possvel analisar os efeitos sobre uma resposta de interesse, de
2
k
fatores em 2
k-p
combinaes de teste. Ou seja, com essa tcnica, realiza-se apenas parte do
experimento, sem comprometer significativamente a preciso das concluses decorrentes da
anlise de resultados. Simultaneamente, os custos e o tempo de durao dos testes so
significativamente reduzidos.
Na anlise dos resultados dos experimentos, busca-se identificar o efeito produzido
na resposta quando da variao dos nveis dos fatores de controle do experimento. Os efeitos
so classificados como principal, que representa a variao mdia da resposta resultante da
mudana de nvel de um fator, mantendo-se os outros fatores fixos, ou de interao, quando a
variao da resposta decorrente da mudana combinada dos nveis de dois ou mais fatores.
Quando so utilizadas as tcnicas de experimentos fatoriais 2
k-p
, assume-se que os
efeitos de interao de ordem superior so desprezveis. Para a anlise dos resultados,
grficos lineares podem ser usados para representar e analisar os efeitos principais e os das
interaes dos fatores.
3.6.1 Delineamento de um Experimento Fatorial Fracionrio
Com o aumento do nmero de fatores, o nmero de tratamentos e o nmero de
interaes aumentam rapidamente, conforme mostra a tabela abaixo:




52

k
k
2
EFEITOS
PRINCI-
PAIS
INTERAO
. a 1 . a 2 . a 3 . a 4 . a 5 . a 6 . a 7
4 16 4 6 4 1
5 32 5 10 10 5 1
6 64 6 15 20 15 6 1
7 128 7 21 35 35 21 7 1
8 256 8 28 56 70 56 28 8 1

Tem-se que as Interaes de ordem superior so:
difceis de interpretar;
em geral no significativas;
em geral, no se tem interesse em estudar as interaes de mais alta ordem.

Para experimentos com muitos fatores:
pode no ser possvel financeiramente rodar o experimento completo;
quase a mesma informao pode ser obtida da metade ) 2 1 ( dos ensaios.
3.6.1.1 Experimento fatorial fracionrio
1 3
2


Vamos considerar o experimento fatorial: 8 2
3
= tratamentos. Porm, s possvel
realizar 4 tratamentos, assim, tem-se:
4 2 2 2
2
1
2 2
2 1 3 3 1 3
= = = =


Os sinais do experimento fatorial completo
3
2 so dados na tabela abaixo:

TRATAMEN-
TOS
EFEITO FATORIAL
I A B AB C AC BC ABC
a + + - - - - + +
b + - + - - + - +
c + - - + + - - +
abc + + + + + + + +
ab + + + + - - - -
ac + + - - + + - -
bc + - + - + - + -
( 1 ) + - - + - + + -

possvel escolher os tratamentos a, b,c, abc, para o experimento.
Observe que, o fatorial fracionrio 2
3-1
, formado pelos tratamentos com sinal + para a
coluna ABC. Ento ABC chamado de GERADOR da frao.
Para a frao escolhida, tem-se: I=ABC; denominada de RELAO DE DEFINIO
(DEFINIDORA).
53

Em geral, a relao de definio, sempre ser o conjunto de todas as colunas que so
iguais a coluna identidade I. No exemplo, tem-se uma s coluna.
Atravs dos sinais + e -, tem-se as combinaes lineares para estimar os efeitos
principais A, B e C:
) abc c b a (
2
1
l
A
+ =
) abc c b a (
2
1
l
B
+ + =
) abc c b a (
2
1
l
C
+ + =
As combinaes lineares para estimar os efeitos das interaes de dois fatores:
) abc c b a (
2
1
l
AB
+ + =

) abc c b a (
2
1
l
AC
+ + =

) abc c b a (
2
1
l
BC
+ =

Tem-se que:
BC A
l l = ;
AC B
l l = ;
AB C
l l =
Assim, na realidade est-se estimando A+BC, B+AC e C+AB.
Dois ou mais efeitos com esta propriedade so chamados de associados. Portanto, A e
BC so associados e assim por diante.
Esta frao, com ABC I + = , denominada de frao principal. A frao 1/2
complementar, formada pelos tratamentos (1), ab, ac e bc.
Observando-se a tabela de sinais (+ e -), as combinaes lineares para estimar os
efeitos principais de A, B e C, so:
) ) 1 ( bc ac ab (
2
1
l
A
+ = '

) ) 1 ( bc ac ab (
2
1
l
B
+ = '

) ) 1 ( bc ac ab (
2
1
l
C
+ + = '

Os efeitos das interaes com dois fatores so:
) ) 1 ( bc ac ab (
2
1
l
AB
+ = '

) ) 1 ( bc ac ab (
2
1
l
AC
+ + = '

) ) 1 ( bc ac ab (
2
1
l
BC
+ + = '

Tem-se que:
BC A
l I ' = '

AC B
l I ' = '

54

AB C
l I ' = '

Se, aps executar uma frao do experimento, executar a outra frao do experimento,
tem-se os 8 tratamentos. Assim, possvel estimar todos os efeitos. Isto feito atravs da
adio e subtrao das combinaes lineares dos efeitos das fraes individuais. Por exemplo:
A ) BC A BC A (
2
1
) (
2
1
A A
= + + = + '
BC ) BC A BC A (
2
1
) (
2
1
A A
= + + = '
E, assim, para os demais efeitos.
3.6.1.2 Experimento fatorial fracionrio
1 4
2


Vamos considerar o experimento fatorial: 16 2
4
= tratamentos. Porm, s possvel
realizar 8 tratamentos. Os sinais do experimento fatorial completo
4
2 so dados na tabela
abaixo:

TRATA-
MEN-
TOS
EFEITO FATORIAL

I

A

B

AB

C

AC

BC

ABC

D

AD

BD

ABD

CD

ACD

BCD
ABC
D
(1) + - - + - + + - - + + - + - - +
ad + + - - - - + + + + - - - - + +
bd + - + - - + - + + - + - - + - +
ab + + + + - - - - - - - - + + + +
cd + - - + + - - + + - - + + - - +
ac + + - - + + - - - - + + - - + +
bc + - + - + - + - - + - + - + - +
abcd + + + + + + + + + + + + + + + +
a + + - - - - + + - - + + + + - -
b + - + - - + - + - + - + + - + -
c + - - + + - - + - + + - - + + -
abc + + + + + + + + - - - - - - - -
d + - - + - + + - + - - + - + + -
abd + + + + - - - - + + + + - - - -
acd + + - - + + - - + + - - + + - -
bcd + - + - + - + - + - + - + - + -

possvel escolher os tratamentos (1), ab,ac,bc,ad,bd,cd,abcd, para o nosso
experimento.
Observe que o fatorial fracionrio 2
4-1
, formado pelos tratamentos com sinal + para a
coluna ABCD. Ento ABCD chamado de GERADOR da frao.
Para a frao escolhida, tem-se: I=ABCD; denominada de RELAO DE DEFINIO
(DEFINIDORA).
55

Efeito Principal:
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
A
+ + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
B
+ + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
C
+ + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
D
+ + + + =
Efeitos das interaes com dois fatores:
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AB
+ + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AC
+ + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AD
+ + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
CD
+ + + = igual ao efeito de AB
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
BD
+ + + = igual ao efeito de AC
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
BC
+ + + = igual ao efeito de AD
Efeitos das interaes com trs fatores:
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
ABC
+ + + + = igual ao efeito do fator D
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
ABD
+ + + + = igual ao efeito do fator C
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
ACD
+ + + + = igual ao efeito do fator B
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
BCD
+ + + + = igual ao efeito do fator A

Exemplo (Montgomery, 2009, pg 361):
Suponha que decida usar o planejamento
1 4
2

com I=ABCD para investigar quatro


fatores no desenvolvimento de um processo de ataque qumico localizado sobre nitreto, por
meio de uma sonda de plasma de pastilha nica.
A varivel de resposta de interesse a taxa de ataque do nitreto de silco. Os fatores
controlveis e os seus respectivos nveis so:

NVEL
ESPAA-
MENTO (cm)
PRESSO
(m Torr)
VAZO DE
6 2
F C
(cm
3
PADRO/min)
POTNCIA
(W)
Baixo (-1) 0,80 450 125 275
Alto (+1) 1,20 550 200 325

Os resultados do experimento esto apresentados a seguir:
56

TRAT A B C D=ABC
TAXA DE
ATAQUE
(1) -1 -1 -1 -1 550
ad 1 -1 -1 1 749
bd -1 1 -1 1 1052
ab 1 1 -1 -1 650
cd -1 -1 1 1 1075
ac 1 -1 1 -1 642
bc -1 1 1 -1 601
abcd 1 1 1 1 729

Os efeitos principais so obtidos da seguinte forma:
Efeito Principal:
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
A
+ + + + =
| | 0 , 127 729 c 601 642 1075 650 1052 749 550
4
1
l
A
= + + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
B
+ + + + =
| | 0 , 4 729 601 642 1075 650 1052 749 550
4
1
l
B
= + + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
C
+ + + + =
| | 5 , 11 729 601 642 1075 650 1052 749 550
4
1
l
C
= + + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
D
+ + + + =
| | 5 , 290 729 601 642 1075 650 1052 749 550
4
1
l
D
= + + + + =

Efeitos das interaes com dois fatores:
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AB
+ + + =
| | 0 , 10 729 601 642 1075 650 1052 749 550
4
1
l
AB
= + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AC
+ + + =
| | 5 , 25 729 601 642 1075 650 1052 749 550
4
1
l
AC
= + + + =
| | abcd bc ac cd ab bd ad ) 1 (
4
1
l
AD
+ + + =
| | 5 , 197 729 601 642 1075 650 1052 749 550
4
1
l
AD
= + + + =

Atravs da anlise do grfico de probabilidade normal, conclui-se que os fatores A e D e
a interao AD, apresentam efeitos importantes.

57













Retira-se ento, os fatores principais e as interaes que no so importantes e faz-se a
anlise da varincia.
Tem-se que:

4
contraste
efeito = , portanto, efeito 4 contraste =
A soma de quadrados pode ser obtida atravs de:

8
) efeito 4 (
8
) contraste (
2
) contraste (
SQ
2 2 2
1 k

= = =


Assim, obtm-se as somas de quadrados dos fatores A e D e interao AD. A soma de
quadrados dos demais fatores e interaes, sero considerados como resduo. Tem-se, ento,
o quadro da ANOVA, apresentada a seguir.

Quadro da ANOVA
FV SQ GL QM F
A 32258,00 1 32258,00 71,80
D 168780,50 1 168780,50 375,69
AD 78012,50 1 78012,50 173,65
RESDUO 1797,00 4 449,25

TOTAL 280848,00 7
O valor de 71 , 7 F
4 ; 1 ; 05 , 0
= , portanto, conclui-se que os fatores A e D e a interao AD,
influenciam na varivel resposta taxa de ataque.
possvel ajustar o modelo para fazer predies, ou seja, qual a influncia de cada
fator/interao na varivel resposta.
AD 75 , 98 D 25 , 145 A 50 , 63 00 , 756 ataque de taxa + =
300 200 100 0 -100 -200
99
95
90
80
70
60
50
40
30
20
10
5
1
Effect
P
e
r
c
e
n
t
A A
B B
C C
D D
Factor Name
Not Significant
Significant
Effect Type
AD
D
A
Normal Plot of the Effects
(response is TAXA DE ATAQUE, Alpha = 0,05)
Lenth's PSE = 16,125

58

3.6.1.3.Experimento fatorial fracionrio
1 5
2


Vamos considerar o experimento fatorial: 32 2
5
= tratamentos. Porm, s possvel
realizar 16 tratamentos, assim, tem-se:
Os sinais do experimento fatorial completo
5
2 so dados na tabela abaixo:













Efeito Principal:

Efeitos dos fatores principais:
| | abcde abde bde ade bce ace abe e bcd acd cd d abc c b a
8
1
l
A
+ + + + + + + =
| | abcde abde bde ade bce ace abe e bcd acd cd d abc c b a
8
1
l
B
+ + + + + + + + =
| | abcde abde bde ade bce ace abe e bcd acd cd d abc c b a
8
1
l
C
+ + + + + + + + =
| | abcde abde bde ade bce ace abe e bcd acd cd d abc c b a
8
1
l
D
+ + + + + + + + =
| | abcde abde bde ade bce ace abe e bcd acd cd d abc c b a
8
1
l
E
+ + + + + + + + =
Efeitos das interaes com dois fatores:
| | abcde abde bde - ade bce - ace - abe e bcd - acd - cd d abc c b - a -
8
1
I
AB
+ + + + + + + + + =
| | abcde abde - bde ade - bce - ace abe - e bcd - acd cd - d abc c - b a -
8
1
I
AC
+ + + + + + + + =
TRATA-
MENTOS
EFEITOS FATORIAIS
I A B AB C AC BC ABC D AD BD CD ABD ACD BCD ABCD E AE BE ABE CE ACE BCE ABCE DE ADE BDE CDE ABDE ACDE BCDE ABCDE
a + + - - - - + + - - + + + + - - - - + - + + - + + + - - - - + +
b + - + - - + - + - + - + + - + - - + - + + - + + + - + - - + - +
c + - - + + - - + - + + - - + + - - + + + - + + - + - - + + - - +
abc + + + + + + + + - - - - - - - - - - - - - - - - + + + + + + + +
d + - - + - + + - + - - - + + + - - + + + + - - - - + + + - - - +
abd + + + + - - - - + + + - + - - - - - - - + + + - - - - + - + + +
acd + + - - + + - - + + - + - + - - - - + - - - + + - - + - + - + +
bcd + - + - + - + - + - + + - - + - - + - + - + - + - + - - + + - +
e + - - + - + + - - + + + - - - + + - - - - + + + - + + + - - - +
abe + + + + - - - - - - - + - + + + + + + + - - - + - - - + - + + +
ace + + - - + + - - - - + - + - + + + + - + + + - - - - + - + - + +
bce + - + - + - + - - + - - + + - + + - + - + - + - - + - - + + - +
ade + + - - - - + + + + - - - - + + + + - + - - + - + + - - - - + +
bde + - + - - + - + + - + - - + - + + - + - - + - - + - + - - + - +
cde + - - + + - - + + - - + + - - + + - - - + - - + + - - + + - - +
abcde + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
(1) + - - + - + + - - + + + - - - + - + + + + - - - + - - - + + + -
ab + + + + - - - - - - - + - + + + - - - - + + + - + + + - + - - -
ac + + - - + + - - - - + - + - + + - - + - - - + + + + - + - + - -
bc + - + - + - + - - + - - + + - + - + - + - + - + + - + + - - + -
ad + + - - - - + + + + - - - - + + - - + - + + - + - - + + + + - -
bd + - + - - + - + + - + - - + - + - + - + + - + + - + - + + - + -
cd + - - + + - - + + - - + + - - + - + + + - + + - - + + - - + + -
abcd + + + + + + + + + + + + + + + + - - - - - - - - - - - - - - - -
ae + + - - - - + + - - + + + + - - + + - + - - + - - - + + + + - -
be + - + - - + - + - + - + + - + - + - + - - + - - - + - + + - + -
ce + - - + + - - + - + + - - + + - + - - - + - - + - + + - - + + -
abce + + + + + + + + - - - - - - - - + + + + + + + + - - - - - - - -
de + - - + - + + - + - - - + + + - + - - - - + + + + - - - + + + -
abde + + + + - - - - + + + - + - - - + + + + - - - + + + + - + - - -
acde + + - - + + - - + + - + - + - - + + - + + + - - + + - + - + - -
bcde + - + - + - + - + - + + - - + - + - + - + - + - + - + + - - + -

59

| | abcde abde - bde - ade bce ace - abe - e bcd acd - cd - d abc c - b - a
8
1
I
BC
+ + + + + + + =
| | abcde abde - bde - ade bce ace - abe - e bcd - acd cd d - abc - c b a -
8
1
I
AD
+ + + + + + + + =
| | abcde abde - bde ade - bce - ace abe - e bcd acd - cd d - abc - c b - a
8
1
I
BD
+ + + + + + + =
| | abcde abde bde ade - bce - ace - abe e bcd acd cd - d - abc - c - b a
8
1
I
CD
+ + + + + + + + =
| | abcde abde - bde - ade bce - ace abe e - bcd acd - cd - d abc - c b a -
8
1
I
AE
+ + + + + + + + =
| | abcde abde - bde ade - bce ace - abe e - bcd - acd cd - d abc - c b - a
8
1
I
BE
+ + + + + + + =
| | abcde abde bde ade - bce ace abe - e - bcd - acd - cd d abc - c - b a
8
1
I
CE
+ + + + + + + + =
| | abcdee abde bde ade bce ace abe - e - bcd - acd - cd - d - abc c b a
8
1
I
DE
+ + + + + + + + + =
Efeitos das interaes com trs fatores: Tem-se as seguintes igualdades:
AB CDE
I I = ;
AC BDE
I I = ;
BC ADE
I I = ;
AD BCE
I I = ;
BD ACE
I I = ;
CD ABE
I I = ;
AE BCD
I I = ;
BE ACD
I I =
CE ABD
I I = ;
DE ABC
I I =
Efeitos das interaes com quatro fatores: possvel mostrar que:
A BCDE
I l = ;
B ACDE
I l = ;
C ABDE
I l = ;
D ABCE
I l = ;
E ABCD
I l =

Exemplo
1
:
Aplicao das Tcnicas de planejamento de experimentos no processo de moldagem
plstica por injeo (trabalho apresentado por: GALDMEZ, E. V. C. ; CARPINETTI, L. C. R.) .
Os nveis de ajustagem dos fatores controlveis para a experimentao, foram
conforme apresentados a seguir:
Nveis
Tempo
injeo
(TI)
Tempo
resfriamento(
TR)
Temperatura
Molde (TM)
Temperatura Mquina
(TEMPM)
Presso
Injeo
(PI)
-1 2 (s) 6 (s)
gua gelada
ou industrial
Z1: 190
o
C Z3: 165
o
C
18 BAR
Z2: 170
o
C Z4: 160
o
C
+1 5 (s) 10 (s) gua normal
Z1: 190
o
C Z3: 210
o
C
26 BAR
Z2: 220
o
C Z4: 200
o
C


1
GALDMEZ, E. V. C.; CARPINETTI, L. C. R. Aplicao das tcnicas de planejamento e anlise de
experimentos no processo de fabricao de produtos plsticos.
http://www.prod.eesc.usp.br/gmme/publicacoes/Trbo704.pdf. Acesso em 27/08/2010.

60

O experimento utilizado foi fatorial fracionrio
1 5
2

, apresentado a seguir.

SINAIS DO EXPERIMENTO FATORIAL FRACIONRIO
1 5
2

E AS VARIVEIS RESPOSTAS
TRAT I A (PI) B (TI) C (TR) D (TM)
E=ABCD
(TEMPM)
falha deformao dimensional
e + -1 -1 -1 -1 1 5,50 0,30 3,55
a + 1 -1 -1 -1 -1 3,50 0,95 0,45
b + -1 1 -1 -1 -1 -10,00 10,00 10,00
abe + 1 1 -1 -1 1 5,00 0,00 2,20
c + -1 -1 1 -1 -1 -10,00 10,00 10,00
ace + 1 -1 1 -1 1 4,75 0,70 2,90
bce + -1 1 1 -1 1 1,00 3,00 0,05
abc + 1 1 1 -1 -1 0,00 5,00 0,00
d + -1 -1 -1 1 -1 -10,00 10,00 10,00
ade + 1 -1 -1 1 1 8,00 0,65 7,30
bde + -1 1 -1 1 1 3,50 0,65 1,15
abd + 1 1 -1 1 -1 0,00 0,90 0,00
cde + -1 -1 1 1 1 2,25 1,95 1,25
acd + 1 -1 1 1 -1 0,00 0,90 0,00
bcd + -1 1 1 1 -1 -10,00 10,00 10,00
abcde + 1 1 1 1 1 5,50 0,55 3,20

1) Anlise da varivel resposta falha ou rebarba
a) Clculo dos efeitos principais e interaes com dois fatores
A B C D E A*B A*C A*D
6.8125 -1.1250 -1.5000 -0.0625 9.0000 -0.3125 -0.0625 0.1250

A*E B*C B*D B*E C*D C*E D*E
-4.0625 1.0000 0.8125 -0.2500 0.5625 -0.6250 0.8125
Atravs do grfico de Pareto, apresentado abaixo, possvel definir os efeitos
importantes.








AC
D
AD
BE
AB
CD
CE
BD
DE
BC
B
C
AE
A
E
9 8 7 6 5 4 3 2 1 0
Termo
Efeito
2,289
A A
B B
C C
D D
E E
Factor Name
GRFICO DE PARETO
(varivel resposta: falha, Alpha = 0,05)
Lenth's PSE = 0,890625

61

Efetua-se a anlise da varincia considerando-se inicialmente todos os fatores
principais e a interao AE.
b) anlise da varincia
Df Sum Sq Mean Sq F value Pr(>F)
A 1 185.6 185.6 130.242 1.18e-06 ***
B 1 5.1 5.1 3.552 0.0921 .
C 1 9.0 9.0 6.314 0.0332 *
D 1 0.0 0.0 0.011 0.9189
E 1 324.0 324.0 227.313 1.08e-07 ***
A:E 1 66.0 66.0 46.315 7.86e-05 ***
Residuals 9 12.8 1.4
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Os fatores principais B e D, no so significativos, para o nvel de significncia de 5%,
refaz-se portanto a anlise da varincia.

c) anlise de varincia com os fatores principais A, C e E e a interao AE
Df Sum Sq Mean Sq F value Pr(>F)
A 1 185.6 185.6 114.041 3.82e-07 ***
C 1 9.0 9.0 5.529 0.0384 *
E 1 324.0 324.0 199.037 2.17e-08 ***
A:E 1 66.0 66.0 40.554 5.31e-05 ***
Residuals 11 17.9 1.6
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Tem-se que os fatores A, C e E (PI, TR e TEMPM) e a interao entre os fatores A e E
so significativos, para nvel de significncia de 5%.












2) Anlise da varivel resposta deformao
a) Clculo dos efeitos principais e interaes com dois fatores

1 -1
5,0
2,5
0,0
-2,5
-5,0
1 -1 1 -1
1 -1
5,0
2,5
0,0
-2,5
-5,0
1 -1
A
M

d
i
a
B C
D E
GRFICO DOS EFEITOS DOS FATORES PRINCIPAIS

62

A B C D E A*B A*C A*D
-4.53125 0.58125 1.08125 -0.54375 -4.99375 0.23125 0.08125 -0.36875

A*E B*C B*D B*E C*D C*E D*E
3.53125 0.66875 -0.93125 -0.43125 -0.78125 0.06875 0.49375
Construindo o grfico de Pareto para definir os efeitos importantes, tem-se:











Efetua-se a anlise da varincia considerando-se inicialmente todos os fatores
principais e a interao AE.
b) anlise da varincia
Df Sum Sq Mean Sq F value Pr(>F)
A 1 82.13 82.13 72.315 1.35e-05 ***
B 1 1.35 1.35 1.190 0.304
C 1 4.68 4.68 4.118 0.073 .
D 1 1.18 1.18 1.041 0.334
E 1 99.75 99.75 87.831 6.12e-06 ***
A:E 1 49.88 49.88 43.919 9.62e-05 ***
Residuals 9 10.22 1.14
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Os fatores principais B, C e D, no so significativos, para o nvel de significncia de
5%, refaz-se portanto a anlise da varincia.

c) anlise de varincia com os fatores principais A e E e a interao AE

Df Sum Sq Mean Sq F value Pr(>F)
A 1 82.13 82.13 56.54 7.05e-06 ***
E 1 99.75 99.75 68.67 2.62e-06 ***
A:E 1 49.88 49.88 34.34 7.72e-05 ***
Residuals 12 17.43 1.45
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
CE
AC
AB
AD
BE
DE
D
B
BC
CD
BD
C
AE
A
E
5 4 3 2 1 0
Termo
Efeito
2,000
A A
B B
C C
D D
E E
Factor Name
GRFICO DE PARETO
(Varivel resposta: deformao, Alpha = 0,05)
Lenth's PSE = 0,778125

63

Tem-se que os fatores A e E (PI e TEMPM) e a interao entre eles, so significativos,
para o nvel de significncia de 5%.











3) Anlise da varivel resposta dimensional
a) Clculo dos efeitos principais e interaes com dois fatores
A B C D E A*B A*C A*D
-3.74375 -1.10625 -0.90625 0.46875 -2.35625 -0.20625 -0.05625 0.76875

A*E B*C B*D B*E C*D C*E D*E
6.14375 0.88125 0.05625 -0.99375 -0.09375 -0.79375 0.58125

Construindo o grfico de Pareto para definir os efeitos importantes, tem-se:














Efetua-se a anlise da varincia considerando-se inicialmente todos os fatores
principais e a interao AE.
1 -1
6
4
2
1 -1 1 -1
1 -1
6
4
2
1 -1
A
M

d
i
a
B C
D E
GRFICO DOS EFEITOS DOS FATORES PRINCIPAIS

AC
BD
CD
AB
D
DE
AD
CE
BC
C
BE
B
E
A
AE
6 5 4 3 2 1 0
Termo
Efeito
2,964
A A
B B
C C
D D
E E
Factor Name
GRFICO DE PARETO
(Varivel resposta: dimensional, Alpha = 0,05)
Lenth's PSE = 1,15312

64

b) anlise da varincia
Df Sum Sq Mean Sq F value Pr(>F)
A 1 56.06 56.06 37.312 0.000177 ***
B 1 4.90 4.90 3.258 0.104562
C 1 3.29 3.29 2.186 0.173355
D 1 0.88 0.88 0.585 0.463958
E 1 22.21 22.21 14.780 0.003939 **
A:E 1 150.98 150.98 100.486 3.51e-06 ***
Residuals 9 13.52 1.50
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1


Tem-se que os fatores B, C e D no so significativos para o nvel de 5%. Refaz-se,
ento, a anlise da varincia excluindo esses fatores.

c) anlise de varincia com os fatores principais A e E e a interao AE

Df Sum Sq Mean Sq F value Pr(>F)
A 1 56.06 56.06 29.79 0.000146 ***
E 1 22.21 22.21 11.80 0.004937 **
A:E 1 150.98 150.98 80.23 1.16e-06 ***
Residuals 12 22.58 1.88
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1

Tem-se que os fatores A e E (PI e TEMPM) e a interao entre os dois fatores so
significativos para o nvel de 5% de significncia.












Resoluo de um delineamento
A resoluo a medida com que os efeitos se associam. Quanto maior a resoluo,
mais fcil a interpretao dos dados. possvel ter vrios nveis de resoluo, sendo os trs
apresentados a seguir, os mais utilizados.
1 -1
6
5
4
3
2
1 -1 1 -1
1 -1
6
5
4
3
2
1 -1
A
M

d
i
a
B C
D E
GRFICO DOS EFEITOS DOS FATORES PRINCIPAIS

65

Resoluo III. Os efeitos principais no esto associados com qualquer outro efeito principal,
mas efeitos principais esto associados com interaes com dois fatores e interaes com
dois fatores podem estar associadas entre elas. O experimento
1 3
2

apresentado acima de
resoluo III.
Resoluo IV. Os efeitos principais no esto associados com qualquer outro efeito principal
ou com qualquer interao de dois fatores, mas interaes com dois fatores esto associadas
entre elas. O experimento
1 4
2

apresentado de resoluo IV.
Resoluo V. Os efeitos principais ou interaes com dois fatores no esto associados com
qualquer outro efeito principal ou interao com dois fatores, mas interaes com dois fatores
esto associadas com interaes de trs fatores. Um experimento
1 5
2

de resoluo V.
LISTA DE EXERCCIOS No. 2
1) Considere a aplicao dos planejamentos fatoriais com dois nveis para fabricao de
circuitos integrados. A tabela abaixo representa os resultados de um planejamento fatorial
2
2 ,
com 4 rplicas, usando os fatores A=tempo de deposio (-1=curto; +1=longo) e B=vazo de
arsnio (-1=55%; +1=59%). A varivel de resposta Y=espessura ) m ( da camada epitaxial.
) icro lim mi ou cron lim mi m ( =
TRATA-
MENTOS
I
EFEITO FATORIAL REPETIES
A B AB I II III IV
(1) + - - + 14,037 14,165 13,972 13,907
a + + - - 14,821 14,757 14,843 14,878
b + - + - 13,880 13,860 14,032 13,914
ab + + + + 14,888 14,921 14,415 14,932
Analisar os resultados desse experimento. Usar 05 , 0 = o .

2) Um engenheiro mecnico est estudando a rugosidade da superfcie de uma pea usinada.
Trs fatores so de interesse: taxa da alimentao (A), profundidade do corte (B) e ngulo da
ferramenta (C). Os resultados do planejamento so:
TAXA DE
ALIMENTAO
(A)
PROFUNDIDADE DO CORTE (B)
0,025 polegada 0,040 polegada
ngulo da ferramenta (C) ngulo da ferramenta (C)
15
o
25
o
15
o
25
o

20 Polegadas
por minuto
9 11 9 10
7 10 11 8
30 Polegadas
por minuto
10 10 12 16
12 13 15 14

66

a) Analisar os dados desse experimento;
b) Encontre um modelo apropriado de regresso que explique a rugosidade da superfcie;
c) Analise os resduos desse experimento.
3) Foi realizado um experimento para investigar a carga na superfcie de uma pastilha de
silcio. Os fatores possveis que influenciam a carga induzida na superfcie so: mtodo de
limpeza (secagem giratria com enxge e secagem giratria) e a posio na pastilha onde a
carga foi medida. Os dados da resposta da carga (x 10
11
C/cm
3
) na superfcie, so
apresentados a seguir.

MTODO DE
LIMPEZA
POSIO DO TESTE
E D
Secagem
giratria
1,66 1,84
1,90 1,84
1,92 1,62
Secagem
giratria com
enxague
-4,21 -7,58
-1,35 -2,20
-2,08 -5,36
a) Estime os efeitos dos fatores;
b) Que fatores parecem ser importantes?
c) Analise os resduos desse experimento.
4) Um experimento correu uma nica rplica de um planejamento
4
2 e os seguintes efeitos
dos fatores foram obtidos:
25 , 80 A = 25 , 53 AB = 10 , 15 BD = 25 , 10 ACD =
50 , 65 B = 00 , 11 AC = 25 , 1 CD = 95 , 7 BCD =
25 , 9 C = 75 , 9 AD= 95 , 2 ABC = 25 , 6 ABCD =
50 , 20 D = 36 , 18 BC = 00 , 8 ABD =
a) Construa um grfico de probabilidade normal dos efeitos;
b) Identifique um modelo tentativa, baseando-se no grfico dos efeitos do item (a);
c) Estime os coeficientes de regresso nesse modelo, considerando que 400 Y = .
5) Considere um experimento fatorial
2
2 , com quatro pontos centrais. Os dados so:

TRATA-
MENTOS
Y
(1) 21
a 125
b 154
ab 352
67

E as respostas no ponto central so 92, 130, 98, 152. Calcule uma ANOVA com a soma dos
quadrados para a curvatura e faa um teste F para a curvatura. Use 05 , 0 = o .
6) Um planejamento fatorial
4
2 foi corrido em um processo qumico. Os fatores do
planejamento so: A=tempo (2 horas e 3 horas), B=concentrao (14% e 18%), C=presso
(60 Psi e 80 Psi), D=temperatura (200
0
C e 250
0
C). A varivel resposta rendimento
(libras). Os resultados so:
ORDEM TRAT Y ORDEM TRAT Y
1 (1) 12 9 d 10
2 a 18 10 ad 25
3 b 13 11 bd 13
4 ab 16 12 abd 24
5 c 17 13 cd 19
6 ac 15 14 acd 21
7 bc 20 15 bcd 17
8 abc 15 16 abcd 23
a) Estime os efeitos dos fatores baseados em um grfico de probabilidade normal das
estimativas dos efeitos. Identifique um modelo para os dados desse experimento;
b) Conduza uma ANOVA, baseando-se no modelo identificado no item (a);
c) Analise os resduos e comente a adequao do modelo;
7) Um planejamento fatorial fracionrio
1 4
2

foi usado para estudar quatro fatores em um


processo qumico. Os fatores so A=temperatura, B=presso, C=concentrao e D=taxa de
agitao, em que a resposta a taxa de filtrao. O planejamento e os dados esto
apresentados a seguir.

CORRIDA TRAT I A B C D=ABC Y
1 (1) + - - - - 45
2 ad + + - - + 100
3 bd + - + - + 45
4 ab + + + - + 65
5 cd + - - + + 75
6 ac + + - + + 60
7 bc + - + + + 80
8 abcd + + + + + 96

a) Escreva as relaes de associao;
b) Estime os efeitos dos fatores. Quais os fatores que parecem grandes?
c) Projete esse planejamento em um fatorial completo, usando os trs fatores aparentemente
importantes.
68

8) Um experimento em que um planejamento
1 5
2

, com I=ABCDE, foi usado para investigar os


efeitos de cinco fatores sobre a cor de um produto qumico. Os fatores so
A=solvente/reagente, B=catalisador/reagente, C=temperatura, D=pureza do reagente e E=ph
do reagente. Os resultados obtidos so:
e=-0,63 c=2,06 d=6,79 cde=5,22
a=2,51 ace=1,22 ade=6,47 acd=4,38
b=-2,68 bce=-2,09 bde=3,45 bcd=4,30
abe=1,66 abc=1,93 abd=5,68 abcde=4,05
a) Prepare um grfico de probabilidade normal dos efeitos. Que fatores so ativos?
b) Calcule os resduos. Construa um grfico de probabilidade normal dos resduos e plote os
resduos contra os valores previstos. Comente os grficos;
c) Se qualquer fator for desprezvel, reduza o planejamento
1 5
2

a um fatorial completo nos


fatores ativos.
4 EXPERIMENTO EM QUADRADO LATINO
No experimento em quadrado latino as unidades experimentais que devem receber os
tratamentos (fator principal) so agrupados de duas maneiras diferentes (linhas e colunas).
Nesse tipo de experimento o nmero de linhas, colunas e tratamentos, deve ser o mesmo. Os
tratamentos so distribudos de forma que cada um aparea uma nica vez em cada linha e
coluna.
Para um experimento com 5 nveis do fator principal (A, B, C, D e E) planejado no
experimento em quadrado latino 5 x 5, a organizao aps o sorteio pode ser da seguinte
forma:

Linhas/Colunas 1 2 3 4 5
1 A B C D E
2 B C D E A
3 C D E A B
4 D E A B C
5 E A B C D

As linhas e as colunas podero representar diferentes perodos (dia, semanas, ms,
etc.), diferentes observadores, diferentes locais, diferentes sistemas.
O uso do quadrado latino mais freqente em experimentos onde se comparam de 5 a
8 nveis do fator principal. Como o nmero de repeties deve ser igual ao nmero de
tratamentos (nveis do fator principal), o nmero de graus de liberdade para o resduo pode ser
muito baixo nos delineamentos 4 x 4 ou menores e, o nmero de repeties pode se tornar
69

muito alto nos experimentos com mais de 8 tratamentos, dificultando a obteno de unidades
experimentais com semelhana adequada.
Modelo estatstico:

k j i k j i k j i
y c | t o + + + + =

onde:
a mdia geral;
i
o o efeito da linha;
j
t o efeito do tratamento j do fator primrio;
k
| o efeito da coluna;
k j i
c o erro aleatrio e supe-se que tenham distribuio normal, sejam independentemente
distribudos com mdia 0 (zero) e varincia
2
o .
Anlise de varincia:
A partio da variabilidade total dada por:

E Trat C L T
SQ SQ SQ SQ SQ + + + =
onde:
N
y
y SQ
2
p
1 i
p
1 j
p
1 k
2
j k i T
...
=

= = =
(Soma de quadrados total)
onde:
2
p N =
N
y
y
p
1
SQ
2
p
1 i
2
i
...
. . L
=

=
(Soma de quadrados entre linhas)
N
y
y
p
1
SQ
2
p
1 k
2
k
...
. . C
=

=
(Soma de quadrados entre colunas)
N
y
y
p
1
SQ
2
p
1 j
2
j
...
. . Trat
=

=
(Soma de quadrados entre tratamentos do fator primrio)
diferena por SQ
E
=
O teste estatstico de igualdade entre as mdias de tratamento dado por:
E
Trat
QM
QM
o
F =
Rejeita-se a hiptese nula se F
0
>F
o;(p-1);(p-2)(p-1)
.


70

QUADRO DA ANLISE DE VARINCIA DE UM QUADRADO LATINO
CAUSAS DE
VARIAO
SOMA DE
QUADRADOS
GRAUS DE
LIBERDADE
QUADRADOS
MDIOS
o
F
Tratamentos
Trat
SQ 1 p 1 p SQ
Trat

E
QM
Trat
QM
Linhas
L
SQ 1 p 1 p SQ
L

Colunas
C
SQ 1 p 1 p SQ
C

Erro
E
SQ ) 1 p )( 2 p ( ) 1 p )( 2 p ( SQ
E

Total
T
SQ
1 p
2

Exemplos de Aplicao:
1) Uma empresa quis estudar os efeitos de 5 diferentes aditivos (A,B,C,D e E) no consumo
dirio de combustvel de certa mquina de combusto interna, e desconfiava que poderia haver
influncia de dois outros fatores: operador de mquina e temperatura ambiente. Delineou
ento, um quadrado latino, cujos resultados (consumos dirios em litros) so apresentados a
seguir. Verificar se existe diferena entre os aditivos, usando nvel de significncia de 5%.
Verificar tambm, se existem diferenas entre os operadores e os nveis de temperatura
ambiente.
TEMPE-
RATURA ( j )
OPERADOR ( i )
1 2 3 4 5
1 A 99 B 95 C 94 D 99 E 99
2 B 92 C 99 D 105 E 102 A 111
3 C 93 D 113 E 101 A 102 B 96
4 D 101 E 106 A 101 B 98 C 97
5 E 97 A 105 B 95 C 104 D 104
Soluo:
: H
01
No existe diferena entre os aditivos;
: H
11
Existe diferena entre os aditivos.
: H
02
No existe diferena entre os operadores;
: H
12
Existe diferena entre os operadores.
: H
03
No existe diferena entre as temperaturas;
: H
13
Existe diferena entre as temperaturas.

TEMPE-
RATURA
( i )
OPERADOR (k)
. . i
y
2
i . .
y
1 2 3 4 5
1 A 99 B 95 C 94 D 99 E 99 486 236.196
2 B 92 C 99 D 105 E 102 A 111 509 259.081
3 C 93 D 113 E 101 A 102 B 96 505 255.025
4 D 101 E 106 A 101 B 98 C 97 503 253.009
5 E 97 A 105 B 95 C 104 D 104 505 255.025
k . .
y
482 518 496 505 507
2
k . .
y 232.324 268.324 246.016 255.025 257.049

71

Tem-se os seguintes totais:
252.260 ) 104 ( ) 97 ( ) 92 ( ) 99 ( y
2 2 2 2
p
1 i
p
1 j
p
1 k
2
jk i
= + + + + =

= = =

2.508 104 97 92 99 y
...
= + + + + =
1.258.336 025 . 255 081 . 259 196 . 236 y
p
1 i
2
i . .
= + + +
=

=

1.258.738 049 . 257 324 . 268 324 . 32 y
p
1 k
2
k . .
= + + + =

=

+ + + + + + + + + + + + + + + + =

=
2
D C B A
p
1 j
) 104 113 101 ( ) 97 99 93 ( ) 96 95 92 ( ) 111 105 99 ( y
2 2 2 2
j. .

1.259.578 ) 99 106 97 (
2
E
= + + +


Clculo das somas de quadrados
44 , 657
25
) 508 . 2 (
260 . 252
N
y
y SQ
2
2
p
1 i
p
1 j
p
1 k
2
j k i T
...
= = =

= = =

64 , 64
25
) 508 . 2 (
336 . 258 . 1
5
1
N
y
y
p
1
SQ
2
L
2
p
1 i
2
i
...
. .
= = =

=

04 , 145
25
) 508 . 2 (
738 . 258 . 1
5
1
N
y
y
p
1
SQ
2
C
2
p
1 k
2
k
...
. .
= = =

=

04 , 313
25
) 508 . 2 (
578 . 259 . 1
5
1
N
y
y
p
1
SQ
2
Trat
2
p
1 j
2
j
...
. .
= = =

=

72 , 134 04 , 313 04 , 145 64 , 64 44 , 657 SQ SQ SQ SQ SQ
Trat C L T E
= = =
QUADRO DA ANLISE DE VARINCIA DE UM QUADRADO LATINO
CAUSAS DE
VARIAO
SOMA DE
QUADRADOS
GRAUS DE
LIBERDADE
QUADRADOS
MDIOS
o
F
Tratamentos 04 , 313 SQ
Trat
=
4
78,26 6,97
Linhas 64 , 64 SQ
L
= 4 16,16 1,44
Colunas 04 , 145 SQ
C
= 4 36,26 3,23
Erro 72 , 134 SQ
E
=
12 11,23
Total 44 , 657 SQ
T
=
24


26 , 3 F
12 ; 4 ; 05 , 0
=
Como o 97 , 6 F
calc
= para tratamentos maior que 26 , 3 F
12 ; 4 ; 05 , 0
= , rejeita-se a hiptese de que
no existe diferena entre os aditivos.
2) Uma locadora de automveis deseja comparar o desgaste de quatro marcas de pneus. A
varivel resposta (Y) o desgaste dos pneus medida pela diferena da espessura aps 20.000
km de uso. Verificar se existe diferena entre as marcas de pneus (A, B, C e D), utilizando nvel
de significncia de 5%.Verificar tambm se existe diferena no desgaste entre as posies dos
72

pneus (1, 2, 3 e 4) e tipos de carros (1, 2, 3 e 4). Poderia se suspeitar tambm de um possvel
efeito da posio sobre o desgaste dos pneus. Pneus dianteiros e traseiros, e mesmo pneus
localizados em lados distintos de um mesmo carro, podem apresentar desgastes diferentes.
Um projeto onde cada tratamento (Posio) aparece uma e somente uma vez em cada linha
(Carro) e em cada coluna (Marca) chamado de Quadrado Latino.



CARROS
( j )
MARCAS ( i )
A B C D
1 3 17 2 14 1 12 4 13
2 4 14 3 14 2 12 1 11
3 1 13 4 13 3 11 2 10
4 2 13 1 8 4 9 3 9
Soluo:

CARRO
( i )
MARCA ( k )
. . i
y
2
i . .
y
1 2 4 5
1 3 17 2 14 1 12 4 13
56 3.136
2 4 14 3 14 2 12 1 11
51 2.601
3 1 13 4 13 3 11 2 10
47 2.209
4 2 13 1 8 4 9 3 9
39 1.521
k . .
y
57 49 44 43
2
k . .
y
3.249 2.401

1.936 1.849
Tem-se os seguintes totais:
2.409 ) 9 ( ) 10 ( ) 14 ( ) 17 ( y
2 2 2 2
p
1 i
p
1 j
p
1 k
2
jk i
= + + + + =

= = =

193 9 10 14 17 y
...
= + + + + =
9.467 521 . 1 209 . 2 601 . 2 136 . 3 y
p
1 i
2
i . .
= + + +
=

=

9.435 849 . 1 936 . 1 401 . 2 249 . 3 y
p
1 k
2
k . .
= + + + =

=

9.339 ) 13 9 13 14 ( ) 9 11 14 17 ( ) 10 12 14 13 ( ) 11 12 8 13 ( y
2
4 3 2 1
p
1 j
2 2 2 2
j. .
= + + + + + + + + + + + + + + + =

=


Clculo das somas de quadrados
94 , 80
16
) 193 (
409 . 2
N
y
y SQ
2
2
p
1 i
p
1 j
p
1 k
2
j k i T
...
= = =

= = =

69 , 38
16
) 193 (
467 . 9
4
1
N
y
y
p
1
SQ
2
L
2
p
1 i
2
i
...
. .
= = =

=

69 , 30
16
) 193 (
435 . 9
4
1
N
y
y
p
1
SQ
2
C
2
p
1 k
2
k
...
. .
= = =

=

desgaste posio
73

69 , 6
16
) 193 (
339 . 9
4
1
N
y
y
p
1
SQ
2
Trat
2
p
1 j
2
j
...
. .
= = =

=

88 , 4 69 , 6 69 , 30 69 , 38 94 , 80 SQ SQ SQ SQ SQ
Trat C L T E
= = =
QUADRO DA ANLISE DE VARINCIA DE UM QUADRADO LATINO
CAUSAS DE
VARIAO
SOMA DE
QUADRADOS
GRAUS DE
LIBERDADE
QUADRADOS
MDIOS
F
Tratamentos
7 SQ
Trat
=
3 2,23 2,74
Linhas
39 SQ
L
=
3 12,90 15,87
Colunas
31 SQ
C
=
3 10,23 12,59
Erro
4 SQ
E
=
6 0,81
Total
81 SQ
T
=
15
Concluso:
a) Como o 50 , 19 F
calc
= maior que 76 , 4 F
6 ; 3 ; 05 , 0
= , rejeita-se a hiptese de que no existe
diferena entre os tipos de carros;
b) Como o 50 , 15 F
calc
= maior que 76 , 4 F
6 ; 3 ; 05 , 0
= , rejeita-se a hiptese de que no existe
diferena entre as marcas de pneus.
LISTA DE EXERCCIO No. 3
1) Suponha que um experimentador esteja estudando o efeito de 5 formulaes diferentes de
um propulsor de foguetes, usado em sistemas de escape da tripulao, observando a taxa de
combusto. Cada formulao misturada a partir de um lote de matria prima que grande o
suficiente para realizar cinco testes. Alm disso as formulaes so preparadas por vrios
operadores e, podem existir diferenas substanciais nas habilidades e experincias dos
operadores. Existem dois fatores de rudo a serem eliminados: lotes e operadores. O plano
resultante para este problema consiste em testar cada formulao exatamente uma vez em
cada lote de matria prima e para cada operador considerando cinco operadores. Os
resultados encontram-se apresentados a seguir. Fazer a anlise do experimento utilizando
% 5 = o .
LOTES DE MATRIA
PRIMA ( i )
OPERADOR (k)
1 2 3 4 5
1 A 24 B 20 C 19 D 24 E 24
2 B 17 C 24 D 30 E 27 A 36
3 C 18 D 38 E 26 A 27 B 21
4 D 26 E 31 A 26 B 23 C 22
5 E 22 A 30 B 20 C 29 D 31
2) Um experimento foi realizado para investigar se entre cinco motoristas (A, B, C, D e E) existe
um que se destaca, isto , que consegue dirigir fazendo mais quilmetros por litro, os dados
esto na tabela abaixo.
74

DIAS DA
SEMANA ( i )
CARRO (k)
1 2 3 4 5
1 A 14 B 18 C 16 D 19 E 17
2 B 14 C 18 D 14 E 21 A 15
3 C 14 D 20 E 16 A 17 B 15
4 D 16 E 23 A 14 B 13 C 14
5 E 17 A 20 B 15 C 17 D 16

3) Uma empresa quis comparar as produtividades de 4 diferentes mquinas (A, B, C e D),
porm desconfiava que poderia haver a influncia de dois outros fatores: temperatura ambiente
e tipo de material empregado. Delineou, ento, um experimento quadrado latino, cujos
resultados (produo de itens por hora) so dados na tabela a seguir.
Verificar se existe diferena entre as mquinas, usando nvel de significncia de 5%. Verificar,
tambm, se existem diferenas entre as temperaturas e os tipos de material utilizado. Caso
existam, fazer as comparaes mltiplas de Tukey.


MATERIAL
( i )
TEMPERATURA (k)
15
o
C 20
o
C 25
o
C 30
o
C
1 B 25 C 24 D 99 A 99
2 C 29 D 25 A 102 B 92
3 D 31 A 28 B 102 C 93
4 A 36 B 31 C 98 D 101

5 MTODOS E PLANEJAMENTOS DE SUPERFCIE DE RESPOSTA
A metodologia de superfcie de resposta, uma coleo de tcnicas matemticas e
estatsticas, que so teis para modelagem e anlise, nas aplicaes em que a resposta de
interesse seja influenciada por muitas variveis e o objetivo seja otimizar essa resposta
(MONTGOMERY, 2009).
Suponha que um engenheiro est interessado em encontrar os nveis de temperatura
) X (
1
e concentrao da alimentao ) X (
2
que maximizem o rendimento ) Y ( de um processo
qumico. Tem-se que
c + = ) X , X ( f Y
2 1

onde c representa o rudo ou erro observado na resposta Y.
Se representarmos a resposta esperada por q = = ) X , X ( f ) Y ( E
2 1
, ento a superfcie
representada por ) X , X ( f
2 1
= q chamada de uma superfcie de resposta.
Na maioria dos problemas de metodologia da superfcie de resposta, a forma da relao
entre a varivel resposta e as independentes desconhecida. Assim, deve-se inicialmente,
encontrar uma aproximao para o verdadeiro relacionamento entre a varivel resposta Y e as
variveis independentes. Normalmente utiliza-se um polinmio de baixo grau em alguma regio
75

das variveis independentes. Se a resposta for bem modelada por uma funo linear das
variveis independentes, ento a funo de aproximao um modelo de primeira ordem,
dado por:
c | | | | + + + + + =
k k 2 2 1 1 0
X ... X X Y
Se houver curvatura no sistema, ento um polinmio de maior grau dever ser usado,
como o modelo de segunda ordem, dado por:





Muitos problemas utilizam uma ou ambas dessas aproximaes polinomiais.
5.1 Mtodo de Ascendente de Maior Inclinao (Steepest Ascent)
O mtodo da ascendente de maior inclinao um procedimento para se mover
sequencialmente ao longo do caminho ascendente de maior inclinao, ou seja, na direo de
aumento mximo na resposta. Se a minimizao for desejada, trata-se do mtodo da
descendente de maior inclinao.
O modelo ajustado de primeira ordem :

| |
=
+ =
k
1 i
i i 0
X Y


e a superfcie de resposta de primeira ordem, ou seja, os contornos de Y

, uma srie de
linhas paralelas, como as mostradas na figura abaixo.












Efeito
linear
Efeito
quadrtico
Efeito da
interao
c

| | + + + + =

= > = =
j
1 k
1 i
k
i j
i ij
k
1 i
2
i ii
k
1 i
i i 0
X X X X Y

x
1
x
2
10 y

=
20 = y
30 = y
Regio dos valores
preditos pelo modelo
de primeira ordem
40 = y
50 = y
Caminho da inclinao ascendente
( a direo em que os
valores ajustados aumentam
mais rapidamente)

SUPERFICIE DE RESPOSTA DE PRIMEIRA ORDEM E CAMINHO ASCENDENTE DE
MAIOR INCLINAO
76

Passos par obter o caminho ascendente de maior inclinao:
1. Escolha um tamanho de passo em uma das variveis do processo, digamos A.
Normalmente, selecionamos a varivel que conhecemos mais, ou selecionar a varivel que
tem o maior coeficiente de regresso absoluta
j

| .
2. O tamanho do passo nas outras variveis

j j
i
i
x

x
/ A |
|
A = , i=1,2,...,k j i =
3. Converter as variveis codificadas (A, B, etc.) para as variveis naturais.

Exemplo: (Montgomery, 2009, pg.353)
Um engenheiro qumico est estudando a converso percentual ou o rendimento de um
processo. H duas variveis de interesse: o tempo (fator A) e a temperatura de reao (fator
B). Pelo fato de no ter certeza em relao linearidade da regio de explorao, o engenheiro
decide conduzir um planejamento
2
2 (com uma nica rplica de cada tratamento fatorial),
aumentado com cinco pontos centrais. O planejamento e os dados de rendimento esto
apresentados na figura abaixo.











Soluo:
TRAT TEMPO
TEMPE-
RATURA
A B AB Y Y
2

(1)
30 150
-1 -1 1 39,3 1544,5
a
40 150
1 -1 -1 40,9 1672,8
b
30 160
-1 1 -1 40,0 1600,0
ab
40 160
1 1 1 41,5 1722,3
5
35 155
0 0 40,3 1624,1
6
35 155
0 0 40,5 1640,3
7
35 155
0 0 40,7 1656,5
8
35 155
0 0 40,2 1616,0
9
35 155
0 0 40,6 1648,4


364,0 14724,8

(1)=80 a=100
b=60
ab=90
-
+
+
-
A
B

b=40
,0
ab=41,50
(1)=39,3 a=40,9
-
40,3
40,5
40,7
40,2
40,6
160
155
150
30 35 40

77

Clculo dos Contrastes:
3,1 C
A
=
1,3 C
B
=
-0,1 C
AB
=
Clculo das Somas de Quadrados:
2,4025 SQA =
0,4225 SQB =
0,0025 SQAB =
2
C F
C F
n
1
n
1
Y Y
SQ
curvatura
|
|
|
|
|
.
|

\
|
+

=
40,425 Y
F
=
40,460 Y
C
=
4 n
F
=
5 n
C
=
0,0027 SQ
curvatura
=
3,0022
9
364,0
14.724,8 SQT
2
= =
QUADRO DA ANLISE DA VARINCIA
FV SQ GL QM F
A 2,4025 1 2,4025 55,87
B 0,4225 1 0,4225 9,83
AB 0,0025 1 0,0025 0,06
CURVATURA 0,0027 1 0,0027 0,06
RESDUO 0,1720 4 0,0430
TOTAL 3,0022 8

Para nvel de significncia de 5% tem-se que 71 , 7 F
4 ; 1 ; 05 , 0
= . Portanto, conclui-se que:
a) o fator A significativo;
b) o fator B significativo;
c) a interao no significativa;
d) a curvatura no significativa.
Portanto, o modelo de primeira ordem apresentada abaixo, deve ser apropriado.
c | | | + + + = B A Y
2 1 0

A partir dos valores dos contrastes possvel obter os valores dos efeitos dos fatores A
e B.
55 , 1
2
3,1
Efeito
A
= =
78

65 , 0
2
1,3
Efeito
B
= =
Tem-se que
0
| a mdia geral, logo, 44 , 40
0
= | e os coeficientes
1
| e
2
| so iguais a
metade do efeito dos fatores A e B. Portanto, o modelo :
B 325 , 0 A 775 , 0 44 , 40 Y + + =
Os grficos a seguir mostram a curva de nvel do modelo e a superfcie de resposta.














Ambos os grficos mostram que, ao se mover para fora do centro do planejamento (o
ponto A=0 e B=0), ao longo do caminho ascendente de maior inclinao, moveramos 0,775
unidade na direo A (tempo) para cada 0,325 unidade na direo B (temperatura). Assim, o
caminho de maior inclinao passa atravs do ponto (A=0 e B=0) e tem uma inclinao
775 , 0 325 , 0 .
O engenheiro decide usar 5 minutos de tempo de reao como o tamanho bsico do
passo. Agora, 5 minutos de tempo de reao equivalente a uma etapa na varivel codificada
A de 1 A = A . Logo, as etapas ao longo do caminho ascendente de maior inclinao so
1 A = A e 42 , 0 A
775 , 0
325 , 0
B = = A A . Uma mudana de 42 , 0 B = A na varivel codificada B
equivalente a aproximadamente 2
o
F na varivel original temperatura. Logo, o engenheiro se
mover ao longo do caminho ascendente de maior inclinao, aumentando o tempo de reao
de 5 minutos e a temperatura por 2
o
F. A seguir, os dados observados em cada ponto.





79

EXPERIMENTO ASCENDENTE DE MAIOR INCLINAO
PASSOS
VARIVEL
CODIFICADA
VARIVEL
ORIGINAL
Y
A B Tempo
Tempe-
ratura
Origem 0 0 35 155
A 1,00 0,42 5 2
Origem + A 1,00 0,42 40 157 40,5
Origem + A 2 2,00 0,84 45 159 51,3
Origem + A 3 3,00 1,26 50 161 59,6
Origem + A 4 4,00 1,68 55 163 67,1
Origem + A 5 5,00 2,10 60 165 63,6
Origem + A 6 6,00 2,52 65 167 60,7

Observa-se aumento na varivel resposta Y at o quarto passo, aps esse passo,
comea a decrescer. Logo, o ascendente de maior inclinao terminaria na vizinhana de 55
minutos de tempo de reao e de 163
o
F, com um rendimento percentual em torno de 67%.
5.2 Anlise de uma Superfcie de Resposta de Segunda Ordem
Quando o experimentalista estiver relativamente prximo do timo, geralmente, um
modelo de segunda ordem requerida, para aproximar a resposta, por causa da curvatura na
verdadeira superfcie de resposta. O modelo de segunda ordem dada por:
c

| | + + + + =

= > = =
j
1 k
1 i
k
i j
i ij
k
1 i
2
i ii
k
1 i
i i 0
X X X X Y
5.2.1 Planejamento Composto Central (central composite design)
Um exemplo de planejamento composto central apresentado abaixo, considerando o
exemplo1 analisado no item 5.1. um planejamento muito popular para ajustar superfcie de
resposta de segunda ordem.
O experimentalista decide ajustar um modelo de segunda ordem na vizinhana do ponto
(tempo=55 e temperatura=163), definido no item anterior. O planejamento consiste em um
planejamento
2
2 , com 5 pontos centrais (centralizado em 55 minutos e 165
o
F) e quatro
corridas ao longo dos eixos coordenados, chamados de corridas axiais. O resultado do
experimento encontra-se apresentado abaixo.

TEMPO TEMP A B Y
50 160 -1 -1 65,3
60 160 1 -1 68,2
50 170 -1 1 66,0
60 170 1 1 69,8
Continua
80

Continuao
48 165 -1,414 0 64,5
62 165 1,414 0 69,0
55 158 0 -1,414 64,0
55 172 0 1,414 68,5
55 165 0 0 68,9
55 165 0 0 69,7
55 165 0 0 68,5
55 165 0 0 69,4
55 165 0 0 69,0
Efetuando-se a anlise da varincia, obteve-se o seguinte resultado:

ANLISE DA VARINCIA PARA O MODELO QUADRTICO
F. V. SQ GL QM F VALOR-P
Modelo 45,8925 5 9,1785 14,94 0,001
Resduo 4,2998 7 0,6143
Total 50,1923 12
A seguir, as estimativas dos coeficientes do modelo quadrtico:
ESTIMATIVAS DOS COEFICIENTES DO MODELO QUADRTICO
VARIVEL
INDEPENDENTE
ESTIMATIVA
DO
COEFICIENTES
ERRO
PADRO
t VALOR-P
Intercepto 69,1000 0,3505 197,145 0,000
A 1,6330 0,2771 5,893 0,001
B 1,0830 0,2771 3,908 0,006
A
2
-0,9688 0,2972 -3,260 0,014
B
2
-1,2188 0,2972 -4,101 0,005
A*B 0,2250 0,3919 0,574 0,584

O modelo quadrtico estimado ser:
AB 2250 , 0 B 2188 , 1 A 9688 , 0 B 0830 , 1 A 6330 , 1 1000 , 69 Y
2 2
+ + + =
A seguir, os grficos das curvas de contorno do modelo e da superfcie de resposta.










70
68
66
64
A
B
1,0 0,5 0,0 -0,5 -1,0
1,0
0,5
0,0
-0,5
-1,0
Contour Plot of y vs B; A

63
66
-1
0
69
-1
1
0
1
y
A
B
Surface Plot of y vs A; B

81

Atravs da anlise dos grficos, possvel dizer que o rendimento mximo em torno
de 70%, obtido em aproximadamente 60 minutos de tempo de reao e 167
o
F, que
correspondem, respectivamente, a A=1 e B=0,57.

LISTA DE EXERCCIOS No. 4
1) Um engenheiro qumico est investigando o efeito de dois fatores, a concentrao de um
reagente (%) e a velocidade de agitao (rpm) no rendimento de uma determinada reao.
Ele j sabe que o processo vem funcionado h algum tempo com os valores desses fatores
fixados em 50% e 100 rpm, respectivamente, e que os rendimentos mdios obtidos tm
ficado torno de 68%. Ele gostaria de saber se no seria possvel melhorar o rendimento,
escolhendo outros nveis para os fatores. A seguir, esto apresentados os resultados de um
planejamento
2
2 com ponto central. Ajustar um modelo de primeira ordem aos resultados.
ENSAIO C(%) V(rmp) A B Y (%)
1 45 90 -1 -1 69
2 55 90 1 -1 59
3 45 110 -1 1 78
4 55 110 1 1 67
5 50 100 0 0 68
6 50 100 0 0 66
7 50 100 0 0 69

2) Um planejamento fatorial completo
2
2 , com pontos centrais, foi usado para fazer uma
otimizao de segunda ordem. Os resultados so apresentados na tabela abaixo. Ajuste um
modelo de segunda ordem a esses dados e analise os resultados.
ENSAIO
1
C
2
C
1
x
2
x Y
1 -1 -1 15 14 102,015
2 1 -1 16 14 106,868
3 -1 1 15 16 108,130
4 1 1 16 16 110,176
5 -1,414 0 14,793 15 105,236
6 1,414 0 16,207 15 110,289
7 0 -1,414 15,5 13,586 103,999
8 0 1,414 15,5 16,414 110,171
9 0 0 15,5 15 108,044
10 0 0 15,5 15 109,098
11 0 0 15,5 15 107,824
12 0 0 15,5 15 108,978
13 0 0 15,5 15 109,169
1
C = concentrao de PEG 4000 (% em peso)
2
C = concentrao de
4
2
SO N
a
(% em peso)


82

BIBLIOGRAFIA
1. BARROS NETO, Bencio; SCARMINIO, Ieda S.; BRUNS, Roy E. Como Fazer Experimentos.
Porto Alegre: Bookman, 2010.
2. CALLEGARE, lvaro Jos de A. Introduo ao Delineamento de Experimentos. So Paulo:
Blucher, 2009.
3. MARQUES, Jair M.; MARQUES, Marcos A. M. Estatstica Bsica para os Cursos de
Engenharia. Curitiba: Domnio do Saber. 2009.
4. MONTGOMERY, Douglas C. Design and Analysis of Experiments. New York: John Wiley &
Sons, 2009.
5. MONTGOMERY, Douglas C. Introduo ao Controle Estatstico da Qualidade. Rio de
Janeiro: LTC, 2009.
6. MONTGOMERY, Douglas C.; RUNGER, George C. Estatstica Aplicada e Probabilidade
para Engenheiros. 4 ed. Rio de Janeiro: LTC, 2009.
7. RYAN, Thomas. Estatstica Moderna para Engenharia. Rio de Janeiro: Elsevier, 2009.














83











ANEXOS

























84

TABELA A1 - DISTRIBUIO DE t DE STUDENT
TESTE UNILATERAL
P
0,550 0,600 0,650 0,700 0,750 0,800 0,850 0,900 0,950 0,975 0,990 0,995
u

1 0,158 0,325 0,510 0,727 1,000 1,376 1,963 3,078 6,314 12,706 31,821 63,657
2 0,142 0,289 0,445 0,617 0,817 1,061 1,386 1,886 2,920 4,303 6,965 9,925
3 0,137 0,277 0,424 0,584 0,765 0,979 1,250 1,638 2,353 3,182 4,541 5,841
4 0,134 0,271 0,414 0,569 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604
5 0,132 0,267 0,408 0,559 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032
6 0,131 0,265 0,404 0,553 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707
7 0,130 0,263 0,402 0,549 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,500
8 0,130 0,262 0,400 0,546 0,706 0,889 1,108 1,397 1,860 2,306 2,897 3,355
9 0,129 0,261 0,398 0,544 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250
10 0,129 0,260 0,397 0,542 0,700 0,879 1,093 1,372 1,813 2,228 2,764 3,169
11 0,129 0,260 0,396 0,540 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106
12 0,128 0,259 0,395 0,539 0,696 0,873 1,083 1,356 1,782 2,179 2,681 3,055
13 0,128 0,259 0,394 0,538 0,694 0,870 1,080 1,350 1,771 2,160 2,650 3,012
14 0,128 0,258 0,393 0,537 0,692 0,868 1,076 1,345 1,761 2,145 2,625 2,977
15 0,128 0,258 0,393 0,536 0,691 0,866 1,074 1,341 1,753 2,131 2,603 2,947
16 0,128 0,258 0,392 0,535 0,690 0,865 1,071 1,337 1,746 2,120 2,584 2,921
17 0,128 0,257 0,392 0,534 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898
18 0,127 0,257 0,392 0,534 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878
19 0,127 0,257 0,391 0,533 0,688 0,861 1,066 1,328 1,729 2,093 2,540 2,861
20 0,127 0,257 0,391 0,533 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845
21 0,127 0,257 0,391 0,533 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831
22 0,127 0,256 0,390 0,532 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819
23 0,127 0,256 0,390 0,532 0,685 0,858 1,060 1,320 1,714 2,069 2,500 2,807
24 0,127 0,256 0,390 0,531 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797
25 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787
26 0,127 0,256 0,390 0,531 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779
27 0,127 0,256 0,389 0,531 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771
28 0,127 0,256 0,389 0,530 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763
29 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756
30 0,127 0,256 0,389 0,530 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750
40 0,127 0,255 0,388 0,529 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,705
50 0,126 0,255 0,388 0,528 0,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678
60 0,126 0,255 0,387 0,527 0,679 0,848 1,046 1,296 1,671 2,000 2,390 2,660
70 0,126 0,254 0,387 0,527 0,678 0,847 1,044 1,294 1,667 1,994 2,381 2,648
80 0,126 0,254 0,387 0,527 0,678 0,846 1,043 1,292 1,664 1,990 2,374 2,639
90 0,126 0,254 0,387 0,526 0,677 0,846 1,042 1,291 1,662 1,987 2,369 2,632
100 0,126 0,254 0,386 0,526 0,677 0,845 1,042 1,290 1,660 1,984 2,364 2,626
200 0,126 0,254 0,386 0,525 0,676 0,843 1,039 1,286 1,653 1,972 2,345 2,601
300 0,126 0,254 0,386 0,525 0,675 0,843 1,038 1,284 1,650 1,968 2,339 2,592
400 0,126 0,254 0,386 0,525 0,675 0,843 1,038 1,284 1,649 1,966 2,336 2,588
0,126 0,253 0,385 0,524 0,675 0,842 1,036 1,282 1,645 1,960 2,326 2,576

P
0,100 0,200 0,300 0,400 0,500 0,600 0,700 0,800 0,900 0,950 0,980 0,990
TESTE BILATERAL




85

TABELA A2 - DISTRIBUIO DE
2
_
P
0,005 0,010 0,025 0,050 0,100 0,250 0,750 0,900 0,950 0,975 0,990 0,995
u

1 0,000 0,000 0,001 0,004 0,016 0,102 1,323 2,706 3,842 5,024 6,635 7,879
2 0,010 0,020 0,051 0,103 0,211 0,575 2,773 4,605 5,992 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 0,584 1,213 4,108 6,251 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 1,064 1,923 5,385 7,779 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,146 1,610 2,675 6,626 9,236 11,071 12,833 15,086 16,750
6 0,676 0,872 1,237 1,635 2,204 3,455 7,841 10,645 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 2,833 4,255 9,037 12,017 14,067 16,013 18,475 20,278
8 1,344 1,647 2,180 2,733 3,490 5,071 10,219 13,362 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 4,168 5,899 11,389 14,684 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 4,865 6,737 12,549 15,987 18,307 20,483 23,209 25,188
11 2,603 3,054 3,816 4,575 5,578 7,584 13,701 17,275 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 6,304 8,438 14,845 18,549 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 7,042 9,299 15,984 19,812 22,362 24,736 27,688 29,820
14 4,075 4,660 5,629 6,571 7,790 10,165 17,117 21,064 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 8,547 11,037 18,245 22,307 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 9,312 11,912 19,369 23,542 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 10,085 12,792 20,489 24,769 27,587 30,191 33,409 35,719
18 6,265 7,015 8,231 9,391 10,865 13,675 21,605 25,989 28,869 31,526 34,805 37,157
19 6,844 7,633 8,907 10,117 11,651 14,562 22,718 27,204 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 12,443 15,452 23,828 28,412 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 13,240 16,344 24,935 29,615 32,671 35,479 38,932 41,401
22 8,643 9,543 10,982 12,338 14,042 17,240 26,039 30,813 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 14,848 18,137 27,141 32,007 35,173 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 15,659 19,037 28,241 33,196 36,415 39,364 42,980 45,559
25 10,520 11,524 13,120 14,611 16,473 19,939 29,339 34,382 37,653 40,647 44,314 46,928
26 11,160 12,198 13,844 15,379 17,292 20,843 30,435 35,563 38,885 41,923 45,642 48,290
27 11,808 12,879 14,573 16,151 18,114 21,749 31,528 36,741 40,113 43,195 46,963 49,645
28 12,461 13,565 15,308 16,928 18,939 22,657 32,621 37,916 41,337 44,461 48,278 50,993
29 13,121 14,257 16,047 17,708 19,768 23,567 33,711 39,088 42,557 45,722 49,588 52,336
30 13,787 14,954 16,791 18,493 20,599 24,478 34,800 40,256 43,773 46,979 50,892 53,672
35 17,192 18,509 20,569 22,465 24,797 29,054 40,223 46,059 49,802 53,203 57,342 60,275
40 20,707 22,164 24,433 26,509 29,051 33,660 45,616 51,805 55,759 59,342 63,691 66,766
45 24,311 25,901 28,366 30,612 33,350 38,291 50,985 57,505 61,656 65,410 69,957 73,166
50 27,991 29,707 32,357 34,764 37,689 42,942 56,334 63,167 67,505 71,420 76,154 79,490
55 31,735 33,571 36,398 38,958 42,060 47,611 61,665 68,796 73,312 77,381 82,292 85,749
60 35,535 37,485 40,482 43,188 46,459 52,294 66,982 74,397 79,082 83,298 88,379 91,952
65 39,383 41,444 44,603 47,450 50,883 56,990 72,285 79,973 84,821 89,177 94,422 98,105
70 43,275 45,442 48,758 51,739 55,329 61,698 77,577 85,527 90,531 95,023 100,425 104,215
75 47,206 49,475 52,942 56,054 59,795 66,417 82,858 91,062 96,217 100,839 106,393 110,286
80 51,172 53,540 57,153 60,392 64,278 71,145 88,130 96,578 101,880 106,629 112,329 116,321
85 55,170 57,634 61,389 64,749 68,777 75,881 93,394 102,079 107,522 112,393 118,236 122,325
90 59,196 61,754 65,647 69,126 73,291 80,625 98,650 107,565 113,145 118,136 124,116 128,299
95 63,250 65,898 69,925 73,520 77,818 85,376 103,899 113,038 118,752 123,858 129,973 134,247
100 67,328 70,065 74,222 77,930 82,358 90,133 109,141 118,498 124,342 129,561 135,807 140,170
110 75,550 78,458 82,867 86,792 91,471 99,666 119,608 129,385 135,480 140,917 147,414 151,949




86

TABELA A3 - DISTRIBUIO DE F DE SNEDECOR
Nvel de significncia de % 1

1
u
1 2 3 4 5 6 7 8 12 24
2
u
1 4.052,18 4.999,50 5.403,35 5.624,58 5.763,65 5.858,99 5.928,36 5.981,07 6.106,32 6.234,63 6.365,83
2 98,50 99,00 99,17 99,25 99,30 99,33 99,36 99,37 99,42 99,46 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,05 26,60 26,13
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,37 13,93 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 9,89 9,47 9,02
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,72 7,31 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,47 6,07 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,67 5,28 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,11 4,73 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,71 4,33 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,40 4,02 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,16 3,78 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 3,96 3,59 3,17
14 8,86 6,51 5,56 5,04 4,70 4,46 4,28 4,14 3,80 3,43 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,67 3,29 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,55 3,18 2,75
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,46 3,08 2,65
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,37 3,00 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,30 2,92 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,23 2,86 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,17 2,80 2,36
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,12 2,75 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,07 2,70 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,03 2,66 2,21
25 7,77 5,57 4,68 4,18 3,86 3,63 3,46 3,32 2,99 2,62 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 2,96 2,58 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 2,93 2,55 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 2,90 2,52 2,06
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 2,87 2,49 2,03
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 2,84 2,47 2,01
40

7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,66 2,29 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,50 2,12 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,34 1,95 1,38
6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,18 1,79 1,01









87

TABELA A4 - DISTRIBUIO DE F DE SNEDECOR
Nvel de significncia de % 5

1
u
GRAUS DE LIBERDADE DO NUMERADOR
1 2 3 4 5 6 7 8 12 24
2
u
1 161,45 199,50 215,71 224,58 230,16 233,99 236,77 238,88 243,91 249,05 254,31
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,41 19,45 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,74 8,64 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 5,91 5,77 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,68 4,53 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,00 3,84 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,57 3,41 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,28 3,12 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,07 2,90 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 2,91 2,74 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,79 2,61 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,69 2,51 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,60 2,42 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,53 2,35 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,48 2,29 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,42 2,24 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,38 2,19 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,34 2,15 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,31 2,11 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,28 2,08 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,25 2,05 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,23 2,03 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,20 2,01 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,18 1,98 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,16 1,96 1,71
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,15 1,95 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,13 1,93 1,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,12 1,91 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,10 1,90 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,09 1,89 1,62
40

4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,00 1,79 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 1,92 1,70 1,39
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,83 1,61 1,25
3,84 3,00 2,61 2,37 2,21 2,10 2,01 1,94 1,75 1,52 1,01








88

TABELA A5 - DISTRIBUIO DE F DE SNEDECOR
Nvel de significncia de % 10

1
u
GRAUS DE LIBERDADE DO NUMERADOR
1 2 3 4 5 6 7 8 12 24
2
u
1 39,86 49,50 53,59 55,83 57,24 58,20 58,91 59,44 60,71 62,00 63,33
2 8,53 9,00 9,16 9,24 9,29 9,33 9,35 9,37 9,41 9,45 9,49
3 5,54 5,46 5,39 5,34 5,31 5,28 5,27 5,25 5,22 5,18 5,13
4 4,54 4,32 4,19 4,11 4,05 4,01 3,98 3,95 3,90 3,83 3,76
5 4,06 3,78 3,62 3,52 3,45 3,40 3,37 3,34 3,27 3,19 3,11
6 3,78 3,46 3,29 3,18 3,11 3,05 3,01 2,98 2,90 2,82 2,72
7 3,59 3,26 3,07 2,96 2,88 2,83 2,78 2,75 2,67 2,58 2,47
8 3,46 3,11 2,92 2,81 2,73 2,67 2,62 2,59 2,50 2,40 2,29
9 3,36 3,01 2,81 2,69 2,61 2,55 2,51 2,47 2,38 2,28 2,16
10 3,29 2,92 2,73 2,61 2,52 2,46 2,41 2,38 2,28 2,18 2,06
11 3,23 2,86 2,66 2,54 2,45 2,39 2,34 2,30 2,21 2,10 1,97
12 3,18 2,81 2,61 2,48 2,39 2,33 2,28 2,24 2,15 2,04 1,90
13 3,14 2,76 2,56 2,43 2,35 2,28 2,23 2,20 2,10 1,98 1,85
14 3,10 2,73 2,52 2,39 2,31 2,24 2,19 2,15 2,05 1,94 1,80
15 3,07 2,70 2,49 2,36 2,27 2,21 2,16 2,12 2,02 1,90 1,76
16 3,05 2,67 2,46 2,33 2,24 2,18 2,13 2,09 1,99 1,87 1,72
17 3,03 2,64 2,44 2,31 2,22 2,15 2,10 2,06 1,96 1,84 1,69
18 3,01 2,62 2,42 2,29 2,20 2,13 2,08 2,04 1,93 1,81 1,66
19 2,99 2,61 2,40 2,27 2,18 2,11 2,06 2,02 1,91 1,79 1,63
20 2,97 2,59 2,38 2,25 2,16 2,09 2,04 2,00 1,89 1,77 1,61
21 2,96 2,57 2,36 2,23 2,14 2,08 2,02 1,98 1,88 1,75 1,59
22 2,95 2,56 2,35 2,22 2,13 2,06 2,01 1,97 1,86 1,73 1,57
23 2,94 2,55 2,34 2,21 2,11 2,05 1,99 1,95 1,85 1,72 1,55
24 2,93 2,54 2,33 2,19 2,10 2,04 1,98 1,94 1,83 1,70 1,53
25 2,92 2,53 2,32 2,18 2,09 2,02 1,97 1,93 1,82 1,69 1,52
26 2,91 2,52 2,31 2,17 2,08 2,01 1,96 1,92 1,81 1,68 1,50
27 2,90 2,51 2,30 2,17 2,07 2,00 1,95 1,91 1,80 1,67 1,49
28 2,89 2,50 2,29 2,16 2,06 2,00 1,94 1,90 1,79 1,66 1,48
29 2,89 2,50 2,28 2,15 2,06 1,99 1,93 1,89 1,78 1,65 1,47
30 2,88 2,49 2,28 2,14 2,05 1,98 1,93 1,88 1,77 1,64 1,46
40

2,84 2,44 2,23 2,09 2,00 1,93 1,87 1,83 1,71 1,57 1,38
60 2,79 2,39 2,18 2,04 1,95 1,87 1,82 1,77 1,66 1,51 1,29
120 2,75 2,35 2,13 1,99 1,90 1,82 1,77 1,72 1,60 1,45 1,19
2,71 2,30 2,08 1,94 1,85 1,77 1,72 1,67 1,55 1,38 1,01


89

TABELA A6 DISTRIBUIO DE F
mx



n-1
NVEL DE
SIGNIFI-
CNCIA
NMERO DE GRUPOS
2 3 4 5 6 7 8 9 10 11 12
2 0,05 39 87,5 142 202 266 333 403 475 550 626 704
0,01 199 448 729 1036 1362 1705 2063 2432 2813 3204 3605
3 0,05 15,4 27,8 39,2 50,7 62 72,9 83,5 93,9 104 114 124
0,01 47,5 85 120 151 184 216 249 281 310 337 361
4 0,05 9,6 15,5 20,6 25,2 29,5 33,6 37,5 41,4 44,6 48 51,4
0,01 23,2 37 49 59 69 79 89 97 106 113 120
5 0,05 7,15 10,8 13,7 16,3 18,7 20,8 22,9 24,7 26,5 28,2 29,9
0,01 14,9 22 28 33 38 42 46 50 54 57 60
6 0,05 5,82 8,38 10,4 12,1 13,7 15 16,3 17,5 18,6 19,7 20,7
0,01 11,1 15,5 19,1 22 25 27 30 32 34 36 37
7 0,05 4,99 6,94 8,44 9,7 10,8 11,8 12,7 13,5 14,3 15,1 15,8
0,01 8,89 12,1 14,5 16,5 18,4 20 22 23 24 26 27
8 0,05 4,43 6 7,18 8,12 9,03 9,8 10,5 11,1 11,7 12,2 12,7
0,01 7,5 9,9 11,7 13,2 14,5 15,8 16,9 17,9 18,9 19,8 21
9 0,05 4,03 5,34 6,31 7,11 7,8 8,41 8,95 9,45 9,91 10,3 10,7
0,01 6,54 8,5 9,9 11,1 12,1 13,1 13,9 14,7 15,3 16 16,6
10 0,05 3,72 4,85 5,67 6,34 6,92 7,42 7,87 8,28 8,66 9,01 9,34
0,01 5,85 7,4 8,6 9,6 10,4 11,1 11,8 12,4 12,9 13,4 13,9
12 0,05 3,28 4,16 4,79 5,3 5,72 6,09 6,42 6,72 7 7,25 7,48
0,01 4,91 6,1 6,9 7,6 8,2 8,7 9,1 9,5 9,96 10,2 10,6
15 0,05 2,86 3,54 4,01 4,37 4,68 4,95 5,19 5,4 5,59 5,77 5,93
0,01 4,07 4,9 5,5 6 6,4 6,7 7,1 7,3 7,5 7,8 8
20 0,05 2,46 2,95 3,29 3,54 3,76 3,94 4,1 4,24 4,37 4,49 4,59
0,01 3,32 3,8 4,3 4,6 4,9 5,1 5,3 5,5 5,6 5,8 5,9
30 0,05 2,07 2,4 2,61 2,78 2,91 3,02 3,12 3,21 3,29 3,36 3,39
0,01 2,63 3 3,3 3,4 3,6 3,7 3,8 3,9 4 4,1 4,2
60 0,05 1,67 1,85 1,96 2,04 2,11 2,17 2,22 2,26 2,3 2,33 2,36
0,01 1,96 2,2 2,3 2,4 2,4 2,5 2,5 2,6 2,6 2,7 2,7
inf 0,05 1 1 1 1 1 1 1 1 1 1 1
0,01 1 1 1 1 1 1 1 1 1 1 1

90

TABELA A7 VALORES CRTICOS PARA TESTE DE COCHRAN (OUTLIERS DA VARINCIA)
GRAUS DE LIBERDADE: 1 n = v
NVEL DE SIGNIFICNCIA: 01 , 0 = o

k
x
v
1 2 3 4 5 6 7 8 9 10 16 36 144 inf
2 0,9999 0,9950 0,9794 0,9586 0,9373 0,9172 0,8988 0,8823 0,8674 0,8674 0,7949 0,7067 0,6062 0,5000
3 0,9933 0,9423 0,8831 0,8335 0,7933 0,7606 0,7335 0,7107 0,6912 0,6912 0,6059 0,5153 0,4230 0,3333
4 0,9676 0,8643 0,7814 0,7212 0,6761 0,6410 0,6129 0,5897 0,5702 0,5702 0,4884 0,4057 0,3251 0,2500
5 0,9279 0,7885 0,6957 0,6329 0,5875 0,5531 0,5259 0,5037 0,4854 0,4854 0,4094 0,3351 0,2644 0,2000
6 0,8828 0,7218 0,6258 0,5635 0,5195 0,4866 0,4608 0,4401 0,4229 0,4229 0,3529 0,2858 0,2229 0,1667
7 0,8376 0,6644 0,5685 0,5080 0,4659 0,4347 0,4105 0,3911 0,3751 0,3751 0,3105 0,2494 0,1929 0,1429
8 0,7945 0,6152 0,5209 0,4627 0,4226 0,3932 0,3704 0,3522 0,3373 0,3373 0,2779 0,2214 0,1700 0,1250
9 0,7544 0,5727 0,4810 0,4251 0,3870 0,3592 0,3378 0,3207 0,3067 0,3067 0,2514 0,1992 0,1521 0,1111
10 0,7175 0,5358 0,4469 0,3934 0,3572 0,3308 0,3106 0,2945 0,2813 0,2813 0,2297 0,1811 0,1376 0,1000
12 0,6528 0,4751 0,3919 0,3428 0,3099 0,2861 0,2680 0,2535 0,2419 0,2419 0,1961 0,1535 0,1157 0,0833
15 0,5747 0,4069 0,3317 0,2882 0,2593 0,2386 0,2228 0,2104 0,2002 0,2002 0,1612 0,1251 0,0934 0,0667
20 0,4799 0,3297 0,2654 0,2288 0,2048 0,1877 0,1748 0,1646 0,1567 0,1567 0,1248 0,0960 0,0709 0,0500
24 0,4247 0,2871 0,2295 0,1970 0,1759 0,1608 0,1495 0,1406 0,1338 0,1338 0,1060 0,0810 0,0595 0,0417
30 0,3632 0,2412 0,1913 0,1635 0,1454 0,1327 0,1232 0,1157 0,1100 0,1100 0,0867 0,0658 0,0480 0,0333
40 0,2940 0,1915 0,1508 0,1281 0,1135 0,1033 0,0957 0,0898 0,0853 0,0853 0,0668 0,0503 0,0363 0,0250
60 0,2151 0,1371 0,1069 0,0902 0,0796 0,0722 0,0668 0,0625 0,0594 0,0594 0,0461 0,0344 0,0245 0,0167
120 0,1225 0,0759 0,0585 0,0489 0,0429 0,0387 0,0357 0,0334 0,0316 0,0316 0,0242 0,0178 0,0125 0,0083
inf 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NVEL DE SIGNIFICNCIA: 05 , 0 = o

k
x
v
1 2 3 4 5 6 7 8 9 10 16 36 144 inf
2 0,9985 0,9750 0,9392 0,9057 0,8772 0,8534 0,8332 0,8159 0,8010 0,7880 0,7341 0,6602 0,5813 0,5000
3 0,9669 0,8709 0,7977 0,7457 0,7071 0,6771 0,6530 0,6333 0,6167 0,6025 0,5466 0,4748 0,4031 0,3333
4 0,9065 0,7679 0,6841 0,6287 0,5895 0,5598 0,5365 0,5175 0,5017 0,4884 0,4366 0,3720 0,3093 0,2500
5 0,8412 0,6838 0,5981 0,5441 0,5065 0,4783 0,4564 0,4387 0,4241 0,4118 0,3645 0,3066 0,2513 0,2000
6 0,7808 0,6161 0,5321 0,4803 0,4447 0,4184 0,3980 0,3817 0,3682 0,3568 0,3135 0,2612 0,2119 0,1667
7 0,7271 0,5612 0,4800 0,4307 0,3974 0,3726 0,3535 0,3384 0,3259 0,3154 0,2756 0,2278 0,1833 0,1429
8 0,6798 0,5157 0,4377 0,3910 0,3595 0,3362 0,3185 0,3043 0,2926 0,2829 0,2462 0,2022 0,1616 0,1250
9 0,6385 0,4775 0,4027 0,3584 0,3286 0,3067 0,2901 0,2768 0,2659 0,2568 0,2226 0,1820 0,1446 0,1111
10 0,6020 0,4450 0,3733 0,3311 0,3029 0,2823 0,2666 0,2541 0,2439 0,2353 0,2032 0,1655 0,1308 0,1000
12 0,5410 0,3924 0,3264 0,2880 0,2624 0,2439 0,2299 0,2187 0,2098 0,2020 0,1737 0,1403 0,1100 0,0833
15 0,4709 0,3346 0,2758 0,2419 0,2195 0,2034 0,1911 0,1815 0,1736 0,1671 0,1429 0,1144 0,0889 0,0667
20 0,3894 0,2705 0,2205 0,1921 0,1735 0,1602 0,1501 0,1422 0,1357 0,1303 0,1108 0,0879 0,0675 0,0500
24 0,3434 0,2354 0,1907 0,1656 0,1493 0,1374 0,1286 0,1216 0,1160 0,1113 0,0942 0,0743 0,0567 0,0417
30 0,2929 0,1980 0,1593 0,1377 0,1237 0,1137 0,1061 0,1002 0,0958 0,0921 0,0771 0,0604 0,0457 0,0333
40 0,2370 0,1576 0,1259 0,1082 0,0968 0,0887 0,0827 0,0780 0,0745 0,0713 0,0595 0,0462 0,0347 0,0250
60 0,1737 0,1131 0,0895 0,0765 0,0682 0,0623 0,0583 0,0552 0,0520 0,0497 0,0411 0,0316 0,0234 0,0167
120 0,0998 0,0632 0,0490 0,0419 0,0371 0,0337 0,0312 0,0292 0,0279 0,0266 0,0218 0,0165 0,0120 0,0083
inf 0 0 0 0 0 0 0 0 0 0 0 0 0
91

TABELA A8 - VALORES MNIMOS DE | PARA CERTOS VALORES MXIMOS DE o E |
05 , 0 = o
1
v
05 , 0 = | 1 2 3 4 5 6 7 8
6 3,08 3,06 2,96 2,89 2,84 2,82 2,78 2,76
8 2,91 2,86 2,69 2,61 2,53 2,51 2,46 2,44
10 2,82 2,73 2,52 2,43 2,36 2,33 2,27 2,24
12 2,77 2,66 2,44 2,33 2,26 2,23 2,15 2,12
2
v
15 2,71 2,57 2,37 2,24 2,17 2,13 2,06 2,00
20 2,68 2,49 2,28 2,14 2,08 2,03 1,94 1,89
30 2,64 2,43 2,21 2,05 2,00 1,94 1,83 1,78
60 2,59 2,35 2,13 1,99 1,90 1,84 1,75 1,70
2,54 2,27 2,06 1,91 1,81 1,74 1,65 1,59
05 , 0 = o
1
v
01 , 0 = | 1 2 3 4 5 6 7 8
6 3,72 3,60 3,48 3,42 3,36 3,31 3,28 3,28
8 3,53 3,34 3,15 3,07 3,00 2,92 2,89 2,85
10 3,41 3,18 2,97 2,86 2,79 2,71 2,66 2,62
12 3,33 3,12 2,85 2,73 2,66 2,58 2,50 2,46
2
v
15 3,28 3,03 2,76 2,61 2,52 2,46 2,39 2,34
20 3,22 2,95 2,65 2,48 2,43 2,36 2,26 2,19
30 3,15 2,89 2,54 2,39 2,32 2,24 2,11 2,08
60 3,12 2,78 2,47 2,31 2,21 2,12 2,00 1,96
3,08 2,70 2,42 2,23 2,11 2,01 1,88 1,84
01 , 0 = o
1
v
05 , 0 = | 1 2 3 4 5 6 7 8
6 4,25 4,15 4,08 4,03 3,98 3,89 3,89 3,89
8 3,84 3,65 3,53 3,45 3,36 3,31 3,28 3,28
10 3,63 3,41 3,22 3,14 3,04 2,98 2,95 2,91
12 3,51 3,25 3,06 2,94 2,85 2,81 2,74 2,69
2
v
15 3,41 3,11 2,92 2,77 2,67 2,63 2,52 2,48
20 3,30 2,96 2,76 2,63 2,48 2,42 2,33 2,25
30 3,20 2,85 2,64 2,47 2,33 2,28 2,16 2,07
60 3,09 2,74 2,51 2,33 2,20 2,12 1,98 1,91
3,00 2,64 2,38 2,20 2,05 1,97 1,82 1,76
01 , 0 = o
1
v
01 , 0 = | 1 2 3 4 5 6 7 8
6 4,98 4,91 4,75 4,67 4,66 4,55 4,55 4,44
8 4,49 4,24 4,08 4,00 3,91 3,79 3,81 3,77
10 4,26 3,93 3,76 3,61 3,51 3,40 3,40 3,36
12 4,12 3,72 3,54 3,38 3,31 3,17 3,16 3,04
2
v
15 3,97 3,56 3,36 3,17 3,09 2,94 2,90 2,81
20 3,84 3,40 3,17 3,00 2,87 2,72 2,69 2,58
30 3,72 3,25 3,03 2,81 2,69 2,55 2,48 2,36
60 3,62 3,17 2,87 2,66 2,51 2,41 2,27 2,15
3,53 3,04 2,72 2,54 2,36 2,19 2,09 1,95
FONTE: CALEGARE (2009), pg. 91.







92

TABELA A9 - VALORES CRTICOS DA DISTRIBUIO DA ESTATSTICA
o
D
DE K-S, SEGUNDO LILLIEFORS
TAMANHO
DA
AMOSTRA
n
NIVEL DE SIGNIFICNCIA PARA
o
D
0,20 0,15 0,10 0,05 0,01
4 0,300 0,319 0,352 0,381 0,417
5 0,285 0,299 0,315 0,337 0,405

6 0,265 0,277 0,294 0,319 0,364
7 0,217 0,253 0,276 0,300 0,348
8 0,233 0,244 0,261 0,285 0,331
9 0,223 0,233 0,249 0,271 0,311
10 0,215 0,224 0,239 0,258 0,294

11 0,206 0,217 0,230 0,249 0,284
12 0,199 0,212 0,223 0,242 0,275
13 0,190 0,202 0,214 0,234 0,268
14 0,183 0,194 0,207 0,227 0,261
15 0,177 0,187 0,201 0,220 0,257

16 0,173 0,182 0,195 0,213 0,245
17 0,169 0,177 0,189 0,206 0,239
18 0,166 0,173 0,184 0,200 0,235
19 0,163 0,169 0,179 0,195 0,231
20 0,160 0,166 0,174 0,190 0,203

25 0,149 0,153 0,165 0,180 0,187
30 0,131 0,136 0,144 0,161 1,031

Mais de 30
n 730 , 0 n 768 , 0 n 805 , 0 n 886 , 0 n 031 , 1
93

TABELA A10 - COEFICIENTES
1 i n
a
+
PARA O TESTE DE NORMALIDADE w DE
SHAPIRO-WILK
n i
2 3 4 5 6 7 8 9 10
1 0,7071 0,7071 0,6872 0,6646 0,6431 0,6233 0,6052 0,5888 0,5739
2 0,0000 0,1677 0,2413 0,2806 0,3031 0,3164 0,3244 0,3291
3 0,0000 0,0875 0,1401 0,1743 0,1976 0,2141
4 0,0000 0,0561 0,0947 0,1224
5 0,0000 0,0399

n i
11 12 13 14 15 16 17 18 19 20
1 0,5601 0,5475 0,5359 0,5251 0,5150 0,5056 0,4968 0,4886 0,4808 0,4734
2 0,3315 0,3325 0,3325 0,3318 0,3306 0,3290 0,3273 0,3253 0,3232 0,3211
3 0,2260 0,2347 0,2412 0,2460 0,2495 0,2521 0,2540 0,2553 0,2561 0,2565
4 0,1429 0,1586 0,1707 0,1802 0,1878 0,1939 0,1988 0,2027 0,2059 0,2085
5 0,0695 0,0922 0,1099 0,1240 0,1353 0,1447 0,1524 0,1587 0,1641 0,1686

6 0,0000 0,0303 0,0539 0,0727 0,0880 0,1005 0,1109 0,1197 0,1271 0,1334
7 0,0000 0,0240 0,0433 0,0593 0,0725 0,0837 0,0932 0,0113
8 0,0000 0,0196 0,0359 0,0496 0,0612 0,0711
9 0,0000 0,0163 0,0303 0,0422
10 0,0000 0,0140
94

TABELA A11 - VALORES CRTICOS DA ESTATSTICA w DE SHAPIRO-WILK
TAMA-
NHO DA
AMOS-
TRA n
NVEL DE SIGNFICNCIA o
0,01 0,02 0,05 0,10 0,50 0,90 0,95 0,98 0,99
3 0,753 0,756 0,767 0,789 0,959 0,998 0,999 1,000 1,000
4 0,687 0,707 0,748 0,792 0,935 0,987 0,992 0,996 0,997
5 0,686 0,715 0,762 0,806 0,927 0,979 0,986 0,991 0,993

6 0,713 0,743 0,788 0,826 0,927 0,974 0,981 0,986 0,989
7 0730 0,760 0,803 0,838 0,928 0,972 0,979 0,985 0,988
8 0,749 0,778 0,818 0,851 0,932 0,972 0,978 0,984 0,987
9 0,764 0,791 0,829 0,859 0,935 0,972 0,978 0,984 0,986
10 0,781 0,806 0,842 0,869 0,938 0,972 0,978 0,983 0,986

11 0,792 0,817 0,850 0,876 0,940 0,973 0,979 0,984 0,986
12 0,805 0,828 0,859 0,883 0,943 0,973 0,979 0,984 0,986
13 0,814 0,837 0,866 0,889 0,945 0,974 0,979 0,984 0,986
14 0,825 0,846 0,874 0,895 0,947 0,975 0,980 0,984 0,986
15 0,835 0,855 0,881 0,901 0,950 0,975 0,980 0,984 0,987

16 0,844 0,863 0,887 0,906 0,952 0,976 0,981 0,985 0,987
17 0,851 0,869 0,892 0,910 0,954 0,977 0,981 0,985 0,987
18 0,858 0,874 0,897 0,914 0,956 0,978 0,982 0,986 0,988
19 0,863 0,879 0,901 0,917 0,957 0,978 0,982 0,986 0,988
20 0,868 0,884 0,905 0,920 0,959 0,979 0,983 0,986 0,988

21 0,873 0,888 0,908 0,923 0,960 0,980 0,983 0,987 0,989
22 0,878 0,892 0,911 0,926 0,961 0,980 0,984 0,987 0,989
23 0,881 0,895 0,914 0,928 0,962 0,981 0,984 0,987 0,989
24 0,884 0,898 0,916 0,930 0,963 0,981 0,984 0,987 0,989
25 0,888 0,901 0,918 0,931 0,964 0,981 0,985 0,988 0,989

26 0,891 0,904 0,920 0,933 0,965 0,982 0,985 0,988 0,989
27 0,894 0,906 0,923 0,935 0,965 0,982 0,985 0,988 0,990
28 0,896 0,908 0,924 0,936 0,966 0,982 0,985 0,988 0,990
29 0,898 0,910 0,926 0,937 0,966 0,982 0,985 0,988 0,990
30 0,900 0,912 0,927 0,931 0,967 0,983 0,985 0,988 0,990




95

TABELA A12 VALORES CRTICOS PARA O TESTE DE COCHRAN
n=2 n=3 n=4 n=5
p 1% 5% 1% 5% 1% 5% 1% 5%
2 - - 0,995 0,975 0,979 0,939 0,959 0,906
3 0,993 0,967 0,942 0,871 0,883 0,798 0,834 0,746
4 0,968 0,906 0,864 0,768 0,781 0,684 0,721 0,629
5 0,928 0,841 0,788 0,684 0,696 0,598 0,633 0,544
6 0,883 0,781 0,722 0,616 0,626 0,532 0,564 0,480
7 0,838 0,727 0,664 0,561 0,568 0,480 0,508 0,431
8 0,794 0,680 0,615 0,516 0,521 0,438 0,463 0,391
9 0,754 0,638 0,573 0,478 0,481 0,403 0,425 0,358
10 0,718 0,602 0,536 0,445 0,447 0,373 0,393 0,331
11 0,684 0,570 0,504 0,417 0,418 0,348 0,366 0,308
12 0,653 0,541 0,475 0,392 0,392 0,326 0,343 0,288
13 0,624 0,515 0,450 0,371 0,369 0,307 0,322 0,271
14 0,599 0,492 0,427 0,352 0,349 0,291 0,304 0,255
15 0,575 0,471 0,407 0,335 0,332 0,276 0,268 0,242
16 0,553 0,452 0,388 0,319 0,316 0,262 0,274 0,230
17 0,532 0,434 0,372 0,305 0,301 0,250 0,261 0,219
18 0,514 0,418 0,356 0,293 0,288 0,240 0,249 0,209
19 0,496 0,403 0,343 0,281 0,276 0,230 0,238 0,200
20 0,480 0,389 0,330 0,270 0,265 0,220 0,229 0,192
21 0,465 0,377 0,318 0,261 0,255 0,212 0,220 0,185
22 0,450 0,365 0,307 0,252 0,246 0,204 0,212 0,178
23 0,437 0,354 0,297 0,243 0,238 0,197 0,204 0,172
24 0,425 0,343 0,287 0,235 0,230 0,191 0,197 0,166
25 0,413 0,334 0,278 0,228 0,222 0,185 0,190 0,160
26 0,402 0,325 0,270 0,221 0,215 0,179 0,184 0,155
27 0,391 0,316 0,262 0,215 0,209 0,173 0,179 0,150
28 0,382 0,308 0,255 0,209 0,202 0,168 0,173 0,146
29 0,372 0,300 0,248 0,203 0,196 0,164 0,168 0,142
30 0,363 0,293 0,241 0,198 0,191 0,259 0,164 0,138
p=nmero de grupos
n=nmero de observaes em cada grupo









96

TABELA A13 - VALORES CRTICOS PARA
o
q (TESTE DE TUKEY)
G.L. do
resduo
k=Nmero de tratamentos
2 3 4 5 6 7 3 9 10
5
3,64
5,70
4,60
6,98
5,22
7,80
5,67
8,42
6,03
8,91
6,33
9,32
6,58
9,67
6,80
9,97
6,99
10,24
6
3,46
5,24
4,34
6,33
4,90
7,03
5,30
7,56
5,63
7,97
5,90
8,32
6,12
8,61
6,32
8,87
6,49
9,10
7
3,34
4,95
4,16
5,92
4,68
6,54
5,06
7,01
5,36
7,37
5,61
7,68
5,82
7,94
6,00
8,17
6,16
8,37
8
3,26
4,75
4,04
5,64
4,53
6,20
4,89
6,62
5,17
6,96
5,40
7,24
5,60
7,47
5,77
7,68
5,92
7,86
9
3,20
4,60
3,95
5,43
4,41
5,96
4,76
6,35
5,02
6,66
5,24
6,91
5,43
7,13
5,59
7,33
5,74
7,49
10
3,15
4,48
3,88
5,27
4,33
5,77
4,65
6,14
4,91
6,43
5,12
6,67
5,30
6,87
5,46
7,05
5,60
7,21
11
3,11
4,39
3,82
5,15
4,26
5,62
4,57
5,97
4,82
6,25
5,03
6,48
5,20
6,67
5,35
6,84
5,49
6,99
12
3,08
4,32
3,77
5,05
4,20
5,50
4,51
5,84
4,75
6,10
4,95
6,32
5,12
6,51
5,27
6,67
5,39
6,81
13
3,06
4,26
3,73
4,96
4,15
5,40
4,45
5,73
4,69
5,98
4,88
6,19
5,05
6,37
5,19
6,53
5,32
6,67
14
3,03
4,21
3,70
4,89
4,11
5,32
4,41
5,63
4,64
5,88
4,83
6,08
4,99
6,26
5,13
6,41
5,25
6,54
15
3,01
4,17
3,67
4,84
4,08
5,25
4,37
5,56
4,59
5,80
4,78
5,99
4,94
6,16
5,08
6,31
5,20
6,44
16
3,00
4,13
3,65
4,79
4,05
5,19
4,33
5,49
4,56
5,72
4,74
5,92
4,90
6,08
5,03
6,22
5,15
6,35
17
2,98
4,10
3,63
4,74
4,02
5,14
4,30
5,43
4,52
5,66
4,70
5,85
4,86
6,01
4,99
6,15
5,11
6,27
18
2,97
4,07
3,61
4,70
4,00
5,09
4,28
5,38
4,49
5,60
4,67
5,79
4,82
5,94
4,96
6,08
5,07
6,20
19
2,96
4,05
3,59
4,67
3,98
5,05
4,25
5,33
4,47
5,55
4,65
5,73
4,79
5,89
4,92
6,02
5,04
6,14
20
2,95
4,02
3,58
4,64
3,96
5,02
4,23
5,29
4,45
5,51
4,62
5,69
4,77
5,84
4,90
5,97
5,01
6,09
24
2,92
3,96
3,53
4,55
3,90
4,91
4,17
5,17
4,37
5,37
4,54
5,54
4,68
5,69
4,81
5,81
4,92
5,92
30
2,89
3,89
3,49
4,45
3,85
4,80
4,10
5,05
4,30
5,24
4,46
5,40
4,60
5,54
4,72
5,65
4,82
5,76
40
2,86
3,82
3,44
4,37
3,79
4,70
4,04
4,93
4,23
5,11
4,39
5,26
4,52
5,39
4,63
5,50
4,73
5,60
60
2,83
3,76
3,40
4,28
3,74
4,59
3,98
4,82
4,16
4,99
4,31
5,13
4,44
5,25
4,55
5,36
4,65
5,45
120
2,80
3,70
3,36
4,20
3,68
4,50
3,92
4,71
4,10
4,87
4,24
5,01
4,36
5,12
4,47
5,21
4,56
5,30

2,77
3,64
3,31
4,12
3,63
4,40
3,86
4,60
4,03
4,76
4,17
4,88
4,29
4,99
4,39
5,08
4,47
5,16
Nota: O primeiro valor corresponde a
05 , 0
q e o segundo a
01 , 0
q .