1

6. EXPERIMENTOS FATORIAIS
6.1 Algumas definies
So experimentos que envolvem dois ou mais fatores. Exemplo: temos a nveis do
fator A e b nveis do fator B, ento cada repetio ter ab tratamentos.
Efeito principal de um fator: o quanto mudou a varivel resposta devido a mudana
no nvel do fator. Exemplo:
Fator B
Fator A
+
-
- +
20
30
40
52
Efeito principal de A:
21
2
30 20
2
52 40
A =
+

+
=
Interpretao: passando do nvel
baixo para o alto de A causa um
aumento mdio de 21 unidades na
resposta. Figura 6.1
Mdia nvel
alto
Mdia nvel
baixo
2
Efeito principal de B:
11
2
40 20
2
52 30
B =
+

+
=
I nterao: quando a diferena na varivel resposta entre os nveis de um fator no
a mesma nos nveis dos outros fatores. Exemplo:
Fator B
Fator A
+
-
- +
20
40
50
12
Para B
-
o efeito de A : 50-20=30
Para B
+
o efeito de A : 12-40=-28
Efeito da interao: AB=(-28-30)/2=-29
=(ab-b-a+1)/2
=(12-40-50+20) /2
Figura 6.2
B
-

- +
Fator A
B
+

Figura 6.4
40
20
50
12
Efeito
significativo da
interao
3
- +
Fator A
B
-

Figura 6.4
B
+

No tem efeito da interao
4
Modelo de regresso: quando os fatores em estudo so quantitativos (temperaturas,
doses de nitrognio, tempo, etc.), indica-se fazer uma anlise de regresso. O modelo
de regresso para um experimento com 2 fatores, com dois nveis, fica:
x x x x y
2 1 12 2 2 1 1 0
+ + + + =
Onde: y a varivel resposta, os |s so os parmetros a serem estimados, x
1
e x
2
so as
variveis que representam os fatores A e B respectivamente, c o termo do erro
aleatrio. As variveis x
1
e x
2
so codificadas como -1 e +1, e x
1
x
2
representa a
interao entre elas.
Estimativas dos parmetros:
( ) 35,5 4 52 30 40 20

0,5
2
1
2
AB de Efeito

5,5
2
11
2
B de Efeito

,5 10
2
21
2
A de Efeito

0
12
2
1
= + + + =
= = =
= = =
= = =

|
Modelo ajustado:
2 1 2 1
5 , 0 5 , 5 5 , 10 5 , 35 x x x x y + + + =
(Mtodo dos mnimos quadrados)
(ab-b-a+1) /2
(52-30-40+20)/2=1
Pequeno efeito,
retirar do modelo
5
Representao grfica do modelo (sem a interao).
Interpretao:
existe um efeito
linear de x1 e x2;
a resposta
aumenta com os
valores maiores
de x1 e x2.
6
Modelo com interao:
2 1 2 1
8 5 , 5 5 , 10 5 , 35

x x x x y + + + =
Para o experimento da figura 6.2 o efeito de A vale 1
pequeno
pode-se pensar que no existe o efeito de A
porm, para os diferentes
nveis de B, o efeito de A significativo.
Na presena de interao significativa, o pesquisador deve estudar o efeito
de um fator dentro dos nveis do outro fator:por exemplo, A(B=-1) .
Interpretao: o
fator A passa de -1
para 1 e vai
aumentando. O
fator B no
estvel-->
passando de -1
para 1 no
aumenta a
produo nos
nveis baixo de A,
entretanto
aumenta a
produo para os
nveis altos de A.
7
6.2 A vantagem dos esquemas fatoriais
Quando deseja-se estudar os efeitos das interaes entre os fatores. Permite estimar os
efeitos de um fator dentro dos nveis do outro fatorresultados mais abrangentes.
6.3 Experimentos fatoriais com dois fatores
a nveis do fator A
b nveis do fator B
cada repetio contm ab tratamentos
n repeties
Exemplo: uma pesquisadora deseja produzir um novo tipo de vinagre a base de
kiwi. Os fatores em estudo foram:
Fator A: quantidade de acar (a=2 nveis: 8% e 20%)
Fator B: adio de nutrientes (b=2 nveis: com e sem)
n = 7 repeties 4 x 7 = 28 unidades experimentais
varivel resposta: concentrao de etanol
8
6-3.1 Exemplo
Projeto de uma bateria. Fatores em estudo: Material (tipos 1, 2 e 3) e temperatura
(15
o
F, 70
o
F e 125
o
F). 4 baterias so testadas para cada combinao de material e
temperatura, num total de 36 baterias, testadas em ordem aleatria. Delineamento
experimental: Inteiramente Casualizado. Material como fator A e Temperatura como
fator B.
Questes: 1. Qual o efeito do tipo de material e temperatura na vida das baterias?
2. Existe um material que produz uma bateria com vida mais longa
independente da temperatura?
Dados de vida (em Horas) para o experimento de um projeto de bateria
Temperatura (
o
F) Tipo do
Material 15 70 125
1 130 155 34 40 20 70
74 180 80 75 82 58
2 150 188 136 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60
9
De modo geral, a matriz dos dados dada da seguinte forma:
Fator B
1 2 ... b
1 y
111
, y
112
, ..., y
11n
y
121
, ..., y
12n
y
1b1
, ..., y
1bn
Fator A 2 y
211
, y
212
, ..., y
21n
y
221
, ..., y
22n
y
2b1
, ..., y
2bn
.
a y
a11
, y
a12
, ..., y
a1n
y
a21
, ..., y
a2n
y
ab1
, ..., y
abn
O modelo estatstico:
ijk ij j i ijk
) ( y c t| | t + + + + =
i=1,2,...,a
j=1,2,...,b
k=1,2,...,n
y
ijk
o efeito do i-simo nvel do fator A, j-simo nvel do fator B e k-sima
repetio; uma constante (mdia geral); t
i
o efeito do i-simo nvel do fator
A; |
j
o efeito do j-simo nvel do fator B; (t|)
ij
o efeito da interao entre t
i
e
|
j
e c
ijk
o componente do erro aleatrio.
10
O modelo de mdias:
( )
ij j i ij
ijk ij ijk

y
+ + + =
+ =
O modelo de regresso:
i 2i 1i 12 2i 2 1i 1 0 i
x x x x y + + + + =
11
Hipteses de interesse
1. Interao
0 ) :
0 ) ( :
0
=
=
ij 1
ij
( um menos pelo H
j i, todo para H
t|
t|
2. Efeito do fator A
0 um menos pelo H
H
i
a
=
= = = =
t
t t t
:
0 ... :
1
2 1 0
3. Efeito do fator B
0 um menos pelo H
H
j
b
=
= = = =
|
| | |
:
0 ... :
1
2 1 0
12
6-3.2 Anlise estatstica do modelo de efeitos fixos
Tabela da ANOVA para um experimento fatorial com dois fatores de efeitos fixos
Causas de variao Soma de
quadrados
Graus de
liberdade
Quadrados mdios E(QM) F
0
Fator A SQ
A
a-1 QM
A
= SQA/a-1
1
1
2
2

+

=
a
bn
a
i
i
t
o
E
A
QM
QM
F =
0
Fator B SQ
B
b-1 QM
B
= SQ
B
/b-1
1
1
2
2

+

=
b
an
b
j
j
|
o
E
B
QM
QM
F =
0
Interao A x B SQ
AB
(a-1)(b-1) QM
AB
= SQ
AB
/(a-1)(b-1)
) 1 )( 1 (
) (
1 1
2
2

+

= =
b a
n
a
i
b
j
ij
t|
o
E
AB
QM
QM
F =
0
Erro SQ
E
ab(n-1) SQ
E
/ ab(n-1)
2
o
Total SQ
T
abn-1
13
subtotais T E
B A subtotais AB
a
i
b
j
ij subtotais
b
j
j B
a
i
i A
a
i
b
j
n
k
ijk T
SQ SQ SQ
SQ SQ SQ SQ
abn
y
y
n
SQ
abn
y
y
an
SQ
abn
y
y
bn
SQ
abn
y
y SQ
=
=
=
=
=
=

= =
=
=
= = =
2
...
1 1
2
.
2
...
1
2
. .
2
...
1
2
..
2
...
1 1 1
2
1
1
1
Suposies :
+ Assume-se que o modelo est ajustado;
+ Os erros c
ijk
so normalmente e
independentemente distribudos com
varincia constante o
2
;
Os F
0
so distribudos como F com a-1,
b-1, e (a-1)(b-1) g no numerador e ab(n-1)
gl no denominador, e a regio crtica a
cauda superior da distribuio F.
14
15
Anlise estatstica do experimento de baterias
Software utilizado: SAS (arquivo: battery.sas)

Exemplo de um experimento fatorial com dois fatores 4
Pagina 240 do livro do Montgomery 15:33 Sunday, April 27, 1997

General Linear Models Procedure

Dependent Variable: VIDA

Source DF Sum of Squares Mean Square F Value Pr > F

Model 8 59416.22222222 7427.02777778 11.00 0.0001

Error 27 18230.75000000 675.21296296

Corrected Total 35 77646.97222222

R-Square C.V. Root MSE VIDA Mean

0.765210 24.62372 25.98486026 105.52777778


Source DF Type I SS Mean Square F Value Pr > F

MATERIAL 2 10683.72222222 5341.86111111 7.91 0.0020
TEMPERAT 2 39118.72222222 19559.36111111 28.97 0.0001
MATERIAL*TEMPERAT 4 9613.77777778 2403.44444444 3.56 0.0186

Source DF Type III SS Mean Square F Value Pr > F

MATERIAL 2 10683.72222222 5341.86111111 7.91 0.0020
TEMPERAT 2 39118.72222222 19559.36111111 28.97 0.0001
MATERIAL*TEMPERAT 4 9613.77777778 2403.44444444 3.56 0.0186

16
Concluses:
1) O modelo est ajustado. Cerca de 77% da variabilidade na vida das baterias
explicada pelo modelo adotado.
2) Como a P(F>3,56)=0,0186 existe efeito significativo da interao entre o tipo de
material e temperatura;

17
Verificao das suposies do modelo (Anlise de resduos)
Resduos:
.
.

ij ijk ijk
ij ijk
ijk ijk ijk
y y e
y y onde
y y e
=
=
=
18
O grfico no revela qualquer problema, embora o maior resduo (negativo) (-60,75, para
o material 1 e temperatura 15
o
F) est fugindo um pouco da distribuio dos resduos. O
valor padronizado desse resduo o nico resduo superior a
2 (valor suspeito).
34 , 2 21 , 675 / 75 , 60 =
19
Esse grfico indica uma
tendncia moderada da
varincia dos resduos
aumentar com a vida das
baterias. 70
0
F e material 1
contm os dois resduos
mais extremos: -60,75 e
45,25
O material 1 apresenta
maior varincia dos
resduos
20
Indica que para
15
0
F existe maior
varincia dos
resduos.
Varincias dos materiais e temperaturas:
Materiais Temperaturas
1 2360,88 15 1004,52
2 2447,52 70 1838,99
3 1279,17 125 659,06

Ambos os grficos indicam
moderada desigualdade de
varincias com a combinao de
15
o
F e material tipo 1, porm no
invalidam os resultados.
21
Comparaes mltiplas
Quando a interao significativa deve-se fazer o desdobramento da interao. Pode
ocorrer dois casos:
1) Os dois efeitos principais so significativos ou no. Estuda-se o comportamento de
um fator dentro dos nveis do outro;
2) Apenas um dos efeitos principais foi significativo. Estuda-se o comportamento do
fator no significativo dentro dos nveis do outro fator.
Outra considerao: verificar o fator influenciado, por exemplo, os materiais so
influenciados pelas temperaturas, assim, deve-se estudar o efeito dos materiais dentro
de cada temperatura, ou seja,
influenciado(influencia).
22
Exemplo: dados de vida de baterias. Vamos comparar as mdias dos tipos de
materiais dentro de cada uma das temperaturas, pelo teste de Tukey, ao nvel de
significncia de 5%. Vamos utilizar o sistema SAS.
General Linear Models Procedure
Least Squares Means

MATERIAL*TEMPERAT Effect Sliced by TEMPERAT for VIDA

Sum of Mean
TEMPERAT DF Squares Square F Value Pr > F

15 2 886.166667 443.083333 0.6562 0.5269
70 2 16553 8276.333333 12.2574 0.0002
125 2 2858.666667 1429.333333 2.1169 0.1400
* *
Estudo da interao:
Fixar o fator B (temperatura) num especfico nvel e aplicar o teste de Tukey para as
mdias do fator A (tipo de material (qualitativo)).

23

MATERIAL TEMPERAT VIDA
LSMEAN

1 15 134.750000
1 70 57.250000
1 125 57.500000
2 15 155.750000
2 70 119.750000
2 125 49.500000
3 15 144.000000
3 70 145.750000
3 125 85.500000
Mdias observadas no experimento:
Diferenas entre os pares de mdias de materiais para temperatura 70
o
F:
Mat 3 vs Mat 2: 145,75-119,75=26,00
Mat 3 vs Mat 1: 145,75-57,25=88,50
Mat 2 vs Mat 1: 119,75-57,25=62,50

24
Teste de Tukey
O erro padro das mdias dado por:

99 , 12
4
21 , 675
= = =
n
QM
S
E
y
Da tabela VII (Apndice) obtemos: 50 3 27 3
05 0
, ) ; (
,
~ q
A Diferena Mnima Significativa (DMS) dada por:

47 45 99 12 50 3 27 3
05 0 05 0
, ) , ( , ) , (
, ,
= = =
y
S q T
b 25 57
a 75 119
a 145,75
,
,
Material 3
Material 2
Material 1

Para temperatura de 70
o
F
Como a interao foi significativa, suponha que desejamos comparar as mdias dos
trs tipos de materiais para temperatura fixada em 70
o
F.
25
Contraste na presena de interao
Contraste: Material 1 e a mdia dos materiais 2 e 3 para temperatura = 70
o
F
Passos:
1. Escreva a hiptese de interesse em termos de mdias de caselas
2. Reescreva a hiptese em termos dos parmetros do modelo
3. Calcule os coeficientes para o contraste
26
Tabela de mdias de caselas para os 9 tratamentos
Temperaturas Materiais
15 70 125
1
11

12

13

2
21

22

23

3
31

32

33

15

70

125

ij j i ij
) (t| | t + + + =
A hiptese escrita em termos de mdias de caselas dada por:
( )
32 22 12 0
2
1
: + = H
Em termos dos parmetros do modelo a hiptese fica:
( ) ) ) ( ( ) ) ( (
2
1
) (
32 2 3 22 2 2 12 2 1
t| | t t| | t t| | t + + + + + + + = + + +
27
0 1
32 2
1
22 2
1
12 3 2
1
2 2
1
1
= + ) ( ) ( ) ( t| t| t| t t t
contrast 'M1 vs (M2+m3)/2 T=70' material 1 -0.5 -0.5
material*temperat 0 1 0 0 -0.5 0 0 -0.5 0;
O comando CONTRAST no SAS fica:
Resultado do comando CONTRAST:

Contrast DF Contrast SS Mean Square F Value Pr > F

M1 vs (M2+m3)/2 T=70 1 15200.66666667 15200.66666667 22.51 0.0001

Exerccio: testar o contraste Material 2 vs material 3 para temperatura=70;
28
6-3.4 Estimao dos parmetros do modelo
ijk ij j i ijk
) ( y c t| | t + + + + =
Os parmetros do modelo de efeitos so estimados pelo mtodo dos mnimos
quadrados.
b 1,2,..., j e a 1,2,..., i y y y y
b 1,2,..., j y y
a 1,2,..., i y y
y
j i ij
ij
j j
i i
= = + =
|
.
|

\
|
= =
= =
=
.
... . . ..
... . .
... ..
...

t|
|
t

29
Parameter Estimates
Term DF Estimate Std. Err. T Pr > |T|
INTERCEPT 1 85.50 12.99 6.581 0.0000
(TEMPERAT='15') 1 58.50 18.37 3.184 0.0036
(TEMPERAT='70') 1 60.25 18.37 3.279 0.0029
(TEMPERAT='125') 0 0 . . .
(MATERIAL='1') 1 -28.00 18.37 -1.524 0.1392
(MATERIAL='2') 1 -36.00 18.37 -1.959 0.0605
(MATERIAL='3') 0 0 . . .
(MATERIAL='1' & TEMPERAT='15')
1 18.75 25.98 0.722 0.4768
(MATERIAL='1' & TEMPERAT='70')
1 -60.50 25.98 -2.328 0.0276
(MATERIAL='1' & TEMPERAT='125')
0 0 . . .
(MATERIAL='2' & TEMPERAT='15')
1 47.75 25.98 1.838 0.0771
(MATERIAL='2' & TEMPERAT='70')
1 10.00 25.98 0.385 0.7034
(MATERIAL='2' & TEMPERAT='125')
0 0 . . .
(MATERIAL='3' & TEMPERAT='15')
0 0 . . .
(MATERIAL='3' & TEMPERAT='70')
0 0 . . .
(MATERIAL='3' & TEMPERAT='125')
0 0 . . .
Parameter Estimates
The predicted model is VIDA = 85.50 + 58.50*(TEMPERAT='15') + 60.25*(TEMPERAT='70') -
28.00*(MATERIAL='1') -36.00*(MATERIAL='2') +18.75*(MATERIAL='1' & TEMPERAT='15') -
60.50*(MATERIAL='1' & TEMPERAT='70') + 47.75*(MATERIAL='2' & TEMPERAT='15') +
10.00*(MATERIAL='2' & TEMPERAT='70') .
resposta na negativo Ef eito
75 118 25 60 50 58
0
3
2 1 3
3 2 1
, , , = =
=
= + +
|
| | |
| | |
30
6-3.5 Determinao do nmero de repeties
As curvas caractersticas de operao, Apndice V, podem ser usadas para
determinar o n (nmero de repeties).
Clculos:
1) graus de liberdade: apresentados na tabela da ANOVA
2) clculo de u
2
, onde D a diferena entre duas mdias (do fator A, B ou interao
AB) , a qual o pesquisador deseja que o experimento detecte como significativa:

interao) da efeito (para
B) f ator o (para
A) f ator o (para
b a
nD
2
b
naD
a
nbD
] 1 ) 1 )( 1 [( 2
2
2
2
2
2
2
2
2
2
2
+
= u
= u
= u
o
o
o
Exemplo: A hiptese de nulidade deve ser rejeitada com alta probabilidade se a
diferena na vida mdia entre duas temperaturas de 40 horas. Ento D=40.
Assume-se o=25 e o=0,05.
n
n
b
naD
28 , 1
2
2
2
2
) 25 )( 3 ( 2
) 40 )( 3 (
2
2
= = = u
o
31
v
1
v
2
n
2
u
u
(GL numerador) (GL denominador) |
2 2,56 1,60 2 9 0,45
3 3,84 1,96 2 18 0,18
4 5,12 2,26 2 27 0,06
Para n=4 tem-se 94% de probabilidade de rejeitar a hiptese quando a diferena entre
duas mdias de temperatura for da ordem de 40.
6. Ajustando curvas e superfcies de resposta.
Utilizar uma equao de regresso que vai relacionar os nveis dos fatores com a
resposta. Pode ser usada para predio de y. Com 1 fator quantitativocurva de
resposta. Com dois ou mais fatores quantitativossuperfcie de resposta. Em geral
so usados mtodos de regresso linear para ajustar estes modelos aos dados
experimentais.
Exemplo: experimento de vida de baterias. O fator temperatura quantitativo com
3 nveis (15, 70 e 125
0
F) igualmente espaados. Esse fator tem dois graus de
liberdade e portanto podemos calcular o efeito linear (1 g.l.) e quadrtico (1 g.l.).
32
Clculo dos efeitos linear e quadrtico para o fator temperatura
Coeficientes do contraste ortogonal (c
j
) Nveis de
temperatura
Totais de
tratamentos Linear Quadrtico
15 1738 -1 1
70 1291 0 -2
125 770 1 1
Efeitos:
) (
. .
=
3
1 j
j j
y c
T
L
=-968 T
Q
=-74
Soma de quadrados:
(
(
(
(
(

|
|
.
|

\
|

=
=
3
1
2
2
3
1
. .
j
j
j
j j
c an
y c
SQ
TL
=
( )
( )( )( )
67 , 39042
2 4 3
968
2
=

SQ
TQ
=
( )
( )( )( )
05 , 76
6 4 3
74
2
=

S.Q.Temperatura = SQ
TL
+ SQ
TQ
= 39.042,70
*
+76,05
NS

33
Partio da interao do seguinte modo:

- Material*efeito linear de temperatura (M x T
L
) [2 graus de liberdade]

- Material*efeito quadrtico de temperatura (M x T
Q
) [2 graus de liberdade]
34
Clculo dos componentes da interao: sero calculados os efeitos lineares e
quadrticos de temperatura dentro de cada tipo de material.
T(M=1)=2 g.l.
T
L
(1 g.l.)
T
Q
(1 g.l.)
T(M=2)=2 g.l.
T
L
(1 g.l.)
T
Q
(1 g.l.)
T(M=3)=2 g.l.
T
L
(1 g.l.)
T
Q
(1 g.l.)
6 g. l. =4 + 2 (MxT + T)
35
Totais por tipo de material Coeficientes do contraste
ortogonal (c
j
)
Nveis de
temperatura
1(y
1j.
) 2(y
2j.
) 3(y
3j.
) Linear Quadrtico
15 539 623 576 -1 +1
70 229 479 583 0 -2
125 230 198 342 +1 +1
Efeitos: M
1
x T
L
=-309; M
2
x T
L
=-425; M
3
x T
L
=-234
M
1
x T
Q
=311; M
2
x T
Q
=-137; M
3
x T
Q
=-248
Soma de quadrados:
SQ
M x TL
=
( ) ( ) ( )
( ) ( )( )( )
08 , 2315
2 3 4
) 968 (
2 4
234 425 309
2 2 2 2
=

+ +

SQ
M x TQ
=
( ) ( ) ( )
( )
( )
( )( )( )
70 , 7298
6 3 4
74
6 4
248 137 311
2 2 2 2
=

+ +
**

( )
( )
* *
,125 11935 SQ
2 4
309
xTL 1 M
2
= =

Clculo da soma de quadrados do efeito linear de temperatura dentro do material 1.

S.Q.
MxT
=S.Q.
M x TL
+S.Q.
M x TQ

Hierarquia do
modelo
Interpretao prximo slide
36
I nterpretao da interao Materiais*efeito quadrtico de temperatura
Cada material apresenta um comportamento curvilneo (quadrtico)
para temperatura, porm, duas so convexas e uma cncava.
37
Source DF Type I SS Mean Square F Value Pr > F

MATERIAL 2 10683.72222222 5341.86111111 7.91 0.0020
TEMPERAT 2 39118.72222222 19559.36111111 28.97 0.0001
MATERIAL*TEMPERAT 4 9613.77777778 2403.44444444 3.56 0.0186

Contrast DF Contrast SS Mean Square F Value Pr > F

ef.linear tempera 1 39042.66666667 39042.66666667 57.82 0.0001
ef.quadratico temper 1 76.05555556 76.05555556 0.11 0.7398


A*ef.linear de B 2 2315.08333333 1157.54166667 1.71 0.1991
A*ef.quadra de B 2 7298.69444444 3649.34722222 5.40 0.0106
**



ef.linear T d. mat1 1 11935.12500000 11935.12500000 17.68 0.0003
ef.quadra T d. mat1 1 4030.04166667 4030.04166667 5.97 0.0214**
ef.linear T d. mat2 1 22578.12500000 22578.12500000 33.44 0.0001**
ef.quadra T d. mat2 1 782.04166667 782.04166667 1.16 0.2914
ef.linear T d. mat3 1 6844.50000000 6844.50000000 10.14 0.0036
ef.quadra T d. mat3 1 2562.66666667 2562.66666667 3.80 0.0619*
Output do SAS
SQ
M x T
+SQT=48732,50
38
Tabela de mdias de caselas para os 9 tratamentos
Temperaturas Materiais
15 70 125
1
11

12

13

2
21

22

23

3
31

32

33

15

70

125

ij j i ij
) (t| | t + + + =
Como encontrar os contrastes para os efeitos ? Para isso vamos usar a tabela de
mdias de caselas.
Exemplo: encontrar o contraste para efeito linear de temperatura dentro de material 1.
13 11 3 1
13 3 1 11 1 1
13 11 13 12 11
) 1 ( ) 0 ( ) 1 (
t| t| | |
t| | t t| | t

+
+ + +
+ +
Exerccio: encontrar o efeito quadrtico da temperatura dentro do material 3.
39
Equaes de regresso de 2
0
grau para cada material - Modelo de Regresso

c | | | | | | | | | + + + + + + + + + =
2
23 13 03
2
22 12 02
2
21 11 01
Temp Temp Temp Temp Temp Temp y
Modelo com coeficiente linear e quadrtico para os trs materiais
Modelo na forma matricial:
c | + = X y
onde |
01
o coeficiente linear do material 1, |
02
o coeficiente do termo linear de
temperatura, |
03
o coeficiente do termo quadrtico de temperatura e c o erro
aleatrio.

40
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

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

=
15625
15625
15625
15625
4900
4900
125
125
125
125
70
70
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
4900 70 1 0 0 0 0 0 0
4900 70 1 0 0 0 0 0 0
225 15 1 0 0 0 0 0 0
225 15 1 0 0 0 0 0 0
225 15 1 0 0 0 0 0 0
225 15 1 0 0 0 0 0 0
0 0 0 15625 125 1 0 0 0
0 0 0 15625 125 1 0 0 0
0 0 0 15625 125 1 0 0 0
0 0 0 15625 125 1 0 0 0
0 0 0 4900 70 1 0 0 0
0 0 0 4900 70 1 0 0 0
0 0 0 4900 70 1 0 0 0
0 0 0 4900 70 1 0 0 0
0 0 0 225 15 1 0 0 0
0 0 0 225 15 1 0 0 0
0 0 0 225 15 1 0 0 0
0 0 0 225 15 1 0 0 0
0 0 0 0 0 0 15625 125 1
0 0 0 0 0 0 15625 125 1
0 0 0 0 0 0 15625 125 1
0 0 0 0 0 0 15625 125 1
0 0 0 0 0 0 4900 70 1
0 0 0 0 0 0 4900 70 1
0 0 0 0 0 0 4900 70 1
0 0 0 0 0 0 4900 70 1
0 0 0 0 0 0 225 15 1
0 0 0 0 0 0 225 15 1
0 0 0 0 0 0 225 15 1
0 0 0 0 0 0 225 15 1
X
41
(
(
(
(
(
(
(
(
(
(
(
(

=
23
13
03
22
12
02
21
11
01

|
|
|
|
|
|
|
|

(
(
(
(
(
(
(
(
(

=
11
11
11
111
334
4
3
2
c
c
c
c
c
c
.
.
42
12 840 83000 0 0 0 0 0 0
840 83000 9198000 0 0 0 0 0 0
83000 9198000 1.07281E9 0 0 0 0 0 0
0 0 0 12 840 83000 0 0 0
0 0 0 840 83000 9198000 0 0 0
0 0 0 83000 9198000 1.07281E9 0 0 0
0 0 0 0 0 0 12 840 83000
0 0 0 0 0 0 840 83000 9198000
0 0 0 0 0 0 83000 9198000 1.07281E9
X
t
X=

998
52865
4837125
1300
67625
5581025
1501
92200
8330050
X
t
Y=
169.3800
-2.5000
0.0130
159.6240
-0.1730
-0.0057
132.7624
0.9030
-0.0100
(X
t
X)
-1
X
t
Y=
43
2
eratura 0,0129Temp atura 2,50Temper 169,38 y + =
Equaes de regresso:
Material 1:
2
peratura 0,00566Tem ratura 0,173Tempe 159,624 y =
Material 2:
2
eratura 0,0102Temp eratura 0,9029Temp 132,76 y + =
Material 3:
44
Equao de regresso de 2
0
grau para temperatura dentro de material 1
*Aplicao de Polinmios Ortogonais*
c o o o + + + = ) ( ) ( ) ( x P x P x P y
2 2 1 1 0 0
Os polinmios so dados por:
( )
(
(

|
|
.
|

\
|

|
.
|

\
|

=
(

=
=
12
1
) (
) (
1 ) (
2
2
2 2
1 1
0
a
d
x x
x P
d
x x
x P
x P

Onde d=(distncia entre os nveis de x)=55; a=(nmero de nveis)=3.

i
obtidas
na tabela (Apndice X). Nveis de x= 15, 70 e 125. No exemplo, temos:
1 ) 125 ( 2 ) 70 ( 1 ) 15 (
1 ) 125 ( 0 ) 70 ( 1 ) 15 (
2
1
= = = = = =
= = = = = =
x P x P x P
x P x P x P
2 2
1 1
45
Estimativas dos parmetros do modelo:
( )
9583 , 12

6250 , 38

1667 , 83

) 6 ( 4
311
)] ( [
) (
2
) 2 ( 4
309
)] ( [
) (
1
3 4
998
12
)] ( [
) (
0
2
2
2
2
1
1
2
0
0
= =

=
= =

=
= =

x P
x yP
x P
x yP
y
x P
x yP
o
o
o
( )
2
2
2
55
70
013 , 0 50 , 2 38 , 169
12
1 3
55
70
) 3 ( 8583 , 12 ) 1 ( 625 , 38 1667 , 83
x x y
x
y
x
+ =
(
(

|
|
.
|

\
|

|
.
|

\
|

+ =

(Atravs do Mapple)
46
Equao de regresso de 2
0
grau para temperatura dentro de material 2 e 3
Output do SAS
------------------------------MATERIAL=2 ------------------------

Dependent Variable: VIDA

T for H0: Pr > |T| Std Error of
Parameter Estimate Parameter=0 Estimate
INTERCEPT 159.6239669 10.14 0.0001 15.74782536
TEMPERAT -0.1733471 -0.30 0.7711 0.57818640
TEMPERA2 -0.0056612 -1.41 0.1934 0.00402760

------------------------------MATERIAL=3 ------------------------


T for H0: Pr > |T| Std Error of
Parameter Estimate Parameter=0 Estimate

INTERCEPT 132.7623967 7.37 0.0001 18.01817433
TEMPERAT 0.9028926 1.36 0.2055 0.66154298
TEMPERA2 -0.0102479 -2.22 0.0532 0.00460826


47
Experimentos com 2 fatores quantitativos: superfcie de resposta
(arquivo: toollife)
Exemplo: perodo de tempo til de um instrumento cortante. Fatores que afetam
o tempo de vida til: ngulo do instrumento e a taxa de movimento.
Taxa de movimento ngulo
125 150 175
y
i..
15 -2
-1
-3
0
2
3
-1
20 0
2
1
3
4
6
16
25 -1
0
5
6
0
-1
9
y
.j.
-2 12 14 y
...
= 24
Usou nveis eqidistantes.
Delineamento experimental: inteiramente casualizado.
Fatorial 3
2
=9 tratamentos.
Duas repeties.
48
Dependent Variable: LIFE

Source DF Sum of Squares Mean Square F Value Pr > F

Model 8 111.00000000 13.87500000 9.61 0.0013

Error 9 13.00000000 1.44444444 Modelo
Ajustado
Corrected Total 17 124.00000000

R-Square C.V. Root MSE LIFE Mean

0.895161 90.13878 1.20185043 1.33333333


Source DF Type I SS Mean Square F Value Pr > F

ANGLE (A) 2 24.33333333 12.16666667 8.42 0.0087
CUTTING (C) 2 25.33333333 12.66666667 8.77 0.0077
ANGLE*CUTTING (A*C) 4 61.33333333 15.33333333 10.62 0.0018
**

Tabela da Anlise de Varincia (efeitos fixos) - sada do SAS
49
Partio da interao: os quatro graus de liberdade da interao podem ser
desdobrados da seguinte forma:
AC
LxL
AC
LxQ
AC
QxL
AC
QxQ
onde L=efeito linear e Q=efeito quadrtico. Para os clculos necessita-se dos totais
das caselas e dos coeficientes dos contrastes ortogonais. Significado de AC
LxL
: efeito
da interao entre o efeito linear de ngulo e efeito linear de cutting.
50
Clculo de AC
LxL
:
AC 11 12 13 21 22 23 31 32 33
A
L
-1 -1 -1 0 0 0 1 1 1
C
L
-1 0 1 -1 0 1 -1 0 1
AC
LxL
1 0 -1 0 0 0 -1 0 1
8
) 1 ( 1 ) 11 ( 0 ) 1 ( 1 ) 10 ( 0 ) 4 ( 0 ) 2 ( 0 ) 5 ( 1 ) 3 ( 0 ) 3 ( 1
3
1
3
1
.
=
+ + + + + + = =

= =
LxL
i j
ij ij LxL
AC
y c AC
A soma de quadrados para o contraste AC
LxL
dada por:
( )
00 , 8
) 4 ( 2
) 8 (
2
2
2
= =

=

ij
LxL
LxL c n
AC
AC
SQ
51
Clculo de AC
LxQ
:
AC 11 12 13 21 22 23 31 32 33
A
L
-1 -1 -1 0 0 0 1 1 1
C
Q
1 -2 1 1 -2 1 1 -2 1
AC
LxL
-1 2 -1 0 0 0 1 -2 1
67 , 42
32
) 12 ( 2
) 32 (
2
= =
=

LxQ
AC
LxQ
SQ
AC
Contrast DF Contrast SS Mean Square F Value Pr > F

AC_ll 1 8.00000000 8.00000000 5.54 0.0431
*

AC_lq 1 42.66666667 42.66666667 29.54 0.0004
**

AC_ql 1 2.66666667 2.66666667 1.85 0.2073 NS
AC_qq 1 8.00000000 8.00000000 5.54 0.0431
**

Output do SAS:
Temos que: 8+42,67+2,67+8=61,34
52
Efeito linear e quadrtico dos fatores:

Contrast DF Contrast SS Mean Square F Value Pr > F

ef. linear de angle 1 8.33333333 8.33333333 5.77 0.0398
*

ef. linear de cuttin 1 21.33333333 21.33333333 14.77 0.0039
*

ef.quadratico de ang 1 16.00000000 16.00000000 11.08 0.0088
**

ef.quadratico de cut 1 4.00000000 4.00000000 2.77 0.1305
Exerccio: encontrar os coeficientes do contraste: efeito quadrtico de ngulo.
53
Modelo de regresso:
c | | | | | | | | | + + + + + + + + + =
2 2
8
2
7
2
6 5
2
4
2
3 2 1 0
C A C A AC AC C A C A y
c | + = X y
Em termos matriciais:


-2
-1
-3
0
2
3
0
2
1
3
4
6
-1
0
5
6
0
-1
y =
1 15 125 225 15625 1875 234375 28125 3515625
1 15 125 225 15625 1875 234375 28125 3515625
1 15 150 225 22500 2250 337500 33750 5062500
1 15 150 225 22500 2250 337500 33750 5062500
1 15 175 225 30625 2625 459375 39375 6890625
1 15 175 225 30625 2625 459375 39375 6890625
1 20 125 400 15625 2500 312500 50000 6250000
1 20 125 400 15625 2500 312500 50000 6250000
1 20 150 400 22500 3000 450000 60000 9000000
1 20 150 400 22500 3000 450000 60000 9000000
1 20 175 400 30625 3500 612500 70000 12250000
1 20 175 400 30625 3500 612500 70000 12250000
1 25 125 625 15625 3125 390625 78125 9765625
1 25 125 625 15625 3125 390625 78125 9765625
1 25 150 625 22500 3750 562500 93750 14062500
1 25 150 625 22500 3750 562500 93750 14062500
1 25 175 625 30625 4375 765625 109375 19140625
1 25 175 625 30625 4375 765625 109375 19140625
X =
(
(
(
(
(
(
(
(
(
(
(
(

=
8
7
6
5
4
3
2
1
0
|
|
|
|
|
|
|
|
|

54
-1068.00
136.30
14.48
-4.08
-0.0496
-1.864
0.0064
0.056
-0.000192
( ) = =

y X X X
t t
1

2 2 2 2 2 2
000192 0 056 0 0064 0 864 1 0496 0 1 4 5 14 3 136 0 1068 C A C A AC AC C A C A y , , , , , , , , , + + + + =
55
Podemos usar esta superfcie de resposta para predizer o tempo til para
vrios valores de ngulo (x
1
) e movimento (x
2
) ou ajudar nos processos de
otimizao. Por exemplo A=25 C=150 y(chapu)= 5,50
56
Examinando o grfico de contornos podemos verificar que o mximo de tempo de vida
ocorre em torno de taxa de 150 e ngulo de 25. Ou, ento, com taxa de 180 e ngulo de
19.
57
Vimos experimentos fatoriais, com dois fatores, no delineamento inteiramente
casualizado. Podemos, sem nenhum problema, utilizar outros delineamentos
experimentais como blocos casualizados e quadrado latino (Montgomery,
pginas 271-276).