Capt ul o 7.

1
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
7. Pl aneament os
Hi er r qui c os
7.1 Introduo. Factores Aninhados e Factores Cruzados
7.2 Planeamento Hierrquico com Dois Nveis.
Modelo Matemtico e Inferncia
7.3 Planeamento Hierrquico com m-Nveis.
Modelo Matemtico e Inferncia
7.4 Planeamentos com Factores Cruzados e Factores Aninhados
Capt ul o 7.2
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Em certas experincias frequente que os nicos nveis de um
determinado factor ocorram dentro de cada nvel de um
segundo factor.
Exempl o 1- Consideremos uma companhia farmacutica que
adquire matria prima a trs fornecedores distintos. A
companhia pretende determinar se a pureza da matria prima
a mesma para cada fornecedor. Seleccionmos aleatoriamente
quatro amostras de material de cada fornecedor e fizemos trs
medies da pureza de cada amostra. Esquematicamente
temos:
Capt ul o 7.3
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Figura 1 Esquema do modelo hierrquico com 2-nveis do Exemplo 1.
Neste exemplo o factor B (amostra) tem os nveis aninhados no
factor A (fornecedor).
O factor B diz-se aninhado no factor A se tem os nveis
unicamente dentro de cada nvel do factor A.
Capt ul o 7.4
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Pl aneament o Hi er r qui c o em Doi s Nvei s - planeamentos
com dois factores em que um dos factores est aninhado no outro
factor (Exempl o1)
Uma maneira prtica de identificarmos se um factor se encontra
aninhado noutro quando podemos numerar sequencialmente os
seus nveis. No caso do Exempl o 1 temos:
Capt ul o 7.5
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Model o Mat emt i c o
ijk i j i ijk
e y + + + =
) (
| o
n ,..., k ; b ,..., j ; a ,..., i 1 1 1 = = =
Capt ul o 7.6
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Modelo equilibrado - o factor B tem o mesmo nmero de
nveis em cada nvel do factor A.
No h interaco entre os factores A e B porque qualquer
nvel do factor B no aparece em qualquer nvel do factor A.
Capt ul o 7.7
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Par t i o da Var i a o Tot al
SS
T
= SS
A
+ SS
B(A)
+ SS
E

= = = = = = = = =
+ + =
a
i
b
j
n
k
ij ijk
a
i
b
j
j
a
i
i
a
i
b
j
n
k
ijk
y y y y n y y bn y y
1 1 1
2
.
1 1
2
... . .
2
...
1
..
1 1 1
2
...
) ( ) ( ) ( ) (
Capt ul o 7.8
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Ef ei t os dos Fac t or es do Model o
1. A e B f i x os
Capt ul o 7.9
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
2. A e B al eat r i os
Capt ul o 7.10
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
3. A f i xo e B al eat r i o
Capt ul o 7.11
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
1. A e B fixos 2. A e B aleatrios
3. A fixo e B aleatrio
Capt ul o 7.12
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Est i ma o dos Par met r os e Test es de Hi pt eses
1. A e B f i xos
(i)
E
A
MS
MS
que sob a hiptese H
0
tem distribuio F de Snedecor com (a-1,
ab(n-1)).
...
y =
... ..
y y
i i
= o
.. . ) (

i ij i j
y y = |
Capt ul o 7.13
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
(ii)
E
A B
MS
MS
) (
que sob a hiptese H
0
tem distribuio F de Snedecor com (a(b-
1)), ab(n-1)).
Capt ul o 7.14
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
2. A e B al eat r i os
E
MS =
2
o
bn
MS MS
A B A ) (
2

=
o
o
n
MS MS
E A B

=
) (
2

|
o
(i)
) (A B
A
MS
MS
que sob a hiptese tem distribuio F de Snedecor com (a-1,
a(b-1)).
0
H
Capt ul o 7.15
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
(ii)
E
A B
MS
MS
) (
que sob a hiptese tem distribuio F de Snedecor com (a(b-
1)), ab(n-1)).
0
H
Capt ul o 7.16
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
3. A f i xo e B al eat r i o
a i ,..., 1 =
n
MS MS
E A B

=
) (
2

|
o E
MS =
2
o
(i)
) (A B
A
MS
MS
que sob a hiptese tem distribuio F de Snedecor com
(a-1, a(b-1)).
0
H
... ..
y y
i i
= o
...
y =
Capt ul o 7.17
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
(ii)
E
A B
MS
MS
) (
que sob a hiptese tem distribuio F de Snedecor com
(a(b-1), ab(n-1)).
0
H
Capt ul o 7.18
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Obser va es
1. As hipteses subjacentes ao modelo devem ser verificadas atravs
de uma anlise de resduos
2. No caso dos testes serem significativos para os factores de efeitos
fixos devemos proceder anlise aps ANOVA adequada a cada
um dos casos.
Capt ul o 7.19
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Exempl o 1 (c ont .) - Os ndices de pureza, aps codificao, so
dados na Tabela
Vamos analisar os dados
Capt ul o 7.20
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Capt ul o 7.21
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
1. Sel ec c i onar Advanc ed Li near + Gener al Li near Model s
Capt ul o 7.22
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
2. Sel ec c i onar Nest ed Desi gn ANOVA + Qui ck spec s di al og
Capt ul o 7.23
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
3. Sel ec c i onar Var i abl es + Fac t or c odes
Capt ul o 7.24
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
4. Sel ec c i onar Bet ween ef f ec t s e i ndi c ar quem est ani nhado
5. ok +Opt i ons +i ndi c ar os f ac t or es al eat r i os
Capt ul o 7.25
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
6. ok +ok +ok +Sel ec c i onar
Capt ul o 7.26
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Concluso: No h diferena entre os fornecedores mas, para cada
fornecedor as amostras apresentam variabilidade entre si.
Capt ul o 7.27
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
O objectivo da companhia encontrar a fonte de variabilidade da
matria prima. Se esta resultar da diferena entre fornecedores
podemos seleccionar o melhor fornecedor. No entanto, esta
soluo no aplicvel no exemplo uma vez que a maior fonte de
variao a variabilidade das amostras dentro de cada fornecedor.
Podemos atacar o problema trabalhando com os fornecedores de
modo a estes reduzirem a variabilidade entre as amostras. Isto pode
envolver modificaes nos processos de fabrico dos fornecedores
ou no seu controlo de qualidade
As estimativas das componentes da varincia so dadas por:
Capt ul o 7.28
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
7. Sel ec c i onar
Capt ul o 7.29
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Podemos assim concluir que a estimativa da componente da
varincia 1.71 e representa 39.3% da variabilidade total.
2
) (

A B
o
Os valores esperados para os diferentes MS so dados por
Capt ul o 7.30
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Anlise de Resduos
Normal Prob. Plot; Raw Residuals
Dependent variable: Observ
(Analysis sample)
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0
Residual
-3.0
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
E
x
p
e
c
t
e
d

N
o
r
m
a
l

V
a
l
u
e
.01
.05
.15
.35
.55
.75
.95
.99
Capt ul o 7.31
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Scatterplot (Exp1.sta 10v*36c)
-4 -3 -2 -1 0 1 2 3
Predict
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
R
e
s
i
d
u
o
s
Capt ul o 7.32
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Scatterplot (Exp1.sta 10v*36c)
0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8 3.0 3.2
Fornecedor
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
R
e
s
i
d
u
o
s
Capt ul o 7.33
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Neste exemplo muito importante sabermos se a variabilidade
dentro das amostras a mesma para todos os fornecedores. O
modelo assume isso e se no for o caso interessa-nos saber pois
ir ter um impacto considervel na interpretao dos resultados.
O grfico dos resduos vs os fornecedores um processo simples
e eficiente.
Qual a concluso baseada no grfico?
Capt ul o 7.34
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Pl aneament os c om Fac t or es Cr uzados e Fac t or es
Ani nhados
Podemos ter, em simultneo, factores cruzados e factores
aninhados.
1. identificar os factores envolvidos,
2. identificar o numero de nveis de cada um,
3. estabelecer a hierarquia entre eles
4. escrever o modelo.
Capt ul o 7.35
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Temos trs factores A, B, C e que A e B esto cruzados
enquanto que o factor C se encontra aninhado no factor B,
ijkl j ik ij j k j i ijkl
e y + + + + + + =
) ( ) (
) ( ) ( o o| | o
n l c k b j a i ,..., 1 ; ,..., 1 ; ,..., 1 ; ,..., 1 = = = =
Capt ul o 7.36
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Ex empl o 2 - Um investigador pretende melhorar o nmero de
ogivas lanadas, por minuto, de uma bateria naval. Para tal projectou
uma nova forma de carregamento da bateria que espera ser melhor
do que a anterior. A fim de testar o seu novo mtodo necessita de
um grupo de homens para operar o sistema. Como a estrutura fsica
de um homem influencia a velocidade com a qual ele carrega a
bateria, resolveu escolh-los de entre os trs grupos leves,
mdios e pesados com que os Servios da Armada classificam os
seus homens. Escolheu trs equipas aleatoriamente como
representantes de cada um daqueles grupos. Cada equipa utilizou os
dois mtodos, duas vezes cada. A ordem pela qual os mtodos
foram utilizados foi aleatria.
Capt ul o 7.37
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Resoluo:
1. 3 factores: grupo (G), mtodo (M) e equipa (T).
2. G 3 nveis; M- 2 nveis; T- 3 nveis
Capt ul o 7.38
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
3.
(i) G e M fixos, T aleatrio.
(ii) O factor T encontra-se aninhado no factor G.
(iii) Os factores G e M esto cruzados.
4.
ijkl i jk ij i k j i ijkl
e MT MG T M G y + + + + + + =
) ( ) (
) ( ) (
2 , 1 ; 3 , 2 , 1 ; 3 , 2 , 1 ; 2 , 1 = = = = l k i j
Capt ul o 7.39
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Capt ul o 7.40
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
1. Sel ec c i onar Advanc ed Li near + Gener al Li near Model s
Capt ul o 7.41
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
2. Sel ec c i onar Nest ed Desi gn ANOVA + Qui ck spec s di al og
Capt ul o 7.42
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
3. Sel ec c i onar Var i abl es+Fac t or c odes
Capt ul o 7.43
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
4. Ok +Sel ec c i onar Bet ween ef f ec t s
5. Ok
Capt ul o 7.44
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
6. Sel ec c i onar Opt i ons + Random f ac t or s
Capt ul o 7.45
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
7. OK+Sel ec c i onar Synt ax edi t or e espec i f i c ar o model o
em Desi gn
Capt ul o 7.46
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
8. Ok +Test al l ef f ec t s
Capt ul o 7.47
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Concluso: significativa a diferena entre os Mtodos
(p<0.05). H variabilidade entre as Equipas dentro de cada
Grupo significativa a 10% (p=0.069679).
Capt ul o 7.48
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
9. Ex pec t ed MSs
Capt ul o 7.49
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Observao: O modelo considerado o no restrito. A
estatstica de teste para a Equipa
cujo valor observado foi de 3.662 e o valor p de 0.069679 .
) (
) (
G MT
G T
MS
MS
> ( 6. 543056/ 1. 786944)
[ 1] 3. 66159
> 1- pf ( 3. 66159, 6, 6)
[ 1] 0. 0696786
Capt ul o 7.50
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
10. Var i anc e c omponent s
Capt ul o 7.51
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
A estimativa das componentes da varincia obtida pelo mtodo
da anlise da varincia para MetodoEquipa(Grupo) de
0.2618 <0 e como tal no admissvel.
Quando tal acontece significa que o mtodo de estimao utilizado
no o correcto pelo que devemos recorrer a outros mtodos
(Milliken & Johnson, 1996)).
Capt ul o 7.52
M. Sal om Cabr al . FCUL
Anl i se de Var i nc i a e Pl aneament o de Ex per i nc i as
Neste software no possvel para este modelo particular!!!
Vamos considerar a varincia igual a 0 (zero)
Qual o mtodo que recomenda?