Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introdu
c
ao
Estamos interessados em comparar 4 tipos de fertilizantes quanto
`
a produ
c
ao obtida de um vegetal. Para isto dispomos de 16 canteiros homog
eneos.
Sejam Y : produ
c
ao e A: fator (fertilizante) com 4 nveis, A1, . . . , A4.
Plano completamente casualizado: sortear canteiros para serem tratados com cada um dos tipos de fertilizante.
A1
-
A2
-
A3
-
A4
1
R1
R2
R3
R4
I1
I2
I3
I4
I1
I2
I3
I4
I1
I2
I3
I4
I1
I2
I3
I4
A1
-
A2
-
A3
-
A4
4
gl
3
3
3
54
63
SQ
2. Forma de representa
c
ao de um Quadrado Latino
Defini
c
ao. Um quadrado latino de tamanho p, ou p p,
e um
arranjo de p letras latinas, cada uma repetida p vezes em um
quadrado de tamanho p, de tal modo que cada letra apare
ca
exatamente uma vez em cada linha e em cada coluna.
Exemplos.
1. Objetivo: estudar os efeitos de 6 drogas (A, B, C, D, E, F).
Informa
co
es: a) as rea
c
oes individuais podem ser diferentes; b)
a ordem de administra
c
ao das drogas afeta a resposta. Temos
ent
ao dois fatores de controle (Indivduo e Ordem) e um de
interesse (Droga).
6
I1
I2
I3
I4
I5
I6
O1
A
B
C
D
E
F
O2
B
C
D
E
F
A
O3
C
D
E
F
A
B
O4
D
E
F
A
B
C
O5
E
F
A
B
C
D
O6
F
A
B
C
D
E
Segunda
Ter
ca
Quarta
O1
B
A
C
O2
A
C
B
O3
C
B
A
3. An
alise de um experimento em Quadrado Latino
Modelo :
yijk = + i + j + k + eijk ,
Parti
c
ao da Soma de Quadrados
Exemplo para p = 4
L1
L2
L3
L4
y.j.
C1
A
D
C
B
y.1.
C2
B
A
D
C
y.2.
C3
C
B
A
D
y.3.
C4
D
C
B
A
y.4.
yi..
y1..
y2..
y3..
y4..
y...
B
y..2
C
y..3
D
y..4
11
C
alculo do n
umero de graus de liberdade
FV
L
C
Tratamento (TR)
Resduo
Total
gl
p1
p1
p1
p2 1 3p + 3 = (p 1)(p 2) > 0
p2 1
p1
2.
Se L
e aleat
orio, EQML = 2 + p L
12
Se C
e um fator fixo, EQMC = 2 + p
P 2
j
p1
2.
Se C
e aleat
orio, EQMC = 2 + p C
P 2
k
2
.
Se T R
e um fator fixo, EQMT R = + p
p1
Se T R
e aleat
orio, EQMT R = 2 + p T2 R.
EQMR = 2.
Notar que, quaisquer que sejam os tipos dos fatores, os testes
s
ao realizados contra o resduo.
13
Hip
oteses
Modelo com
H01 : i = 0,
H02 : j = 0,
H03 : k = 0,
H03 : T2 R = 0.
As hip
oteses H01 e H02 servem em geral para testar o planejamento pois muitas vezes L e C s
ao fatores que definem blocos.
14
Compara
co
es m
ultiplas
Se existe efeito de tratamento, podemos realizar compara
c
oes
m
ultiplas quando os efeitos presentes no modelo s
ao fixos .
Seja
C=
p
X
k=1
ak ..k ,
ak = 0,
onde ..k
e a m
edia populacional do k-
esimo nvel do fator T R.
Seja
2 = QM R. Temos
=
C
p
X
k=1
ak y..k
p
X
a2
k.
= QM R
e var(
C)
p
k=1
15
Um intervalo de confian
ca para C com coeficiente de confian
ca
1
e dado por
q
S var(
[C
C].
Se quisermos construir uma famlia de intervalos de confian
ca
com coeficiente de confian
ca global 1 , podemos utilizar o
m
etodo de Tukey, Scheff
e ou Bonferroni para obter S. Assim,
1
Tukey: S = q(1 ; p; (p 1)(p 2)), sendo
2
q(1 ; p; (p 1)(p 2)) o quantil de ordem 1 obtido da
Tabela B.9 de Kutner et al. (2004).
Scheff
e: S 2 = (p1)F[1;p1;(p1)(p2)], sendo F[1;p1;(p1)(p2)]
o quantil de ordem 1 obtido da distribui
c
ao F Snedecor com
p 1 e (p 1)(p 2) graus de liberdade.
16
18
Desvantagens
O n
umero de classes em cada bloco deve ser igual ao
n
umero de tratamentos. Consequentemente, o n
umero
de classes nos dois fatores de bloco deve ser o mesmo.
Consequ
encia: o n
umero de graus de liberdade do resduo
Observa
co
es faltantes em um plano em Quadrado Latino
Observa
c
oes faltantes eliminam a simetria (ortogonalidade) de
um plano em Quadrado Latino, al
em de tornarem os c
alculos da
ANOVA inapropriados. Nessa situa
c
ao, a solu
c
ao para a an
alise
dos dados
e transformar o modelo de ANOVA em um modelo de
regress
ao. A estima
c
ao dos efeitos fixos dos tratamentos
e realizada em termos das estimativas dos coeficientes da regress
ao.
20
Exemplo
Queremos comparar 5 m
etodos de ensino. Para isto dispomos
de um conjunto de 25 estudantes sendo 5 de cada escola. Seja
Y : nota final em um teste ap
os a aplica
c
ao de cada m
etodo.
Solu
c
ao 1. Blocos completos casualizados. J
a temos um fator
de bloco natural que
e escola. Este plano ser
a bom se os alunos
de cada escola forem homog
eneos entre si.
E1
E2
E3
E4
E5
M1
-
M2
-
M3
-
M4
-
M5
21
Escola
E1
E2
E3
E4
E5
F1
M1
M5
M4
M3
M2
F2
M2
M1
M5
M4
M3
QI
F3
M3
M2
M1
M5
M4
F4
M4
M3
M2
M1
M5
F5
M5
M4
M3
M2
M1
Escola e faixas de QI s
ao fatores de controle experimental. Todos os efeitos de intera
c
ao s
ao supostos nulos e os tr
es fatores
t
em o mesmo n
umero de nveis.
22
Aplica
c
ao
Um fabricante conduziu um estudo piloto sobre o efeito do pre
co
de um de seus produtos nas vendas desse produto em lojas de
hardware. Como seria confuso para os consumidores se os pre
cos
fossem alterados repetidas vezes em uma mesma loja, somente
um pre
co foi fixado em cada loja pelo perodo de 6 meses de
dura
c
ao do estudo. 16 lojas foram usadas no estudo. As lojas
foram controladas em rela
c
ao ao volume de vendas e `
a localiza
c
ao geogr
afica. Quatro pre
cos (em d
olares) foram fixados (A:
1,79; B: 1,69; C: 1,59 e D: 1,49). Os pre
cos foram alocados `
as
lojas de acordo com o Quadrado Latino mostrado a seguir. Dados sobre as vendas (Y) (em milhares de d
olares) foram anotados
no perodo dos 6 meses do estudo.
23
Volume de vendas
1 (menor)
2
3
4 (maior)
Norte
1,2 (B)
1,4 (A)
2,8 (C)
3,4 (D)
L.Geogr
afica
Sul
Leste
1,5 (C) 1,0 (A)
1,9 (D) 1,6 (B)
2,1 (B) 2,7 (D)
2,5 (A) 2,9 (C)
Oeste
1,7 (D)
1,5 (C)
2,0 (A)
2,7 (B)
a) Ajuste um modelo para o plano em Quadrado Latino (especifique o modelo, com suposi
c
oes e restri
c
oes);
b) Fa
ca um diagn
ostico do modelo ajustado;
c) Construa um gr
afico de efeitos principais com as m
edias amostrais de Y sob os tratamentos (pre
cos). O que este gr
afico sugere com respeito ao efeito dos 4 pre
cos sobre o volume m
edio
de vendas?
24
25
0,20
0,15
Resduos
0,10
0,05
0,00
-0,05
-0,10
-0,15
1,0
1,5
2,0
2,5
Valores ajustados
3,0
3,5
Gr
afico 1. Dispers
ao dos resduos versus valores ajustados
26
Mean
4,163336E-17
StDev
0,08898
N
16
AD
0,246
P-Value
0,714
95
90
Percent
80
70
60
50
40
30
20
10
5
1
-0,3
-0,2
-0,1
0,0
Resduos
0,1
0,2
0,3
Gr
afico 2. Gr
afico de probabilidade normal dos resduos
27
2,5
2,4
Mdias de Y
2,3
2,2
2,1
2,0
1,9
1,8
1,7
1
Preo
Gr
afico 3. Gr
afico de efeitos principais do pre
co sobre a m
edia de Y
28
Volume
y1.. = 1, 350
y2.. = 1, 600
y3.. = 2, 400
y4.. = 2, 875
M
edias
Regi
ao
Pre
co
y.1. = 2, 200 y..1 = 1, 725
y.2. = 2, 000 y..2 = 1, 900
y.3. = 2, 050 y..3 = 2, 175
y.4. = 1, 975 y..4 = 2, 425
Geral
y... = 2, 056
Tabela de ANOVA
FV
Volume
Regiao
Pre
co
Resduo
Total
gl
3
3
3
6
15
SQ
5,98188
0,12187
1,13688
0,11875
7,35938
QM
1,99396
0,04062
0,37896
0,01979
F
100,75
2,05
19,15
P
0,000
0,208
0,002
29
Intervalos de confian
ca simult
aneos para diferen
cas entre duas
m
edias de volumes de vendas sob os 4 pre
cos. M
etodo de Tukey.
Coeficiente de confian
ca global de 95%.
Pre
co
2 - 1
3 - 1
4 - 1
Inferior
-0,1697
0,1053
0,3553
Superior
0,5197
0,7947
1,0447
Pre
co
3 - 2
4 - 2
Inferior
-0,06967
0,18033
Superior
0,6197
0,8697
Pre
co
4 - 3
Inferior
-0,09467
Superior
0,5947
30
4. R
eplicas adicionais em um plano em Quadrado Latino
R
eplicas dentro das caselas
Mais do que uma unidade experimental
e alocada para cada
casela formada pelo nvel i do fator Linha e pelo nvel j do
fator Coluna.
Exemplo: Consideremos um experimento em que QI (baixo,
normal e alto) e Idade (jovem, meia-idade e idoso) s
ao vari
aveis que formam blocos. Nesse caso,
e possvel obter mais
de um indivduo para cada casela, e cada indivduo da casela
receber
a o tratamento designado `
a casela pelo Quadrado
Latino sorteado. Tr
es m
etodos de ensino s
ao considerados
e a varavel resposta Y
e a nota em um teste de avalia
c
ao
de aprendizado.
31
Dados
QI (i)
Idade (j)
Jovem
Meia-Idade
Idoso
Alto
(B)
19
16
(A)
20
24
(C)
25
21
Normal
(C)
24
22
(B)
14
15
(A)
14
14
Baixo
(A)
10
14
(C)
12
13
(B)
7
4
32
Seja n o n
umero disponvel de unidades experimentais para cada
casela, e seja Yijkm o valor da vari
avel resposta Y para a m-
esima
unidade experimental (m = 1, . . . , n) da casela (i, j) que recebeu
o tratamento k. O modelo aditivo de efeitos fixos
e dado por:
yijkm = + i + j + k + eijkm,
i = 1, . . . , p, j = 1, . . . , p, k = 1, . . . , p e m = 1, . . . , n, onde
e
uma constante, i, j e k s
ao constantes sujeitas `
as restri
c
oes
P
P
P
i = j = k = 0 e eijk N(0, 2), independentes.
33
ANOVA
FV
Linha
Coluna
Tratamento
Resduo
Total
gl
p1
p1
p1
np2 3p + 2
np2 1
SQ
Pp
SQL = np i=1(
yi... y....)2
Pp
SQC = n j=1(
y.j.. y....)2
Pp
SQT R = np k=1(
y..k. y....)2
SQR = SQT SQL SQC SQT R
Pp
Pp
P
2 2
2
SQT = i=1 j=1 n
m=1 yijkm np y
QM T R
SQT R/(p 1)
=
.
2
QM R
SQR/(np 3p + 2)
34
An
alise dos dados do exemplo
ANOVA
FV
QI
Idade
M
etodo
Resduo
Total
gl
2
2
2
11
17
SQ
364,3
34,3
147,0
52,4
598,0
QM
182,2
17,2
73,5
4,76
15,44
0,001
35
Dados
Quadrado
Semana
Dia
Q
1
2
3
4
5
D
C
A
E
B
C
B
D
A
E
A
E
B
C
D
B
A
E
D
C
E
D
C
B
A
6
7
8
9
10
E
B
D
A
C
D
A
C
E
B
C
E
A
B
D
A
D
B
C
E
B
C
E
D
A
37