Quadrado Latino

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

Suponhamos que os canteiros n

ao sejam todos homog
eneos entre si, mas que possam ser divididos em 4 regi
oes (blocos), de
tal forma que dentro de cada bloco as unidades experimentais
(canteiros) sejam homog
eneas.
Plano em blocos completos casualizados: neste tipo de planejamento, a casualiza
c
ao ocorre dentro de cada bloco, isto
e,
em cada bloco sorteamos um canteiro para ser tratado com um
tipo de fertilizante.
Dizemos que este tipo de experimento tem uma restri
c
ao na
casualiza
c
ao (controlamos a diferen
ca entre os blocos). Este
m
etodo
e eficiente quando os blocos forem homog
eneos internamente.
2

Suponhamos que os blocos n

ao sejam homog
eneos internamente,
isto
e, que as condi
c
oes experimentais impliquem na n
ao homogeneidade dos canteiros dentro de cada bloco. Por exemplo,
suponhamos que a quantidade de irriga
c
ao n
ao seja a mesma
para cada canteiro de cada regi
ao. Temos mais um fator de
heterogeneidade: quantidade de irriga
c
ao.
Para utilizarmos um plano em blocos, sendo cada bloco formado
por uma combina
c
ao de regi
ao e quantidade de irriga
c
ao, necessitamos de 16 blocos, cada um com 4 canteiros homog
eneos, ou
seja devemos ter disponveis 64 canteiros.

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

Podemos construir um quadro de ANOVA , supondo nulas as

intera
c
oes com o fator bloco.
FV
A
Regi
ao
Irriga
c
ao
Resduo
Total

gl
3
3
3
54
63

SQ

possvel construir um experimento utilizando apenas 16 canE

teiros, no qual podemos medir o efeito dos tr
es fatores do experimento anterior.
Esse plano experimental
e denominado Quadrado Latino: cada
fertilizante
e aplicado uma
unica vez em cada regi
ao e em cada
quantidade de irriga
c
ao.
5

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

Um possvel Quadrado Latino 6 6

e dado por

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

2. Objetivo: estudar os efeitos de 3 tratamentos (A, B, C).

Blocos: a) Dias da semana (Segunda, Ter
ca e Quarta); b)
Operador (1, 2 e 3). O operador 1 recebe o tratamento B na
segunda-feira, o tratamento A na ter
ca-feira e o tratamento C
na quarta-feira. Cada operador recebe todos os tratamentos.
Todos os tratamentos s
ao aplicados todos os dias.
7

Um possvel Quadrado Latino 3 3

e dado por

Segunda
Ter
ca
Quarta

O1
B
A
C

O2
A
C
B

O3
C
B
A

Para cada p existe um n

umero finito de Quadrados Latinos, isto

e, qualquer que seja o n

umero p de nveis do fator de interesse,
existe um n
umero finito de Quadrados Latinos pp. Este n
umero
depende de p.
Um experimento em Quadrado Latino
e casualizado. A casualiza
c
ao ocorre na escolha do Quadrado Latino a ser utilizado.
8

3. An
alise de um experimento em Quadrado Latino

Modelo :

yijk = + i + j + k + eijk ,

i = 1, . . . , p, j = 1, . . . , p e k = 1, . . . , p, onde i: efeito da linha

Li, j : efeito da coluna Cj e k : efeito do tratamento Tk . Temos
p2 unidades experimentais/observa
c
oes.
Suposi
c
ao e restri
c
oes: eijk N(0, 2), independentes. Al
em
disto, os efeitos de intera
c
ao s
ao assumidos todos nulos. No moP
P
P
delo com todos os efeitos fixos temos i = j = k = 0. Se
os efeitos dos tratamentos s
ao aleat
orios, por exemplo, fazemos
a suposi
c
ao de que os efeitos k s
ao independentes com distribui
c
ao N(0, 2) e s
ao independentes de eijk . Suposi
c
oes semelhantes s
ao estabelecidas se os efeitos Li ou Cj s
ao aleat
orios.
9

Parti
c
ao da Soma de Quadrados

SQT = SQL + SQC + SQT R + SQR

Pp
SQL = p i=1(
yi.. y...)2
Pp
SQC = p j=1(
y.j. y...)2
Pp
SQT R = p k=1(
y..k y...)2
Pp
Pp
2 p2 y
SQT = i=1 j=1 yijk
2

SQR = SQT SQL SQC SQT R

Observa
c
ao: O ndice k
e fictcio porque temos p2 unidades
experimentais/observa
c
oes e n
ao p3.
10

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...

Para calcular a SQT R

e mais f
acil construirmos uma tabela da
forma
A
y..1

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

Valores esperados dos quadrados m

edios - EQM
P 2
i
2
Se L
e um fator fixo, EQML = + p
.

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,

todos os efeitos fixos

i = 1, . . . , p.
j = 1, . . . , p.
k = 1, . . . , p.

Modelo com todos os efeitos aleat

orios
2 =0
H01 : L
2 =0
H02 : C

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

Bonferroni: S = t[1/(2g);(p1)(p2)], sendo g o n

umero de
intervalos de confian
ca e t[1/(2g);(p1)(p2)] o quantil de ordem
1 /(2g) obtido da distribui
c
ao t Student com (p 1)(p 2)
graus de liberdade.
Observa
co
es

Em geral, dois fatores de um Quadrado Latino s

ao fatores de
controle experimental (blocos, posi
c
ao, ordem). Em experimentos no campo da Qumica, podemos ter os tr
es fatores
de interesse.

Para fatores fixos, podemos fazer compara

c
oes m
ultiplas.
17

 O menor Quadrado Latino

e o 33. Para o Quadrado Latino
2 2 n
ao sobram graus de liberdade para o resduo.
Vantagens e desvantagens de um plano em Quadrado
Latino
Vantagens
O uso de duas vari
aveis como bloco frequentemente permite grandes redu
c
oes no erro experimental.
Os efeitos dos tratamentos podem ser estudados utilizandose um experimento com reduzido n
umero de unidades experimentais. Este tipo de planejamento
e particularmente
util em estudos preliminares ou estudos piloto.

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

e muito pequeno quando o n

umero de tratamentos
e pequeno e maior do que o necess
ario se o n
umero de tratamentos
e muito grande.
As suposi
co
es do modelo s
ao bastante restritivas. N
ao h
a
nenhum efeito de intera
c
ao presente no modelo.
O tipo de aleatoriza
c
ao requerido
e um pouco mais complexo do que para a maioria dos experimentos j
a considerados.
19

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

Vamos supor que os alunos de uma mesma escola difiram quanto

ao QI. Ent
ao temos que introduzir este fator no experimento.
Solu
c
ao 2. Ao introduzirmos o fator QI, passamos de um experimento em blocos casualizados para um Quadrado Latino.

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

d) Teste se o valor do pre

co afeta ou n
ao o volume m
edio de
vendas. Use = 0, 05. Encontre o valor P do teste e conclua
com base nesse valor.
e) Se o pre
co afetar o volume m
edio de vendas do produto, fa
ca
compara
c
oes m
ultiplas entre as m
edias dos tratamentos usando
o m
etodo de Tukey. Use um coeficiente de confian
ca global igual
a 0,90.
f) Parece haver uma rela
c
ao linear entre pre
co e volume de vendas. Como voc
e testaria essa linearidade? Explique.

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

Probability Plot Resduos

Normal - 95% CI
99

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

A estatstica de teste para H0 : k = 0, para todo k,

e dada por
F =

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

 Quadrados Latinos adicionais

Quando n
ao
e possvel replicar as observa
c
oes dentro das
caselas,
e muito frequente adicionar um ou mais Quadrados
Latinos a uma das vari
aveis que formam blocos (Linha ou
Coluna). O segundo Quadrado Latino, e os demais quando
necess
arios,
e selecionado independentemente do primeiro.
Os Quadrados Latinos adicionais s
ao em geral considerados
como nveis de uma terceira vari
avel de bloco. Efeitos de
intera
c
ao podem ser estudados.
Exemplo: Consideremos um experimento em que Semana
(1 a 5) e Dia da semana (Segunda a Sexta) s
ao vari
aveis
que formam blocos. Cinco tipos de m
usica s
ao considerados
como tratamentos e a varavel resposta Y
e um escore que
traduz a produtividade de um grupo de indivduos.
36

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