Introduo

ANOVA 2 fatores (two-way)

Em muitos trabalhos, que envolvem a realizao de experimentos, comum os

pesquisadores se depararem com a questo: como avaliar se os resultados obtidos so
confiveis? Sabemos que qualquer medida realizada sempre afetada por erros. Erros muito
pequenos no traro grandes implicaes. Contudo, se forem significativos, podero prejudicar
seriamente os resultados levando a falsas concluses. Portanto conhecer a natureza dos erros e
preparar planejamentos que possam minimiz-los uma estratgia que deve estar presente no
dia-a-dia de todo pesquisador.
Existem dois tipos de erros, o erro sistemtico e o erro aleatrio. O primeiro tem como
caracterstica afetar os resultados dos experimentos sempre na mesma direo, seja para mais
ou para menos. Um exemplo simples deste tipo de situao o caso de uma balana
descalibrada que pode indicar sempre massas maiores que as reais. Mas vale notar que os erros
sistemticos podem ser identificados e, portanto, evitados. Por outro lado, h um tipo de erro
que afeta as medidas sem nenhuma tendncia clara. As medidas podem oscilar, ora para mais,
ora para menos. Este tipo e erro chamado de erro aleatrio e, infelizmente, sempre estar
presente em maior ou menor grau.
Ao fazer um estudo sempre interessante fazer replicatas, repeties, pois permite que o
erro presente nas medidas seja investigado. Alm disso, com a realizao de vrias replicatas
aumentam as chances de se aproximar mais do valor exato. Isto evidenciado por um
importante princpio da estatstica: o teorema do limite central, que comprova que o erro no
valor mdio menor que o erro de uma observao individual (referncia: Barros Neto, B,
Scarminio, I.S., Bruns, R.E. Como fazer experimentos: pesquisa e desenvolvimento na cincia e na indstria.
Ed. da Unicamp; Campinas, 2001).

Muitas vezes as caractersticas do procedimento experimental dificultam muito a

execuo de replicatas autnticas. No correto simplesmente realizar duas medidas do
mesmo experimento de forma seqencial, pois um erro que afetar a primeira medida
certamente ir, de forma sistemtica, afetar a seguinte.
No so raros os casos em que o ajuste das condies experimentais extremamente
trabalhoso ou lento. Portanto, parece haver um dilema, realizar medidas com duplicatas e arcar

nessa introduo as idias expostas foram copiadas do artigo: Conseqncias da anlise incorreta de experimentos
blocados, sob autoria de Joo Alexandre Bortoloti e Roy Edward Bruns. Artigo publicado na revista Qumica Nova, vol.
30, n 2, pgs. 436-440, 2007.

com o custo do trabalho envolvido, mas garantir a qualidade das medidas, ou evitar um grande
esforo no laboratrio, mas correr o risco de ter todo o seu trabalho prejudicado. neste
contexto que surge uma interessante possibilidade, a blocagem dos experimentos.
continuao da aula sobre Anova 1 fator

Ao analisar os dados classificados em dupla-entrada, temos de aplicar o mtodo da

classificao 1 fator duas vezes: - uma vez para cada sistema de classificao. Em resumo, a
anova 1 fator duas vezes (uma vez para o fator na coluna e uma vez para o fator na linha).
Veremos a aplicao desse mtodo (anova 2 fatores) em dois tipos de delineamentos:
CRD e CRBD sob presena ou ausncia de repeties, replicatas. Por repetio (replicata) se
entende um teste completo de todos os tratamentos no experimento (a replication is a
complete run for all treatments to be tested in the experiment).
1) experimento inteiramente ao acaso (completely randomized design, CRD) sem
repeties;
2) experimento em blocos ao acaso (randomized complete block design (CRBD) sem
repeties;

3) experimento em blocos ao acaso (CRBD) com repeties;

4) experimento inteiramente casualizado (CRD) com repeties.

1) CRD. Experimento inteiramente ao acaso , sem repeties.

Exemplo 1.
Por exemplo, 12 jovens foram classificados em trs grupos de acordo com a idade deles.
Ao mesmo tempo eles foram classificados de acordo com o sexo em dois grupos: masculino e
feminino. Assim, cada jovem esteve sujeito a dois sistemas de classificao simultaneamente,
Tabela 1.
Tabela 1. Dados obtidos no experimento tipo CRD.
colunas

linhas
1
2
3
total coluna
mdia coluna
efeito coluna

total
linha

mdia
linha

efeito
linha

6
8
4
18
6
-1

2
9
4
15
5
-2

9
11
10
30
10
+3

3
12
6
21
7
0

20
40
24
84

5
10
6

-2
+3
-1

(-1) = efeito coluna = mdia coluna 1(=6) mdia geral (=7)

(+3) = efeito linha = mdia linha 2(=10) mdia geral (=7)

7
0

Anlise dos dados segundo a classificao do fator linha.

anova 1 fator.
SQ linha = 4{(-2)2 + (3)2+ (-1)2} = 56
Anlise dos dados segundo a classificao do fator coluna.
anova 1 fator.
SQ coluna = 3{(-1)2 + (-2)2+ (3)2+(0)2} = 42
Clculo da Soma de Quadrados Total
SQ Total*= x2 (X)2 / n =
* deduo dessa frmula = SQ = (x-) 2 = (x2-2x +2) = (x2)-2x +(2)= x2-22n +n 2 =x2- n2 =
x2- n(x)2/ n2 = x2 (x)2 / n que a forma usual do clculo da soma de quadrados total.

{(52+22+92+32+82+92+112+122+42+42+102+62)-(5+2+9+3+8+9+11+12+4+4+10+6)2 / 12 }=
SQTotal = 120
Clculo da Soma de Quadrados Resduo (h dois mtodos)
a) por meio da diferena (mtodo mais fcil)

Denomina-se experimento inteiramente ao acaso quando os tratamentos (fatores) so designados s unidades

experimentais sem qualquer restrio. Esse tipo de delineamento s pode ser conduzido quando as unidades experimentais
(corpos-de-prova, pessoas, etc...) so similares. Por similares deve-se entender: no no sentido de igualdade, mas no
sentido de que essas unidades respondem ao tratamento da mesma forma.

SQ Total = SQ LINHA + SQ COLUNA + SQ RESDUO

assim, SQ RESDUO = SQ Total (SQ LINHA + SQ COLUNA)
SQ RESDUO = 120 (56+42) = 120 98 = 22
b) por meio do clculo direto (mtodo mais trabalhoso)
22+(-1) 2+12+(-2)2+(-1)2+12+(-2)2+22+(-1)2+02+12+02 = 4+1+1+4+1+1+4+4+1+0+1+0 = 22

Clculo dos Graus de Liberdade (gl)

Fator Linha = Blocos = b-1 e no nosso exemplo 3 1 = 2
Fator Coluna = G-1 e no nosso exemplo 4 1 = 3
Total N-1 e no nosso exemplo 12 1 = 11
Resduo ( N-1 ) - [ (B-1) +(G-1) ] = ( BK-1 ) - [ (B-1) +(G-1) ] = (B-1)(G-1)
e no nosso exemplo o gl resduo igual a 11-(2+3) = 6 = (3-1)(4-1) = (2)(3)

Tabela 2. ANOVA 2 fatores para os dados da Tabela 1.

Efeito

gl

SQ

QM

razo F

p-valor

Linhas

3-1= 2

56

56/2= 28

28/3,67= 7,64

0,0224150*

Colunas

4-1=3

42

42/3= 14

14/3,67= 3,82

0,0764059

Resduo

22
120

22/6= 3,67

(ou fonte de
variao)

Total

12-1= 11

*p<0,05
Concluso. Apenas o efeito fator (Linhas) estatisticamente significante. Os valores mdios dos
trs nveis diferem. H pelo menos uma diferena entre as trs mdias. No temos condies, por meio
do teste anova, de dizer se a diferena se encontra entre a linha 1 e a linha 2 ou entre a 1 e a 3 ou entre
a 2 e a 3. O teste de comparao mltipla de Tukey, por exemplo, poder nos indicar qual desses trs
pares de mdias apresenta diferena estatstica.

..................................................................................................................

2) CBRD. Experimento em blocos ao acaso, sem repeties.

Vamos considerar, agora, os experimentos casualizados. Nesse delineamento os
tratamentos so designados s unidades experimentais com certa restrio: so sorteados
dentro de cada bloco.
Neste item ao considerar os CBRD vamos estudar os casos sem repetio, ou seja, com
apenas uma aplicao dos tratamentos s unidades experimentais.
Para a anlise dos dados em planejamentos desse tipo, convm recordar o que foi dito
anteriormente: ao analisar os dados classificados em dupla-entrada, temos de aplicar o
mtodo da classificao 1 fator duas vezes: - uma vez para cada sistema de classificao. Em
resumo, a anova 1 fator duas vezes (uma vez para o fator na coluna e uma vez para o fator na
linha).
Quando as unidades experimentais no so similares, devia ser intuitivamente claro que
as variaes nas unidades por si mesmas poderiam ofuscar (obscurecer) os verdadeiros efeitos
do tratamento. O mtodo de blocagem considera forma de avaliar as unidades heterogneas
em todos os tipos de experimentao.

O CBRD um delineamento no qual as unidades - s quais os tratamentos so aplicados - so subdivididas em grupos

homogneos (chamados de blocos), de modo que o nmero de unidades em um bloco seja igual ao nmero (ou algum
mltiplo do nmero) de tratamentos que esteja sendo estudado. Os tratamentos so ento designados ao acaso s unidades
experimentais dentro de cada bloco. Deve-se enfatizar que cada tratamento aparece em cada um dos blocos, e cada bloco
recebe cada um dos tratamentos em estudo. Assim, cada um dos blocos inclui todos os tratamentos. Dentro de cada bloco
os tratamentos so atribudos s parcelas inteiramente ao acaso. Para que o experimento seja eficiente (aumente em
preciso, diminuio da varincia erro ou resduo), dever cada bloco ser to uniforme quanto possvel, mas os blocos
podero diferir bastante uns dos outros.
O pesquisador s deve optar por experimento tipo CRD quando dispe de nmero suficientemente grande de unidades
experimentais similares. Como isso nem sempre acontece na prtica, preciso um delineamento que permita comparar
adequadamente os tratamentos, mesmo que as unidades apresentem certa heterogeneidade. Unidades similares so
agrupadas (d-se o nome de blocos a esse conjunto de unidades similares). Os experimentos em blocos ao acaso surgiram
na rea agrcola. O campo era dividido em blocos e os blocos eram divididos em parcelas que recebiam os tratamentos
(adubo, por exemplo) em investigao. Ento o termo bloco designava originalmente, uma faixa de terra de mesma
fertilidade. Esse tipo de delineamento surgiu em 1925 na Inglaterra por R. A. Fisher que foi, tambm, o idealizador do
mtodo ANOVA.
O bloco pode ser uma faixa de terra, uma ala de estufa, um perodo de tempo, uma ninhada, uma partida de produtos
industriais, uma faixa de idade tudo depende do que est em experimentao. O CBRD pode ser empregado de forma
muito eficiente quando um experimento deve ser efetuado em mais de um laboratrio (blocos) ou quando vrios dias
(blocos) so necessrios para a sua realizao.
O essencial que os blocos renem unidades similares e que haja variabilidade entre blocos. No teria sentido organizar
esses blocos se no houvesse variabilidade entre eles. Quem vai decidir se a variabilidade entre as unidades justifica ou no
a formao de blocos o pesquisador, no o estatstico. Embora o bloco deva reunir unidades similares, isso no significa
que essa reunio deva ser fsica. Por exemplo, se um mdico pretende comparar duas drogas hipotensoras, A e B, e
considerar que a presso arterial do paciente, no incio do tratamento, importante na resposta do paciente droga, deve
organizar blocos. Cada bloco ser formado por um par de pacientes com presses arteriais similares, mas, para formar os
blocos, o mdico no precisa colocar seus pacientes em fila, nem junt-los aos pares. Basta reunir os dados numricos.
Dois pacientes do mesmo bloco no precisam nem mesmo se conhecer.
O objetivo do CBRD isolar e remover do termo resduo (erro) a variao atribuvel aos blocos, aumentando assim a
preciso do experimento sem aumentar o nmero de unidades experimentais.

Historicamente, os blocos casualizados o primeiro delineamento vlido para estimar o

erro experimental e testar a significncia dos efeitos de tratamento apesar da heterogeneidade
das unidades experimentais sobre as quais as observaes so realizadas. Esse delineamento
revolucionou os experimentos na agricultura no mundo todo. No seria um exagero afirmar
que ele ainda a espinha dorsal do delineamento da cincia experimental. Porm, nenhum
delineamento torna-se popular e aceito para uso geral, no importa quo bem fundamentado do
ponto de vista estatstico que ele seja, se for complicado e difcil de empreend-lo. A beleza
desse planejamento em blocos a feliz combinao de validade, simplicidade e flexibilidade.
O planejamento em blocos consiste de duas etapas. A primeira a de coletar, reunir, as
unidades afins, similares para juntas formarem um grupo homogneo; esse grupo formado
chamado de bloco. Essa operao conhecida como blocagem. A segunda etapa a de
designar os vrios tratamentos ao acaso s unidades dentro de cada bloco. Essa a principal
diferena entre o delineamento em blocos e o delineamento inteiramente casualizado. Em
termos de casualizao pode-se considerar que, em blocos, h uma restrio.
Veremos, a seguir, a aplicao desse mtodo para um experimento onde a unidade
experimental a pessoa que vira bloco. Ela recebe, sob aplicao aleatria, dois tratamentos
A e B. Convm recordar que, experimentos desse tipo, onde a unidade experimental a pessoa
que recebe todos os tratamentos em comparao, um caso especial de experimento em blocos
casualizados. Toda vez que a pessoa que participa do experimento recebe todos os
tratamentos em comparao, essa pessoa um bloco no uma unidade. Esse tipo de
experimento muito criticado. Por exemplo, a diferena que se mede na pessoa, antes e depois
de uma srie de exerccios fsicos, s seria explicada pelos prprios exerccios fsicos? De
qualquer forma, so feitos experimentos em que cada pessoa um bloco. O pesquisador
precisa apenas estar alerta para o fato que possvel de a pessoa se modificar por qualquer
outro motivo, que no o tratamento. Embora os experimentos em que se toma cada indivduo
como bloco sejam bastante comuns preciso muito senso crtico para planej-los. Muitas
vezes esses experimentos no tm qualquer validade.
O pesquisador planeja um experimento em blocos ao acaso quando pretende eliminar
uma causa de variao. Por exemplo, para testar o efeito de um hormnio sobre o crescimento

Muitas idias aqui apresentadas foram selecionadas do livro: Estatstica Experimental. Autores: S. Vieira & R.
Hoffmann. Ed. Atlas. Ano 1989.

de ratos se os ratos disponveis so de diferentes idades o pesquisador deve organizar

blocos que correspondam s idades.
Os blocos tambm ampliam a validade da concluso. Por exemplo, se um entomologista
quer comparar a eficincia de diversos inseticidas, tanto pode usar insetos de uma nica
espcie como fazer a comparao usando insetos de vrias espcies. O experimento seria em
blocos ap acaso se cada espcie fosse um bloco. Os blocos teriam a vantagem de ampliar a
validade da concluso. Isto porque o entomologista poderia, com base em um s experimento,
estabelecer concluses para vrias espcies.
Em termos de eficincia, ou seja, de uma comparao de tratamentos qual seria o melhor
delineamento: CRD ou CBRD? Qual seria a conseqncia de uma m escolha? Para responder
temos de considerar o nmero de graus de liberdade do resduo. Vamos, ento, realizar uma
comparao entre o nmero de graus de liberdade do resduo de um experimento CRD frente a
um experimento tipo CRBD. Na tabela ANOVA obtm-se um valor igual a (k-1)(r-1) para um
experimento em blocos; enquanto, para um experimento CRD, o gl do resduo ser igual a k(r1), onde r o nmero de rplicas (ou repeties). Se k for igual a 3 e r = 20, ento, o gl de
resduo do CBRD seria igual a (3-1)(20-1) = 2 x 19 = 38 e o gl do CRD seria igual a 3(20-1) =
3 x 19 = 57. Essa diferena de 57 38 = 19 representa r-1 graus de liberdade, em geral.
Em termos de notao, temos inicialmente no CRD k(r-1) e depois no CBRD (k-1)(r-1),
isto ,
k(r-1) (k-1)(r-1) = r-1 graus de liberdade a menos sob a escolha de um possvel mau
delineamento. Como o valor de F na tabela (F, de valores crticos) aumenta quando diminui o
nmero de graus de liberdade de resduo, fcil entender que o uso indevido de blocos torna o
teste menos sensvel.
Fcalculado = QM

Trat

/ QM

resduo

; assim, quanto menor Fcalc e maior o F

tabela

mais difcil

para que se estabelea a condio de rejeitar Ho, ou seja, de que Fcalc > F tabelado .
QM

resduo

= SQ

res

/ gl

res

; assim, quanto menor gl

que traz como conseqncia uma diminuio de Fcalc.

res

implica aumento de QM

resduo

Exemplo 1. Experimento em blocos (CBRD), sem repeties.

Numa pesquisa sobre o efeito do leo de milho no teor de colesterol do sangue, o mdico
Dr. Bem Hur obteve os seguintes dados, de 7 pacientes, Tabela 3.
Tabela 3. Teor de colesterol no sangue, em mg por 100g, de sete pacientes.
Tratamentos (dois tipos de dietas)
A
B

Pacientes
1
2
3
4
5
6
7
Totais de Tratamentos
Mdias de Tratamentos

270
410
350
360
350
430
268

175
308
248
231
196
190
252

2438
348,286

1600
228,571

Totais dos blocos

Mdias dos
blocos

445
718
598
591
546
620
520

222,5
359,0
299,0
295,5
273,0
310,0
260,0

A anlise feita tomando-se os pacientes como blocos. Para casos desse tipo, pode-se
dizer em termos gerais, que a mesma anlise dos delineamentos tipo ANOVA de medidas
repetidas e, nesse especial caso, a mesma anlise que se obtm com o teste t-Student de
amostras pareadas (estatstica t = 4,66; vale a relao estatstica F da anova igual ao valor da
estatstica t-Student ao quadrado, ou seja, F = t2 = 4,662 = 21,71).
Pelo mesmo procedimento do caso anterior obtm-se o seguinte resultado do teste
ANOVA 2 fatores, Tabela 4.
Tabela 4. ANOVA 2 fatores pata os dados da Tabela 3.
Efeito
(ou fonte de
variao)
Blocos
Tratamentos
Resduo
Total
*p<0,05

gl

SQ

QM

7-1= 6
2-1=1

22000,40
50160,30

22000,40/6= 3666,70
50160,30/1= 50160,30

6
14-1= 13

13862,70
86023,40

13862,70/6= 2310,50

razo F

p-valor

50160,30/2310,
50= 21,71

0,003*

Concluso. O efeito fator Tratamento (colunas) estatisticamente significante. Os valores

mdios dos dois nveis diferem (A: 348,362,2mg; B: 228,645,9mg). O teste de comparao mltipla
de Tukey, no precisa ser efetuado porque so apenas dois nveis do fator Tratamento. O clculo de F

9
para blocos desnecessrio. Os experimentos tipo CRBD so feitos, essencialmente, para comparar
tratamentos a comparao de blocos secundria.

Exemplo 2. Experimento em blocos (CBRD), sem repeties.

Um experimento foi delineado para estudar o desempenho de quatro diferentes
detergentes de tecidos de roupas. Os seguintes ndices de limpeza, Tabela 5, foram obtidos
(maior o ndice maior a limpeza) por meio de um instrumento especial para trs diferentes
tipos comuns de manchas. A hiptese da pesquisa saber se h diferena entre os detergentes?
Tabela 5. ndice de limpeza de 12 tecidos manchados segundo tipo de detergente e tipo de
mancha.
Detergentes
Total (mdia: x )
Manchas
1
2
3

Total
(mdia: x )

45
43
51

47
46
52

48
50
55

42
37
49

182 (45,50)
176 (44,00)
207 (51,75)

139

145

153

128

565

46,333

48,333

51,000

42,667

mdia geral:
565/12 = 47,083

Resoluo
Vamos aplicar a mesma frmula, porm, com outra forma , mais direta, para se obter
as somas de quadrados entre grupos (referente s colunas e/ou s linhas).
SQE = (T2/n) - (FC); onde T... o total da coluna (ou linha); n ... o tamanho da
amostra e FC o chamado fator de correo dado pela soma dos valores ao quadrado
dividido pelo tamanho amostral total, ou seja, FC = (x)2 / N.
Anlise dos dados segundo a classificao do fator Detergente coluna.
anova 1 fator.
SQ coluna = [ (1392/3) + (1452/3) +(1532/3)+(1282/3) ] (182+176+207)2/12 =
SQ coluna = 26713,000 26602,083 = 110,917
Anlise dos dados segundo a classificao do fator Mancha linha (blocos).
anova 1 fator.
SQ linha = 1822/4 + 1762/4 +2072/4 (182+176+207)2/12 = 135,167
Clculo da Soma de Quadrados Total
SQ Total = x2 FC = x2 (x)2 / n
SQ = (x-)2 = (x2-2x +2) = (x2)-2x +(2)= x2-22n +n 2 =x2- n2 = x2- n(x)2/ n2 = x2
(x)2 / n que a forma usual do clculo da soma de quadrados total. Dessa forma usual vem
SQfator coluna = n( x -)2 = n x 2 (x)2 / n = n(x)2/n2 (x)2 / n = (Total)2/n (x)2 / n = (T2 /n) FC.

10

SQ Total = (452+432+512+472+462+522+482+502+552+422+372+492 ) (565)2/12 = 264,917

SQ Total = 26867,000 26602,083 = 264,917
SQ Total = SQ LINHA + SQ COLUNA + SQ RESDUO
assim, SQ RESDUO = SQ Total (SQ LINHA + SQ COLUNA)
SQ RESDUO = 264,917 (135,167+110,917) = 264,917 246,084 = 18,833
Tabela 6. ANOVA 2 fatores para os dados da Tabela 5.

Efeito
Detergente
Manchas
Erro
Total

gl
SQ
3 110,917
2 135,167
6
18,833
11 264,917

QM
36,972
67,583
3,139

F
11,78

P
0,006*

*p<0,05

Concluso: H diferena estatisticamente significante entre os quatro detergentes.

A hiptese H0(1 = 2 = 3 = 4 ) rejeitada.
Os valores mdios diferem!
Teste de comparao mltipla de Tukey (5%) para o efeito Detergente
Por meio do Teste de Tukey (5%) obtm-se o valor HSD

MSW = QM resduo = 3,139 ; n = 3; q crtico = 4,897; HSD = 5,0095

valores das diferenas a serem comparadas com o valor HSD ou dms.(=5,0095)

Detergente
1
2
3
4

Mdia
46,333
48,333
51,000
42,667

1( x =46,33)
2,000
4,667
3,667

2( x =48,333) 3( x =51)

2,667
5,667*

8,333*

Alfa (nvel de significncia) 0,05 Valor Crtico Q 4,897

Valor Crtico para Comparao = 5,0095
Graus de liberdade do termo Erro (resduo) = 6

Formao de grupos homogneos aps a aplicao do teste de Tukey(5%)

Detergente
Mdia Grupos Homogneos*
3
51,000 A
2
48,333 A
1
46,333 AB
4
42,667
B
* mdias seguidas de letras diferentes diferem estatisticamente

11

Alfa (nvel de significncia) 0,05 Valor Crtico Q 4,897

Valor Crtico para Comparao = dms = HSD = 5,0095
Graus de liberdade do termo Erro (resduo) = 6

Concluso:
Grupos 1 e 4 (letra A e AB) no diferem entre si (letra B comum).
Grupo 4 (letra B) difere dos grupos 2 e 3 (letra A).
Grupo 1 (letra AB) no difere do grupo 4 e, tambm, no difere dos grupos 2 e 3, ou seja,
o detergente 1 ocupa um comportamento intermedirio em relao aos outros trs detergentes.
Quanto limpeza o pior detergente o tipo 4.
Os detergentes tipo 1, 2 e 3 no apresentaram diferena do ponto de vista estatstico.
........................................................................................................................................................

Exemplo 3. Experimento em blocos (CBRD), sem repeties.

Supe-se que a impureza de um produto qumico afetada pela presso. Optou-se por utilizar a
temperatura como fator de blocagem. Os dados so apresentados na Tabela 7 mostrada a seguir.
Tabela 7. Quinze valores de impureza, sob condies de temperatura (C) e presso (mmHg),
obtidos num experimento em blocos ao acaso.
Presso
Total
Mdia x
Temperatura
25
30
35
40
45
23
4,60
100
5
4
6
3
5
13
2,60
125
3
1
4
2
3
8
1,60
150
1
1
3
1
2
Total
Mdia x

9
3,00

6
2,00

13
4,33

6
2,00

10
3,33

44

geral: 2,93

Resoluo

FC = fator de correo da soma de quadrados = (44)2/15 = 129,067

SQ Total = SQ Total = x2 (X)2 / n = 166 (44)2/15= 166 129,067 = 36,933
SQ linha = SQ temperatura = SQ blocos = (232+132+82) / 5 FC = 152,400-129,067 = 23,333
SQ coluna = SQ presso = (92+62+132+62+102) / 3 FC = 140,667-129,067 = 11,600
SQ Total = SQ LINHA + SQ COLUNA + SQ RESDUO
assim, SQ RESDUO = SQ Total (SQ LINHA + SQ COLUNA)
SQ RESDUO = 36,933 (23,333+11,600) = 36,933 34,933 = 2,000
Clculo dos Graus de Liberdade (gl)
Fator Linha = Blocos = b-1 e no nosso exemplo 3 1 = 2

12

Fator Coluna = Presso = G-1 e no nosso exemplo 5 1 = 4

Total N-1 e no nosso exemplo 15 1 = 14
Resduo ( N-1 ) - [ (B-1) +(G-1) ] = ( BG-1 ) - [ (B-1) +(G-1) ] = (B-1)(G-1)
e no nosso exemplo gl resduo = 14-(2+4) = 8 = (3-1)(5-1) = (2)(4)
Clculo da estatstica F
Varincia Efeito Coluna (presso) = QM colunas / gl colunas = (11,600/4) = 2,900
Varincia Resduo = QM resduo / gl resduo = (2,00/8) = 0,250
F calculado = Var Coluna / Var resduo = Var Presso/ Var resduo = 2,900/0,25 = 11,60
Comando no Minitab para se obter o p-valor associado ao F calculado
aps Edit >> Command Line Editor (ou Ctrl+L) digitamos
cdf 11.60 k1;
F 4 8.
let k2 = 1-k1
print k2
K2

0.00206337

clicar no (X) Submit Commands

Tabela 8. ANOVA 2 fatores para os dados da Tabela 7.
Efeito
gl
SQ
QM
F
Presso
4
11,600
2,900 11,60
Temperatura 2
23,333 11,667
Erro
8
2,000
0,250
Total
14
36,933

P
0,002*

*p<0,05

.......................................................................................................................................................

13

3) experimento em blocos ao acaso (CRBD) com repeties

Nesse item vamos considerar trs situaes. A primeira com os blocos apresentando o
mesmo valor mdio em cada tratamento; na segunda situao, temos uma diferena constante
entre os valores mdios de cada bloco; e na terceira valores desiguais entre os valores mdios
dos blocos em cada tratamento. Entende-se melhor o que queremos explicar por meio dos
exemplos.
Primeira situao. Valores mdios iguais dos blocos.
Exemplo 1. Dados de um experimento em blocos ao acaso com repeties.
Tratamentos
Blocos

22

31

30

39

26

38

31

42

30

36

38

45

26 e 26

35 e 35

33 e 33

42 e 42

25

34

32

41

26

35

33

42

27

36

34

43

156

210

198

252

I
Mdias dos
blocos

II
Total

Total das
linhas

Mdia dos
blocos

408

34

408

34

Total geral:
816

Mdia
geral: 34

Resoluo.
Segue-se o mesmo procedimento dos casos anteriores, ou seja, clculo do fator de
correo; clculo da soma de quadrados total; clculo da soma de quadrados devido ao fator
coluna (tratamentos); clculo da soma de quadrados do fator linha (blocos) e, enfim, onde est
a novidade. A resposta, para essa justificada pergunta, a relao:

14

SQ Total = SQ COLUNA + SQ LINHA + SQ RESDUO.

Clculo da Soma de Quadrados dos Tratamentos
SQ trat = {1562+2102+1982+2522)/6} (816)2/24 = 780,00
Clculo da Soma de Quadrados dos Blocos
SQ blocos = {4082+4082)/12} (816)2/24 = 27744-27744 = 0
Clculo da Soma de Quadrados dos Resduos
SQ resduo= (x - x )2 onde x o valor de cada clula (casela) e x a mdia de cada casela
SQ resduo = {42+02+42}+{42+32+12}+{32+22+52}+{32+02+32} referente ao bloco I
+{12+02+12}+{12+02+12}+{12+02+12}+{12+02+12} referente ao bloco I I=
= {32+26+38+18}+{2+2+2+2} = 114 + 8 = 122
Nesse nosso exemplo os nmeros calculados indicam:
902,00 = 780,00 + 0 + 122
902,00 = 902,00 relao de igualdade.
Concluso: valeu nesse caso a relao:
SQ Total = SQ COLUNA + SQ LINHA + SQ RESDUO.
Ser que essa relao, na presena de repeties, sempre vlida?

Segunda situao. Valores mdios dos blocos diferem de uma constante.

Exemplo 2. Dados de um experimento em blocos ao acaso com repeties.
Tratamentos
Blocos

22

31

30

39

Total das
linhas

Mdia dos
blocos

15

I
Mdias dos
blocos

II
Total

26

38

31

42

30

36

38

45

26 e 30

35 e 39

33 e 37

42 e 46

29

38

36

45

30

39

37

46

31

40

38

47

168

222

210

264

Tratamentos

N
6
6
6
6

1
2
3
4

Mdia
28,00
37,00
35,00
44,00

408

34

456

38

Total geral:
864

Mdia
geral: 36

DP
3,41
3,22
3,58
2,97

Nesse caso, tambm, vale a relao:

SQ Total = SQ COLUNA + SQ LINHA + SQ RESDUO.

998,00 = 780,00 + 96 + 122

Terceira situao. Vai aparecer o fator interao!

Valores desiguais entre os valores mdios dos blocos em cada tratamento
Exemplo 3. Dados de um experimento em blocos ao acaso com repeties.
Tratamentos
Blocos

I
Mdias dos
blocos

22

31

30

39

26

38

31

42

30

36

38

45

26 e 32
difere de 6

35 e 51
difere de 16

33 e 45
difere de 12

42 e 48
difere de 6

Total das
linhas

Mdia dos
blocos

408

34

16

II
Total das
colunas

27

47

42

44

34

50

45

47

35

56

48

53

174

258

234

270

Tratamentos
A
B
C
D

N
6
6
6
6

Mdia
29,00
43,00
39,00
45,00

528

44

Total geral:
936

Mdia
geral: 39

DP
4,98
9,51
7,38
4,77

Nesse caso, tambm, vale ainda a relao:

SQ Total = SQ COLUNA + SQ LINHA + SQ RESDUO.

1874,00 = 912,00 + 600,00 + 254,00 ??
1874,00 = 1766,00 ??

no (esse caso difere dos outros dois)

Para que seja vlida essa relao de igualdade temos de acrescentar o

valor diferena = 1874,00 1766,00 = 108

Esse valor acrescentado ser denominado de SQ interao : soma de quadrados do fator interao
que aparece devido presena de repeties e da diferena entre os valores mdios dos blocos nos
tratamentos.
O grfico de mdias ajuda-nos a observar (e a verificar) a existncia do efeito interao.

17

Blocos
1
2

50

45

mdias

16
12

40

35

30

25
A

Grupos

Figura 1. Grfico de mdias referente s seis condies experimentais.

Ilustrao do efeito interao entre as duas variveis em estudo.
Para avaliar se essa diferena, entre os quatro valores diferenas, difere estatisticamente temos de
aplicar verificar se a razo F do efeito interao estatisticamente significante. Em um experimento
em blocos o efeito interao, em geral, no um efeito interessante, ou seja, avaliado. H uma
suposio inicial da inexistncia desse efeito interao.

Tabela W. ANOVA dois fatores para os dados do exemplo 3, terceira situao.

Efeito
gl
SQ
QM
F
P
Blocos
1
600,00 600,00 37,80 0,001
Tratam
3
912,00 304,00 19,15 0,001
Interao
3
108,00
36,00
2,27 0,120
Erro
16
254,00
15,88
Total
23 1874,00
Por meio do resultado do teste ANOVA 2 fatores, Tabela W, pde-se verificar que o efeito
interao estatisticamente no significante (p = 0,120 >0,05). Ento, podemos desconsiderar o valor

18
Soma da Soma de Quadrados correspondente ao efeito interao (no caso foi de 108) e, assim,
obtemos uma outra tabela ANOVA, a usual em experimento em blocos ao acaso, que desconsidera o
efeito interao, Tabela Z mostrada a seguir.
Tabela Z. ANOVA dois fatores para os dados do exemplo 3, terceira situao.
Efeito
gl
SQ
QM
F
P
BLOCOS
1
600,00
600,000
TRATAM
3
912,00
304,000
15,96
0,0001
Erro
19
362,00
19,053
Total
23
1874,00

19

4) experimento inteiramente casualizado (CRD) com repeties.

Nesse item vamos considerar os experimentos que seguem um delineamento fatorial. No vamos
considerar fatores como blocos. Blocagem, agora, no nos interessa por um motivo de didtica,
apenas.
Vamos considerar dois fatores, duas variveis experimentais, cujos efeitos sobre a unidade
experimental so avaliados pela varivel resposta. Esses efeitos, dessas duas variveis, nos interessam.
Queremos avali-los isoladamente, efeitos principais e, tambm, se houver repeties (caso mais
freqente, comum) vamos ter de nos enfrentar com o efeito interao. Que significa saber se h ou no
diferena entre as diferenas. O termo interao no apresenta, no jargo da estatstica, o mesmo
significado quando empregado na cincia biolgica. A Farmacologia, por exemplo, que considera a
interao entre as drogas, o efeito da mistura, da ao conjunta entre vrios medicamentos sobre a
pessoa em comparao com a ao individual desses medicamentos sobre a pessoa.
Considera-se, agora, como exemplo de um delineamento fatorial o mesmo exemplo anterior, mas
com uma alterao apenas. Dessa vez, no houve blocagem. No h o fator blocos. A casualizao dos
tratamentos no foi restrita aos blocos. No houve restrio alguma quanto ao sorteio dos tratamentos
s unidades experimentais. Porm, a forma de anlise dos dados anloga, ou seja, o mesmo
procedimento. O novo fator ser denominado de Termociclagem Mecnica, por exemplo, indicado por
TCM que apresentar dois nveis. O nvel I como ausncia e o nvel II como presena de TCM.
O outro fator, tratamentos, pode ser considerado como Tratamentos Superficiais apresentando
quatro diferentes nveis: Controle, Alumina, Rocatec e New.
A varivel resposta o resultado do teste de trao (em megapascal, MPa) obtido numa mquina
de ensaio universal.
A unidade experimental o corpo de prova em forma de cilindro.

20

Exemplo 1. Dados de resistncia a trao (MPa) de um experimento fatorial (tipo 4 x 2)

com trs repeties.
Tratamentos Superficiais
TCM

A: controle

B: alumina

C: rocatec

D: new

22

31

30

39

I: ausncia

26

38

31

42

30

36

38

45

mdias dos
nveis

26 e 32
difere de 6

35 e 51
difere de 16

33 e 45
difere de 12

42 e 48
difere de 6

27

47

42

44

34

50

45

47

35

56

48

53

174

258

234

270

II: presena
Total das
colunas

Tratamentos
A
B
C
D

N
6
6
6
6

Mdia
29.00
43.00
39.00
45.00

Total das
linhas

Mdia dos
nveis do
fator TCM

408

34

528

44

Total geral:
936

Mdia
geral: 39

DP
4.98
9.51
7.38
4.77

Nesse caso, com repeties, vlida a seguinte relao entre as somas de quadrados:

SQ Total = SQ COLUNA + SQ LINHA + SQ Interao + SQ RESDUO.

1874,00 = 912,00 + 600,00 + 254,00 + SQ Interao
Assim SQ interao = 108.
Com o mesmo procedimento dos casos anteriores obtm-se a Tabela Y referente ao teste ANOVA
(2 fatores) dos dados.

Clculo dos Graus de Liberdade (gl)

Fator Linha = TCM = L-1 e no nosso exemplo 2 1 = 1
Fator Coluna = Tratamentos = G-1 e no nosso exemplo 4 1 = 3

21

Total N-1 e no nosso exemplo 24 1 = 23 = (LCR) 1

onde R o nmero de repeties

Fator Interao determinado pelo produto dos graus de liberdade do fator na linha
pelo fator coluna = (L-1)(G-1) = (2-1)(4-1) = 3.
O gl resduo dado pela diferena entre o gl do total em relao aos outros fatores, ou
seja, (24-1)-{(2-1)+(4-1)+(2-1)(4-1)) = 23- (1+3+3) = 23-7 = 16.
Ou o gl resduo dado pela frmula gl resduo = (LC)(R 1) onde R o nmero de
repeties; assim gl resduo = (2 x 4)(3-1) = 8 (2) = 16.
Tabela Y. ANOVA (2 fatores) dos dados de resistncia a trao (MPa) de um experimento
fatorial (tipo 4 x 2) com trs repeties.
Efeito
gl
SQ
QM
F
P
Tratamento
3
912,00
304,000
19,15
0,0001*
TCM
1
600,00
600,000
37,80
0,0001*
Interao
3
108,00
36,000
2,27
0,1198
Erro
16
254,00
15,875
Total
23
1874,00
* p<0,05

A interpretao inicial dos resultados de uma tabela ANOVA (2 fatores) comea pelo efeito do
fator interao.
Repito. Primeiro avalie o efeito interao. Depois, se for o caso, avalie os efeitos principais.
Diante dos efeitos principais numa possvel avaliao h dois casos no grfico de mdias das
condies experimentais: interao tipo ordinal e interao do tipo no ordinal.
Vamos explicitar o que dissemos acima. Se o efeito interao foi avaliado como significante,
ento, pode sempre possvel no avaliar os efeitos principais. O foco de ateno do resultado ,
ento, o efeito interao e ponto final. Porm, o efeito principal que foi, tambm, avaliado como
significante pode ser interpretado (teste de Tukey, por exemplo) se, no grfico de mdias das
condies experimentais, ele se mostrar como efeito ordinal (ordinal interaction effect). Ainda, h o
caso de o efeito principal que foi, tambm, avaliado como significante no pode ser interpretado (teste
de Tukey, por exemplo) se, no grfico de mdias das condies experimentais, ele se mostrar como
efeito no ordinal (disordinal interaction effect). Quando h o efeito tipo ordinal as linhas que unem os
valores mdios se apresentam como paralelas. Caso contrrio, diante do efeito no ordinal h um
cruzamento dessas linhas que unem os valores mdios do grfico de mdias.
Se o efeito interao for no significante, ento, vamos interpretar os efeitos principais que
apresentaram significncia (p valor inferior ao nvel de significncia).

22
O efeito interao estatisticamente no significante. Assim, o relacionamento entre os nveis
do fator Termociclagem expressa mediante a perda de resistncia (diferena entre presena menos
ausncia) obtido no grupo controle praticamente a mesma perda de resistncia obtida nos demais
tipos de tratamentos superficiais, Figura Z.
TCM
ausncia
presena

50

MPa

45

40

35

30

25
A

Tratamentos Superficiais

Figura Z. Grfico de mdias referente s seis condies experimentais. Perda de resistncia

(indicada pela seta) devido ao da Termociclagem mecnica, TCM, em cada tipo
de tratamento.

Pode-se concluir mediante o resultado do teste ANOVA, Tabela Y, que h diferena

estatisticamente significante entre os quatro Tratamentos.
Para o fator Tratamentos, a hiptese H0(1 = 2 = 3 = 4 ) rejeitada.
Os valores mdios diferem!

Teste de comparao mltipla de Tukey (5%) para o efeito Tratamento Superficial

Por meio do Teste de Tukey (5%) obtm-se o valor HSD

23

MSW = QM resduo = 15,875 ; n = 6; q crtico = 4,047; HSD = 6,5824

valores das diferenas a serem comparadas com o valor HSD ou dms.(=6,5824)

Tratamentos
Mdia
A
B
C
A
29,000
---B
43,000 14,000*
---C
39,000 10,000*
4,000
---D
45,000 16,000*
2,000
6,000
Alfa (nvel de significncia) 0,05
Valor Crtico Q 4,047
Valor Crtico para Comparao = 6,5824
Graus de liberdade do termo Erro (resduo) = 16

Formao de grupos homogneos aps a aplicao do teste de Tukey(5%)

Tratamentos
Mdia Grupos Homogneos*
D
45,000
A
B
43,000
A
C
39,000
A
A
29,000
B
* mdias seguidas de letras diferentes diferem estatisticamente

Pode-se concluir, ainda, mediante o resultado do teste ANOVA, Tabela Y, que h diferena
estatisticamente significante entre os dois nveis entre o fator Termociclagem mecnica (TCM). Assim,
como so apenas dois nveis desse fator, no h necessidade de se efetuar um teste de comparao
mltipla como o teste de Tukey. Se os dois nveis diferem pode-se estabelecer que a condio de
ausncia de Termociclagem menos resistente (34,006,77MPa) que a condio de presena de
Termociclagem (44,008,37MPa).
Quando se comparam as seis condies experimentais entre si, pelo teste de Tukey, obtm-se, por
exemplo, que a condio Tratamento A(controle) sem TCM a menos resistente (mdia igual a
26MPa) enquanto as mais resistentes so as condies Tratamentos B (alumina) e D(new) com TCM.
Outras consideraes podem ser ainda obtidas.
Trata
B

TCM
2

Mdia Grupos Homogneos*

51
A

24
D
C
D
B
C
A
A

2
2
1
1
1
2
1

48
45
42
35
33
32
26

A
AB
ABC
BCD
CD
CD
D

* mdias seguidas de letras diferentes diferem estatisticamente

Alfa (nvel de significncia) 0,05

Valor Crtico Q 4,903
Valor Crtico para Comparao = 11,278
Graus de liberdade do termo Erro (resduo) = 16
...............................................................................................................

25

Apndice

Clculo direto da Soma de Quadrados do Fator Interao

Experimento inteiramente casualizado. Planejamento fatorial (com repeties).
Experimento inteiramente casualizado. Planejamento fatorial.
Mdicos psiquiatras de um centro de Trauma desenvolveram um programa para ajudar as
vtimas de danos cerebrais a conseguirem alcanar certo nvel aceitvel de independncia.
No experimento participaram 27 pessoas com o mesmo grau de dano cerebral.
O objetivo foi comparar diferentes combinaes de tratamentos psiquitricos e de
fisioterapias.
Para cada pessoa foi designada uma das 9 diferentes combinaes de trs tratamentos
psiquitricos e de trs programas de fisioterapias. Houve trs sujeitos para cada combinao.
A varivel resposta o nmero de meses de durao entre o indivduo da terapia e o tempo
no qual o paciente foi capaz de voltar a agir com independncia. Os resultados foram apresentados na
forma de tabela mostrada a seguir.
Valores obtidos por 27 pessoas submetidas ao teste psiquitrico e ao programa de fisioterapia.

Programa de
fisioterapia
1
2
3

Tratamento psiquitrico
9
10
10

soma
mdia

A
10
11
12

11
12
15

10
11
12

B
11
12
14

12
15
16

C
11
12
15

13
15
13

100
113
11,11
12,55
Soma geral = 337 ; Mdia geral = 12,48

13
15
17

124
13,78

vamos dispor os dados de uma forma conveniente para o clculo da SQ interao

Programa
Tratamento Psiquitrico = fator A
Fisioterapia
Total
= Fator B
1
2
3
9
10
13
1
10
11
11
100
11
12
13

total a1b1: 30

total a2b1: 33

total a3b1: 37

10
11
12

11
12
15

15
12
15

total a1b2: 33

total a2b2: 38

total a3b2: 42

10
12
15

12
14
16

13
15
17

total a1b3: 37

total a2b3: 42

total a3 b3: 45

100

113

124

113

124

337

26

J sabemos - procedimento visto anteriormente -, como efetuar o clculo da SQ das linhas e

das colunas. Ou seja, somo o total da coluna (ou da linha) e elevo ao quadrado e esse valor deve ser
dividido pelo nmero de elementos (tamanho da amostra, nmero de repeties) e, dessa soma geral
subtramos o fator de correo, FC = (X)2 / N).
Agora, o procedimento bem parecido para se obter a SQ do fator interao.
O procedimento o seguinte:
1) Clculo da SQ AB ou SQ Tratamentos AB

N
Total: T

T2

a1b1
3
30
900

as 9 condies experimentais (os 9 tratamentos: 3 x 3)

a2b1
a3b1
a1b2
a2b2
a3b2
a1b3
a2b3
3
3
3
3
3
3
3
33
37
33
38
42
37
42
1089
1369
1089
144
1764
1369
1764

a3b3
3
45
2025

T2 = 12813,00
(12813,00) / 3 = 4271,00
FC = (X)2 / N) = (337)2/27 = 4206,2593
SQ tratam AB = 4271,00 - (337)2/27 = 4271,00 4206,2593 = 64,7407
2) Clculo da SQ A. Clculo da SQ B.
Temos de obter essas somas porque a SQ interao obtida pela diferena entre o valor
calculado antes (SQ tratam AB) e a soma (SQA+SQB).

SQ A = {(1002+1132+1242) / 9 FC} = (38145,00/9) 4206,2593 = 4238,3333 - 4206,2593 = 32,0740

SQ B = {(1002+1132+1242) / 9 FC} = (38145,00/9) 4206,2593 = 4238,3333 - 4206,2593 = 32,0740
3) Clculo da SQ interao
SQ trata AB = SQ A + SQ B + SQ interao

SQ interao

= SQ trata AB { SQ A + SQ B}

SQ interao = 64,7407 - {32,074 + 32,074} = 64,7407 - 64,148 = 0,593aprox.

SQ interao = 0,593
Varincia do fator interao = { SQ interao = 0,593} / gl interao
O nmero de graus de liberdade (gl) do fator interao dado pelo produto (a-1)(b-1)
no nosso exemplo, gl inter = (3-1)(3-1) = 4
Portanto Varincia do fator interao = 0,593/4 = QM inter = 0,1481

Frmula do nmero de graus de liberdade (gl) na ANOVA 2 fatores de um experimento fatorial

27
Efeito

gl
no nosso exemplo
a-1
3 -1 = 2
b-1
3 -1 = 2
Interao
(a-1)(b-1)
(3-1)(3-1) = 2 x 2 = 4
Erro
ab(r -1)
(3)(3)[3-1] = 9 x 2 = 18
Total: N-1= abr-1
27-1 = 3(3)(3) 1 = 26
r ... corresponde ao nmero de repeties (no nosso exemplo 3)
A:
B:
(A x B):