Universidade Federal do Par

Instituto de Cincias Exatas e Naturais

Faculdade de Estatstica

Modulo 1
Planejamento Fatorial

Aluno: Danielle da Silva Pompeu

Matricula: 09028001001
Disciplina: Estatstica Aplicada
Prof(a): Heliton Tavares e Marinalva Maciel

Belm
2013

EXPERIMENTOS FATORAIS

CONSIDERAES INICIAIS
O experimento com um nico fator o tipo mais simples de experimento. Neste caso,
estamos interessados em saber se existe influncia de um determinado fator nos resultados do
processo, sendo os outros fatores mantidos nos mesmos nveis conhecidos. O experimento vai,
ento, ser desenvolvido variando-se apenas esse fator no qual estamos interessados.
necessrio que o experimento seja executado numa ordem aleatria e que o ambiente seja
o mais uniforme possvel. Assim, o experimento chamado de completamente randmico ou
aleatorizado.
Podemos adotar um dos dois modelos: Efeitos fixos ou efeitos aleatrios.

Efeitos Fixos: O pesquisador escolhe a priori o fator e as seus nveis a serem utilizados no
experimento.

Efeitos Aleatrios: Os nveis do fator so escolhidos ao acaso (por sorteio), dentre uma
grande populao de nveis.

VANTAGENS DOS EXPERIMENTOS FATORIAIS:

So mais eficientes do que os experimentos com 1 nico fator;
Evitam concluses errneas quando existem interaes entre os fatores; e
Possibilitam a estimativa dos efeitos de um fator em diversos nveis dos outros fatores, permitindo
concluses que so vlidas numa amplitude de condies experimentais.

Para exemplificar a vantagem do experimento fatorial sobre aquele com um nico fator,
vamos imaginar 2 fatores A e B, em dois nveis (A1 e A2 ; B1 e B2 ). No caso de experimento com um
nico fator, variaramos cada fator de cada vez, a partir da combinao do A l e Bl, e teramos a
seguinte tabela com os resultados:

Fator B

B1
B2

O efeito do fator A dado por: A2 Bl - A1 B1 ,

O efeito do fator B dado por: A1 B2 - A1 Bl.

A1
A1 B1
A1 B2

Fator A
A2
A2 B1

Como sempre h um erro experimental, desejvel que sejam executados pelo menos dois
ensaios para cada combinao de tratamento e que sejam utilizadas as respostas mdias obtidas.
Desta forma, teramos de realizar 3 x 2 = 6 ensaios.
Se usssemos o experimento fatorial, s seriam necessrios 4 ensaios (os 3 mostrados na
tabela anterior acrescidos da combinao A2 B2 ). Assim, usando apenas 4 ensaios, poderamos obter
2 estimativas do efeito de A:
(A2 . B1 , - A1 . B1 ) e (A2 . B2 - A1 . B2 )
Poderamos, tambm, obter 2 estimativas do efeito de B:
(A1 . B2 , - A1 . B1 ) e (A2 . B2 A2 . B1 )
Assim, a eficincia relativa desse experimento fatorial sobre o de nico fator de: 6/4 = 1,5.
ORDEM DE REALIZAO DOS ENSAIOS
O experimento completamente randmico exige que a ordem de realizao dos ensaios seja
determinada atravs de sorteio e que os lotes e corpos de prova tambm sejam selecionados por
sorteio. Cozinhando
Quadro 1: Resumo de Formulas

Quadro 2: Quadro da ANOVA

Fontes de
Grau de
Variao
Liberdade

Soma de
Quadrado

Entre Colunas

(a-1)

SQC

Entre Linhas

(b-1)

SQL

Residual

(a-1). (b-1)

SQR

Total

a.b-1

SQT

Quadrado Mdio

Fcal

REGRA DE DECISO
Se:

e
No Rejeita-se H0 , ou seja, no existe diferena entre os tratamentos.

Se:

ou
Rejeita-se H0 , ou seja, existe diferena entre os tratamentos.

EXPERIMENTOS FATORIAIS
Segundo Montegomery (2001), um experimento planejado um teste, ou srie de testes, no
qual so feitas mudanas propositais nas variveis de entrada de um processo, de modo que
podermos observar e identificar mudanas correspondentes na resposta de sada.
Aplicao dos Planejamentos Experimentais na Indstria so fundamentais para
desenvolvimento de novos produtos e para o controle de processos. Nesta rea comum aparecer
problemas em que se precisam estudar vrias propriedades ao mesmo tempo e estas, por sua vez,
so afetadas por um grande nmero de fatores experimentais. papel de tcnicas de planejamento
de experimentos, auxiliar na fabricao de produtos com melhores caractersticas, na diminuio do
seu tempo de desenvolvimento, aumentar a produtividade de processos e minimizar a sensibilidade
a fatores externos (NETO et al., 2001).
Para Neto et.al (2010), o experimento fatorial apropriado quando dois ou mais fatores
esto sendo investigados em dois ou mais nveis e a interao entre os fatores pode ser importante.
Como exemplo, imagine querer estudar o efeito do fator temperatura em quatro nveis, 50C, 60C,
70C e 80C, e o efeito do catalizador em trs nveis, os catalizadores A, B e C. Para fazer um
planejamento completo, deve-se realizar experimentos em todas as possveis combinaes dos
nveis de fatores.

Os tratamentos, nesse tipo de experimento, so referidos como fatores. As diferentes

categorias de um fator so chamadas de nveis. No exemplo, se forem comparadas quatro
temperaturas, como 20o , 60, 70 e 80

C, e os trs catalizadores, A, B e C, o experimento ter

quatro fatores (temperatura e catalizadores), cada um dos trs nveis.

Os experimentos com dois ou mais fatores (tratamentos) em dois ou mais nveis (doses) so
chamados fatoriais. Esses experimentos so muito teis no estudo da interao entre tratamentos. A
principio iremos estudar o experimento com dois fatores para que desta maneira possamos verificar
suas influncias.

FATORIAL 2X2
O tipo mais simples de experimento fatorial o que estuda dois fatores, em dois nveis.
So os chamados fatoriais 2 X 2 (l-se: dois por dois). Como exemplo, imagine que esto
sendo comparadas duas drogas para alvio de cefaleias: uma nova, outra padro (no caso, a
aspirina). Se forem estudados dois nveis de cada droga (presena ou ausncia, ou seja, doses 1 ou
0), os tratamentos em comparao sero quatro:
1. Controle (sem nenhuma droga);
2. Nova droga;
3. Aspirina;
4. Nova droga e aspirina.

Os experimentos fatoriais 2 X 2 envolvem dois fatores em dois nveis, ou seja, existem dois
nveis de A e dois nveis de B. So, portanto, 22 = 4 tratamentos. Se os nveis de A e B forem zero e
um, isto , presena ou ausncia, os tratamentos so os seguintes:
1. A0 B0 , ou seja, controle;
2. A0 B1 , ou seja, tratamento B, somente;
3. A1 B0 , ou seja, tratamento A, somente;
4. A1 B1 , ou seja, tratamentos A e B.
Para tornar o problema mais concreto, suponha que A irrigao e B calagem. Os
tratamentos seriam:
1. Controle ou testemunha (A0 B0 );
2. Calagem (A0 B1 );
3. Irrigao (A1 B0 );
4. Calagem e irrigao (A1 B1 ).

Os experimentos fatoriais so feitos para estudar a interao de dois ou mais fatores. No

caso do exemplo, o pesquisador quer saber:
1. Se calagem faz aumentar o peso das plantas;
2. Se irrigao faz aumentar o peso das plantas;
3. Se a irrigao potencializa o efeito da calagem, ou seja, se os dois tratamentos, juntos, tm mais
efeito que os dois em separado. Isto seria interao.

(Exemplo do Livro Anlise de Varincia de Sonia Vieira) Tabela 1 poderiam ter sido obtidos em
um experimento fatorial 2 X 2 para analisar o efeito da calagem e da irrigao sobre o peso de
plantas. Cada tratamento tem trs repeties. A anlise de varincia, apresentada na Tabela 1,
mostra um valor de F significante ao nvel de 5%. Ento, os pesos das plantas cultivadas com os
diferentes tratamentos so estatisticamente diferentes.
Tabela1: Peso de Plantas Cultivadas segundo o Tratamento.
Tratamentos
A0 B0 A0 B1 A1 B0
25
35
41
32
28
35
27
33
38

A1 B1
60
67
59

Tabela 2: Anlise de Varincia para os Dados da Tabela 1.

Causa de Variao
G.L
SQ
Tratamento
3
2088
Resduo
8
108
Total
11
2196

QM
696
13,5

F
51,56

Tabela 3: Total de Cada Nvel de A e B.

Irrigao
Calagem
B0

B1

A0
25
32
27
35

84

28

96

33
Total

Total

B1
41
35
38
60
67

114

198

186

289

59
180

300

480

Tabela 4: Anlise de Varincia para os Dados da Tabela 3.

Causa de variao
A
B
A xB
Tratamentos
Resduo
Total

GL
1
1
1
3
8
11

SQ
1200
588
300
2088
108
2196

QM
1200
588
300
696
13,5
-

F
88,89
43,56
22,22
51,56
-

Os valores de F, tanto para A como para B, so significantes ao nvel de 5%. Mas o valor da
interao A X B tambm significante, ao mesmo nvel de 5%. Recomenda-se, ento, comparar os
nveis de B dentro de cada nvel da A. No caso do exemplo:

1. Comparar o uso de calagem (B0 com B1 ), quando no se faz irrigao (A0): (A0 B0 com A0 B1 );
2. Comparar o uso de calagem (B0 com B1 ), quando se faz irrigao (A1): (A1 B0 com A1 B1 ).

Tambm podem ser comparados os nveis de A, dentro de cada nvel de B. No caso do exemplo:

3. Comparar o uso de irrigao (A0 com A1 ), quando no se faz calagem (B0): (A0 B0 com A1 B0 );
4. Comparar o uso de irrigao (A0 com A1 ), quando se faz calagem (B1): (A0B1 com A1B1).
Teste Tukey

As mdias de tratamentos para os dados da Tabela 2 esto na Tabela 8.5. Essas medias podem ser
comparadas por meio do teste de Tukey. Ao nvel de 5%, o valor da diferena mnima significante
para a aplicao desse teste :

Tabela 5: Mdia dos Dados da Tabela 1 e Diferena de Mdias, em Valor Absoluto.

B0 (Sem Calagem)
B1 (Com Calagem)

A0 (Sem irrigao)
28
32

A1 (Com Irrigao) Diferena

38
10
62
30

1. A irrigao tem efeito sobre o peso das plantas, com ou sem calagem;
2. O efeito da irrigao maior, quando feita calagem.

As pesquisas nem sempre tm, como objetivo, testar a interao. Muitas vezes, j se sabe se a
interao existe. No caso do exemplo, se o objetivo for comparar os efeitos de B dentro de cada
nvel de A, razovel desdobrar a anlise de varincia. Ento, preciso calcular:

a) A soma de quadrados de tratamentos A

b) A soma de quadrados de tratamentos B dentro do nvel zero de A

c) A soma de quadrados de tratamentos B dentro do nvel um de A

Tabela 6: Anlise de Varincia para os Dados da Tabela 1.

Causa de variao

GL

SQ

QM

A
B dentro de A0
B dentro de A1
Tratamentos
Resduo

1
1
1
3
8

1200
24
864

1200
24
864

88,89
1,78
64

2088
108

696
13,5

51,56
-

Total

11

2196

O valor de F para A e o valor de F para B dentro de A1 so significantes ao nvel de 5%.

Convm, ento, observar as mdias apresentadas na Tabela 5. Lembrando que o nvel zero significa
ausncia, A a irrigao e B a calagem, pode-se concluir que:

1. A irrigao tem efeito sobre o peso das plantas;

2. Usando irrigao, a calagem tem efeito sobre o peso das plantas.

importante saber que a anlise de varincia apresentada na Tabela 4 poderia ter sido
desdobrada de outra forma: poderiam ter sido comparados, por meio do teste F, os efeitos de A
dentro de cada nvel de B. A anlise de varincia similar que se descreveu (bastaria trocar A por
B e B por A). A maneira de desdobrar a anlise depende, porm, do objetivo da pesquisa.

FATORIAIS 3 X 3

Nos fatoriais 3X3 esto em comparao dois fatores (A e B) em trs nveis (ou doses).
Portanto, esto em comparao 32 = 9 tratamentos:
1. A0 B0 , ou controle;
2. A0 B1 , ou dose 1 de B;
3. A0 B2 , ou dose 2 de B;

4. A1 B0 , ou dose 1 de A;
5. A1 B1 , ou dose 1 de A e dose 1 de B;
6. A1 B2 , ou dose 1 de A e dose 2 de B;
7. A2 B0 , ou dose 2 de A;
8. A2 B1 , ou dose 2 de A e dose 1 de B;
9. A2 B2 , ou dose 2 de A e dose 2 de B.
Para entender como se faz a anlise de varincia de um experimento fatorial 3 X 3, considere os
dados apresentados na Tabela 7. A anlise de varincia est na Tabela 8.
Tabela 7: Dados de um Experimento Fatorial 3X3.
A 0 B0
37
31
34

A0 B1
41
42
37

A 0 B2
49
51
47

A1 B0
34
41
42

Tratamento
A1 B1
A 1 B2
31
41
25
48
28
43

Tabela 8: Anlise de Varincia para os Dados da Tabela 7.

Causa de Variao
G.L
SQ
Tratamento
8
2910
Resduo
18
170
Total
26
3080

A2 B0
25
30
23

QM
363,750
9,444

A 2 B1
14
19
15

A2 B2
23
19
21

F
38,52

Tabela 9: Totais de Cada Nvel de A em Cada Nvel de B.

A0
B0

B1

37
31
34
41

A1
102

42

120

37
49
B2

117

25

84

28
41

51

147

47
Total

34
41
42
31

A2

Agora preciso calcular:

b) a soma de quadrado de tratamentos A:

19

78

297

48

252

63

342

15
23

48

132

43
369

25
30
23
14

Total

19

21
333

189

891

c) a soma de quadrado de tratamentos B:

c) a soma de quadrado de tratamentos B:

Tabela 10: Anlise de Varincia para os Dados da Tabela 5.

Causa de variao
A
B
AxB
Tratamentos
Resduo
Total

GL
2
2
2
8
18
26

SQ
2016
450
444
2910
170
3080

QM
1008
225
111
363,75
9,444

F
106,73
23,83
11,75
38,52

Observe os valores de F apresentados na Tabela 8.10. So todos significantes ao nvel de

5%: para A, para B e para a interao A x B. Os efeitos de A dependem, portanto, do nvel de B. Da
mesma forma, os efeitos de B dependem do nvel de A.

Recomenda-se, ento, comparar as mdias de B dentro de A e as mdias de A dentro de B. Pode ser

usado o teste de Tukey. Ao nvel de 5%, a diferena mnima significante entre as mdias, para esse
teste,

As mdias de B dentro de cada nvel de A esto apresentadas na Tabela 11. Observe esses
resultados e compare-os com a diferena mnima significante calculada.

Tabela 11 Mdia dos Dados da Tabela 7.

B1
B2
B3

A1
34
40
49

A2
39
28
44

A3
26
16
21

Pode-se concluir que:

1. Na ausncia de A (nvel zero de A, ou dose zero de A), as mdias para B0 (ausncia de B) e para
B1 so significantemente menores do que B2;

2. Ao nvel 1 de A (para dose 1 de A), as mdias de B0 e B2 so significantemente maiores do que

a de B1; e

3. Ao nvel 2 de A (para dose 2 de A), a mdia de B0 significantemente maior do que a de B1.

importante lembrar aqui que as mdias de A, dentro de cada nvel B, podem ser
comparadas desta forma e usando a mesma diferena mnima significante, j calculada.

PASSO A PASSO NO MIBITAB

Segundo Campos (2003) o Planejamento de Experimentos (DOE - Design of Experiments)
constitudo de um conjunto de tcnicas estatsticas que proporcionam um mtodo estruturado para
planejar, executar e analisar experimentos. O Planejamento de Experimentos utilizado para
determinar qual a combinao tima de variveis na obteno da resposta desejada. A resposta a
varivel dependente, enquanto as variveis que a influenciam, so as variveis independentes,
denominadas de fatores. Para acessar o comando que possibilita realizar Planejamento de
Experimentos, utiliza-se o caminho Stat DOE.
Este tipo de Planejamento de Experimentos permite estimar os efeitos de vrios fatores e
suas interaes sobre a varivel resposta, para tanto, deve-se selecionar os nveis em que cada fator
ir atuar. O planejamento fatorial completo permite fazer e xperimentos com todas as possveis
combinaes entre os nveis dos fatores. Para acessar este planejamento, utiliza-se o caminho Stat

DOE Factorial, conforme Figura 1.

Inicialmente, estudar-se o planejamento fatorial completo 22 . Sero estudados dois fatores,
cada um a dois nveis. Para se fazer este estudo, segue-se trs passos:
1) criar o planejamento;
2) executar o experimento;
3) analisar o planejamento.
Para criar um planejamento fatorial completo, utiliza-se o seguinte caminho Stat DOE
Factorial Create Factorial Design, conforme Figura 1.

Figura 1: Planejamento de Experimentos no Minitab.

Suponha que se quer criar um planejamento fatorial completo com dois fatores, temperatura
e concentrao, cada um a dois nveis, conforme mostra Tabela 12. O planejamento gerado deve ter
duas replicaes e deve estar na ordem padro de execuo.
Tabela 12: Planejamento Fatorial Completo com Dois Fatores, Temperatura e Concentrao.
Nveis
Temperatura (C)
Concentrao (%)

Baixo (-)
0
10

Alto(+)
30
20

A expresso geral de um planejamento fatorial completo com dois fatores da forma

Y = c0 + c1 A + c2 B + c3 AB;
onde, c0 , c1 , c2 e c3 so coeficientes e A, B so os fatores.
Figura 2: Experimento Fatorial no Minitab.

A janela inicial mostrada na Figura 2 Nesta janela, pode-se escolher o tipo de

planejamento em Type of Design. Os tipos disponveis so :

1) 2-Level factorial (default generators): seleciona-se esta opo quando deseja-se criar
planejamentos fatoriais com fatores em dois nveis, com os geradores padro;

2) 2-Level factorial (s pecify generators): seleciona-se esta opo quando desejasse criar
planejamentos fatoriais com fatores em dois nveis e se quer especificar os geradores;

3) Plackett-Burman design: seleciona-se esta opo quando deseja-se criar planejamentos

Plackett-Burman (planejamento de seleo);

4) General full factorial design: seleciona-se esta opo quando deseja-se criar planejamentos
fatoriais completos quando pelo menos um dos fatores possuir mais de dois nveis.

A escolha de trabalhar com este exemplo tem motivos prticos, pois cada tipo de
planejamento possui suas prprias opes e janelas (mesmo que similares entre si). Na janela
inicial, tem-se os seguintes submenus: Display Available Designs, Designs, Factors, Options e
Results.
No submenu Display Available Designs, que aparece na Figura 3 mostrada uma tabela
para auxiliar na escolha do planejamento mais adequado, baseando-se no nmero de fatores e
execues que ele ter. Nesta tabela, os planejamentos esto classificados por cores como em um
semforo: vermelho (resoluo III) (cuidado, planejamento altamente fracionado), amarelo
(resoluo IV) (planejamento deve ser realizado com ateno) e verde (resolues V, VI, VII, VIII e
Full) (siga em frente, estes planejamentos so reconhecidos). Este submenu apenas um guia para a
escolha do menor planejamento, mas no h selees a serem feitas.

Figura 3: Tabela de Escolha do Planejamento Adequado.

No submenu Designs, que aparece na Figura 4, pode-se escolher as caractersticas do

planejamento. Na primeira caixa escolhe-se o planejamento a ser criado. Nela, tem-se o nome, o
nmero de execues, a resoluo e a representao do planejamento. Ainda no submenu Designs,
tem-se as seguintes caixas de dilogo:

Number of center points: nesta caixa, entra-se com o nmero de pontos centrais

do planejamento;

Number of replicates: nesta caixa, entra-se com nmero de replicaes;

Number of blocks: nela, entra-se com o nmero de blocos que o planejamento ter.

No submenu Factors, mostrado na Figura 5, tem-se as seguintes caixas de dilogo:

Figura 4: Submenu Designs.

Figura 5: Submenu Factors.

Factor: esta caixa mostra os fatores (variveis) que o planejamento ter;

Name: nesta caixa, entra-se com os nomes dos fatores;

Low: nesta caixa, entra-se com o nvel baixo de cada fator;

High: nesta caixa, entra-se com o nvel alto de cada fator.

No submenu Options, que aparece na Figura 6 tem-se as seguintes opes

Fold Design: nesta opo, pode-se criar um planejamento invertido(fold ) que consiste do
planejamento original e uma cpia deste, mas com os nveis invertidos.

Esta opo utilizada quando se trabalha com planejamentos fatoriais fracionrios, pois neste
tipo de planejamento pode-se ter confundimento, isto , um ou mais efeitos no podem ser
estimados separadamente. Seleciona-se Do not fold, para no usar-se o planejamento invertido;
Fold on all factors para que o planejamento invertido possua os nveis invertidos de todos os
fatores e Fold just on factor, para
que somente do fator selecionado sejam invertidos os nveis.

Fraction: pode-se especificar qual ser a frao utilizada no planejamento, se ele for
fracionrio. Para utilizar-se a frao principal, seleciona-se a opo Use principal fraction e,
para utilizar-se outra frao, seleciona-se Use fraction number ;

Randomize runs: marca-se esta opo para tornar aleatria ordem de execuo do
planejamento. Na opo Base for random data generator, pode-se entrar com a semente da
ordem aleatria;

Store design in worksheet: marca-se esta opo para armazenar os dados do planejamento na
planilha.

Figura 6 Submenu Options.

Figura 7 Submenu Results.

No submenu Results, mostrado na Figura 7, tm-se as seguintes opes: Printed Results e

Content of Alias Table.
Na opo Printed Results escolhe-se quais resultados sero exibidos na Session Window.
Tem-se as seguintes alternativas:

None: nenhum resultado ser exibido;

Summary table: ser exibido o resumo do planejamento com o nmero de fatores,

execues, blocos, repeties e pontos centrais;

Summary table,

alias table: sero exibidos resumo do planejamento, como na alternativa acima, e mais a
tabela de confundimento;

Summary table, alias table, data table: sero exibidos resumo do planejamento, a tabela de
confundimento e uma matriz de planejamento;

Summary table, alias table, data table, defining relation: sero exibidos o resumo do
planejamento, a tabela de confundimento, a matriz do planejamento e as relaes definidas
entre os fatores;

Na opo Content of Alias Table, tem-se duas alternativas:

Default interactions: seleciona-se esta alternativa, para mostrar a tabela de confundimento com
um nmero de interaes padro. Por exemplo, para planejamentos que possuam de dois a seis
fatores, a tabela de confundimento mostra todas as interaes entre os fatores; para planejamentos
que possuam de sete a dez fatores, a tabela de confundimento mostra as interaes at de trs
fatores e, para planejamento que possuam de 11 a 15 fatores, a tabela de confundimento mostra as
interaes at de dois fatores.

Interactions up through order: selecionado esta alternativa, pode-se definir a maior ordem de
interao que ter a tabela de confundimento exibida na Session Window.

Bibliografia
1. CALEGARE. A.J.A.; Introduo ao Delineamento de Experimentos. 1 Edio. So Paulo,
Brasil, 2001.
2. NETO. B.B.; SCARMINIO. I.S.; BRUNS. R.E. Como Fazer Experimentos. 4 Edio. Porto
Alegre, Brasil, 2010.
3. NETO. B.B.; SCARMINIO, I.S.; BRUNS, R.E. Como Fazer Experimentos: Pesquisa e
desenvolvimento na cincia e na indstria. Campinas, SP, Editora da Unicamp, 2001.
4. MONTGOMERY, D.C. Desing and analysis of experiments, 5th edition. New York, Willey,
2001.
5. VIEIRA, S. Anlise de varincia (ANOVA). 1 Ed. So Paulo: Atlas, 2006.