Exerccio 1 13.

2
Dados do problema.

Batch1
23.46
23.48
23.56
23.39
23.4

Batch2
23.59
23.46
23.42
23.49
23.5

Batch3
23.51
23.64
23.46
23.52
23.49

Batch4
23.28
23.4
23.37
23.46
23.39

Batch5
23.29
23.46
23.37
23.32
23.38

Table 1- Tabela dos dados do problema 1.

Anlise descritiva dos dados

Grfico BoxPlot
Grfico BoxPlot

23.65

DotPLot

23.60

Batch1

23.50
23.40

23.45

Lotes

Batch3

Batch4

23.35

Quantidades de Clcio

23.55

Batch2

23.30

Batch5

Batch1

Batch2

Batch3

Batch4

Batch5

23.30

23.35

23.40

23.45

23.50

23.55

Clcio

Lotes

Grfico de Efeitos
23.65

Grfico de Intervalos

23.60

23.6

23.55

23.55

23.50
23.45

Resposta

23.45

23.40

quant__Calcio

23.5

23.35

23.4

23.30

23.35

23.3

Batch1

Batch2

Batch3

Batch4

Batch5

Batch1

Lotes

Batch2

Batch3
Fator

Figure 1- Grficos de anlise descritiva dos dados do problema.

Batch4

Batch5

23.60

23.65

Pelos grficos vemos que parece haver diferena entre as mdias dos nveis do fator aleatrio. Podemos
notar que nos lotes 1,2 e 3 temos maiores mdias que nos lotes 4 e 5. O modelo de um fator aleatrio
o descrito abaixo, como o modelo de um fator fixo.

importante notar que neste modelo o fator

aleatrio, tanto
quanto so aleatrios.

O modelo adotado assume que os erros so independentes e identicamente distribudos com

(
) Para verificar a adequao do modelo ao problema analisaremos os
distribuio normal,
resduos.

Histograma dos Resduos

Mdia = -1.473e-18
DP = 0.06042
N = 25
AD = 0.6005
P-Valor = 0.1062

-2

-1

Normal

4
3
2

Freqncias

Papel de Probabilidade

-0.10

-0.05

0.00

0.05

0.10

0.15

-0.10

0.00

0.05

0.10

Resduos x Valores Ajustados

Resduos x Ordem de Coleta

0.05
0.00
-0.10

-0.10

-0.05

0.00

Resduos

0.05

0.10

Resduos

0.10

Resduos

-0.05

Resduos

-0.05

23.40

23.45

23.50

Valores Ajustados

10

15

20

25

Ordem de Coleta

Figure 2 Grficos para anlise de resduos

Modelo retirado do site Portal action, referente ao modelo ANOVA com um nico fator aleatrio.

Pelos grficos de anlise de resduos, vemos que o teste Anderson-Darling para os resduos, contido no
grfico papel de probabilidade, tem p-valor de 0.106, assim no rejeitamos a hiptese nula, para =5%,
que para este teste corresponde normalidade. O grfico de resduos por ordem de coleta parece no
apresentar padres identificveis, indicando homocedasticidade. Usamos o teste de Bartlett e obtemos
um p-valor de 0.9997, assim no rejeitamos a hiptese nula do teste, ou seja para um =5% as todas as
varincias dos resduos so iguais.
Informao

Valor

Bartlett (estatstica do teste) 0.042263815

Graus de Liberdade
4
P-valor
0.999779842
Table 2- Resultado do teste de Bartlett

1.a. Queremos saber se h variao significativa na quantidade de clcio entre os lotes, usando
=5%.
Das analises anteriores vemos que podemos usar o modelo a ANOVA para um fator aleatrio:
ANOVA
DADOS DO PROCESSO
Tabela da Anova

Lotes
Resduos

G.L.

Soma de Quadrados

Quadrado Mdio

4
20

0.096976
0.0876

0.024244
0.00438

Estat. F

P-valor

5.535159817 0.0036

Table 3- Tabela ANOVA para o modelo com um fator aleatrio.

Com o teste F feito para medir a diferena entre as mdias dos lotes, pelo nvel descritivo (valor-p)
calculado pelo Action, rejeitamos a hiptese nula, ou seja, h diferena significativa entre as mdias dos
lotes. Uma vez que a hiptese nula refere-se igualdade entre elas.
1.b. Pede-se para estimarmos os componentes da varincia.

Sabemos que um estimador no viesado para varincia dado pelos quadrados mdios dos resduos.
Assim temos:

Retirado de Design and Analysis of Experiments, pgina 513.

1.c - Pede-se para um intervalo de confiana para

O intervalo de confiana para

pode ser determinado pela expresso:

Vemos que os limites inferiores(L) e superiores (U) podem ser facilmente calculados fazendo:

Calculando temos:
L=0.115
U=9.27

<

<

resultando em

0.103 <

< 0.902.

Exerccio 2 - (13.6)
Dados do problema.

Chemical
1
2
3
4

Pulp Brightness
77.199
74.466
92.746
80.522
79.306
81.914
79.417
78.017
91.596
78.001
78.358
77.544

76.208
80.346
80.802
77.364

Table 4 - Tabela dos dados do problema 2.

3,4, 5 e 6

Retirado de Design and Analysis of Experiments, pginas 513 - 516.

82.876
73.385
80.626
77.386

Anlise descritiva do Problema

Grfico de Intervalos

85
80

Resposta

85

75

75

80

Brancura obtida

90

90

Grfico BoxPlot

Tipo de Qumica

Fator

Grfico de Efeitos
88

DotPlot
86

84

82

Brancura

Tipo de Qumica

80

3
78

76

4
74

72

75

80

85

90

quimica

Branqueamento

Figure 3- Grficos de anlise descritiva.

Pelos grficos vemos que parece haver diferenas significativas entre as mdias dos nveis do fator
aleatrio, tipo de alvejante qumico utilizado no experimento.
No grfico Dotplot podemos ver certa concentrao nos efeitos nos nveis 2,3 e 4, enquanto no nvel 1
parece haver uma maior variabilidade.

Histograma dos Resduos

0
-1

Normal

Mdia = 4.448e-17
DP = 4.496
N = 20
AD = 0.8026
P-Valor = 0.03103

Freqncias

Papel de Probabilidade

-10

-5

10

15

-5

10

Resduos x Ordem de Coleta

5
0
-5

Resduos

10

Resduos x Valores Ajustados

10

Resduos

-5

Resduos

Resduos

78

79

80

81

82

Valores Ajustados

10

15

20

Ordem de Coleta

Figure 4- Grficos de anlise dos resduos.

Analisando o grfico de papel de probabilidade para os resduos que parece a distribuio deste no
normal. Pelo teste de Anderson-Darling apresentada no mesmo grfico, temos um p-valor de 0.03, que
rejeita a normalidade dos resduos. Assim aplicamos o teste de Levene para verificar
homocedasticidade.
Informao

Valor

Levene (estatstica do teste) 1.111695852

Graus de Liberdade
3
P-valor
0.373474659
Table 5- Resultado do teste de Levene

O P-valor obtido no teste indica que no devemos rejeitar a hiptese nula, todas as varincias so iguais.
Neste caso em que a varincia dos resduos no so normalmente distribudas ainda podemos aplicar a
ANOVA, uma vez que ela robusta para este caso, mas mais sensvel a independncia entre elas.

2.a. Pergunta-se se h diferena entre os tipos qumicos (com um =5%).

Tabela da Anova
G.L.

Soma de Quadrados

Quadrado Mdio

3
16

53.98207335
383.9908516

17.99402445
23.99942823

quimica
Resduos

Estat. F

P-valor

0.749768881 0.5383

Table 6- Tabela ANOVA para os dados do problema.

Pelo P-valor obtido, vemos que h sim diferenas entre os tipos qumicos usados no experimento
2.b. Pede-se para estimarmos a variabilidade dos tipos qumicos dois a dois.

Como no h varincia negativa assumimos a varincia como sendo zero.

2.c. Pede-se para estimar a variabilidade para erro aleatrio.
Do valor obtido da tabela ANOVA, temos:
QME =23.99 =

Exerccio 3- (13.9)
Dados do experimento do problema.
N pea
1
2
3
4
5
6
7
8
9
10

1
50
52
53
49
48
52
51
52
50
47

operador 1
medidas
2
49
52
50
51
49
50
51
50
51
46

N pea
3
50
51
50
50
48
50
51
49
50
49

1
2
3
4
5
6
7
8
9
10

1
50
51
54
48
48
52
51
53
51
46

operador 2
medidas
2
48
51
52
50
49
50
50
48
48
47

3
51
51
51
51
48
50
50
50
49
48

Table 7- Tabela de dados do problema 3.

Temos peas p=10 peas, 2 operadores (o=2), com 3 repeties de medies para cada operador (r=3).

3.a) Pede-se para analisar os dados do experimento.

Neste experimento temos dois fatores aleatrios, e cada fator com vrios nveis.
Grfico de Interaes

operador

52

54

BoxPlot

50

medicao

47

46

48

48

49

50

Medies

52

51

1
2

Operador

10

parte

Grfico de Efeitos

Grfico de Efeitos

53

53

52

52

51

51

50

50

medicao

medicao

49

49

48

48

47

47

46

46

10

parte

operador

Figure 5- Grficos para anlise descritiva.

Pelo enunciado e os dados do problemas podemos ver que o caso do modelo com dois fatores
aleatrios.
Assim o modelo adotado indicado abaixo:

Onde agora
e
representa os efeitos de cada fator individualmente no modelo, enquanto
representa o efeito da interao dos dois fatores no modelo. Para o problema utilizaremos a notao
fator P para as peas, fator O para operador.
Podemos ver pelo grfico que h interaes entre os dois fatores do modelo, no entanto pelo grfico de
efeitos parece que o fator aleatrio operador no tem influncia na varivel resposta. Assim para poder
apurar melhor nossas concluses vamos aplicar a nova para o modelo.
Tabela da Anova

parte
operador
parte:operador
Resduos

G.L.

Soma de Quadrados

Quadrado Mdio

9
1
9
40

99.01666667
0.416666667
5.416666667
60

11.00185185
0.416666667
0.601851852
1.5

Estat. F

P-valor

7.334567901
0
0.277777778 0.6011
0.401234568 0.927

Table 8- Tabela ANOVA para 2 fatores fixos para os dados do problema.

O teste ANOVA para 2 fatores aplicado no software Action usa o modelo para fatores fixos. Que pela
tabela ANOVA para 2 fatores aleatrios vemos que difere na determinao das estatsticas.

Table 9 - Tabela ANOVA para o modelo com 2 fatores fixos.

Analisando as ferramentas existentes que trabalham com a ANOVA no software, encontramos a

ferramenta SMA RR (Anlise de sistemas de medio - Repetitividade e Reprodutibilidade ), que trabalha
com modelos iguais ao do problema analisado e tem a seguinte tabela ANOVA.

Table 10- Tabela ANOVA para o modelos com 2 fatores aleatrios.

Vemos que as estatsticas F calculadas para o modelo so iguais ao do modelo de 2 fatores aleatrios.

Assim usamos essa ferramenta para obter as estatsticas corretas e fazer a anlise mais adequada.

Table 11- Tabela ANOVA para o modelo MSA RR.

Usando as estatsticas para o nosso modelo de 2 fatores aleatrios com interaes, temos os seguintes
testes:
Teste para verificar influncia do fator pea no modelo, com as seguintes hipteses:

Pela tabela ANOVA obtemos uma estatstica F de 18.28, com p-valor zero, com =5%, rejeitamos a
hiptese nula par ao teste de hiptese, ou seja, h pelo menos um nvel em que o fator tem influncia
diferente de zero na resposta do modelo. Assim o fator pea influncia na medio.
Teste para verificar influncia do fator operador no modelo, temos as seguintes hipteses:

Da tabela ANOVA obtemos F de 0.69, com p-valor de 0.427, assim no rejeitamos a hiptese nula para
teste para um nvel de significncia de 5%. Assim vemos que o fator operador no tem influncia no
modelo.

Teste para verificar influncia do fator pea no modelo, com as seguintes hipteses:

Pela tabela ANOVA do modelo SMA RR do software action, obtemos o valor F de 0.4 e um p-valor de
0.927, que faz no rejeitarmos a hiptese nula para um nvel de significncia de 0.05, ou seja, h indcios
que a interao entre os fatores aleatrios no tem influncia sobre a varivel resposta para o modelo.

3.b) Pede-se para achar a estimao pontual para os componentes da varincia usando o mtodo da
anlise de varincia.
Para o modelo utilizado temos os seguintes estimadores pontuais:

10

Table 12 - Tabela de frmulas das componentes das varincias.

Da tabela ANOVA obtida, temos os seguintes valores para os quadrados mdios:

QMP=11.002
QMO=0.4166
QMI=0.6018
QME=1.5
Assim obtemos os seguintes estimadores pontuais para nossos estimadores:
=
=

=0

=0

=1.5

Exerccio 4 - (3.10)
Dados do experimento.

N Pea
1
2
3
4
5
6
7
8
9
10

Inspetor 1
testes
1
2
37
38
42
41
30
31
42
43
28
30
42
42
25
26
40
40
25
25
35
34

3
37
43
31
42
29
43
27
40
25
34

inspetor 2
testes
1
2
41
41
42
42
31
31
43
43
29
30
45
45
28
28
43
42
27
29
35
35

3
40
42
31
43
29
45
30
42
28
34

inspetor 3
testes
1
2
41
42
43
42
29
30
42
42
31
29
44
46
29
27
43
43
26
26
35
34

Table 13- Dados do problema 4.

Temos 3 Operadores (o=3), medindo 10 peas (p=10) cada , repetindo o processo 3 vezes(r=3).

11

3
41
43
28
42
29
45
27
41
26
35

Anlise descritiva

45

Grfico de Interaes

N_Peca

35
30
25

3
inspetor

Grfico de Efeitos

Grfico de Efeitos

45

45

40

40

medidas

medidas

medidas

40

6
2
8
4
1
10
5
3
7
9

35

30

35

30

25

25

10

N_Peca

inspetor

Figure 6 - Grficos de Anlise descritiva para os dados do problema 4.

12

Pelos grficos BoxPlot no podemos afirmar que h diferenas significativas entre as mdias para o fator
Operador.Pelo grfico de interaes podemos notar que parece haver interao entre os fatores. O
grfico de efeitos mostra-nos que parece haver influncia dos fatores, Peas e Operadores, na varivel
reposta Medidas.

4.a Pede-se para analisarmos os dados do experimento, assumindo que tanto as peas quando os
operadores so efeitos aleatrios.
Aplicando o mesmo modelo usando no exerccio 3.a. temos a seguinte tabela ANOVA:
ANOVA

Peas
Operadores
Interao
Repetitividade

G.L.

Soma dos quadrados

Quadrados Mdios

9
2
18
60

3935.955556
39.26666667
48.51111111
30.66666667

437.3283951
19.63333333
2.695061728
0.511111111

Estatstica F

Pr(>F)

162.2702703 2.33147E-15
7.284928997 0.004809609
5.27294686 5.06009E-07

Figure 7- Tabela ANOVA

Analisando as estatsticas vemos que para o fator peas temos um p-valor muito baixo, praticamente
nulo. Assim podemos rejeitar a hiptese nula do teste de influncia deste fator no modelo, ou seja,
para um nvel de significncia de 5%, podemos considerar que h influncia do fator na varivel resposta
do modelo adotado para dois fatores aleatrios.
O mesmo resultado obtido para o fator Operadores, onde segundo o modelo adotado, o baixo valor
do p-valor rejeita a hiptese nula, que corresponde a no influncia do fator na varivel resposta.
Pela estatstica F e o p-valor obtidos para a Interao entre os fatores, vemos que esta tem influncia
significativa no modelo.
4.b. Pede-se para estimarmos os componentes da varincia usando o mtodo de analise de varincia.

Table 14- Tabela de frmulas para as componentes da varincia.

Aplicando os resultados da tabela para estimadores pontuais para as varincias do modelo apresentada
no exerccio 3.b,temos:

13

Da tabela ANOVA obtida, temos os seguintes valores para os quadrados mdios:

QMP=437.33 p = 10
QMO=19.63 o = 3
QMI=2.69

r=3

QME=0.51
Assim obtemos os seguintes estimadores pontuais para nossos estimadores:
=
=

0.56

=
=0.51

Exerccio 5 - (13.11)
Dados do problema 5.6 usado no exerccio.

Operator
1
2
3

1
109
110
110
112
116
114

Mquina
2
110
115
110
111
112
115

3
108
109
111
109
114
119

4
110
108
114
112
120
117

Table 15- Dados do Problema 5.

No problema temos 3 operadores( o=3), temos 4 mquinas(m=4), repetindo o experimento 2 vezes por
mquina.
5.a. Pede-se para analisarmos os dados do experimento.

14

Grfico de Interaes
Grfico de Efeitos

118

116

116

114

114

medidas

118

110

medidas

118
116
114

4
3
1
2

112

medidas

Grfico de Efeitos
maquina

112

112

110

110

108

108

operador

operador

maquina

Figure 8-Grficos para Anlise descritiva.

Da anlise descritiva, vemos que h diferenas considerveis entre as mdias dos nveis do fator
operador. Pelo grfico de interaes vemos que h interaes entre os fatores. E pelo grfico de efeitos
h indcios que os dois fatores tem influncia na varivel resposta.
Devido a no adequao do problema as ferramentas do software Action, foi utilizado o Minitab para
obter as estatsticas necessrias para as analises do problema.
Para obter a tabela a nova do modelo com dois fatores aleatrios com interao entre eles,
primeiramente copiamos os dados contidos na planilha do Excel para a planilha de dados do Minitab,
depois acessamos as seguintes opes Stat>ANOVA>Two-Way, conforme a figura abaixo.

15

Figure 9- Caminho no Menu de acesso do Minitab para acessar Anova de dois fatores aleatrios.

A prxima figura mostra como entramos com os fatores para montar o modelo ANOVA no Minitab.

Figure 10- Figura ilustrando como inserir o modelo do problema no Minitab.

importante notar que no modelo, colocamos a interao entre os fatores, operador e mquina.
Obtemos assim a seguinte sada do programa.

16

Figure 11- Resultados obtidos pelo MInitab para o problema 5.

Assim pelo modelo adotado no exerccio 3.a., vemos pela estatstica F (10.77) e P-valor(0.01) que o fator
operador tem efeito sobre varivel resposta. Pois rejeitamos a hiptese nula do teste, para um nvel de
significncia de 5%, no qual todos os efeitos dos nveis do fator so nulos.
Agora para o fator mquina e a interao entre os fatores temos P-valor igual 0.662 e 0.15
respectivamente (maiores que = 5%) , ento no rejeitamos a hiptese nula, e conclumos que no h
efeito dos nveis do fator mquina, nem da interao dos nveis dos fatores, sobre a varivel resposta.

5.b.Pede-se para encontrarmos estimaes pontuais para componentes da varincia usando o

mtodo de anlise da varincia.
Usando o Minitab, podemos obter os componentes da varincia diretamente, como abaixo.

17

Figure 12- Valores obtidos no Minitab para as componentes da varincia.

Vamos ento usar o mtodo j usado nos exerccios anteriores para conferir os resultados.
Da tabela ANOVA obtida, temos os seguintes valores para os quadrados mdios:
QMo=80.167 o = 3
QMm=4.153 m = 4
QMI=7.444

r=2

QME=3.792
Assim obtemos os seguintes estimadores pontuais para nossos estimadores:
=
=

-0.54

=
=3.792.
Valores esses que so idnticos queles retornados pelo Minitab.

18

Referncias

Montgomery, D.C., Design and Analysis of Experiments, 5 ed., New York: John Wiley (2001).
Portal Action [homepage na internet]. So Carlos: EstatCamp, c1997-2013 [atualizado em 5 de junho de
2013 as 18hrs, acesso em 01 de Julho de 2013 ].Disponvel em: www.portalaction.com.br

19