Escolar Documentos
Profissional Documentos
Cultura Documentos
Projeto de Experimentos
Jos Luis Duarte Ribeiro & Carla Schwengber ten Caten
Editores
Universidade Federal do Rio Grande do Sul
Escola de Engenharia
Programa de Ps Graduao em Engenharia de Produo
Porto Alegre, RS
2011
Projeto de Experimentos
Jos Luis Duarte Ribeiro &CarlaSchwengbertenCaten, editores
Projeto Grfico
Editorao Eletrnica
Projeto de Experimentos
1.
2.
3.
4.
5.
6.
7.
8.
9.
10
10.15
10.16
10.17
10.18
10.19
10.20
10.21
1. Introduoao Planejamento de
Experimentos
Jos Luis Duarte Ribeiro
Carla tenCaten
A metodologia conhecida como projeto de experimentos foi introduzida por Fischer em 1935 e
inicialmente aplicada a experimentos de agricultura. Posteriormente, essa metodologia difundiuse rapidamente em campos como Agronomia, Biologia, Engenharia Qumica, Engenharia
Industrial e Engenharia da Qualidade. Atualmente, Projeto de Experimentos tem sido aplicado
virtualmente em todas as reas de conhecimentos.
Trata-se de uma metodologia apoiada fortemente em conceitos estatsticos, destinada a otimizar
o planejamento, execuo e anlise de um experimento. O uso de Projeto de Experimentos
permite que se estruture a sequncia de ensaios de forma a traduzir os objetivos preestabelecidos
pelo pesquisador. A eficincia de experimentos projetos superior em termos de informao a
qualquer outra sequncia no estruturada de ensaios.
Na verdade, devido s decises importantes que derivam dos resultados experimentais, e ao
custo dos experimentos, no recomendvel buscar a soluo de um determinado problema
confiando apenas na intuio.
A metodologia de Projeto de Experimentos utilizada na otimizao de um sistema. Entende-se
por sistema, qualquer produto, processo ou servio. Um sistema avaliado por indicadores de
desempenho, ou seja, caractersticas de qualidade resultantes da operao do mesmo. Por
exemplo, as caractersticas de qualidade avaliadas em um sistema podem ser produtividade,
custos, caractersticas dimensionais, entre outras.
Em um sistema, existem parmetros do sistema (do produto, do processo ou do servio) que
podem ser alterados durante sua execuo. Por exemplo, em um produto pode-se alterar o tipo
de material e suas caractersticas dimensionais, em um processo pode-se alterar a temperatura e
a presso e em um servio pode-se alterar o nmero de funcionrios e o layout. A alterao
desses parmetros pode afetar as caractersticas de qualidade resultantes do sistema.
Existem ainda os fatores de rudo, ou seja, fatores que podem influenciar o desempenho do
sistema, no entanto no consegue-se control-los. Os fatores de rudo so, por exemplo, a
temperatura e umidade do dia, o desgaste das ferramentas e a habilidade e cansao do operador.
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Input
Caractersticas de qualidade
SISTEMA
Parmetros
do Sistema
Fatores de Rudo
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Figura 2.
Combinao de fatores
OTIMIZAO
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
1.2.2. Terminologia
Caractersticas de Qualidade
Todas as caractersticas do produto que o cliente percebe como importantes.
Variveis de resposta
Aspectos do produto que podem ser medidos e que permitem quantificar as
caractersticas de qualidade(denominados Ys).
Caractersticas de qualidade do tipo nominal--melhor (por exemplo, caractersticas
dimensionais) tendem a apresentar uma distribuio de probabilidade aproximadamente
simtrica, pois as causas de variabilidade geram valores que podem se afastar tanto para cima
como para baixo do alvo. Elas apresentam tolerncias bilaterais(LIE e LSE).
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Parmetros do processo
Todas as variveis da linha de produo que podem ser alteradas e que talvez
tenham um efeito sobre as variveis de resposta.
Fatores controlveis
So um subconjunto dos parmetros do processo; so aqueles parmetros do
processo que foram elegidos para serem estudados a vrios nveis no
experimento, denominados Xs.
Fatores constantes
So os parmetros do processo que no entram no experimento e que so
mantidos constantes durante o experimento.
Fatores no controlveis (Rudo)
So as variveis que no podem ser controladas pela equipe tcnica. So
responsveis pelo erro experimental ou variabilidade residual ou varincia do
erro.
Importante
Se um fator (varivel importante) no for considerado como um fator controlvel
(investigado a vrios nveis) ou como um fator constante (fixo em um nvel), ele
ir se tornar um fator de rudo e inflacionar a variabilidade do erro tornando o
experimento pouco sensvel para a identificao de fatores significativos.
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Voz do Engenheiro
Caractersticas
Variveis de
Resposta
de Qualidade
Aspectos que
podem ser vagos
Mensurveis, quantitativas
Fatores Controlveis
Parmetros
do Processo
Objeto de
estudo
Input
Processo ou Produto
Parmetros
do Processo
Varivel de
Resposta
Fatores de Rudo
Definir o
ajuste
timo
Responsveis pela
variabilidade
10
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
1.3.4. Anlise
Fazer a anlise de varincia;
Escrever uma tabela de mdias;
Fazer grficos dos efeitos dos fatores principais;
Fazer grficos das interaes significativas.
1.3.5. Otimizao
Modelar individualmente cada Varivel de Resposta:
V.R. = f (F.C.)
Definir uma funo objetivo:
L = f1 (V.R.) L = f2 (F.C.)
Otimizar, isto , achar o ajuste dos F.C. que minimiza/ maximiza L;
Verificar a consistncia da soluo.
Pesquisa de Mercado:
O solado deve ser macio e durvel.
Caractersticas de Qualidade:
11
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Designao
Tipo
Flexibilidade
Durabilidade
Maior--melhor
Maior--melhor
Importncia
Relativa
1
1
Tipo
Mdulo de Elasticidade
(kgf/cm2)
Dureza superficial (kgf)
Resistncia trao (Kgf/cm2)
Menor--melhor
Maior--melhor
Maior--melhor
Importncia
Relativa
1
1
0.5
Alvo
200
25
100
Parmetros do processo:
Designao
Quantidade de Talco
Quantidade de leo
Quantidade de Asfalto
Quantidade de Breu
Quantidade de Fluxtec
Tempo de mistura
Temperatura de mistura
Tempo de resfriamento
Intervalo de
Variao
2a5
0.5 a 1
0.5 a 1
2a4
10 a 20
30 a 60
60 a 80
Unidade
g
ml
g
u.v.
u.v.
min
o
C
min
30 a 120
Fatores Controlveis:
- Quantidade de Breu;
- Quantidade de Fluxtec;
- Tempo de mistura;
- Temperatura de mistura.
Definio dos nveis dos fatores controlveis:
Fator
Quantidade de Breu
Quantidade de Fluxtec
No. nveis
2
4
Nveis
2 4
10 13 16 19
Unidade
u.v.
u.v.
12
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Tempo de mistura
Temperatura de mistura
3
3
30 45 60
60 70 80
Min
o
C
Ordem
54
23
18
9
:
:
17
Fator A
1
1
1
1
:
:
2
Fator B
1
1
1
1
:
:
4
Fator C
1
1
1
2
:
:
3
Fator D
1
2
3
1
:
:
3
Fator E
Fator F
Procedimentos de ensaio
- Aleatorizar a ordem dos ensaios;
- Fixar parmetros do processo no incorporados no experimento;
- Observar sempre a mesma sistemtica de ensaios, mesmas mquinas, operadores, etc.
13
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
14
Ensaio:_________________________________________________________
Data:____________________________
1.3.5.2. Ensaio
1
2
3
4
:
:
72
Operador: ___________________
Fatores Controlveis
Breu
Fluxtec
2
4
4
2
:
:
4
10
10
16
13
:
:
13
Tempo
Mistura
45
60
60
30
:
:
45
Variveis de Resposta
Temperatura
Mdulo
de
Elast.
Dureza
Superf.
Resist.
Trao
60
60
80
70
:
:
70
Obs:
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
Execuo do experimento.
4. Anlise
Ser o objetivo principal do curso.
5. Otimizao
Esse assunto ser abordado frequentemente.
1.4. EXERCCIO 1:
Escolher um aspecto da sua rea de conhecimento que demandaria pesquisa experimental e
completar todas as fases do planejamento de um experimento seguindo o roteiro apresentado
abaixo.
TTULO DO ESTUDO
Objetivos do Estudo
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
15
Equipe de Trabalho
A voz do cliente:
Listar a demanda de qualidade do cliente
Demanda de Qualidade
Importncia
Tipo
Alvo
(unidades)
Especificaes
Min
Max
Importncia
Ajuste
atual
Ajuste
Sugerido
Intervalo de
pesquisa
MIN
MAX
Facilid.
de ajuste
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Valor numrico
0
1
3
9
Fraca
Moderada
Forte
IE
X1
X2
X3
X8
X9
X10
Y1
Y2
Y3
Y4
Y5
Y6
PRj
O formulrio para os clculos o seguinte:
onde:
Rij
IEi
PRj
Num nveis
Nveis reais
16
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
PRj
Ajuste
Ordem
Fator A
Procedimentos de ensaio
--
Fator B
Fator C
Fator D
Fator E
Fator F
17
Projeto de Experimentos
1. Introduo ao Planejamento de Experimentos
Fatores Controlveis
Variveis de Resposta
Obs: ___________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
Obs: ___________________________________________________________
18
2.1.2. Objetivo:
Identificar se os valores da varivel de resposta medidos nos diversos nveis (grupos) diferem entre
sidevido ao efeito do fator controlvel.
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
20
Modelo Estatstico:
Onde:
a mdia geral;
j o efeito do grupo j;
ii um erro aleatrio.
Hipteses:
Ho: no h diferenas significativas entre os grupos;
H1: h diferenas significativas entre os grupos.
Totais
T.j
No.Obs. nj
A1
y11
A2
y12
...
...
Ak
y1k
y21
:
y22
:
...
y2k
:
:
yn1,1
T.1
:
yn2,2
T.2
n1
n2
yij
...
...
...
:
ynk,k
T.k
T.. =
...
nk
N =
...
Mdias
25C
35C
12
20
17
13
19
16
11
18
18
Repeties
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
21
Yij =
+ j + ij
a mdia geral;
j o efeito do grupo j;
ij um erro aleatrio.
2.2.2. Hipteses:
H0: no h diferenas significativas entre os grupos;
H1: h diferenas significativas entre os grupos, provocada pelo fator controlvel investigado.
Para o exemplo anterior,
15 C
12
13
11
36
3
12
Temperatura
25oC
20
19
18
57
3
19
35oC
17
16
18
51
3
17
(20-16) = (19-16)+(20-1)
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
Modelo Estatstico
Graus de Liberdade:
Fcalc
MQG( Fator )
MQR( Erro )
22
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
23
onde:
: nvel de significncia (usualmente 0,05)
k-1: graus de liberdade do numerador (MQG)
N-k : graus de liberdade do denominador (MQR)
Sendo o nvel de significncia (geralmente =0,05 ou 5%), que um valor aceitvel de se cometer
o erro do tipo I (rejeitar H0 sendo que a hiptese verdadeira). O intervalo de confiana na deciso
(1- ).
Exemplo da Distribuio F0,05,2,6=5,14
Estatstica descritiva
Sumrio
Groups
15C
25C
35C
ANOVA
Fonte
Entre grupos
Dentro grupo
Total
Count
3
3
3
SS
78
6
84
Sum
Average Variance
36
12
1
57
19
1
51
17
1
df
MS
2
6
8
F
39
1
P-value
F crit
39 0,000364 5,143253
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
24
SQ
SQG
SQR
SQT
GDL
K-1
N-K
N-1
MQ
MQG
MQR
Teste F
F = MQG / MQR
Totais
No.Obs.
Mdias
70
15,0
15,9
18,4
17,2
18,6
18,7
16,0
17,1
21,5
14,2
18,4
15,1
206,10
12
17,18
80
13,1
14,1
18,2
11,1
15,5
12,2
12,3
13,0
15,5
14,3
15,9
15,6
170,80
12
14,23
90
12,4
11,2
15,9
13,4
9,00
10,3
10,0
13,2
11,0
13,8
12,4
13,4
146,00
12
12,17
100
10,4
13,4
11,5
14,2
12,7
13,8
12,6
11,4
16,1
13,7
9,20
10,6
149,60
12
12,47
110
13,1
10,0
13,9
11,1
13,6
12,4
11,2
12,3
13,4
15,9
9,10
10,2
146,20
12
12,18
T..=818,7
N = 60
Y. . = 13,65
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
25
SQ
222,3
GDL
4
MQ
55,6
214,8
437,1
55
59
3,9
>
>
F calculado
14,2
Teste F Ftab
14,2
2,55
F tabelado
2,55
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
26
onde
2. Calcular o limite de deciso
Sy
3. Escrever as mdias em ordem crescente ou decrescente e compar-las duas a duas. A diferena
ser significativa se for maior que o Ld
Dif Signif.
Dif Signif.
Dif No Signif.
Dif No Signif.
4. Usar barras contnuas sobre as mdias que no diferem entre si
Bactrias
20
15
10
5
0
70
80
90
100
110
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
Agente
Totais
No.Obs.
Mdias
0
43
47
46
45
45
46
47
44
42
48
49
44
546
12
45,5
5
47
53
52
50
49
51
55
48
49
50
47
49
600
12
50,0
10
55
50
54
55
52
53
55
56
59
56
57
54
656
12
54,7
15
50
54
54
55
56
52
57
57
55
60
56
58
664
12
55,3
20
52
49
54
55
55
56
56
53
57
60
57
55
659
12
54,9
T.. =3125
N=60
Y. . =52,08
SQ
875,33
335,25
GDL
4
55
1210,58
59
MQ
218,83
6,09
Teste F
35,9
27
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
28
Existem diversos mtodos de CMM: Duncan, Tukey, Scheff, Bartlett, etc. O mtodo apresentado
a seguir o de Duncan.
1. Calcular o desvio padro das mdias pelo Teorema do Limite Central
MQR
SY. j
12
6,09
12
0,71
50,0
54,7
54,9
55,3
Y.1
Y.2
Y.3
Y.5
Y.4
___
Y.1
Y.2
__________
Y.3 Y.5 Y.4
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
65
Q3
Mdia
Max
Min
29
Mediana
Q1
Alongamento
60
55
50
45
40
0%
5%
10%
15%
20%
Concentrao do Agente
Como o LIE do cliente 52, ento a escolha da concentrao de agente pode ser 10, 15 e 20%, pois
atendem a especificao.
b. Otimizao observando grfico de barras:
70
Alongamento
60
50
40
30
20
10
0
0%
5%
10%
15%
20%
Concentrao de agente
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
Lote
L1
61
62
64
62
63
63
Totais T.j
Num. Obs. nj
375,0
L2
60
61
58
58
60
59
60
416,0
Mdias Y.j
62,50
59,43
61,60
30
L3
60
63
59
64
62
308
T.. = 1099
N =
18
Y. . = 61,06
SQ
32,53
30,41
62,94
GDL
2
15
17
>
>
MQ
16,26
2,03
Teste F
8,02
F tabelado
3,68
De forma que 2,37 / 4,40 = 54% da variabilidade total observada nos valores de permeabilidade
das lentes deve-se a diferenas "entre lotes" e 2,03/4,40=46% deve-se a diferenas dentro do lote.
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
31
2.3. EXERCCIOS:
2.1. Um engenheiro deseja investigar o efeito da concentrao de catalisador sobre o tempo de
processo de uma mistura qumica. Para isso investigou quatro diferentes concentraes e mediu o
tempo de processo da mistura. Os seguintes tempos de processo foram obtidas nas quatro
concentraes:
Catalisadores
1%
56,7
58,2
57,2
58,4
55,8
54,9
Totais
N
Mdias
2%
56,3
55,9
54,5
57,0
55,3
3%
53,0
51,2
54,2
53,2
4%
54,4
53,0
51,4
51,5
53,3
T.. =
N =
Y. . =
Pede-se:
Fazer a anlise de Varincia e concluir a respeito do efeito dos catalisadores.
Fazer uma comparao mltipla de mdias se for o caso.
Fazer um grfico de barras, indicando a concentrao mdia obtida para cada catalisador e
concluir a respeito do que deve ser feito para (i) assegurar qualidade (menor tempo de
processo) e (ii) assegurar economia.
Clculos iniciais:
2
TC = T.. / N =
2
(Yij ) =
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
SQT =
2
(Yij ) - TC =
SQG =
2
(T.j / nj) - TC =
32
SQ
GDL
MQ
Teste F
Entre Grupos
(Catalisadores)
Dentro Grupos (Residual)
Total
F calculado =
F tabelado =
Efeito dos catalisadores significativo ?
Comparao mltipla de mdias
(1) Calcular o desvio padro das mdias
=
onde
(2) Calcular o limite de deciso
Sy
(3) Escrever as mdias em ordem crescente ou decrescente e compar-las duas a duas. A diferena
ser significativa se for maior que o Ld
Y(1) - Y(2) =
Y(1) - Y(3) =
Y(1) - Y(4) =
Y(2) - Y(3) =
Y(2) - Y(4) =
Y(3) Y4) =
(4) Usar barras contnuas sobre as mdias que no diferem entre si
2.2 Resultados de corpos de prova de concreto com adio de Microsslica indicaram os seguintes
resultados de resistncia compresso:
Adio
0%
5%
10%
15%
28,1
35,3
39,8
39,1
Resistncia (MPa)
26,5
24,3
23,8
34,3
37,5
38,0
44,1
42,3
39,2
40,8
43,0
40,1
28,5
33,9
44,8
43,5
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
33
A1
A2
A3
Absoro (gramas)
141
132
135
112
115
122
128
98
158
122
121
143
102
108
155
139
126
2.4 Uma metalrgica tem um grande nmero de fornos usados para fundio de metais. A
temperatura desses fornos deveria ser a mesma. Para testar essa hiptese foram feitas medies em
4 fornos escolhidos aleatoriamente. Analise os resultados e conclua a respeito de possveis
diferenas entre os fornos.
Forno
Temperatura
1
824 821 829 808 815
2
817 830 819 809 825
3
822 810 831 824 818
4
826 828 810 820 815
2.5 Um engenheiro industrial desenvolveu um modelo estocstico de simulao que prev a
produtividade mensal em funo do intervalo de tempo entre manutenes preventivas. Se esse
intervalo for muito curto, as mquinas estaro constantemente em manuteno e a produtividade
ser baixa. Se o intervalo for muito longo, haver quebras, exigindo manuteno corretiva, mais
demorada, novamente prejudicando a produtividade. Os resultados da simulao so.
Intervalo
Produtividade
4
136 137 135 140 136
6
145 146 147 147 148
8
146 144 148 145 145
10
134 131 136 134 133
12
117 119 117 115 116
Faa a anlise da varincia, plote um grfico de barras para a produtividade mdia e conclua a
respeito do intervalo timo para as intervenes da manuteno produtiva.
2.6 Em uma indstria qumica um catalisador utilizado para acelerar um processo de deposio
metlica. Foi feito um experimento variando-se a concentrao desse catalisador e anotando-se o
tempo necessrio para completar o processo. Analise os dados usando a Tabela Anova. Depois
faa uma comparao mltipla de mdias, plote um grfico de linhas e conclua a respeito da
concentrao ideal.
Projeto de Experimentos
2. Comparao de Vrios Grupos (One-wayAnalysisofVariance)
Concentrao
10
15
20
25
18,8
12,5
10,6
11,2
Tempos
19,0
18,4
12,0
13,2
11,1
10,8
10,4
10,1
34
19,6
12,6
11,7
10,6
2.7 Os tcnicos de uma indstria de alimento precisam diminuir ao mximo a quantidade de gua
livre presente no produto final. Eles realizaram ensaios substituindo um dos componentes por um
novo ingrediente (o ingrediente X), que no altera a qualidade do produto, mas que talvez tenha
melhores condies de absoro de gua livre. Analise os resultados obtidos usando a Tabela
Anova. Depois faa uma comparao mltipla de mdias, plote um grfico de linhas e conclua a
respeito do % ideal para o ingrediente X. A propsito, o ingrediente X tem o preo um pouco
superior ao do ingrediente original.
Atividade de gua
% do componente X
0
25
50
75
100
0,91
0,75
0,65
0,62
0,61
0,92
0,80
0,59
0,60
0,64
0,88
0,72
0,59
0,58
0,59
0,88
0,74
0,62
0,65
0,60
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
36
O correto seria testar os dois fatores simultaneamente cada um no mnimo a dois nveis
totalizando 4 ensaios. Os nveis so estabelecidos em torno das condies operacionais atuais:
temperatura 68C, presso 14,3 atmque resulta em uma pureza de 75%.
A1
A2
Mdia
B1
B2
Mdia
20
40
30
30
52
41
25
46
O efeito principal do fator A definido como a mudana que aparece na varivel de resposta
quando se muda o nvel deste fator, independente do nvel do fator B logo, trabalha-se com a
mdia.
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
A1
A2
Assim,
Isto , passando do nvel A1 para o nvel A2 h uma mudana mdia na resposta de 21
unidades, independente dos nveis do fator B.
Similarmente,
1900ral
1900ral
1900ral
1900ral
1900ral
A1
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
B1
B2
A2
37
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
38
1900ral
1900ral
1900ral
1900ral
1900ral
11
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
B1
B2
Isto , passando do nvel B1 para o nvel B2 h uma mudana mdia na resposta de 11 unidades,
independente do nvel do fator A.
Quando as retas so paralelas (ou quase), no existe efeito de interao entre os fatores, ou seja,
o efeito do fator A ou B sempre o mesmo independente do nvel do outro fator.
Fator A
A1
A2
Mdia
B1
B2
Mdia
20
50
35
40
12
26
30
31
60
50
50
40
40
B1
30
20
B2
20
12
10
0
A1
A2
Nesse caso, onde as retas no so paralelas, diz-se que h uma interao entre A e B.
Os grficos de dois fatores so teis para esclarecer a natureza da interao.
Quando a interao forte, os efeitos principais tm pouco interesse prtico, por exemplo, para
esses dados:
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
39
Efeito de A = 50 - 20 = 30
Em B2
Efeito de A = 12 - 40 = -28
A1
A2
B1
x
x
FatorialCruzado
A1
A2
B2
x
x
1
Fator
A
2
:
:
a
Fator B
2
Y121, Y122
, Y12n
Y221, Y222
, Y22n
...
...
...
...
onde:
a mdia geral;
b
Y1b1, Y1b2
, Y1bn
:
:
:
:
Yab1, Yab2
, Yabn
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
Para o fator B:
para algum j.
Para a interao AB:
para algum ij.
Verificao:
SQT = SQA + SQB + SQAB + SQR
Soma de
Quadrados
SQA
SQB
SQAB
SQR
SQT
GDL
(a-1)
(b-1)
(a-1)(b-1)
ab(n-1)
abn-1
Mdias
Quadradas
MQA
MQB
MQAB
MQR
Teste F
MQA/MQR
MQB/MQR
MQAB/MQR
40
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
Fcalc
MQA( fator )
MQR
Fcalc
MQB( fator )
MQR
Fcalc
MQAB( fator )
MQR
41
Observaes importantes:
O Valor esperado da MQR igual a varincia:
Fcalc
MQG
MQR
O valor de Ftabelado :
Ftab
,GLnumerador , GLdenomnador
3.3.1. Exemplo
Suspeita-se que a mxima voltagem de sada de um tipo de bateria afetada pelo material
usado nas placas e pela temperatura. Foram investigados 3 tipos de materiais (a=3) e trs
diferentes temperaturas (b=3). Quatro repeties completas (n=4) de um experimento
fatorial cruzado foram rodadas em laboratrio e os seguintes dados foram obtidos. O nmero
total de ensaios:
N=a x b x n = 3 x 3 x 4 = 9 x 4 = 36.
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
Material
(A)
50
130 155
74 180 539
(134,75)
150 188
159 126 623
(155,75)
138 110
168 160 576
(144,00)
1738
(144,83)
3
T.j. =
SQAB
( 539 )2
4
(229 ) 2
4
Temperatura
65
34 40
80
75 229
(57,25)
151 137
121 130 539
(134,75)
174 120
150 139 583
(145,75)
1351
(112,58)
(342 ) 2
4
...
20
82
50
83
96
82
(B)
80
70
58 230
(57,50)
100
60 293
(73,25)
104
60 342
(85,50)
865
(72,08)
Ti.. =
998
(83,17)
1455
(121,25)
1501
(125,08)
3954
(109,83)
8187
FtabA
Soma de
Quadrados
12888
GDL
2
Mdias
Quadradas
6444
Teste F
9,3
F tab
3,35 S
31892
15946
23,1
3,35 S
8187
18644
71611
4
27
35
2047
691
3,0
2,73 S
F0,05;2;27
3,35
42
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
43
Voltagem
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1
1900ral
1900ral
1900ral 2
1900ral
1900ral
1900ral
3
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
1900ral
Temperatura
Voltagem
200
50
150
65
100
80
50
0
1
M ate rial
- Logo, usa-se:
MQR
bn
SYi ..
SY. j .
MQR
an
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
SYij .
44
Logo, usa-se:
MQR
n
n
Ento o desvio padro das mdias do efeito da interao pode ser descrito como:
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
45
O resultado da CMM apresentado com uma barra continua sobre os nveis que no diferem
entre si
N (0, )
SQR
ab(n 1)
Fcal
MQG
MQR
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
46
Soma de
Quadrados
SQA
SQB
SQAB
SQT
GDL
(a-1)
(b-1)
(a-1)(b-1)
abn-1
Mdias
Quadradas
MQA
MQB
MQAB
Teste F
MQA/MQAB
MQB/MQAB
3.6.2. Exemplo:
Um pesquisador acredita que a resistncia trao de certos corpos de prova de argamassa
depende da % de microsslica utilizada na sua fabricao e do operador que confecciona os CPs.
Os dados revelaram:
Operador
1
2
3
Totais
0
4
1
1
6
5
5
3
1
9
% de Microsslica
10
6
4
3
13
15
5
3
2
10
20
3
2
1
6
Totais
23
13
8
44
Soma de
Quadrados
23,33
11,60
2,00
36,93
GDL
2
4
8
14
Mdias
Quadradas
11,67
2,90
0,25
Teste F
46,7
11,6
F tab
4,46 S
3,84 S
Os efeitos do operador e do % de microsslica so significativos. necessrio realizar uma CMM tanto para
A quanto para B.
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
SY A .
Ld
MQR
0,25
0,289
n
3
3 SYA. 3 0,289 0,866
Nvel
Mdia
Diferena
Valor da dif
0
5
10
15
20
2,0
3,0
4,3
3,3
2,0
0-5
5-10
10-15
15-20
1,0
1,3
1,0
1,3
Limite
>
>
>
>
Ld=0,87
Ld=0,87
Ld=0,87
Ld=0,87
47
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
48
EXERCCIOS
3.1. A resistncia trao de um produto de papel (Y) parece estar relacionada % de madeira
escura (A) presente na polpa e Temperatura (B) dos rolos de manufatura. Dados experimentais
revelaram:
Temperatura dos rolos (B)
5
10
% de
Madeira
escura
15
5%
15 13
23 27
32 33
34 38
10%
31 28
38 39
43 40
41 39
Totais
Totais
514
Pergunta-se:
Qual a varivel de resposta?
Quais os fatores controlveis e qual o nmero de nveis dos fatores controlveis?
Faa a anlise de varincia e indique quais os efeitos significativos?
Faa um grfico de dois fatores.
O que fazer para assegurar qualidade? (Resistncia maior--melhor)
O que fazer para assegurar economia? (Supor que um aumento na % de madeira escura ou na
temperatura dos rolos implica maior custo)
Soluo:
a) Varivel de resposta:
b) Fatores controlveis e nmero de nveis
c) Anlise de varincia
TC =
SQA =
SQB =
SQAB =
SQR =
SQT =
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
Fonte
SQ
GDL
MQ
F calc.
F tab.
49
Signif. ?
Efeitos significativos:
40
30
20
10
0
e) Tomada de deciso
A2
A3
B1
B2
Totais
Totais
a) Qual a varivel de resposta e quais os fatores controlveis?
b) Faa a anlise de varincia e conclua sobre a significncia dos fatores em estudo;
c) Plote um grfico relacionando os fatores controlveis com a resposta medida;
d) Com base nos resultados da Anova, indique o que voc pensa que poderia ser feito para
maximizar a qualidade.
3.3. Os dados a seguir representam os tempos de montagem obtidos em um estudo que envolveu
trs operadores e dois layouts para os postos de trabalho.
Projeto de Experimentos
3. Projetos Fatoriais de Dois Fatores
Operador 1
Operador 2
Operador 3
Layout 1
17,4 18,3
18,2
18,8 17,6
17,5
16,8 15,7
15,7
Layout 2
16,8 15,5
15,7
15,2 16,4
16,2
15,0 13,6
13,7
50
Totais
Totais
3.4. Um Engenheiro de alimentos est tentando ajustar o percentual de gordura do produto final.
O valor ideal 10%, mas o engenheiro sabe que esse valor depende da vazo de gorduras e,
talvez da origem da matria prima. Analise os dados a seguir, usando a Anova e um gfico de
dois fatores, e conclua sobre o melhor ajuste para esse processo.
Uruguai
Oeste do RS
Sta. Catarina
Totais
Totais
Os resultados do Projeto Fatorial de 2 fatores podem ser estendidos para o caso onde h vrios
fatores:
Fator A,
a nveis
Fator B,
b nveis
Fator C,
c nveis
:
n observaes por parcela
O nmero total de observaes N = a x b x c x ... x n
i = 1, a
j = 1, b
k = 1, c
l = 1, n
onde:
a mdia geral;
o efeito do i-simo nvel de A;
o efeito do j-simo nvel de B;
o efeito da interao AB;
:
o erro aleatrio.
Suposies:
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
VERIFICAO
SQT = SQA + SQB + SQC + SQAB + .... + SQR
Soma de
Quadrados
SQA
SQB
SQC
SQAB
SQAC
SQBC
SQABC
SQR
SQT
GDL
(a-1)
(b-1)
(c-1)
(a-1)(b-1)
(a-1)(c-1)
(b-1)(c-1)
(a-1)(b-1)(c-1)
abc(n-1)
abcn-1
Mdias
Quadradas
MQA
MQB
MQC
MQAB
MQAC
MQBC
MQABC
MQR
Teste F
MQA/MQR
MQB/MQR
MQC/MQR
MQAB/MQR
MQAC/MQR
MQBC/MQR
MQABC/MQR
52
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
53
Efeito correspondente
Observaes:
O valor esperado da MQR igual a varincia:
E(MQR) =
4.1.4. Exemplo
%Carbonatao
(A)
10
12
14
T.j..
21
T..k.
A
0
2
4
Tij..
B
20
-5 (-1,25)
4 (1,00)
22 (5,50)
A1(10)
A2(12)
A3(14)
20
59
T....=75
Ti.k.
25
1 (0,25)
16 (4,00)
37 (9,25)
C
A
0
2
4
100
1 (0,25)
14(3,50)
34(8,50)
120
-5(-1,25)
6 (1,50)
25(6,25)
Ti.k.
B2(25)
1
16
37
54
-4
54
Tij..
B1(20)
-5
4
22
21
T.i..
-4
20
59
A1(10)
A2(12)
A3(14)
C1(100)
1
14
34
49
T.jk.
C
100
120
15(2,50)
6 (1,00)
34(5,67)
20(3,33)
B
0
5
T.jk.
C2(120)
-5
6
25
26
-4
20
59
B1(20)
B2(25)
C1(100)
15
34
49
C2(120)
6
20
26
21
54
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
Fonte
SQ
A: % Carb.
B: Presso
C: Veloc.
252,75
45,38
22,04
5,25
0,58
1,04
1,08
8,50
336,63
AB
AC
BC
ABC
Erro
Total
GDL
MQ
2
1
1
2
2
1
2
12
23
F calc.
126,38 178,4 *
45,38 64,1 *
22,04 31,1 *
2,63
3,7 (*)
0,29
0,4
1,04
1,5
0,54
0,8
0,71
F tab.
3,89
4,75
4,75
3,89
3,89
4,75
3,89
54
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
8,50
6,25
C1 (100)
3,50
C2 (120)
1,50
0,25
A1 (10)
A2 (12)
A3 (14)
9,25
5,50
B1 (20)
4,00
B2 (25)
1,00
0,25
A1 (10)
A2 (12)
A3 (14)
5,67
B1 (20)
3,33
B2 (25)
2,50
1,00
C1 (100)
C2 (120)
1
Temperatura
50
75
100
xxxxxx
Materiais
2
Temperatura
50
75
100
xxxxxx
3
Temperatura
50
75
100
xxxxxx
Trata-se de um projeto fatorial cruzado, cuja tabela tambm poderia ser apresentada como:
Materiais
55
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
1
50
75
100
Temper.
2
xx
xx
xx
xx
xx
xx
3
xx
xx
xx
1
Temperatura
40
50
60
xxxxxx
Materiais
2
Temperatura
100 120
140
xxxxxx
3
Temperatura
60
75
90
xxxxxx
yijk
j(i )
ijk
____________________________________________________________
Projeto Fatorial
Projeto Fatorial Aninhado
A e B cruzados
B aninhado em A
__________________________________________________________________
SQ
GDL SQ
GDL
MQ
__________________________________________________________________
SQA
(a-1)
SQA
(a-1)
MQA
MQA/MQR
SQB
(b-1)
SQB(A)
a(b-1)
MQB(A)
MQB(A)/MQR
SQAB
(a-1)(b-1)
( SQB + SQAB)
SQR
ab(n-1)
SQR
ab(n-1)
MQR
__________________________________________________________________
SQT
abn-1
SQT
abn-1
__________________________________________________________________
56
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
57
4.3.1. Exemplo
Uma fbrica tem produzido azulejos que tm se mostrado muito quebradios (baixa resistncia
trao). Os engenheiros desconfiam que 3 fatores podem afetar a resistncia:
A: Quantidade de Feldspato
B: Tipo de Aglutinante (3 fornecedores)
C: Quantidade de Aglutinante
Decide-se rodar um experimento envolvendo esses fatores. Observa-se que cada fornecedor de
aglutinante sugere uma quantidade ideal de aplicao de seu produto. Mas como a quantidade
de aglutinante pode afetar a resistncia trao, usa-se dois nveis deste fator: um nvel 10%
abaixo da indicao do respectivo fornecedor e outro 10% acima. Os ensaios revelaram:
B1
Quantidade
C1(9) C2(11)
10,0
13,4
11,0
12,6
14,8
13,9
16,5
15,6
17,2
17,6
14,4
19,4
A1
A2
A3
T.j..
Tipo de Aglutinante
B2
Quantidade
C1(18) C2(22)
13,6
11,0
13,8
15,0
18,0
17,6
176,1
T..k.
13,7
12,4
16,7
14,9
16,6
17,0
T..1. = 257,7 ;
B1
47,0
60,5
68,6
146,8
167,8
524,2
180,3
Ti.k.
B2
50,7
60,4
69,2
Ti...
177,0
200,4
T..2. = 266,5
Tij..
A1
A2
A3
B3
Quantidade
C1(27) C2(33)
13,5
14,4
10,2
11,0
12,3
14,7
15,5
13,6
14,5
13,7
18,8
15,6
B3
49,1
56,1
62,6
A1
A2
A3
C1
69,3
87,9
100,5
T.jk.
C2
77,5
89,1
99,9
B1
B2
B3
C1
83,9
89,0
84,8
C2
92,2
91,3
83,0
TC = (524,2) / 36 = 7632,934
= 120,35
GDL
2
Aninhado
SQ
SQA
GDL
2
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
58
SQB = 6,74
SQAB = 4,79
SQC = 2,15
SQBC = 4,30
SQAC = 3,60
SQABC = 12,90
SQR = 43,51
2
4
1
2
2
4
18
SQB
SQAB
SQC(B)=6,45
SQC (2,15)+SQBC (4,30)
SQAC(B)=16,50
SQAC (3,60)+SQABC (12,90)
SQR
18
SQT
35
SQT
35
= 198,35
2
4
3
6
SQ
A: Feldsp.
B: Tipo de
Agl.
AB
C(B)
AC(B)
Erro
Total
GDL
MQ
Teste F
F tab
120,35
6,74
2
2
60,17
3,37
24,9
1,4
3,55
3,55
4,79
6,45
16,50
43,51
198,35
4
3
6
18
35
1,20
2,15
2,75
2,42
0,5
0,9
1,1
2,93
3,16
2,66
B1
B2
B3
A1
A2
A3
4.4. EXERCCIOS
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
59
4.1. Deseja-se maximizar a resistncia de uma cera a base de carnaba. Aps uma brainstorm os
engenheiros decidiram que trs fatores podem ter um efeito importante sobre a resistncia
trao:
A: % de Etileno Vinil Acetato adicionada cera
B: Fornecedor de carnaba (h dois fornecedores na regio).
C: % de parafina adicionada cera
Para decidir quais desses fatores ou interaes entre eles so efetivamente significativos, foi
rodado um experimento e os seguintes dados foram coletados:
EVA(A)
4
45,7
43,9
44,7
60,0
65,6
65,8
44,0
48,4
46,6
46,7
50,8
52,6
59,8
57,8
55,2
43,2
34,0
43,8
56,2
53,1
55,5
78,3
66,8
73,9
59,0
60,4
59,6
51,8
57,0
53,9
79,6
70,0
73,9
52,6
59,1
55,1
10
52,6
46,8
52,6
70,9
66,3
75,8
46,2
48,7
52,2
50,2
48,8
50,3
67,1
73,3
71,8
51,8
48,7
50,7
Totais
Totais
Pede-se:
a) Qual a varivel de resposta?
b) Quais os fatores controlveis? Quantos nveis?
c) Quais os efeitos significativos?
d) Faa os grficos de dois fatores pertinentes.
e) O que fazer para obter qualidade e economia. (Considere que um aumento na % de EVA ou
na % de parafina implica maior custo, e que o fornecedor 1 (B1) tem o menor preo).
Soluo:
a) Varivel de resposta:
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
c) Anlise de varincia:
TC = 192 613,55
SQB =
SQBC =
Fonte
SQA
SQ
6060,54
SQB
SQC
5030,65
SQAB
12,97
SQAC
150,44
SQBC
SQABC
121,85
Erro
480,79
Total
Efeitos significativos:
GDL
MQ
F calc.
F tab.
Signif. ?
60
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
61
80
70
60
50
40
30
20
e) Tomada de deciso
4.2. Supe-se que a tenso de cisalhamento suportada por peas coladas depende do fornecedor
de adesivo e da presso e temperatura usadas no processo de colagem. Analise os dados a
seguir, respondendo as mesmas questes enunciadas no exerccio 4.1.
Fornec:
Temp:
Presses
120
250
260
270
250
260
270
10,1
11,2
12,5
10,6
12,3
10,0
130
9,2
10,6
11,4
10,7
11,1
10,6
140
10,3
10,1
11,7
9,4
12,0
10,1
150
9,0
10,1
12,2
10,0
11,4
10,8
4.3. Sabe-se que a tenso de cisalhamento suportada por peas coladas depende do fornecedor
de adesivo e da temperatura usadas no processo de colagem. Alm disso, diferentes
fornecedores sugerem diferentes temperaturas timas de colagem. Indique qual o modelo
estatstico desse experimento e, depois, analise os dados a seguir, respondendo as mesmas
questes enunciadas no exerccio 4.1.
Fornecedor:
Temperatura
:
270
280
290
250
260
270
12,3
12,9
11,9
9,7
12,1
10,1
11,2
13,5
11,3
10,1
11,5
10,7
12,2
13,9
11,1
10,3
12,5
10,5
11,6
12,7
12,2
10,5
11,0
9,7
4.4. Uma empresa de produtos alimentcios est interessada em aumentar a densidade de um dos
novos produtos em desenvolvimento. No entanto, isso deve ser feito variando alguns
parmetros em intervalos estreitos, pois a produo fora desses intervalos ir piorar o sabor do
produto. Analise os dados a seguir e identifique quais fatores exerceram efeito significativo
sobre a densidade. Depois, plote grficos de dois fatores e conclua a respeito do melhor ajuste
Projeto de Experimentos
4. Generalizao dos Projetos Fatoriais
62
para o processo. Considere que o ajuste central mais seguro em relao a sabor, mas variaes
dentro da faixa estudada no comprometem o produto.
Vazo de
Gordura:
Temperatura
:
Presso
120
30
50
75
80
85
75
80
85
0,35
0,34
0,35
0,39
0,40
0,38
130
0,37
0,35
0,38
0,41
0,40
0,42
140
0,39
0,38
0,37
0,43
0,43
0,44
150
0,40
0,39
0,41
0,45
0,46
0,45
5. Blocos Aleatorizados e
Quadrados Latinos
Jos Luis Duarte Ribeiro
Carla ten Caten
Focando no modelo estatstico e na informao que pode ser obtida de cada um desses
experimentos.
Para apresentar esses modelos, vamos considerar o exemplo de uma locadora de automveis que
deseja comparar o desgaste de quatro marcas de pneus.
Nesse exemplo tem-se:
Varivel de resposta: Desgaste dos pneus
(diferena de espessura aps 20.000 Km de uso)
Varivel principal: Marca de pneu
( um fator a nveis fixos - 4 marcas de pneu)
Variveis secundrias possveis:
Carro
Posio dos pneus no carro
Motorista
Variveis no controlveis:
Temperatura, Umidade, Terreno, etc.
Exemplo de projeto confundido:
Usando letras para indicar as 4 marcas de pneus e nmeros romanos para indicar os carros, o
experimento poderia ser efetuado da seguinte forma:
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
64
Carros
I
A
A
A
A
II
B
B
B
B
III
C
C
C
C
IV
D
D
D
D
Imediatamente podemos ver falhas nesse projeto, uma vez que os totais para as marcas tambm
sero totais para os carros!
Nesse projeto, o efeito das marcas e dos carros est confundido, e a anlise fica
prejudicada.Exemplo de um experimento mal planejado.
I
C(12)
A(17)
D(13)
D(11)
II
A(14)
A(13)
B(14)
C(12)
III
D(10)
C(11)
B(14)
B(13)
IV
A(13)
D(9)
B(8)
C(9)
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
Yij =
ij
onde
a mdia geral, j indica o efeito de cada marca , e
suposies para a anlise so:
j
=0 ;
o erro aleatrio. As
N(0,
ij
ij
Para esse modelo, os resduos em relao a mdia geral podem ser decompostos da seguinte
maneira:
( yij
y..)
( y. j
y..) ( yij
y. j )
H1:
=0
0 para algum j
Para tanto usamos o teste F, uma vez que pode ser demonstrado que quando
E(MQM) = E(MQR)
Para o clculo das Somas Quadradas, usamos o formulrio tradicional:
B
14
14
13
8
49
C
12
12
11
9
44
D
13
11
10
9
43
Desgastes medidos
em cada pneu
= 193
= 0 resulta:
65
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
Fonte
Marcas
Resduo
Total
SQ
30,69
50,25
80,94
GDL
3
12
15
MQ
10,23
4,19
Teste F
2,44
66
F tab
3,49 S
Para esse projeto, o valor calculado de F resulta menor que o tabelado. Assim, a hiptese nula
no pode ser rejeitada!
Marcas e
(Desgaste)
II
D(11)
C(12)
B(14)
A(14)
III
A(13)
B(13)
D(10)
C(11)
IV
C(9)
D(9)
B(8)
A(13)
ij
N(0,
) ;
ij
N(0,
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
67
Carros
Totais
I
II
III
IV
A
17
14
13
13
57
B
14
14
13
8
49
C
12
12
11
9
44
D
13
11
10
9
43
Totais
56
51
47
39
= 193
Para fins didticos, estamos usando as mesmas observaes anteriores, apenas redistribuindo-as
ao longo dos carros. Assim, a SQT e a SQM continuam as mesmas. Mas preciso calcular:
SQC = (562 + 512 + 472 + 392)/4 - 2328,06 = 38,69
SQR = SQT - SQM - SQC = 80,94 - 30,69 - 38,69 = 11,56
Pode ser observado que a SQR diminuiu de 50,25 para 11,56 porque foi extrado o efeito dos
carros (38,69).Assim, o projeto em blocos aleatorizados efetivamente reduz a varincia residual.
SQ
30,69
38,69
11,56
80,94
GDL
3
3
9
15
MQ
10,23
12,90
1,28
Teste F
7,90
10,00
F tab
3,86 S
3,86 S
Agora a hiptese nula rejeitada tanto para Marcas como para Carros. Ou seja, detecta-se um
efeito significativo de Marcas e Carros.
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
68
Matriz experimental
I
II
III
IV
Marcas
B
No exemplo anterior:
Desgaste
Posio
Ti
T(k)
I
Carros II
III
IV
3(17)
4(14)
1(13)
2(13)
2(14)
3(14)
4(13)
1(8)
1(12)
2(12)
3(11)
4(9)
4(13)
1(11)
2(10)
3(9)
56
51
47
39
1
2
3
4
Tj
57
49
44
43
193
193
44
49
51
49
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
Yij =
(k)
69
ij
onde (k) acrescentado (ou melhor, separado do termo de erro experimental). O termo
indica o efeito da posio dos pneus, que antes no podia ser calculado apropriadamente.
(k)
=0 ;
N(0,
ij
Para esse modelo a decomposio dos resduos leva as seguintes somas quadradas:
SQT = SQC + SQM + SQP + SQR
Indicando o nmero de carros, marcas e posies por a, os respectivos graus de liberdade
resultam:
(N - 1) = (a - 1) + (a - 1) + (a - 1) + (N - 3a + 2)
SQ
30,69
38,69
6,69
4,87
80,94
GDL
3
3
3
6
15
MQ
10,23
12,90
2,23
0,82
Teste F
12,4
15,7
2,7
F tab
4,76
4,76
4,76
Novamente a hiptese nula rejeitada tanto para Marcas como para Carros. A um nvel de
significncia de 5% o efeito da posio no aparece como significativo.
Uma vez que Marca um efeito significativo, poderamos completar a anlise fazendo uma
comparao mltipla de mdias. Para esse exemplo, resultaria:
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
70
5.3.3.1 Aplicabilidade
Projetos desse tipo s so possveis quando todos os fatores tm um mesmo nmero de nveis,
ou seja, deve ser um quadrado. Exemplos de quadrados latinos de ordem 4, 5 e 6 so:
4 x 4
A
B
C
D
B
C
D
A
D
A
B
C
5 x 5
C
D
A
B
A
D
C
B
E
D
A
B
E
C
B
C
E
A
D
E
B
D
C
A
6 x 6
C
E
A
D
B
A
B
C
D
F
E
D
A
E
C
B
F
C
E
D
F
A
B
E
C
F
B
D
A
B
F
A
E
C
D
F
D
B
A
E
C
Linhas
I
II
III
IV
V
1
A
C
E
B
D
2
B
D
A
C
E
Colunas
3
C
E
B
D
A
4
D
A
C
E
B
5
E
B
D
A
C
Outro exemplo pode envolver testes com quatro aditivos para reduo da carga poluente em
automveis. Para efetuar o estudo, pode ser necessrio usar quatro carros e quatro motoristas,
que podem ter algum efeito sobre os resultados.
Assim, para impedir que as diferenas carro-a-carro e motorista-a-motorista terminem
inflacionando o erro, podemos usar o Quadrado Latino que aparece a seguir:
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
Aditivos
Carros
1
A
D
B
C
I
II
III
IV
Motorista
71
2
B
C
D
A
3
D
A
C
B
4
C
B
A
D
5.4.1. Exemplo
Um engenheiro est medindo o ganho em um processo qumico. Os fatores principais so a
concentrao de cido (1, 2, 3, 4, 5), a concentrao de catalisador ( , , , , ) e o tempo de
espera (A, B, C, D, E).
Para efetuar todos os ensaios, necessrio usar 5 lotes de matria prima (I, II, III, IV, V). O
experimento foi rodado seguindo um arranjo do tipo Quadrado Greco Latino e os resultados
aparecem a seguir:
Lotes
I
II
III
IV
V
A
B
C
D
E
1
=26
=18
=20
=15
=10
B
C
D
E
A
Concentrao de cido
2
3
4
=16
C =19
D =16
=21
D =18
E =11
=12
E =16
A =25
=15
A =22
B =14
=24
B =17
C =17
E
A
B
C
D
5
=13
=21
=13
=17
=14
Como pode ser visto, h dois Quadrados Latinos superpostos. Um deles escrito nas letras
A,...,Ee o outro escrito nas letras ,..., . O resultado um quadrado Greco-Latino, e ser
possvel avaliar o efeito de todos os fatores listados.
Iniciamos calculando os totais de cada tratamento:
cido
1 = 89
2 = 88
3 = 92
4 = 83
5 = 78
Catalisador
= 83
= 85
= 91
= 82
= 89
430
430
E em seguida as Somas quadradas:
TC = 4302 / 25 = 7396
SQTot = ( yij2) - TC = 7832 - 7396 = 436,0
SQA = [(892 + ...) / 5] - TC = 24,4
Tempo
A = 118
B = 78
C = 94
D = 75
E = 65
Lotes
I = 90
II = 89
III = 86
IV = 83
V = 82
430
430
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
72
SQ
24,4
12,0
342,8
10,0
46,8
436,0
GDL
4
4
4
4
8
24
MQ
6,1
3,0
85,7
2,5
5,85
Teste F
1,04
0,51
14,65
0,43
F tab
3,84
3,84
3,84
5.5. EXERCCIOS:
1. Um engenheiro est conduzindo um experimento a respeito do tempo necessrio para o olho
humano focar um objeto. Ele est interessado na influncia que a distncia do objeto possa ter
sobre o tempo de foco. Cinco indivduos esto sendo usados neste experimento. Como pode
haver diferenas entre os indivduos, o experimento foi feito em blocos aleatorizados.
Distncia
4
6
8
10
1
10
7
5
6
2
6
6
3
4
Indivduos
3
6
6
3
4
4
6
1
2
2
5
6
6
5
3
Pede-se:
a) Qual o fator principal, qual o fator secundrio (blocos) e qual a varivel de resposta neste
experimento ?
b) Faa a anlise de varincia e conclua a respeito dos fatores significativos. Use algum grfico
para documentar a anlise.
c) Se for o caso, complete a anlise fazendo uma comparao mltipla de mdias e/ou fazendo a
estimativa dos componentes de variao.
2. Um engenheiro industrial est investigando o efeito de quatro mtodos de montagem sobre o
tempo necessrio para montar um componente de TV. Quatro operadores so selecionados para
o estudo. Alm disso, como a montagem produz fadiga nos operadores, o tempo necessrio
para montar a ltima unidade pode ser maior que aquele gasto na montagem da primeira
unidade. Para levar em conta essas fontes de variabilidade, o engenheiro usou o quadrado latino
que aparece a seguir.
Projeto de Experimentos
5. Blocos Aleatorizados e Quadrados Latinos
Tempo
Mtodo
Ordem
I
II
III
IV
1
C = 10
B=7
A=5
D = 10
Operadores
2
3
D = 14
C = 18
B = 10
A = 10
A=7
D = 11
C = 11
B = 12
Ti
73
T(k)
B=8
A=8
D=9
C = 14
Tj
Pede-se:
a) Calcule os totais para cada nvel de cada fator e aps calcule as somas quadradas.
b) Faa a anlise de varincia e conclua a respeito dos fatores significativos. Use grficos para
documentar a anlise.
c) Se for o caso, complete a anlise fazendo uma comparao mltipla de mdias e/ou fazendo a
estimativa dos componentes de variao.
6. Experimentos Parcionados em
Clulas (Split-Plot)
Jos Luis Duarte Ribeiro
Carla ten Caten
6.1. INTRODUO
Algumas vezes, dificuldades tcnicas impedem de rodar todo o experimento de uma vez ou em
um nico equipamento ou com um nico lote de matria-prima:
Projetos fatoriais confundidos em bloco
Outras vezes, dificuldades financeiras ou de tempo impedem de rodar o experimento completo:
Projetos fatoriais fracionados
Outras vezes, dificuldades impedem a aleatorizao completa do experimento dentro do bloco:
Projetos parcionados em clulas
Vejamos um exemplo para ilustrar esse tipo de restrio experimental.
6.1.1. Exemplo
Seja que um engenheiro quer analisar o efeito da composio (trao) e do tempo de cozimento
sobre a resistncia de tijolos cermicos.
Dados sobre a resistncia de tijolos cermicos
Tempo de
Cozimento
(min)
C1
C2
C3
C4
T1
X XX
X XX
X XX
X XX
T2
X XX
X XX
X XX
X XX
T3
X XX
X XX
X XX
X XX
Aparentemente, trata-se de um projeto fatorial cruzado 4x3, com repeties, cujo modelo
estatstico seria:
xijk =
+ Ti + Cj + TCij + erro
Modelo ANOVA com dois fatores a nveis fixos e com trs repeties ??
Projeto de Experimentos
6. Experimentos Parcionados em Clulas (Split-Splot)
75
R1
R2
R3
Tempo de
Cozim.
C1
C2
C3
C4
T1
T2
T3
T1
T2
T3
T1
T2
T3
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
Clula
inteira
Parcionamento
Projeto de Experimentos
6. Experimentos Parcionados em Clulas (Split-Splot)
76
Ri + Cj + RCij
Clula inteira
Clula parcionada
Neste caso, como no h repetio dentro das clulas, no h um termo de erro independente.
Para esse exemplo, o valor esperado das mdias quadradas resulta:
Fonte
GDL
Ri
Clula
inteira
Clula parcionada
Cj
3
A
i
4
F
j
3
F
k
1
A
m
+ 12
+3
+3
E(MQ)
RCij
Tk
+4
+4
RTik
CTjk
RCTijk
12
Em(ijk)
Total
2
2
2
R
2
RC
2
RC
2
RT
2
RT
2
RCT
2
RCT
+9
+ 12
+3
CT
(no dispon.)
35
H testes exatos para os fatores principais (C, T) e para a interao entre eles (CT).
No h testes exatos para R, nem para as suas interaes, mas em geral no h interesse nesses
efeitos.
A anlise de varincia resulta como segue:
Fonte
SQ
GDL
MQ
R
C
RC
T
RT
CT
RCT
SQR
SQC
SQRC
SQT
SQRT
SQCT
SQRCT
2
3
6
2
4
6
12
MQR = SQR/2
MQC = SQC/3
MQRC = SQRC/6
MQT = SQT/2
MQRT = SQRT/4
MQCT = SQCT/6
MQRCT = SQRCT/12
(ND)
MQC/MQRC
(ND)
MQT/MQRT
(ND)
MQCT/MQRCT
(ND)
Total
SQTotal
35
Projeto de Experimentos
6. Experimentos Parcionados em Clulas (Split-Splot)
77
Interao:
F = MQCT/MQRCT; e se F >Ftab(6,12) rejeita-se Ho
Esse exemplo mostra a necessidade de planejar cuidadosamente a forma de coleta dos dados.
(SPLIT-SPLIT-PLOT)
Existem projetos onde pode ser necessrio mais de um nvel de parcionamento. Vejamos um
exemplo:
Sejam um experimento sobre o arrancamento de barras de ao mergulhadas em CPs de
concreto. Nesse experimento 3 laboratrios, 2 traos de concreto e 4 tipos de barras nervuradas
esto envolvidos.
O material para o laboratrio 1 (cimento, agregado, areia e barras de ao) enviado de uma s
vez. Isso implica uma restrio sobre a aleatorizao completa.
Por sua vez, o Laboratrio 1 preparava um trao de concreto e em seguida moldava CPs com os
4 tipos de barras nervuradas. Isso implica outra restrio sobre a aleatorizao completa.
Primeiro o laboratrio escolhido, depois o trao escolhido, e s ento as barras nervuradas
so aleatorizadas naquele trao e laboratrio particular.
Para evitar o confundimento total, trs repeties completas desse experimento so realizadas,
conforme segue:
Arranjo experimental para o experimento das barras nervuradas:
Trao ==>
Barras ==>
Repet.
R1
R2
R3
Lab.
L1
L2
L3
L1
L2
L3
L1
L2
L3
T1
T2
B1 B2 B3 B4
B1 B2 B3 B4
X
X
X
X
X
X
X
X
X
XXX
XXX
XXX
XXX
XXX
XXX
XXX
XXX
XXX
X
X
X
X
X
X
X
X
X
XXX
XXX
XXX
XXX
XXX
XXX
XXX
XXX
XXX
Clula
Inteira
Clula
parcionada
Reparcionamento
Repeties x Laboratrio formam a clula inteira; Dentro de uma repetio, Laboratrio x Trao
formam a clula parcionada;
Ento, a cada combinao Trao-Laboratrio-Repetio, as 4 barras de ao so aleatoriamente
ensaiadas, formando o que chamado de clulas reparcionadas.
A existncia do reparcionamento indica que mais de um efeito principal est confundido (no
caso Laboratrio e Trao apresentam diferentes graus de confundimento).
Valores esperados para as mdias quadradas:
Projeto de Experimentos
6. Experimentos Parcionados em Clulas (Split-Splot)
Fonte
Clula inteira
Clula parcionada
Clula
reparcionada
GDL
3
A
i
3
F
j
2
F
k
4
F
l
1
A
m
E(MQ)
2
+ 24 2R
2
+ 8 2RL + 24
2
+ 8 2RL
Ri
Lj
2
2
1
3
3
0
2
2
4
4
1
1
RLij
Tk
RTik
LTjk
2
2
1
3
3
0
0
0
4
4
1
1
RLTijk
Bl
RBil
2
2
LBjl
RLBijl
12
TBkl
RTBikl
LTBjkl
RLTBijk
6
12
3
1
0
0
0
0
0
0
1
1
78
+ 12 2RT + 36
2
+ 12 2RT
2
+ 4 2RLT + 12
2
+ 4 2RLT
+6
LT
2
RB + 18 B
2
RB
2
RLB + 6 LB
2
RLB
2
RTB + 9 TB
2
RTB
+6
+2
2
+2
2
+3
2
+3
2
+ 2RLTB + 3
2
+ 2RLTB
2
LTB
(no dispon.)
Em(ijkl)
Total
35
A coluna E(MQ) indica que testes F podem ser feitos para todos os efeitos de interesse e suas
interaes.
No h testes F para o efeito das repeties e para as suas interaes, mas em geral esses efeitos
no so de interesse.
O exame da coluna E(MQ) indica que alguns testes F sero feitos com poucos GDL no
denominador.
Uma alternativa seria aumentar o nmero de repeties. Nesse exemplo, se 5 repeties fossem
realizadas, j teramos 8 GDL para RL (erro da clula inteira) e para RLT (erro da clula
parcionada).
Outra alternativa aglutinar Somas Quadradas:
Projeto de Experimentos
6. Experimentos Parcionados em Clulas (Split-Splot)
79
R + RL
RT + RLT
Outra tcnica conveniente realizar duas ou trs repeties, computar os resultados e verificar
se a significncia foi obtida ou se os valores de F so grandes, mesmo que no significativos.
Ento, conforme os resultados, adicionar outras repeties, aumentando a preciso e o custo do
experimento, na esperana de detectar efeitos significativos.
6.3. EXERCCIOS
6.1 Esse exemplo refora a idia que, no meio industrial, muitas vezes mais prtico e eficiente
rodar experimentos parcionados em clulas. O objetivo do experimento descrito a seguir era
melhorar a resistncia corroso de barras de ao, aplicando um filme de revestimento curado
em um forno industrial. Quatro tipos diferentes de revestimento (C1, C2, C3 e C4) foram
testados usando-se trs temperaturas diferentes: 360, 370 e 380oC.
O arranjo experimental foi o seguinte: o forno era ajustado em uma determinada temperatura;
em seguida 4 barras eram colocadas no forno, cada uma delas pintada com um tipo diferente de
revestimento. As barras eram deixadas curar por um tempo fixo e, depois, uma nova
temperatura era ajustada, e assim por diante. A ordem dos ensaios e os resultados aparecem a
seguir:
Repetio
R1
R2
Temperatura
Coating (Revestimento)
T1 = 360
C2 = 73
C3 = 83
C1 = 67
C4 = 89
T2 = 370
C1 = 65
C3 = 87
C4 = 86
C2 = 91
T3 = 380
C3 = 147
C1 = 155
C2 = 127
C4 = 212
T3 = 380
C4 = 153
C3 = 90
C2 = 100
C1 = 108
T2 = 370
C4 = 150
C1 = 140
C3 = 121
C2 = 142
T1 = 360
C1 = 33
C4 = 54
C2 = 08
C3 = 46
Na seo anterior analisamos projetos com fatores a nveis fixos. Nessa seo vamos analisar
duas outras situaes:
Projetos com fatores a nveis aleatrios
Projetos mistos
Yijk =
+ ( )ij +
k(ij)
Var(Yijk) =
onde 2 , 2 , 2 ,
testar as hipteses:
H0:
=0
H0:
=0
H0:
H1:
H1:
H1:
.= 0
.
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
81
+n
+ bn
E(MQB) =
+n
+ an
E(MQAB) =
+n
e
E(MQR) =
A partir dos E(MQ), observamos que a estatstica apropriada para testar a hiptese: H0:
:
=0
FA = MQA / MQAB
Se a hiptese H0 for verdadeira, esse quociente deve resultar prximo de 1. Da mesma forma,
para testar a hiptese: H0: 2 = 0 a estatstica apropriada :
FB = MQB / MQAB
Como pode ser visto, os testes F no so os mesmos definidos para o modelo com nveis fixos
(onde todos os testes mantinham MQR no denominador)
7.1.1. Exemplo
Uma siderrgica possui diversos fornos. Foi rodado um experimento escolhendo-se
aleatoriamente trs fornos e quatro lotes de matria prima. A resposta medida foi a tenacidade
da liga metlica obtida. Faa o teste F, conclua a respeito dos fatores significativos e estime os
componentes de variao.
Fonte de
Variao
Fornos
Material
Interao
Erro
Total
SQ
GDL
MQ
Teste F
15460
4539
5040
4920
29959
2
3
6
24
35
7730
1513
840
205
9,2
1,8
4,1
Sig.
N.Sig.
Sig.
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
82
+ ( )ij +
k(ij)
E(MQB) =
E(MQAB) =
E(MQR) =
+n
+ an
+n
+ bn
Onde:
no exatamente uma varincia, uma vez que o efeito dos nveis do fator A suposto fixo; no
entanto, esse termo tem a mesma unidade de uma varincia
Nesse caso, os testes F apropriados so:
FA = MQA / MQAB
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
83
FB = MQB / MQR
FAB = MQAB / MQR
E as estimativas dos componentes de varincia feita usando:
A Tabela a seguir apresenta o valor esperado das mdias quadradas para os vrios modelos
vistos at aqui:
Efeito
E(MQA)
A, B Fixos
2
+ bn A
2
E(MQB)
2
E(MQAB)
+ an
+n
A, B Aleatrios
2
+ n 2 + bn
2
+n
+n
AB
+ an
2
2
A fixo, B aleat.
2
+ n 2 + bn
2
+ an
+n
2
2
E(MQR)
A, B Fixos
A, B Aleatrios
A fixo, B aleat.
FA
MQA/MQR
MQA/MQAB
MQA/MQAB
FB
MQB/MQR
MQB/MQAB
MQB/MQR
FAB
MQAB/MQR
MQAB/MQR
MQAB/MQR
As tabelas anteriores apresentam a soluo para experimentos com dois fatores cruzados.
Contudo, preciso um procedimento geral que fornea o E(MQ) para experimentos de K
fatores, onde inclusive, possa haver fatores aninhados.
Esse procedimento ser visto a seguir.
Enfatizamos que conhecer o valor das mdias quadradas importante por dois motivos:
Para a estimativa dos componentes de variao
Para a definio dos testes F
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
84
j
ij
k(ij)
b
A
j
n
A
k
i
j
ij
k(ij)
3. Para cada linha (cada termo do modelo), copie o nmero de observaes abaixo de cada
subscrito, desde que o subscrito no aparea no cabealho das linhas.
a
F
i
i
b
A
j
b
j
ij
n
A
k
n
n
n
k(ij)
4. Coloque 1 nas posies em que o subscrito da coluna coincide com um subscrito que est
entre parnteses no cabealho da linha.
a
F
i
i
b
A
j
b
j
ij
k(ij)
n
A
k
n
n
n
5. Complete o restante com 0 ou 1; use 0 nas colunas dos fatores a nveis fixos; use 1 nas
colunas dos fatores a nveis aleatrios.
i
j
ij
k(ij)
a
F
i
0
a
0
1
b
A
j
b
1
1
1
n
A
k
n
n
n
1
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
85
b) Multiplique os termos restantes em cada linha. Cada um desses produtos o coeficiente para
o termo respectivo do modelo, desde que o subscrito sob o termo cubra tambm o(s)
subscrito(s) do componente que est sendo avaliado.
c) A soma desses coeficientes, multiplicados pela varincia do termo correspondente (
A , etc.) o valor esperado da mdia quadrada para o componente considerado.
Por exemplo, para MQA, cubra a coluna i e o produto dos termos restantes 1
+ bn A , contudo, o termo n 2 ignorado, pois ele no cobre o subscrito i.
+n
+n
,
2
i
j
ij
k(ij)
b
A
j
b
1
1
1
n
A
k
n
n
n
1
+n
+ an
2
+n
2
+ bn
2
2
7. Para projetos com fatores aninhados, os nveis do fator que est aninhado seguem entre
parnteses, e usa-se a regra 4 descrita acima
7.1.4. Exemplo:
Seja um experimento fatorial de trs fatores, A, B e C, ensaiados a a, b e c nveis,
respectivamente. E seja que n observaes por parcela so coletadas.
Assumindo que todos os fatores sejam a nveis aleatrios, os E(MQ) resultam conforme a
Tabela a seguir:
i
j
k
ij
ik
jk
ijk
l(ijk)
a
A
i
1
a
a
1
1
a
1
1
b
A
j
b
1
b
1
b
1
1
1
c
A
k
c
c
1
c
1
1
1
1
n
A
l
n
n
n
n
n
n
n
1
+n
+n
2
+n
2
+n
2
+n
2
+n
2
+n
+ nc
+ nc
2
+ nb
2
+ nc
2
+ nb
2
+ na
+ nb
+ na
2
+ na
+ nbc
+ nac
2
+ nab
2
2
2
A anlise dessa Tabela revela que no h testes exatos para os fatores principais A, B e C. Ou
seja, se desejamos testar a hiptese 2 = 0 , no encontramos o denominador apropriado. O
mesmo acontece em relao aos fatores B e C.
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
86
+n
+ nc
+ nb
so as
7.1.6. Exemplo
Reanalizar o experimento dos volumes de refrigerantes, supondo que todos os fatores fossem a
nveis aleatrios.
Presso
% de
Carbonatao
10
12
14
25 Psi
Velocidade
100
x x
x x
x x
30 Psi
Velocidade
120
x x
x x
x x
100
x x
x x
x x
120
x x
x x
x x
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
87
i
j
k
ij
ik
jk
ijk
l(ijk)
3
A
i
1
3
3
1
1
3
1
1
2
A
j
2
1
2
1
2
1
1
1
2
A
k
2
2
1
2
1
1
1
1
2
A
l
2
2
2
2
2
2
2
1
+2
+2
2
+2
2
+2
2
+2
2
+2
2
+2
+4
+4
2
+4
2
+4
2
+4
2
+6
+4
+6
2
+6
2
+8 2
+ 12 2
2
+ 12 2
2
2
2
2
SQ
GDL
252,75
45,38
22,04
5,25
0,58
1,04
1,08
8,50
336,63
MQ
2
1
1
2
2
1
2
12
23
126,38
45,38
22,04
2,63
0,29
1,04
0,54
0,71
Teste F
No dispon.
No dispon.
No dispon.
MQAB/MQABC
MQAC/MQABC
MQBC/MQABC
MQABC/MQR
Para ilustrar, o teste do fator A ser feito contra uma combinao linear de mdias quadradas, no
caso:
MQ* = MQAB + MQAC - MQABC
MQ* = 2,63 + 0,29 - 0,54
= 2,38
F0,05(2; 3,13)
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
88
Layout 1
Layout 2
Ti...
Acessrio 1
22
24
23
24
28
29
25
23
26
28
27
25
28
25
24
23
404
Acessrio 2
30
27
29
28
30
32
27
25
29
28
30
27
24
23
28
30
447
Acessrio 3
25
21
24
22
27
25
26
23
27
25
26
24
24
27
28
27
401
Totais T.jk.
149
150
171
149
163
159
151
160
Operad.
619
Totais T.j..
633
1252
Observa-se que Operadores esto aninhados dentro dos nveis de Layout, enquanto que Layout
e Acessrios esto cruzados. O modelo estatstico desse experimento :
Yijkl =
onde:
k(j)
k(j)
+ ( )ij + ( )ik(j) +
l(ijk)
A Tabela a seguir apresenta as quantidades que devem ser agrupadas para a anlise do Projeto
aninhado:
Projeto Cruzado
Projeto Cruzado-Aninhado
SQ
GDL
SQ
SQA
2
SQA
SQB
1
SQB
SQAB
2
SQAB
SQC
3
SQC(B) = SQC + SQBC
SQBC
3
SQAC
6
SQAC(B) = SQAC + SQABC
SQABC
6
SQR
24
SQR
SQT
47
SQT
E os E(MQ) resultam (usando o procedimento):
i
j
k(j)
ij
ik(j)
l(ijk)
3
F
i
0
3
3
0
0
1
2
F
j
2
0
1
0
1
1
2
4
k
4
4
1
4
1
1
2
A
l
2
2
2
2
2
1
+2
+6
2
+ 6
2
+2
2
+2
2
2
2
+ 16 A
+ 24 B
2
2
2
+8
AB
GDL
2
1
2
6
12
24
47
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
89
SQ
82,80
4,08
71,91
19,04
65,84
56,00
299,67
Acessrios A
Layouts B
Operad. C(B)
AB
AC(B)
Erro
Total
GDL
2
1
6
2
12
24
47
MQ
41,40
4,08
11,99
9,52
5,49
2,33
F
MQA/MQAC(B) = 7,54 *
MQB/MQC(B) = 0,34
MQC(B)/MQR = 5,15 *
MQAB/MQAC(B) = 1,73
MQAC(B)/MQR = 2,36 *
7.2. EXERCCIO
5.1 Est sendo realizado um estudo para identificar as causas de trincas que surgem na base de
tubos de imagem. Para esse estudo, foram fixados trs desenhos de base, trs temperaturas de
Montagem e foram escolhidos aleatoriamente dois operadores para executar a montagem. Os
dados que aparecem a seguir representam a fora necessria para provocar a primeira trinca.
100
Operador 1
Temperatura
125
150
58
57
84
86
55
53
54
58
Desenho
da base
100
Operador 2
Temperatura
125
150
93
96
61
57
82
87
99
101
88
83
94
91
61
55
85
89
95
103
84
91
91
95
57
53
83
88
105
98
Pede-se:
1. Qual a varivel de resposta ?
2. Quais os fatores controlveis ? Fixos ou aleatrios ? Quantos nveis ?
3. Escreva as frmulas dos valores esperados das mdias quadradas para esse exemplo.
4. Quais os efeitos significativos ?
5. Faa os grficos pertinentes para auxiliar na anlise.
6. Baseado nos resultados, quais as recomendaes que voc faria para melhorar o processo ?
5.2 Um engenheiro est estudando a excentricidade presente em um tipo de pea usinada. Para
esse estudo, foram fixadas trs mquinas (A1, A2 e A3) que podem trabalhar em duas
velocidades (B1 = 10 partes/min. ou B2 = 15 partes/min.) e foram escolhidos aleatoriamente 3
operadores para participar do experimento (C1, C2, C3). Os dados que aparecem a seguir
representam os valores medidos de excentricidade (menor--melhor).
Projeto de Experimentos
7. Experimentos com Fatores a Nveis Aleatrios
B1
90
Velocidade
Operador:
Mquina
A1
B2
C1
C2
C3
C1
C2
C3
32 34
33 31
45 46
33 35
33 36
47 46
A2
35 37
37 35
41 44
36 38
40 37
44 46
A3
30 32
28 29
40 42
30 31
32 29
42 45
Pede-se:
1. Qual a varivel de resposta ?
2. Quais os fatores controlveis ? Fixos ou aleatrios ? Quantos nveis ?
3. Escreva as frmulas dos valores esperados das mdias quadradas para esse exemplo.
4. Quais os efeitos significativos ?
5. Faa os grficos pertinentes para auxiliar na anlise.
6. Baseado nos resultados, quais as recomendaes que voc faria para melhorar o processo
Os projetos fatoriais 2K contemplam K Fatores, cada um deles com apenas dois nveis: alto ou
baixo.
Os nveis podem ser:
Quantitativos: dois valores de resistncia,
dois tempos de cozimento,
duas concentraes de reagentes, etc.
Qualitativos: dois layouts,
duas mquinas de corte,
a presena ou ausncia de um componente, etc.
Esse projeto chamado 2K porque para rod-lo (uma repetio completa) so necessrias:
N = 2 x 2 x 2 x ... x 2 = 2K observaes
Por exemplo, para k=3 fatores so necessrios:
N= 2 x 2 x 2 = 23 = 8tratamentos.
8.1.1. Suposies:
Os fatores so a nveis fixos,
Os projetos so completamente aleatorizados e as hipteses de normalidade so
satisfeitas.
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
8.2. PROJETOS 22
Esse o mais simples dos projetos 2k.
Vejamos um exemplo:
Baixo(-1)
Fator A: % de Cimento
15%
Fator B: Aditivo
Alto(+1)
20%
Ausente
Presente
Tratamento
A baixo, B baixo
A alto, B baixo
A baixo, B alto
A alto, B alto
I
11
20
15
19
Repeties
II
14
16
19
18
Totais Y
Abaixo
Aalto
Balto
48
59
Bbaixo
36
54
III
11
18
14
22
Total
36
54
48
59
92
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
93
Aalto
Mdia B
Efeito B
Balto
16,0
19,7
17,8
2,83
Bbaixo
12,0
18,0
15,0
Mdia A
14,00
18,83
Efeito A
4,83
20,00
18,00
16,00
14,00
12,00
10,00
8,00
6,00
4,00
2,00
0,00
18,83
14,00
efeito A
Aba ixo
Aa llto
1900ral
1900ral
1900ral
1900ral
1900ral
efeito B
1900ral
1900ral
Bbaixo
20,00
15,00
Balto
19,7
18,00
16,00
12,00
Balto
10,00
Bbaixo
5,00
,00
Abaixo
Aallto
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
= 4,83
= 2,83
Contraste
2k 1 n
Efeito
Os contrastes so ortogonais:
As somas dos sinais coef. de ab, a, b e (1) igual a zero.
A soma dos produtos dos sinais dos coef. (CA. CB , etc.) igual a zero.
Tratamento
AB
Totais Y
-1
-1
36
-1
-1
54
-1
-1
48
ab
59
Contraste
29
17
-7
Efeito
4,83
2,83
-1,17
SQ
70,08
24,08
4,08
94
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
95
SQ
Contraste
2k n
SQ
70,08
24,08
4,08
36,68
134,92
GDL
1
1
1
8
11
MQ
70,08
24,08
4,08
4,59
F
15,28
5,25
0,90
8.2.5. Verificao:
Os mesmos resultados seriam obtidos usando o formulrio convencional de projetos fatoriais.
Ftab
5,32
5,32
5,32
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
FATOR
B
-1
+1
FATOR A
-1
36
48
84
+1
54
59
113
96
90
107
197
TC = 1972/12
SQA = [(842 + 1132) / 6] - (1972 / 12) = 70,08
SQB = [(902 + 1072) / 6] - (1972 / 12) = 24,08
SQAB = [(362 + 542 + 482 + 592) / 3] - 70,08 - 24,08 - (1972 / 12) = 4,08
SQT e SQR calculados como acima.
Tratamentos
(1)
a
b
ab
I
+
+
+
+
A
+
+
Efeito fatorial
B
+
+
AB
+
+
Obs. Os sinais para o contraste de AB so obtidos a partir do produto dos sinais das colunas de A e B.
8.3. PROJETOS 23
Trs fatores, cada um deles a dois nveis. Assim h oito tratamentos. Na ordem padro:
(1) a b ab c ac bcabc
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
Efeitos principais:
A = DIREITA - ESQUERDA
A = [a + ab + ac + abc - (1) - b - c - bc] / (2k-1 x n)
B = POSTERIOR - FRONTAL
B = [b + ab + bc + abc - (1) - a - c - ac] / 4n
C = TOPO - BASE
C = [c + ac + bc + abc - (1) - a - b - ab] / 4n
Efeito
SQ
Contraste
2k 1 n
Contraste
2k n
97
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
98
Tratamento
(1)
a
b
ab
c
ac
bc
abc
I
+
+
+
+
+
+
+
+
A
+
+
+
+
Efeito fatorial
AB
C
+
+
+
+
+
+
+
+
B
+
+
+
+
AC
+
+
+
+
BC
+
+
+
+
ABC
+
+
+
+
Totais
30ppm
40ppm
10ppm
15ppm
10ppm
15ppm
15
20
15
20
15
20
15
20
6,1
6,6
5,1
6,4
8,3
10,4
9,5
8,7
7,6
6,0
4,6
5,5
9,2
9,8
10,7
10,7
6,8
6,2
5,7
6,0
10,3
8,7
8,5
9,4
20,5
(1)
18,8
c
15,4
b
17,9
bc
27,8
a
28,9
ac
28,7
ab
28,8
abc
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
Trat
AB
AC
BC
ABC
99
Y
-1
-1
-1
-1
20,5
-1
-1
-1
-1
27,8
-1
-1
-1
-1
15,4
ab
-1
-1
-1
-1
28,7
-1
-1
-1
-1
18,8
ac
-1
-1
-1
-1
28,9
bc
-1
-1
-1
-1
17,9
abc
28,8
Contraste
41,6
-5,2
6,8
0,4
3,2
-5,2
Efeito
3,47
-0,43
0,57
0,17
0,03
0,27
-0,43
SQ
72,1
1,13
1,93
0,17
0,01
0,43
1,13
n x 2k - 1 = 12;
n x 2k = 24
EA = CA / 12 = 3,47
EB = -5,2 / 12 = -0,43
EC = 2,0 / 12 = 0,17
SQR = 10,31
SQT = 87,19
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
100
SQ
72,11
1,13
0,17
1,93
0,01
0,43
1,13
10,31
87,19
GDL
1
1
1
1
1
1
1
16
23
MQ
72,11
1,13
0,17
1,93
0,01
0,43
1,13
0,64
F calc
111,94
1,75
0,26
2,99
0,01
0,66
1,75
F tab
4,49 **
4,49
4,49
4,49 *
1) (b
1) ... (K
1)
Dentro de cada parnteses utilizamos o sinal (-) se o fator est includo no efeito ou o sinal (+)
se no estiver includo.
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
SQ
GDL
SQA
SQB
.
SQK
1
1
.
1
SQAB
SQAC
.
SQJK
1
1
.
1
SQABC
SQABD
.
SQIJK
.
1
1
.
1
.
SQAB .. K
SQR
SQT
1
2k(n - 1)
n2k - 1
K
interaes de 2 fatores
2
AB
AC
:
JK
K
interaes de 3 fatores
3
ABC
ABD
:
IJK
:
K
= 1 interaes de k
K
fatores
ABC .. K
Erro
Total
101
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
102
Com frequncia, os recursos limitados e o tempo limitado, neste caso necessrio rodar apenas
uma repetio.
Se no h repeties de experimento, isto , se n = 1, no podemos estimar SQR independente.
8.5.1. Alternativa:
Contudo, se h motivos para acreditar que um efeito de interao no seja significativo,o teste
Assim, o MQG dessa interao ser aproximadamente igual a varincia do erro experimental
MQR, logo usa-se o valor do MQG do efeito de interao como estimativa do MQR.
Para escolher as interaes que iro formar o termo de erro:
Usar bom-senso;
Interaes de trs ou mais fatores raramente so significativas.
Usar conhecimentos tcnicos.
Exemplo de Aditivo x Operadores.
D0
D1
B0
B1
C0 C1
C0 C1
45(1) 68 (c) 48 (b) 80(bc)
43(d) 75(cd) 45(bd) 70(bcd)
A1
B0
C0 C1
71(a)
60(ac)
100(ad) 86(acd)
B1
C0 C1
65(ab) 65(abc)
104(abd) 96(abcd)
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
103
Trat
AB
AC
BC
ABC
AD
BD
ABD
CD
ACD
BCD
ABCD
-1
-1
-1
-1
-1
-1
-1
-1
45
-1
-1
-1
-1
-1
-1
-1
-1
71
-1
-1
-1
-1
-1
-1
-1
-1
48
ab
-1
-1
-1
-1
65
-1
-1
-1
-1
-1
68
-1
-1
-1
-1
60
-1
-1
-1
-1
-1
80
65
ac
bc
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
1
-1
-1
1
1
abc
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
43
ad
-1
-1
-1
-1
-1
-1
-1
-1
100
bd
-1
-1
-1
-1
-1
-1
-1
-1
45
abd
-1
-1
-1
-1
-1
-1
-1
-1
104
cd
-1
-1
-1
-1
-1
-1
-1
-1
75
acd
-1
-1
-1
-1
-1
-1
-1
-1
86
bcd
-1
-1
-1
-1
-1
-1
-1
-1
70
abcd
96
173.0
25.0
1.0
79.0
-145.0
19.0
15.0
117.0
133.0
-3.0
33.0
-9.0
-13.0
-21.0
11.0
Cont
Efeito
21.6
3.1
0.1
9.9
-18.1
2.4
1.9
14.6
16.6
-0.4
4.1
-1.1
-1.6
-2.6
1.4
SQ
1870.6
39.1
0.1
390.1
1314.1
22.6
14.1
855.6
1105.6
0.6
68.1
5.1
10.6
27.6
7.6
No h graus de liberdade para estimar o termo de erro pois no tem repeties. Como
alternativa, estima-se o erro baseado nas interaes de 3 e 4 fatores (ABC,ABD,ACD,BCD e
ABCD). Supondo as interaes de 3 e 4 fatores como insignificantes, elas podem ser usadas como
uma estimativa do erro:
SQR= SQABC + SQABD + SQACD + SQBCD + SQABCD
SQR= 14,1 + 68,1 + 10,6 + 27,6 + 7,6 = 127,56
GDL=1+1+1+1+1=5
MQR=SQR/GDL=127,56/5=25,56
Anlise de varincia para o exemplo da taxa de filtragem.
Efeito
A
B
AB
C
AC
BC
D
SQ
1870,6
39,1
0,1
390,1
1314,1
22,6
855,6
GDL
1,0
1,0
1,0
1,0
1,0
1,0
1,0
MQ
1870,6
39,1
0,1
390,1
1314,1
22,6
855,6
FCALC
73,2
1,5
0,0
15,3
51,4
0,9
33,5
FTAB
6,61
6,61
6,61
6,61
6,61
6,61
6,61
Signif
SIM
NO
NO
SIM
SIM
NO
SIM
AD
BD
CD
ERRO
(ABC,ABD,ACD,BCD,ABCD)
1105,6
0,6
5,1
1,0
1,0
1,0
1105,6
0,6
5,1
43,2
0,0
0,2
6,61
6,61
6,61
SIM
NO
NO
127,8
5,0
25,6
TOTAL
5730,9
15
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
104
1. Papel de probabilidade
2. Pseudo-standarderror
Resposta
(1)
-3
4
2
13
5
6
4
9
-4
1
-1
5
-1
3
2
11
(2)
1
15
11
13
7
11
1
5
Efeitos
(3) / 23-1.2
I = --A = 3,00
B = 2,25
AB = 0,75
C = 1,75
AC = 0,25
BC = 0,50
ABC = 0,50
(3)
16
24
18
6
14
2
4
4
SQ
(3) / 23.2
--36,00
20,25
2,25
12,25
0,25
1,00
1,00
2
Resposta
36
54
48
59
1
90
107
18
11
2
197
29
17
-7
Fonte
I (total)
A
B
AB
Efeito
-4,83
2,83
-1,17
SQ
-70,08
24,08
4,08
Uma demonstrao simples do algoritmo de Yates obter as colunas (1) e (2) usando as
respostas (1), a, b, ab de um projeto fatorial 22
Tratamento
(1)
a
b
ab
Resposta
(1)
a
b
ab
(1)
(1)+a
b+ab
a-(1)
ab-b
(2)
(1)+a+b+ab
a-1+ab-b
b+ab-(1)-a
ab-b-a+(1)
= Total
= Cont. A
= Cont. B
= Cont. AB
Como pode ser visto, os valores da coluna (2), que nesse caso so os contrastes, esto de acordo
com as definies.
8.7. EXERCCIOS
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
105
8.1.Um grupo de engenheiros est desenvolvendo um carro de passeio. Nos primeiros testes a
antena do prottipo apresentou amplitude de vibrao excessiva. O grupo decidiu que os
seguintes fatores poderiam influenciar a amplitude de vibrao:
Nvel 1
Nvel 2
Normal
Reforado
B: Dimetro da antena
10
+00
+02
Arredondado
Chato
Foi feito um experimento 24 com duas observaes por parcela. Os dados (resultados obtidos
em tnel de vento) revelaram o seguinte:
C1
A1
A2
B1
B2
B1
B2
D1
15,2 16,2
11,8 12,9
14,8 15,9
11,8 12,7
C2
D2
14,6 15,6
11,8 12,5
15,0 15,9
12,0 13,2
D1
10,4 11,4
13,9 14,7
10,6 11,9
13,8 14,0
D2
10,6 11,3
14,0 15,4
11,0 12,3
15,0 15,9
Pede-se:
Qual a varivel de resposta que est sendo medida e quais so os fatores controlveis neste
experimento? Qual o nmero de nveis para cada um dos fatores controlveis?
Use o algoritmo de Yates e calcule os efeitos e somas quadradas.
Faa a anlise de varincia e indique quais os fatores e interaes significativas.
Plote os grficos de dois fatores pertinentes a este estudo.
Indique o que fazer para assegurar qualidade e preo baixo. Em relao a qualidade, considere
que a mxima amplitude de vibrao aceitvel 13,0. Em relao a custos, considere que:
- Suporte normal mais barato;
- Dimetro menor mais barato;
- Posio +00 de montagem mais fcil;
- Ponteira arredondada mais barata.
Soluo:
a) Algoritmo de Yates
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
Tratam.
(1)
A
B
Ab
C
Ac
Bc
Abc
D
Ad
Bd
Abd
Cd
Acd
Bcd
Abcd
Resposta
31,4
30,7
24,7
24,5
21,8
22,5
28,6
27,8
(1)
62,1
49,2
44,3
56,4
(2)
111,3
100,7
(3)
(4)
Efeito
---
106
SQ
95,39
b) Anlise de varincia
Fonte
SQ
A
B
Ab
C
Ac
Bc
abc
D
Ad
Bd
abd
Cd
acd
bcd
abcd
Erro
Total
103,53
GDL
MQ
F calc.
Signif. ?
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
107
Amplitude
15
10
e) Tomada de deciso
A1=120
B1=300
C1=20 C2=30
A2=150
B2=400
C1
75 73 80 78 45 42
76 77 75 83 47 47
B1=300
B2=400
C2
C1
C2
C1
C2
50 54
48 51
92 93
95 99
95 100
99 101
75 75
79 68
77 80
83 85
Projeto de Experimentos
8. Projetos Fatoriais do Tipo 2k
108
A1=20
B1=60
Mquina 2
Tempo de
secagem
Temperatura
do processo
Vazo de ar
B2=70
C1=2,5 C2=3,5
6,2
A2=30
7,4
B1=60
C1
C2
C1
C2
C1
C2
7,1
8,5
7,8
8,2
9,3
10,5
A1=20
B1=60
C1=2,5 C2=3,5
6,6
7,1
B2=70
A2=30
B2=70
B1=60
B2=70
C1
C2
C1
C2
C1
C2
7,5
8,2
7,3
8,4
9,5
9,9
9. Experimentos Fatoriais
Confundidos em Blocos
Jos Luis Duarte Ribeiro
Carla tenCaten
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
110
9.2. CONFUNDIMENTO
Diferenas entre os lotes ficaro confundidas com um dos efeitos, dependendo do contraste de
definio utilizado para blocar.
Lotes ou Blocos
1
2
I
(1) b
a ab
Plano
II
(1) a
b ab
III
(1) ab
a b
Plano I
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
111
Usa-se o contraste da interao AB, pois prefervel ter uma interao confundida do
que efeitos principais. A esperana que o efeito de interao no seja significativo
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
112
Bloco II
(1)
ab
Pares
mpares
AB
Bloco
-1
-1
-1
-1
-1
1
1
1
-1
ab
SQ
SQA
SQB
SQAB
SQT
GDL
1
1
1
3
Este exemplo apenas acadmico, pois no temos GDL para o termo de erro.
Bloco II
a
b
c
abc
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
Repetio I
Repetio II
113
Repetio III
Bloco 1
Bloco 2
Bloco 2
Bloco 1
Bloco 1
Bloco 2
ac
(1)
ab
bc
a
c
abc
b
c
abc
b
a
(1)
ac
bc
ab
ab
(1)
ac
bc
c
b
abc
a
Aleatorizao
Rm
Bn
RBmn
mijk
Usualmente o erro tomado como a interao entre as repeties e os efeitos principais e suas
interaes:
mijk
O efeito das repeties e o efeito dos blocos so analisados separadamente com o objetivo de
principal de diminuir o termo de erro.
GDL
2
1
2
1
1
1
1
1
1
12
23
5 entre as
subdivises
18 dentro das
subdivises
Repeties e Blocos podem ser testados contra RB. um teste fracopois RB possui
apenas 2 graus de liberdade.
Efeitos principais e interaes podem ser testados contra o erro. um teste fortepois o
erro tem 12 graus de liberdade.
ABC no pode ser testada (confundida com blocos)
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
114
Repetio II
Conf. AB
(1)
a
c
b
ab
ac
abc
bc
Repetio III
Conf. AC
(1)
a
ac
c
abc
bc
b
ab
Repetio IV
Conf. BC
(1)
b
bc
c
a
ab
abc
ac
9.6.1. ModeloEstatstico
indica que os blocos esto aninhados dentro das repeties (em cada repetio os blocos 1
e 2 so diferentes).
GDL
3
4
7 entre as
subdivises
1
1
1
1
1
1
1
24 dentro das
subdivises
AB
AC
BC
ABC
1
1
1
1
|
|
|
|
17
31
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
115
Muitas vezes preciso dividir em blocos e s h recursos para uma repetio. Se h muitos
fatores envolvidos, digamos 4 ou mais fatores, projetos desse tipo so viveis.
Por exemplo, seja um fatorial 24, onde somente oito tratamentos podem ser rodados de uma vez.
Uma possvel diviso em dois blocos seria usar o contraste de definio ABCD:
Bloco 1
Bloco 2
GDL
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
15
|
| 4 GDL para
| o termo de erro
|
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
116
ABC e BCD
Confundido BCD
(1) ab ac bc d abdacdbcd
(1) bcabdacd
ab ac d
a b c abc ad bd cd abcd
bcd
a abc bdcd
ad abcd
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
117
Trat
ABC
BCD
Blocos
(1)
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
ab
-1
-1
-1
-1
-1
-1
-1
-1
ac
-1
-1
-1
-1
bc
-1
-1
-1
-1
-1
abc
-1
-1
-1
-1
-1
-1
-1
-1
ad
-1
-1
-1
bd
-1
-1
-1
-1
abd
-1
-1
-1
-1
cd
-1
-1
-1
-1
acd
-1
-1
-1
-1
bcd
-1
-1
-1
abcd
-1
-1
-1
-1
-1
-1
-1
ae
-1
-1
-1
-1
be
-1
-1
-1
abe
-1
-1
-1
ce
-1
-1
-1
ace
-1
-1
-1
bce
-1
-1
-1
-1
abce
-1
-1
de
-1
-1
-1
-1
ade
-1
-1
bde
-1
-1
-1
abde
-1
-1
-1
cde
-1
-1
-1
acde
-1
-1
-1
bcde
-1
-1
abcde
Resposta
82
76
79
85
71
84
55
74
80
79
73
88
72
81
84
89
(1)
158
164
155
129
159
161
153
173
-6
6
13
19
-1
15
9
5
(2)
322
284
320
326
0
32
14
14
6
-26
2
20
12
6
16
-4
(3)
606
646
32
28
-20
22
18
12
-38
6
32
0
-32
18
-6
-20
(4)
1252
60
2
30
-32
32
-14
-26
40
-4
42
-6
44
-32
50
-14
SQ
225,00
0,25
56,25
64,00
64,00
12,25
42,25
100,00
1,00
110,00
2,25
121,00
64,00
156,25
12,25
1031,00
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
Fonte
SQ
GDL
225
0,25
64
100
56
64
12,25
110,25
121
199,5
1
1
1
1
1
1
1
1
1
3
225
0,25
64
100
56
64
12,25
110,25
121
66,5
78,5
26,17
Total
1031
15
A
B
C
D
AB
AC
BC
BD
CD
Blocos (ou ABC ou BCD ou AD)
MQ
118
Fcalc
8,6
0
2,4
3,8
2,1
2,4
0,5
4,2
4,5
O termo de erro tem apenas 3 GDL e os teste so feitos usando F0,05(1,3) = 10,13
efeito significativo.
nenhum
Agora, temos
A e CD significativos
Efeito
A
C
D
SQR
225,00
64,00
100,00
GDL
1
1
1
MQR
225
64
100
Fcalc
12.36
3.52
5.49
AB
AC
56,00
64,00
1
1
56
64
3.08
3.52
BD
CD
Blocos (ou ABC ou BCD ou AD)
110,25
121,00
199,50
1
1
3
110.25
121
66.5
6.06
6.65
3.65
91,0
18.2
Total
1031,00
15
Ftab
6.61
6.61
6.61
6.61
6.61
6.61
6.61
6.61
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
119
k
5
6
7
8
2k
32
64
128
256
Efeitos Interaes
Princ.
2 FC
5
10
6
15
7
21
8
28
3 FC 4 FC
10
5
20
15
35
35
56
70
5 FC
1
6
21
56
5 FC
7 FC
8 FC
1
7
28
1
8
Quando o experimento fracionado em dois, realiza-se apenas a metade dos ensaios,logo ser
possvel estimar apenas metade dos efeitos pois cada efeito estar vinculado com outro efeito.
A estratgia confundir efeitos principais com efeitos de interaes de alta ordem supostamente no
significantes.
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
120
Seja o caso simples de um projeto 2 onde o tcnico s tem recursos para efetuar 4 ensaios, ou
seja, a metade do 2-= 4 ensaios.
Inicialmente realizada a blocagem do experimento em dois blocos de 4 usando o contraste de
definio ABC
Por sorteio, decide-se rodar apenas o bloco 2.
Que informao pode ser obtida do bloco 2?
Que informao fica perdida ou confundida?
A partir da tabela de sinais, observamos que no possvel distinguir entre, por exemplo, os
contrastes de A e BC,pois os ensaios ab, ac, (1) e bc no foram realizados:
CA =
+a
+ab
+ac
+abc
-(1)
-b
-c
-bc
CBC =
+a
-ab
-ac
+abc
+(1)
-b
-c
+bc
A idia que dois fatores importantes no devem estar vinculados entre si;
O que deve ser feito vincular um efeito importante com uma interao de ordem
superior (suposta insignificante);
Se o bloco 1 for rodado ao invs do bloco 2, a situao dos vnculos a mesma.
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
121
Vnculo de C:
9.11
B
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
AB
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
C
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
AC
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
BC
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
ABC
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
D
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
AD
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
BD
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1
ABD
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
CD
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
ACD
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
BCD
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
ABCD
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
B
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
AB
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
AC
1
0
0
0
0
0
0
0
0
0
0
0
BC
1
0
0
0
0
0
0
0
0
0
0
ABC
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
AD
1
0
0
0
0
0
0
0
BD
1
0
0
0
0
0
0
ABD
1
0
0
0
0
0
CD
1
0
0
0
0
ACD
1
0
0
0
BCD
1
0
0
ABCD
1
0
Matriz experimental 24 fracionado, ou seja, 24-1 onde foi usado o contraste de definio ABCD.
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
Tratamentos
1
ab
ac
bc
ad
bd
cd
abcd
Contraste
B
-1
1
1
-1
1
-1
-1
1
20
AB
-1
1
-1
1
-1
1
-1
1
30
AC
1
1
-1
-1
-1
-1
1
1
-30
-1
-1
1
1
-1
-1
1
1
40
BC
1
-1
1
-1
-1
1
-1
1
0
ABC
1
-1
-1
1
1
-1
-1
1
30
D
-1
-1
-1
-1
1
1
1
1
70
AD
-1
-1
-1
-1
1
1
1
1
70
BD
1
-1
-1
1
1
-1
-1
1
30
ABD
1
-1
1
-1
-1
1
-1
1
0
CD
-1
-1
1
1
-1
-1
1
1
40
ACD
1
1
-1
-1
-1
-1
1
1
-30
BCD
-1
1
-1
1
-1
1
-1
1
30
122
ABCD
-1
1
1
-1
1
-1
-1
1
20
Y
1
1
1
1
1
1
1
1
10
15
25
35
40
35
30
50
No experimento 24-1fracionado realiza-se 8 ensaios, logo possvel estimar apenas 7 efeitos pois metade dos
efeitos est vinculada com outra metade.
Para se verificar os efeitos vinculados, multiplica-se o efeito pelo contraste de definio (ABCD) ou realizase a matriz de correlao.
.
Efeito
Efeito
Contraste
vinculado
A
ABCD
BCD
B
ABCD
ACD
AB
ABCD
CD
C
ABCD
ABD
AC
ABCD
BD
BC
ABCD
AD
ABC
ABCD
D
D
ABCD
ABC
Os efeitos
so:
AD vinculados
ABCD
BC
- A com
BDBCD, ABCD
AC
- B com
ACD,
ABD
ABCD
C
- AB com CD,
CD
ABCD
AB
- C com ABD,
ACD
ABCD
B
- AC com BD,
A
- BCBCD
com AD, ABCD
- ABC com D.
Verifica-se na matriz de correlao, os efeitos que apresentam correlao 1.
A
A
B
AB
C
AC
BC
ABC
D
AD
BD
ABD
CD
ACD
BCD
ABCD
1
0
0
0
0
0
0
0
0
0
0
0
0
1
#DIV/0!
1
0
0
0
0
0
0
0
0
0
0
1
0
#DIV/0!
AB
1
0
0
0
0
0
0
0
0
1
0
0
#DIV/0!
AC
1
0
0
0
0
0
0
1
0
0
0
#DIV/0!
BC
1
0
0
0
0
1
0
0
0
0
#DIV/0!
ABC
1
0
0
1
0
0
0
0
0
#DIV/0!
1
1
0
0
0
0
0
0
#DIV/0!
AD
1
0
0
0
0
0
0
#DIV/0!
BD
1
0
0
0
0
0
#DIV/0!
ABD
1
0
0
0
0
#DIV/0!
CD
1
0
0
0
#DIV/0!
ACD
1
0
0
#DIV/0!
BCD
1
0
#DIV/0!
ABCD
1
#DIV/0!
O experimento 24-1 de resoluo IV, ou seja, os efeitos principais esto vinculados com
interaes de trs fatores e as interaes de dois fatores esto vinculadas com outras de dois
fatores. As interaes de trs fatores no podem ser usadas na estimativa do termo de erro,
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
123
poisesto vinculadas com fatores principais.Seria necessrio realizar repeties para estimar o
termo de erro. A interao ABCD no pode ser estimada devido ao fracionamento ter sido
realizado usando o seu contraste de definio.
Um experimento 24-1 seria vivel caso um dos fatores B, C ou D no interagisse com os demais,
ou seja, existiriam razes tcnicas para escolher entre as interaes de dois fatores vinculadas
Por exemplo, se o fator D no interagisse com os demais:
AB com CD;
AC com BD;
BC com AD.
Mas ainda seria necessrio realizar repeties para estimar o termo de erro, pois no sobra
nenhuma interao de mais alta ordem livre uma vez que esto todas vinculadas com efeitos
principais e interaes de dois fatores.
9.12
Nmero de cartas processadas por minuto em uma mquina processadora de envelopes depende de
4 fatores:
Fator A: ngulo da correia transportadora;
Fator B: Velocidade da correia;
Fator C: Material da correia;
Fator D: Posio da polia.
Cada um desses fatores fixado em dois nveis e a metade de um 24, ou seja, um 24-1 rodado.
ABCD escolhido como o contraste de definio.
Assim,
;
N corresponde a quantidade de ensaios realizadas no experimento fracionado.
No exemplo
A matriz experimental de um projeto fatorial 24
Tratamentos
1
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
I
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
A
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
B
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
AB
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
C
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
AC
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
BC
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
ABC
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
D
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
AD
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1
BD
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
ABD
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
CD
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
ACD
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
BCD
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
ABCD
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
124
Como pode ser visto, o contraste ABCD foi usado na diviso em dois blocos: bloco 1 amarelo
formado pelos sinais positivos e bloco 2 branco formado pelos sinais negativos.
Os engenheiros executaram apenas o bloco 1 amarelo.
Bloco 1
(1) ab ac bc ad bd
Bloco 2
cd abcd
c abc d abdacdbcd
SQ
2701,125
1128,125
3,125
1,125
1,125
28,125
1,125
3863,875
GDL
1
1
1
1
1
1
1
7
9.13
PAPEL DE PROBABILIDADE
Listar os efeitos em ordem (I = 1,7) crescente;
Plotar os efeitos no eixo vertical;
Com os valores de 100((2I-1) / 2N) no eixo vertical.
Efeito
C
D
AC
AB
BC
B
A
Valor Ordem I
-0,75
1
-0,75
2
0,75
3
1,25
4
3,75
5
23,75
6
36,75
7
100((2I-1) / 14)
7,1
21,4
35,7
50,0
64,2
78,6
92,8
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
125
Fonte
SQ
GDL
MQ
p-value
F crit
2701,13
1,00
2701,13
390,05
0,00001
6,61
1128,13
1,00
1128,13
162,91
0,00005
6,61
Erro
34,63
5,00
6,93
Total
3863,90
7,00
Os fatores A e B so significativos.
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
126
AB
AB
AC BC AB
AB
AC BC AB
AD BD AB CD AC BC AB
A B AB C AC BC C D AD BD D CD D D CD E AE BE E CE E E CE DE E E DE E DE DE CD
A
1
B
0 1
AB
0 0 1
C
0 0 0 1
AC
0 0 0 0 1
BC
0 0 0 0 0 1
0 0 0 0 0 0 1
ABC
D
0 0 0 0 0 0 0 1
AD
0 0 0 0 0 0 0 0 1
BD
0 0 0 0 0 0 0 0 0 1
ABD
0 0 0 0 0 0 0 0 0 0 1
CD
0 0 0 0 0 0 0 0 0 0 0 1
ACD
0 0 0 0 0 0 0 0 0 0 0 0 1
BCD
0 0 0 0 0 0 0 0 0 0 0 0 0 1
ABCD
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
E
AE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
BE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ABE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
CE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ACE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
BCE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ABCE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
DE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ADE
BDE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ABDE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
CDE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ACDE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
BCDE
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
ABCDE 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
127
No experimento completo no h correlao entre nenhum fator indicando que todos os efeitos
podem ser estudados separadamente. O termo de erro pode ser estimado pelas interaes de trs
fatores e quatro fatores e a interao ABCDE usada para estudar o efeito do bloco.
Matriz experimental 25 fracionado ou seja 25-1 onde foi usado o contraste de definio ABCDE:
Tratamentos
1
ab
ac
bc
ad
bd
cd
abcd
ae
be
ce
abce
de
abde
acde
bcde
AB
AB
AB
AC BC AB
AB
AC BC AB
AD BD AB CD AC BC CD
A B AB C AC BC C D AD BD D CD D D CD E AE BE E CE E E CE DE E E DE E DE DE E
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
-1
1
-1
1
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
Sistema para verificao dos efeitos vinculados: multiplica-se o efeito pelo contraste de definio ABCDE
ou realiza-se a matriz de correlao.
Efeito Contraste
A
ABCDE
B
ABCDE
AB
ABCDE
C
ABCDE
AC
ABCDE
BC
ABCDE
ABC
ABCDE
ABCDE
D
AD
ABCDE
BD
ABCDE
ABD
ABCDE
CD
ABCDE
ACD
ABCDE
BCD
ABCDE
ABCD ABCDE
Efeitos vinculados
BCDE
ACDE
CDE
ABDE
BDE
ADE
DE
ABCE
BCE
ACE
CE
ABE
BE
AE
E
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
9.15
128
Seja o exemplo anterior de um 24-1, tendo ABCD como o contraste de definio, e seja que o
bloco 1 apenas rodado.
9.16
(1)
182
222
173
228
34
38
37
38
74
108
92
130
68
105
95
133
(2)
404
401
72
75
40
55
4
1
(3)
805
147
95
5
-3
3
15
-3
Efeito
(3) /2 3-1.1
-A+BCD = 36,75
B+ACD = 23,75
AB+CD = 1,25
C+ABD = -0,75
AC+BD = 0,75
BC+AD = 3,75
ABC+D = -0,75
SQ
(3)2 /2 3.1
2701,125
1128,125
3,125
1,125
1,125
28,125
1.125
O experimento 26-1 de resoluo VI, ou seja, os efeitos principais esto confundidos com
interaes de cinco fatores, as interaes de dois fatores esto vinculadas com as de quatro,
e as de trs fatores vinculadas com outras de trs.
As interaes de trs fatores (vinculadas com outras de trs fatores) so utilizadas para
estimar o termo de erro, no sendo necessrio realizar repeties.
9.17
(1) ab ac bc ad bd
Bloco 2
cd abcd ....
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
129
...
...
... etc.
Tomando para erro as interaes de trs e quatro fatores,
Fonte
Efeitos principais A, B, ..., G
(ou interaes de 6 fatores)
Interaes de 2 fatores
(ou interaes de 5 fatores)
Interaes de 3 fatores
(ou interaes de 4 fatores)
Total
GDL
1 para cada
Sub-total
7
1 para cada
21
1 para cada
35
63
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
130
9.18
GDL
1 para cada
1 para cada
1 para cada
1 para cada
Sub-total
7
15
3
6
31
EXERCCIOS
9.1 Um grupo de engenheiros deseja determinar quais os fatores que afetam o tempo de
processamento em uma workstation. Eles decidem fazer um experimento incluindo os seguintes
fatores:
Fator
Nvel 1
Nvel 2
2
No
C1
D1
4
Sim
C2
D2
A = No de softwares abertos
B = Processador I/O
C = Distribuio dos arquivos
D = Tipo de coprocessador
19,6
29,2
19,2
29,5
bc =
bd =
cd =
abcd =
11,8
22,0
08,7
20,6
Como pode ser visto, ABCD foi usado como o contraste de definio para o fracionamento.
Considerando que o fator D no interage em absoluto com os demais (informao tcnica dos
engenheiros), mas os demais fatores podem interagir entre si, pede-se:
a) Qual a caracterstica de qualidade que est sendo medida?
b) Use o mtodo de Yates e ache os efeitos e somas quadradas.
c) Indique quais os fatores e interaes significativos.
d) O que fazer para obter qualidade? Economia?
Soluo:
a) Caracterstica de qualidade:
c) Tabela de Yates
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
Tratam.
Resposta
(1)
(2)
(3)
(1)
a
b
ab
c
ac
bc
abc
Efeito
131
SQ
-A = BCD =
B = ACD =
Efeito
Valor
Ordem i
100 (2i-1) / 14
D
AB
C
BC
AC
B
A
-10,00
-1,10
1
2
7,1
21,4
99
95
80
50
20
5
1
0,1
Efeitos significativos:
d) Tomada de deciso
374,95
Projeto de Experimentos
9. Experimentos Fatoriais Confundidos em Blocos
132
Temperatura do ar
Velocidade do ar
Posio na cmara
Espaamento entre
unidades
A1=0
B1=10
C1 =
C2 =
baixa
alta
D1 =
D2 =
12
15
89
96
A2=5
B2=20
B1=10
B2=20
C1
C2
C1
C2
C1
C2
D2
D1
D2
D1
D1
D2
113
106
85
80
97
101
10
10 Metodologia de Superfcie
de Resposta e Otimizao
Jos Luis Duarte Ribeiro
Carla tenCaten
10.15
O QUE MODELAGEM
As equaes de regresso podem ser usadas para analisar a relao entre uma
varivel dependente (varivel de resposta) e vrias variveis independentes (fatores
controlveis). A ANOVA permite identificar os fatores controlveis significativos
sobre a VR e os grficos permitem identificar o ajuste timo dos fatores
controlveis, sendo um dos nveis ensaiados. A regresso ainda permite prever o
valor da VR para uma determinada combinao dos fatores controlveis atravs da
equao de regresso e o ajuste timo pode ser um nvel intermedirio.
Quando utilizar:
A ANOVA permite trabalhar com fatores controlveis qualitativos (no-mtricas)
ou quantitativos (mtricas), desde que a VR seja quantitativa. A regresso pode ser
usada quando a VR e os fatores controlveis so quantitativos.
Sob certas circunstncias possvel incluir fatores controlveis no-mtricos
(transformando os FC do tipo ordinais ou nominais em varivel com codificao
dicotmica). Quando a varivel de resposta for no-mtrica utiliza-se a regresso
logstica ou loglinear.
A definio do ajuste timo da ANOVA realizada graficamente e fica restrito aos
ensaios realizados. A definio do ajuste timo da regresso realizada por
Pesquisa operacional e permite interpolao dos fatores controlveis pela equao
de regresso. O ajuste timo pode um nvel intermedirio dos fatores controlveis
que no foi ensaiado.
10.16
Aplicaes da MSR
A MSR tem ampla aplicao dentro da engenharia, contribuindo para a otimizao
de produtos ou processos, principalmente quando os fatores controlveis so a
nveis contnuos.
Apesar do potencial da MSR no que se refere a otimizao de produtos e
processos, essa metodologia pouco empregada no Brasil, pois exige o domnio
dos conceitos bsicos de projeto de experimentos, regresso mltipla e otimizao,
e poucas escolas de engenharia mantm cursos que contemplem todas essas reas.
A estratgia de anlise supe que a resposta Y possa ser representada por uma
funo polinomial dos fatores controlveis X1, X2, ..., Xk. Entre os modelos
possveis, esto:
o modelo linear,
o modelo quadrtico,
Exemplo de um PCSO
Matriz experimental
A matriz experimental para esse experimento seria a seguinte:
Rodada
1 (1)
2 (a)
3 (b)
4 (ab)
5
6
7
8
9
X1
-1
+1
-1
+1
0
0
0
X2
-1
-1
+1
+1
0
0
Y
Fatorial
Fatorial
Fatorial
Fatorial
Estrela
Estrela
Estrela
Estrela
Central
, ...,0.
X2
X3
X1
Matrix experimental
A matriz experimental desse projeto seria:
Rodada
1 (1)
2 (a)
3 (b)
4 (ab)
5 (c)
6 (ac)
7 (bc)
8 (abc)
9
10
11
12
13
14
15
X1 (A)
-1
+1
-1
-1
-1
+1
-1
+1
0
0
0
0
0
X2 (B)
-1
-1
+1
+1
-1
-1
+1
+1
0
0
X3 (C)
-1
-1
-1
+1
+1
+1
+1
+1
0
0
0
0
0
0
0
Y
Fatorial
Fatorial
Fatorial
Fatorial
Fatorial
Fatorial
Fatorial
Fatorial
Estrela
Estrela
Estrela
Estrela
Estrela
Estrela
Central
X2 (B)
X3 ( C)
X4 (D)
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
ab
-1
-1
-1
-1
-1
ac
-1
-1
bc
-1
-1
abc
-1
-1
-1
-1
ad
-1
-1
bd
-1
-1
abd
-1
cd
-1
-1
acd
-1
bcd
-1
abcd
estrela X1
alfa
estrela X1
-alfa
estrela X2
alfa
estrela X2
-alfa
estrela X3
alfa
estrela X3
-alfa
estrela X4
alfa
estrela X4
-alfa
ponto central
ponto central
10.16.6.1 Rotacionalidade
Um projeto rotacional assegura a mesma preciso nas estimativas de Y para todos
os pontos do espao amostral. Para atribuir rotacionalidade ao projeto, o valor de
alfa deve ser definido usando:
onde F se refere ao nmero de pontos da parte fatorial
10.16.6.2 Ortogonalidade
Outra possibilidade atribuir ao projeto a condio de ortogonalidade. Nesse caso,
as estimativas dos coeficientes de termos lineares e quadrticos resultam
independentes, ou seja, essas estimativas no se alteram quando algum termo
eliminado do modelo.
Para atribuir ortogonalidade ao projeto, o valor de alfa deve ser definido usando:
10.17
MODELAGEM DAS VR
Inicialmente, a partir dos resultados do experimento planejado, chega-se a modelos
para as variveis de resposta. Esses modelos podem contemplar mdia e
variabilidade:
Y1 = f1 (X1, X2, ..., Xk)
Y2 = f2 (X1, X2, ..., Xk)
:
Yp = fp (X1, X2, ..., Xk)
:
Yp
1, so desconhecidos e estimados
Vamos supor que cada observao Y possa ser descrita pelo modelo:
onde
2.
Exemplo
Aps uma regulagem eletrnica um veculo apresenta um rendimento ideal no
que tange a rendimento de combustvel. Contudo, com o passar do tempo esse
rendimento vai se degradando. Os dados que aparecem na tabela representam o
rendimento medido ms a ms aps a regulagem. Calcule a equao de
regresso.
Se h n pares de dados (Y1, X1), ..., (Yn, Yn) possvel estimar os parmetros
0 e 1 usando o mtodo dos Mnimos Quadrados Ordinrios (MQO), o qual
busca minimizar os resduos: R Y
Y
i
L=
(Yobs-Yest)2 =
obs
est
Rendimento(Y)
10,7
10,9
10,8
9,3
9,5
10,4
9
9,3
7,6
7,6
7,9
7,7
onde:
0 e
Meses(X)
1
2
3
4
5
6
7
8
9
10
11
12
78
6,5
Rendimento(Y)
10,7
10,9
10,8
9,3
9,5
10,4
9
9,3
7,6
7,6
7,9
7,7
110,7
9,225
;
;
Desvio-padro de X
Desvio-padro de Y
Covarincia de X,Y:
Coeficientes:
Equao de regresso:
X^2
1
4
9
16
25
36
49
64
81
100
121
144
650
Y^2
114,49
118,81
116,64
86,49
90,25
108,16
81
86,49
57,76
57,76
62,41
59,29
1039,55
X*Y
10,7
21,8
32,4
37,2
47,5
62,4
63
74,4
68,4
76
86,9
92,4
673,1
10.17.2 Exemplo
Um gerente deseja investigar o efeito do investimento em marketing sobre o volume de
vendas.
Invest
Vendas
R$ 2.000,00
R$ 10.200,00
R$ 2.050,00
R$ 10.900,00
R$ 3.000,00
R$ 11.800,00
R$ 3.500,00
R$ 12.300,00
R$ 4.000,00
R$ 12.990,00
R$ 4.200,00
R$ 13.720,00
R$ 4.860,00
R$ 14.400,00
R$ 5.355,71
R$ 14.980,00
R$ 5.851,43
R$ 15.990,00
R$ 6.347,14
R$ 16.500,00
R$ 6.842,86
R$ 17.920,00
R$ 7.338,57
R$ 17.900,00
R$ 7.834,29
R$ 18.650,00
R$ 8.330,00
R$ 20.089,00
R$ 8.825,71
R$ 20.100,00
R$ 9.321,43
R$ 20.730,00
Estatstica de regresso
R mltiplo
0,996464396
R-Quadrado 0,992941292
R-quadrado
ajustado
0,992437099
Erro padro
298,2228194
Observaes
16
ANOVA
gl
Regresso
SQ
1
MQ
F de
significao
Resduo
14
1245115,9 88936,85
Total
15 176394310,9
Stat t
valor-P
95%
inferiores
95%
Inferior Superior
superiores 95,0%
95,0%
Interseo
Invest
Coeficiente de determinao R2
Coeficiente de determinao R2 uma medida de quo bem a equao de regresso se ajusta aos
dados amostrais.
1968ral
1954ral
1941ral
y = 1900ralx + 1920ral
R = 1900ral
1927ral
1913ral
1900ral
1900ral
1905ral
1910ral
1916ral
1921ral
1927ral
1968ral
1954ral
1941ral
y = 1900ralx + 1914ral
R = 1900ral
1927ral
1913ral
1900ral
1900ral
1905ral
1910ral
1916ral
1921ral
1927ral
S xy2
S xx S yy
46,45 2
143,00 18,34
0,82
Hipteses do Modelo
A adequao do ajuste e as suposies do modelo podem ser verificadas atravs de
uma anlise dos resduos. Deve-se realizar a anlise de resduos que a diferena
entre os valores observados e os previstos pela equao
10
12
14
Na Figura abaixo (a) representa uma situao onde o ajuste adequado, enquanto
que (b) representa uma situao onde o modelo linear no se ajusta bem aos dados.
Re 0
Re 0
-1
-1
-2
-2
12
16
20
X
(a)
12
16
X
(b)
onde
Dados atpicos
Alguns dados coletados podem estar muito influenciados por fatores externos ao
estudo, ou podem ter sido digitados errados, ou podem ser provenientes de erros de
leitura.
Os resduos padronizados so calculados dividindo-se o resduo pelo desviopadro:
onde:
Considera-se um valor atpico quando o resduo padronizado (Z) for maior do que:
Z > 3,00 considerando um intervalo de confiana de 99,73% ou
Z > 1,96 considerando um intervalo de confiana de 95,00 %
20
(Yobs Yest ) 2
K i (Yi (b0 b1 X i )) 2
Zi
Yobs Yest
S
Yobs
SQR / n 2
b0 b1 X i
S
SQR SYY
b1S XY
Considera-se um valor atpico quando o resduo padronizado (Zi) for maior do que:
Zi> 3,00 (quando o intervalo de confiana adotado for 99,73%);
Zi> 1,96 (quando o intervalo de confiana adotado for 95,00 %.
1X1
2X2
...
k Xk
Onde:
Y = valor da varivel dependente
0
= coeficiente de interseco
2,
...,
e = termo de erro
O problema ento estimar o valor dos coeficientes
do tipo:
X1
X2
...
Xk
y1
x11
x12
...
x1k
y2
.
.
.
yn
x21
.
.
.
xn1
x22
.
.
.
xn2
...
.
.
.
...
x2k
.
.
.
xnk
10.17.4 Exemplo
Um distribuidor de cerveja est analisando seu sistema de distribuio. Ele est
interessado em prever o tempo requerido para atender um ponto de venda. O engenheiro
industrial acredita que os dois fatores mais importantes so o nmero de caixas de
cerveja fornecidas e a distncia do depsito ao posto de venda. Os dados devem ser
coletados pareados. As linhas representam as observaes coletadas e as colunas os
fatores controlveis (Xs) e a Varivel de resposta (Y).
X1: n de
caixas
X2: n de caixas
Y:
tempo
10
15
10
20
25
18
12
14
16
22
24
17
13
30
30
25
40
18
22
31
26
34
29
37
20
25
27
23
24
27
29
31
25
33
26
28
31
39
33
30
25
12
24
33
40
Resoluo:
- Anlise preliminar dos dados: Fazer um grfico de disperso das variveis
independentes versus varivel dependente.
X1 = nmero de caixas
X2 = distncia
Anlise do modelo
Para testar a significncia geral do modelo de regresso realiza-se o
teste de hiptese F para confirmar a inexistncia de relao entre X e
Y .
H0:
H1:
ji
; ...;
=0
Obtm-se o Fcalculadofazendo
ANOVA
Regresso
Resduo
Total
gl
2
12
14
SQ
331,3585994
118,3747339
449,7333333
MQ
165,67929997
9,864561157
F
16,7954
F de significao
0,000332524
bi
2
bi
= 0 e H1:
ti > t
/2
,n
Coeficientes
2,31120209
0,87720461
0,45592077
Interseo
Varivel X 1
Varivel X 2
Erro padro
5,857302725
0,153034597
0,146762335
Stat t
0,394584709
5,732067324
3,106524374
Valor-p
0,70007
9,4E-05
0,00908
Se
, todas as observaes estaro sobre o hiperplano definido pelo
modelo(caso no houvesse variabilidade residual).
Se
, no h nenhuma relao entre a varivel de resposta e as
variveis independentes.
No exemplo, R2 = 0,7376, ou seja, 73,67% da variabilidade do fenmeno
pode ser explicada pelo modelo de regresso.
Estatstica de regresso
R mltiplo
R-Quadrado
R-quadrado ajustado
Erro padro
Observaes
0,85836418
0,73678906
0,69292057
3,14078989
15
Anlise do R2ajustado
O R2ajustado um ajuste do coeficiente de determinao R2modificado para
levar em considerao o nmero de variveis e o tamanho amostral.
2
Rajustado
n 1
n
k 1
1 R2
Dados Atpicos
Seguindo na anlise, observar a coluna dos resduos padronizados para verificar a
existncia de valores atpicos. Se isso acontecer o dado atpico deve ser eliminado e
a rotina de regresso deve ser rodada novamente.
Observao
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Y previsto
24,7608713
26,8672905
29,320079
28,0618682
34,2715743
32,234429
24,6915975
30,0933728
29,5681782
38,478772
32,4825282
28,6216997
26,0247228
39,1135182
38,4094982
Resduos
-0,760871317
0,132709479
-0,320079022
2,938131815
-9,271574323
0,765571022
1,308402542
-2,093372844
1,431821786
0,521227954
0,517471829
1,378300256
-1,02472284
2,88648185
1,590501813
Resduos padro
-0,261665052
0,045639035
-0,110075767
1,010428962
-3,188511547
0,263281289
0,449962053
-0,71991479
0,492406159
0,179251257
0,177959518
0,474000006
-0,352404079
0,992666443
0,546976513
NR VC
(( LSI LII ) / 2)
NC
onde:
VC
LSI
LII
120 100
100 110
2
efeitoANOV A
2
10.18
ANLISE DA MULTICOLINEARIDADE
Uma das suposies para o modelo de regresso a independncia entre as
variveis controlveis do modelo de regresso, j que quando a correlao entre as
variveis significativa, as inferncias para modelo de regresso so errneas.
FIV j
C jj
1
1 R 2j
10.19
Fi
SQ Re g (
QMR( x j , xi )
se a varivel com maior correlao com a resposta, que dever ser adicionada ao
modelo se Fi>fentra. Caso a varivel xi seja inserida no modelo, analisa-se a
possibilidade de retirada das outras variveis j selecionadas dado que xi est
presente. O procedimento termina assim que no existir nenhuma varivel para ser
includa ou removida do modelo.
10.20
10.21
K j (Y j T j ) 2
L ( y)
10
5
0
0
12
Maior--melhor:
P er d a
14
12
10
L (y)
8
6
4
2
0
0
12
P er d a
3 0 ,0 0
2 5 ,0 0
2 0 ,0 0
L (y)
1 5 ,0 0
1 0 ,0 0
5 ,0 0
0 ,0 0
0
12
onde: Z(i) o valor que a funo de perda Z assume para um dado ajuste do
conjunto dos fatores controlveis;
Kj a ponderao atribuda a VR "j";
(nota: para VR do tipo maior melhor ou menor melhor, quando o valor de Y
IR1
(alvo1
LIE1 )
Y1 T1
IR2
( LSE2
LIE2 ) / 2
Y2
T2
Bibliografia
1. ANG, A.H-S. & Tang, W.H. (1984), Probability Concepts in
Engineering Planning and Design. John Wiley and Sons, New York.
2. BOWKER & Lieberman, (1959), Engineering Statistics. Prentice
Hall, Inc., Englewood Cliffs, New Jersey, USA.
3. BOX, G., Hunter, W.G., and Hunter, J.S. (1978), Statistics for
experimenters, John Wiley and Sons, New York.
4. DUNCAN, A.J. (1974), Quality Control and Industrial Statistics,
4th ed., Irwin, Homewood, ILL.
5. HICKS, C.R. (1973), Fundamental Concepts in the Design of
Experiments. John Wiley and Sons, New York.
6. JOHNSON, N.L. & Leone, F.C. (1977), Statistics and Experimental
Design. John Wiley and Sons, New York.
7. MILLER, I. & Freund, J.E. (1977), Probability and Statistics for
Engineers. 2nd ed., Prentice Hall, Inc., Englewood Cliffs, New Jersey,
USA.
8. MONTGOMERY, D.C. (1984), Design and analysis of
experiments. John Wiley and Sons, New York, 2nd ed.
9. MONTGOMERY, D.C. (1985), Introduction to Statistical Quality
Control. John Wiley and Sons, New York.
10. SHAPIRO, S.S. & Gross, A.J. (1981), Statistical Modeling
Technique. Marcel Dekker, Inc, New York.
11. SNEDECOR, G.W. & Cochran, W.G. (1980), Statistical Methods.
7th ed., The Iowa State Univ. Press, Iowa, USA.
12. WERKEMA, M. C. C. Ferramentas Estatsticas Bsicas para o
Gerenciamento do Processo, Fundao Christiano Ottoni, Escola de
Engenharia da UFMG, Belo Horizonte, MG,1995
13. WERKEMA, M. C. C. Planejamento de experimentos, Fundao
Christiano Ottoni, Escola de Engenharia da UFMG, Belo Horizonte,
MG,1995
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
-3,9
-3,8
-3,7
-3,6
-3,5
-3,4
-3,3
-3,2
-3,1
-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,0
0,0000
0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0010
0,0014
0,0019
0,0026
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
0,4641
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0005
0,0007
0,0010
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0239
0,0301
0,0375
0,0465
0,0571
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,4681
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0005
0,0008
0,0011
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3557
0,3936
0,4325
0,4721
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0154
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0721
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3594
0,3974
0,4364
0,4761
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3632
0,4013
0,4404
0,4801
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0008
0,0012
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0125
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2296
0,2611
0,2946
0,3300
0,3669
0,4052
0,4443
0,4840
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0004
0,0006
0,0009
0,0012
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3707
0,4090
0,4483
0,4880
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0005
0,0006
0,0009
0,0013
0,0018
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061
0,2358
0,2676
0,3015
0,3372
0,3745
0,4129
0,4522
0,4920
0,0000
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0009
0,0013
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0351
0,0436
0,0537
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3783
0,4168
0,4562
0,4960
0,0000
0,0001
0,0001
0,0002
0,0002
0,0003
0,0005
0,0007
0,0010
0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,5000
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,0000
GL
Nvel de
significncia - alfa
0,250
0,100
0,050
0,025
0,010
0,005
1
2
3
4
5
6
1,000
0,816
0,765
0,741
0,727
0,718
3,078
1,886
1,638
1,533
1,476
1,440
6,314
2,920
2,353
2,132
2,015
1,943
12,706
4,303
3,182
2,776
2,571
2,447
31,821
6,965
4,541
3,747
3,365
3,143
63,656
9,925
5,841
4,604
4,032
3,707
7
8
9
10
11
0,711
0,706
0,703
0,700
0,697
1,415
1,397
1,383
1,372
1,363
1,895
1,860
1,833
1,812
1,796
2,365
2,306
2,262
2,228
2,201
2,998
2,896
2,821
2,764
2,718
3,499
3,355
3,250
3,169
3,106
12
13
14
15
16
0,695
0,694
0,692
0,691
0,690
1,356
1,350
1,345
1,341
1,337
1,782
1,771
1,761
1,753
1,746
2,179
2,160
2,145
2,131
2,120
2,681
2,650
2,624
2,602
2,583
3,055
3,012
2,977
2,947
2,921
17
18
19
20
21
0,689
0,688
0,688
0,687
0,686
1,333
1,330
1,328
1,325
1,323
1,740
1,734
1,729
1,725
1,721
2,110
2,101
2,093
2,086
2,080
2,567
2,552
2,539
2,528
2,518
2,898
2,878
2,861
2,845
2,831
22
23
24
25
26
0,686
0,685
0,685
0,684
0,684
1,321
1,319
1,318
1,316
1,315
1,717
1,714
1,711
1,708
1,706
2,074
2,069
2,064
2,060
2,056
2,508
2,500
2,492
2,485
2,479
2,819
2,807
2,797
2,787
2,779
27
28
29
inf
0,684
0,683
0,683
0,674
1,314
1,313
1,311
1,282
1,703
1,701
1,699
1,645
2,052
2,048
2,045
1,960
2,473
2,467
2,462
2,326
2,771
2,763
2,756
2,576
GL
Nvel de
significncia alfa
0,995 0,990 0,975
0,950
0,900
0,010
0,050
0,025
0,010
0,005
1
2
3
4
5
6
0,0000
0,010
0,072
0,207
0,412
0,676
0,0002
0,020
0,115
0,297
0,554
0,872
0,0010
0,051
0,216
0,484
0,831
1,237
0,0039
0,103
0,352
0,711
1,145
1,635
0,016
0,211
0,584
1,064
1,610
2,204
6,635
9,210
11,345
13,277
15,086
16,812
3,841
5,991
7,815
9,488
11,070
12,592
5,024
7,378
9,348
11,143
12,832
14,449
6,635
9,210
11,345
13,277
15,086
16,812
7,879
10,597
12,838
14,860
16,750
18,548
7
8
9
10
11
0,989
1,344
1,735
2,156
2,603
1,239
1,647
2,088
2,558
3,053
1,690
2,180
2,700
3,247
3,816
2,167
2,733
3,325
3,940
4,575
2,833
3,490
4,168
4,865
5,578
18,475
20,090
21,666
23,209
24,725
14,067
15,507
16,919
18,307
19,675
16,013
17,535
19,023
20,483
21,920
18,475
20,090
21,666
23,209
24,725
20,278
21,955
23,589
25,188
26,757
12
13
14
15
16
3,074
3,565
4,075
4,601
5,142
3,571
4,107
4,660
5,229
5,812
4,404
5,009
5,629
6,262
6,908
5,226
5,892
6,571
7,261
7,962
6,304
7,041
7,790
8,547
9,312
26,217
27,688
29,141
30,578
32,000
21,026
22,362
23,685
24,996
26,296
23,337
24,736
26,119
27,488
28,845
26,217
27,688
29,141
30,578
32,000
28,300
29,819
31,319
32,801
34,267
17
18
19
20
21
5,697
6,265
6,844
7,434
8,034
6,408
7,015
7,633
8,260
8,897
7,564
8,231
8,907
9,591
10,283
8,672
9,390
10,117
10,851
11,591
10,085
10,865
11,651
12,443
13,240
33,409
34,805
36,191
37,566
38,932
27,587
28,869
30,144
31,410
32,671
30,191
31,526
32,852
34,170
35,479
33,409
34,805
36,191
37,566
38,932
35,718
37,156
38,582
39,997
41,401
22
23
24
25
26
8,643
9,260
9,886
10,520
11,160
9,542
10,196
10,856
11,524
12,198
10,982
11,689
12,401
13,120
13,844
12,338
13,091
13,848
14,611
15,379
14,041
14,848
15,659
16,473
17,292
40,289
41,638
42,980
44,314
45,642
33,924
35,172
36,415
37,652
38,885
36,781
38,076
39,364
40,646
41,923
40,289
41,638
42,980
44,314
45,642
42,796
44,181
45,558
46,928
48,290
27
28
29
30
11,808
12,461
13,121
13,787
12,878
13,565
14,256
14,953
14,573
15,308
16,047
16,791
16,151
16,928
17,708
18,493
18,114
18,939
19,768
20,599
46,963
48,278
49,588
50,892
40,113
41,337
42,557
43,773
43,195
44,461
45,722
46,979
46,963
48,278
49,588
50,892
49,645
50,994
52,335
53,672
161,4
18,51
10,13
7,71
6,61
5,99
199,5
19,00
9,55
6,94
5,79
5,14
215,7
19,16
9,28
6,59
5,41
4,76
224,6
19,25
9,12
6,39
5,19
4,53
230,2
19,30
9,01
6,26
5,05
4,39
234,0
19,33
8,94
6,16
4,95
4,28
236,8
19,35
8,89
6,09
4,88
4,21
238,9
19,37
8,85
6,04
4,82
4,15
7
8
9
10
11
5,59
5,32
5,12
4,96
4,84
4,74
4,46
4,26
4,10
3,98
4,35
4,07
3,86
3,71
3,59
4,12
3,84
3,63
3,48
3,36
3,97
3,69
3,48
3,33
3,20
3,87
3,58
3,37
3,22
3,09
3,79
3,50
3,29
3,14
3,01
12
13
14
15
16
4,75
4,67
4,60
4,54
4,49
3,89
3,81
3,74
3,68
3,63
3,49
3,41
3,34
3,29
3,24
3,26
3,18
3,11
3,06
3,01
3,11
3,03
2,96
2,90
2,85
3,00
2,92
2,85
2,79
2,74
17
18
19
20
21
4,45
4,41
4,38
4,35
4,32
3,59
3,55
3,52
3,49
3,47
3,20
3,16
3,13
3,10
3,07
2,96
2,93
2,90
2,87
2,84
2,81
2,77
2,74
2,71
2,68
22
23
24
25
26
4,30
4,28
4,26
4,24
4,23
3,44
3,42
3,40
3,39
3,37
3,05
3,03
3,01
2,99
2,98
2,82
2,80
2,78
2,76
2,74
27
28
29
30
40
4,21
4,20
4,18
4,17
4,08
3,35
3,34
3,33
3,32
3,23
2,96
2,95
2,93
2,92
2,84
60
80
100
500
4,00
3,96
3,94
3,86
3,15
3,11
3,09
3,01
2,76
2,72
2,70
2,62
n2
1
2
3
4
5
6
10
12
15
20
30
40
60
120
500
240,5
19,38
8,81
6,00
4,77
4,10
n1
n2
1
2
3
4
5
6
241,9
19,40
8,79
5,96
4,74
4,06
243,9
19,41
8,74
5,91
4,68
4,00
245,9
19,43
8,70
5,86
4,62
3,94
248,0
19,45
8,66
5,80
4,56
3,87
250,1
19,46
8,62
5,75
4,50
3,81
251,1
19,47
8,59
5,72
4,46
3,77
252,2
19,48
8,57
5,69
4,43
3,74
253,3
19,49
8,55
5,66
4,40
3,70
254,1
19,49
8,53
5,64
4,37
3,68
3,73
3,44
3,23
3,07
2,95
3,68
3,39
3,18
3,02
2,90
7
8
9
10
11
3,64
3,35
3,14
2,98
2,85
3,57
3,28
3,07
2,91
2,79
3,51
3,22
3,01
2,85
2,72
3,44
3,15
2,94
2,77
2,65
3,38
3,08
2,86
2,70
2,57
3,34
3,04
2,83
2,66
2,53
3,30
3,01
2,79
2,62
2,49
3,27
2,97
2,75
2,58
2,45
3,24
2,94
2,72
2,55
2,42
2,91
2,83
2,76
2,71
2,66
2,85
2,77
2,70
2,64
2,59
2,80
2,71
2,65
2,59
2,54
12
13
14
15
16
2,75
2,67
2,60
2,54
2,49
2,69
2,60
2,53
2,48
2,42
2,62
2,53
2,46
2,40
2,35
2,54
2,46
2,39
2,33
2,28
2,47
2,38
2,31
2,25
2,19
2,43
2,34
2,27
2,20
2,15
2,38
2,30
2,22
2,16
2,11
2,34
2,25
2,18
2,11
2,06
2,31
2,22
2,14
2,08
2,02
2,70
2,66
2,63
2,60
2,57
2,61
2,58
2,54
2,51
2,49
2,55
2,51
2,48
2,45
2,42
2,49
2,46
2,42
2,39
2,37
17
18
19
20
21
2,45
2,41
2,38
2,35
2,32
2,38
2,34
2,31
2,28
2,25
2,31
2,27
2,23
2,20
2,18
2,23
2,19
2,16
2,12
2,10
2,15
2,11
2,07
2,04
2,01
2,10
2,06
2,03
1,99
1,96
2,06
2,02
1,98
1,95
1,92
2,01
1,97
1,93
1,90
1,87
1,97
1,93
1,89
1,86
1,83
2,66
2,64
2,62
2,60
2,59
2,55
2,53
2,51
2,49
2,47
2,46
2,44
2,42
2,40
2,39
2,40
2,37
2,36
2,34
2,32
2,34
2,32
2,30
2,28
2,27
22
23
24
25
26
2,30
2,27
2,25
2,24
2,22
2,23
2,20
2,18
2,16
2,15
2,15
2,13
2,11
2,09
2,07
2,07
2,05
2,03
2,01
1,99
1,98
1,96
1,94
1,92
1,90
1,94
1,91
1,89
1,87
1,85
1,89
1,86
1,84
1,82
1,80
1,84
1,81
1,79
1,77
1,75
1,80
1,77
1,75
1,73
1,71
2,73
2,71
2,70
2,69
2,61
2,57
2,56
2,55
2,53
2,45
2,46
2,45
2,43
2,42
2,34
2,37
2,36
2,35
2,33
2,25
2,31
2,29
2,28
2,27
2,18
2,25
2,24
2,22
2,21
2,12
27
28
29
30
40
2,20
2,19
2,18
2,16
2,08
2,13
2,12
2,10
2,09
2,00
2,06
2,04
2,03
2,01
1,92
1,97
1,96
1,94
1,93
1,84
1,88
1,87
1,85
1,84
1,74
1,84
1,82
1,81
1,79
1,69
1,79
1,77
1,75
1,74
1,64
1,73
1,71
1,70
1,68
1,58
1,69
1,67
1,65
1,64
1,53
2,53
2,49
2,46
2,39
2,37
2,33
2,31
2,23
2,25
2,21
2,19
2,12
2,17
2,13
2,10
2,03
2,10
2,06
2,03
1,96
2,04
2,00
1,97
1,90
60
80
100
500
1,99
1,95
1,93
1,85
1,92
1,88
1,85
1,77
1,84
1,79
1,77
1,69
1,75
1,70
1,68
1,59
1,65
1,60
1,57
1,48
1,59
1,54
1,52
1,42
1,53
1,48
1,45
1,35
1,47
1,41
1,38
1,26
1,41
1,35
1,31
1,16
647,8
38,51
17,44
12,22
10,01
8,81
799,5
39,00
16,04
10,65
8,43
7,26
864,2
39,17
15,44
9,98
7,76
6,60
899,6
39,25
15,10
9,60
7,39
6,23
921,8
39,30
14,88
9,36
7,15
5,99
937,1
39,33
14,73
9,20
6,98
5,82
948,2
39,36
14,62
9,07
6,85
5,70
956,6
39,37
14,54
8,98
6,76
5,60
7
8
9
10
11
8,07
7,57
7,21
6,94
6,72
6,54
6,06
5,71
5,46
5,26
5,89
5,42
5,08
4,83
4,63
5,52
5,05
4,72
4,47
4,28
5,29
4,82
4,48
4,24
4,04
5,12
4,65
4,32
4,07
3,88
4,99
4,53
4,20
3,95
3,76
12
13
14
15
16
6,55
6,41
6,30
6,20
6,12
5,10
4,97
4,86
4,77
4,69
4,47
4,35
4,24
4,15
4,08
4,12
4,00
3,89
3,80
3,73
3,89
3,77
3,66
3,58
3,50
3,73
3,60
3,50
3,41
3,34
17
18
19
20
21
6,04
5,98
5,92
5,87
5,83
4,62
4,56
4,51
4,46
4,42
4,01
3,95
3,90
3,86
3,82
3,66
3,61
3,56
3,51
3,48
3,44
3,38
3,33
3,29
3,25
22
23
24
25
26
5,79
5,75
5,72
5,69
5,66
4,38
4,35
4,32
4,29
4,27
3,78
3,75
3,72
3,69
3,67
3,44
3,41
3,38
3,35
3,33
27
28
29
30
40
5,63
5,61
5,59
5,57
5,42
4,24
4,22
4,20
4,18
4,05
3,65
3,63
3,61
3,59
3,46
60
80
100
500
5,29
5,22
5,18
5,05
3,93
3,86
3,83
3,72
3,34
3,28
3,25
3,14
n2
1
2
3
4
5
6
10
12
15
20
30
40
60
120
500
963,3
39,39
14,47
8,90
6,68
5,52
n1
n2
1
2
3
4
5
6
968,6
39,40
14,42
8,84
6,62
5,46
976,7
39,41
14,34
8,75
6,52
5,37
984,9
39,43
14,25
8,66
6,43
5,27
993,1
39,45
14,17
8,56
6,33
5,17
1001,4
39,46
14,08
8,46
6,23
5,07
1005,6
39,47
14,04
8,41
6,18
5,01
1009,8
39,48
13,99
8,36
6,12
4,96
1014,0
39,49
13,95
8,31
6,07
4,90
1017,2
39,50
13,91
8,27
6,03
4,86
4,90
4,43
4,10
3,85
3,66
4,82
4,36
4,03
3,78
3,59
7
8
9
10
11
4,76
4,30
3,96
3,72
3,53
4,67
4,20
3,87
3,62
3,43
4,57
4,10
3,77
3,52
3,33
4,47
4,00
3,67
3,42
3,23
4,36
3,89
3,56
3,31
3,12
4,31
3,84
3,51
3,26
3,06
4,25
3,78
3,45
3,20
3,00
4,20
3,73
3,39
3,14
2,94
4,16
3,68
3,35
3,09
2,90
3,61
3,48
3,38
3,29
3,22
3,51
3,39
3,29
3,20
3,12
3,44
3,31
3,21
3,12
3,05
12
13
14
15
16
3,37
3,25
3,15
3,06
2,99
3,28
3,15
3,05
2,96
2,89
3,18
3,05
2,95
2,86
2,79
3,07
2,95
2,84
2,76
2,68
2,96
2,84
2,73
2,64
2,57
2,91
2,78
2,67
2,59
2,51
2,85
2,72
2,61
2,52
2,45
2,79
2,66
2,55
2,46
2,38
2,74
2,61
2,50
2,41
2,33
3,28
3,22
3,17
3,13
3,09
3,16
3,10
3,05
3,01
2,97
3,06
3,01
2,96
2,91
2,87
2,98
2,93
2,88
2,84
2,80
17
18
19
20
21
2,92
2,87
2,82
2,77
2,73
2,82
2,77
2,72
2,68
2,64
2,72
2,67
2,62
2,57
2,53
2,62
2,56
2,51
2,46
2,42
2,50
2,44
2,39
2,35
2,31
2,44
2,38
2,33
2,29
2,25
2,38
2,32
2,27
2,22
2,18
2,32
2,26
2,20
2,16
2,11
2,26
2,20
2,15
2,10
2,06
3,22
3,18
3,15
3,13
3,10
3,05
3,02
2,99
2,97
2,94
2,93
2,90
2,87
2,85
2,82
2,84
2,81
2,78
2,75
2,73
2,76
2,73
2,70
2,68
2,65
22
23
24
25
26
2,70
2,67
2,64
2,61
2,59
2,60
2,57
2,54
2,51
2,49
2,50
2,47
2,44
2,41
2,39
2,39
2,36
2,33
2,30
2,28
2,27
2,24
2,21
2,18
2,16
2,21
2,18
2,15
2,12
2,09
2,14
2,11
2,08
2,05
2,03
2,08
2,04
2,01
1,98
1,95
2,02
1,99
1,95
1,92
1,90
3,31
3,29
3,27
3,25
3,13
3,08
3,06
3,04
3,03
2,90
2,92
2,90
2,88
2,87
2,74
2,80
2,78
2,76
2,75
2,62
2,71
2,69
2,67
2,65
2,53
2,63
2,61
2,59
2,57
2,45
27
28
29
30
40
2,57
2,55
2,53
2,51
2,39
2,47
2,45
2,43
2,41
2,29
2,36
2,34
2,32
2,31
2,18
2,25
2,23
2,21
2,20
2,07
2,13
2,11
2,09
2,07
1,94
2,07
2,05
2,03
2,01
1,88
2,00
1,98
1,96
1,94
1,80
1,93
1,91
1,89
1,87
1,72
1,87
1,85
1,83
1,81
1,66
3,01
2,95
2,92
2,81
2,79
2,73
2,70
2,59
2,63
2,57
2,54
2,43
2,51
2,45
2,42
2,31
2,41
2,35
2,32
2,22
2,33
2,28
2,24
2,14
60
80
100
500
2,27
2,21
2,18
2,07
2,17
2,11
2,08
1,97
2,06
2,00
1,97
1,86
1,94
1,88
1,85
1,74
1,82
1,75
1,71
1,60
1,74
1,68
1,64
1,52
1,67
1,60
1,56
1,42
1,58
1,51
1,46
1,31
1,51
1,43
1,38
1,19
Nvel de significncia
- alfa =
n1 10
12
15
20
0,01
5
n2
1
2
3
4
5
6
4052
98,50
34,12
21,20
16,26
13,75
4999
99,00
30,82
18,00
13,27
10,92
5404
99,16
29,46
16,69
12,06
9,78
5624
99,25
28,71
15,98
11,39
9,15
5764
99,30
28,24
15,52
10,97
8,75
5859
99,33
27,91
15,21
10,67
8,47
5928
99,36
27,67
14,98
10,46
8,26
5981
99,38
27,49
14,80
10,29
8,10
7
8
9
10
11
12,25
11,26
10,56
10,04
9,65
9,55
8,65
8,02
7,56
7,21
8,45
7,59
6,99
6,55
6,22
7,85
7,01
6,42
5,99
5,67
7,46
6,63
6,06
5,64
5,32
7,19
6,37
5,80
5,39
5,07
6,99
6,18
5,61
5,20
4,89
12
13
14
15
16
9,33
9,07
8,86
8,68
8,53
6,93
6,70
6,51
6,36
6,23
5,95
5,74
5,56
5,42
5,29
5,41
5,21
5,04
4,89
4,77
5,06
4,86
4,69
4,56
4,44
4,82
4,62
4,46
4,32
4,20
17
18
19
20
21
8,40
8,29
8,18
8,10
8,02
6,11
6,01
5,93
5,85
5,78
5,19
5,09
5,01
4,94
4,87
4,67
4,58
4,50
4,43
4,37
4,34
4,25
4,17
4,10
4,04
22
23
24
25
26
7,95
7,88
7,82
7,77
7,72
5,72
5,66
5,61
5,57
5,53
4,82
4,76
4,72
4,68
4,64
4,31
4,26
4,22
4,18
4,14
27
28
29
30
40
7,68
7,64
7,60
7,56
7,31
5,49
5,45
5,42
5,39
5,18
4,60
4,57
4,54
4,51
4,31
60
80
100
500
7,08
6,96
6,90
6,69
4,98
4,88
4,82
4,65
4,13
4,04
3,98
3,82
0,01
30
40
6209
99,45
26,69
14,02
9,55
7,40
6260
99,47
26,50
13,84
9,38
7,23
62
99
26
13
9,
7,
6,31
5,52
4,96
4,56
4,25
6,16
5,36
4,81
4,41
4,10
5,99
5,20
4,65
4,25
3,94
5,
5,
4,
4,
3,
4,16
3,96
3,80
3,67
3,55
4,01
3,82
3,66
3,52
3,41
3,86
3,66
3,51
3,37
3,26
3,70
3,51
3,35
3,21
3,10
3,
3,
3,
3,
3,
3,59
3,51
3,43
3,37
3,31
3,46
3,37
3,30
3,23
3,17
3,31
3,23
3,15
3,09
3,03
3,16
3,08
3,00
2,94
2,88
3,00
2,92
2,84
2,78
2,72
2,
2,
2,
2,
2,
22
23
24
25
26
3,26
3,21
3,17
3,13
3,09
3,12
3,07
3,03
2,99
2,96
2,98
2,93
2,89
2,85
2,81
2,83
2,78
2,74
2,70
2,66
2,67
2,62
2,58
2,54
2,50
2,
2,
2,
2,
2,
3,15
3,12
3,09
3,07
2,89
27
28
29
30
40
3,06
3,03
3,00
2,98
2,80
2,93
2,90
2,87
2,84
2,66
2,78
2,75
2,73
2,70
2,52
2,63
2,60
2,57
2,55
2,37
2,47
2,44
2,41
2,39
2,20
2,
2,
2,
2,
2,
2,72
2,64
2,59
2,44
60
80
100
500
2,63
2,55
2,50
2,36
2,50
2,42
2,37
2,22
2,35
2,27
2,22
2,07
2,20
2,12
2,07
1,92
2,03
1,94
1,89
1,74
1,
1,
1,
1,
6022
99,39
27,34
14,66
10,16
7,98
n2
1
2
3
4
5
6
6056
99,40
27,23
14,55
10,05
7,87
6107
99,42
27,05
14,37
9,89
7,72
6157
99,43
26,87
14,20
9,72
7,56
6,84
6,03
5,47
5,06
4,74
6,72
5,91
5,35
4,94
4,63
7
8
9
10
11
6,62
5,81
5,26
4,85
4,54
6,47
5,67
5,11
4,71
4,40
4,64
4,44
4,28
4,14
4,03
4,50
4,30
4,14
4,00
3,89
4,39
4,19
4,03
3,89
3,78
12
13
14
15
16
4,30
4,10
3,94
3,80
3,69
4,10
4,01
3,94
3,87
3,81
3,93
3,84
3,77
3,70
3,64
3,79
3,71
3,63
3,56
3,51
3,68
3,60
3,52
3,46
3,40
17
18
19
20
21
3,99
3,94
3,90
3,85
3,82
3,76
3,71
3,67
3,63
3,59
3,59
3,54
3,50
3,46
3,42
3,45
3,41
3,36
3,32
3,29
3,35
3,30
3,26
3,22
3,18
4,11
4,07
4,04
4,02
3,83
3,78
3,75
3,73
3,70
3,51
3,56
3,53
3,50
3,47
3,29
3,39
3,36
3,33
3,30
3,12
3,26
3,23
3,20
3,17
2,99
3,65
3,56
3,51
3,36
3,34
3,26
3,21
3,05
3,12
3,04
2,99
2,84
2,95
2,87
2,82
2,68
2,82
2,74
2,69
2,55