Escolar Documentos
Profissional Documentos
Cultura Documentos
Experimentos k Fatores de
Interesse
Viosa 2007
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 1
1. Fatorial 2k Completo
1.1. Fatorial 22
dados.fat22<-read.csv2(fatorial22.csv, dec= .)
dados.fat22
TRAT rept A B Y
1 1 -1 -1 14.037
1 2 -1 -1 14.165
1 3 -1 -1 13.972
1 4 -1 -1 13.907
2 1 1 -1 14.821
2 2 1 -1 14.757
2 3 1 -1 14.843
2 4 1 -1 14.878
3 1 -1 1 13.880
3 2 -1 1 13.860
3 3 -1 1 14.032
3 4 -1 1 13.914
4 1 1 1 14.888
4 2 1 1 14.921
4 3 1 1 14.415
4 4 1 1 14.932
attach(dados.fat22)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 2
O modelo o seguinte:
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
A 1 2.79558 2.79558 134.4675 7.076e-08 ***
B 1 0.01809 0.01809 0.8701 0.3693
A:B 1 0.00397 0.00397 0.1909 0.6699
Residuals 12 0.24948 0.02079
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 3
Para obter as estimativas dos efeitos, deve-se multiplicar as estimativas
dos coeficientes por dois, da seguinte forma:
coef(mod.fat22)*2
(Intercept) A B A:B
28.77775 0.83600 -0.06725 0.03150
1.2. Fatorial 23
dados.fat23<-read.csv2(fatorial23.csv, dec= .)
dados.fat23
TRAT rept A B C Y
1 1 -1 -1 -1 9
1 2 -1 -1 -1 7
2 1 1 -1 -1 10
2 2 1 -1 -1 12
3 1 -1 1 -1 9
3 2 -1 1 -1 11
4 1 1 1 -1 12
4 2 1 1 -1 15
5 1 -1 -1 1 11
5 2 -1 -1 1 10
6 1 1 -1 1 10
6 2 1 -1 1 13
7 1 -1 1 1 10
7 2 -1 1 1 8
8 1 1 1 1 16
8 2 1 1 1 14
attach(dados.23)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 4
A montagem do modelo e a verificao das pressuposies se do por:
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
A 1 45.562 45.562 18.6923 0.002534 **
B 1 10.562 10.562 4.3333 0.070931 .
C 1 3.062 3.062 1.2564 0.294849
A:B 1 7.562 7.562 3.1026 0.116197
A:C 1 0.062 0.062 0.0256 0.876749
B:C 1 1.562 1.562 0.6410 0.446463
A:B:C 1 5.062 5.062 2.0769 0.187512
Residuals 8 19.500 2.438
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 5
As estimativas dos efeitos sero obtidas atravs de:
coef(mod.fat23)*2
(Intercept) A B C A:B A:C B:C A:B:C
1.3. Fatorial 24
dados.fat24<-read.csv2(fatorial24.csv, dec= .)
dados.fat24
TRAT A B C D Y
1 -1 -1 -1 -1 550
2 1 -1 -1 -1 669
3 -1 1 -1 -1 604
4 1 1 -1 -1 650
5 -1 -1 1 -1 633
6 1 -1 1 -1 642
7 -1 1 1 -1 601
8 1 1 1 -1 635
9 -1 -1 -1 1 1037
10 1 -1 -1 1 749
11 -1 1 -1 1 1052
12 1 1 -1 1 868
13 -1 -1 1 1 1075
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 6
14 1 -1 1 1 860
15 -1 1 1 1 1063
16 1 1 1 1 729
attach(dados.fat24)
efeito<-coef(mod.fat24)*2
efeito
(Intercept) A B C D A:B
1552.125 -101.625 -1.625 7.375 306.125 -7.875
qqnorm(efeito)
qqline(efeito)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 7
Figura 1. Grfico de probabilidade normal dos efeitos
1500
1000 Normal Q-Q Plot
Sample Quantiles
500
0
-2 -1 0 1 2
Theoretical Quantiles
sort(efeito)
A:D A B:C A:B:C:D B:C:D A:C
-153.625 -101.625 -43.875 -40.125 -25.375 -24.875
A:C:D C D (Intercept)
5.625 7.375 306.125 1552.125
mod.fat24<-lm(Y~A+B+C+D+A:B+A:C+A:D+B:C+B:D+C:D)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 8
Se as pressuposies forem satisfeitas, ento tem-se:
anova(mod.fat24) # Gerar o quadro da ANOVA
Analysis of Variance Table
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
A 1 41311 41311 20.2765 0.006382 **
B 1 11 11 0.0052 0.945391
C 1 218 218 0.1068 0.757069
D 1 374850 374850 183.9879 3.903e-05 ***
A:B 1 248 248 0.1218 0.741351
A:C 1 2475 2475 1.2148 0.320582
A:D 1 94403 94403 46.3357 0.001042 **
B:C 1 7700 7700 3.7794 0.109498
B:D 1 2 2 0.0008 0.978978
C:D 1 18 18 0.0089 0.928641
Residuals 5 10187 2037
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
interaction.plot(A, D, Y)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 9
interaction.plot(C, D, fit.mod.fat24.sig)
2. Fatorial 2k Fracionado
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 10
A matriz G deve conter a relao de definio para a obteno do
planejamento. Como neste caso existe apenas um (I=ABC), a matriz ser M1x4.
No R, tem-se:
m24<-c(1,1,1,1) # Matriz G
pla24<-conf.design(G=m24, p=2, treatment.names=c(A,B,C,D))
pla24
Blocks A B C D
1 0 0 0 0 0
2 0 1 1 0 0
3 0 1 0 1 0
4 0 0 1 1 0
5 0 1 0 0 1
6 0 0 1 0 1
7 0 0 0 1 1
8 0 1 1 1 1
9 1 1 0 0 0
10 1 0 1 0 0
11 1 0 0 1 0
12 1 1 1 1 0
13 1 0 0 0 1
14 1 1 1 0 1
15 1 1 0 1 1
16 1 0 1 1 1
pla24<-pla24[1:8,]
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 11
fix(pla24)
pla24
Blocks A B C D Y
1 0 -1 -1 -1 -1 550
2 0 1 1 -1 -1 650
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 12
3 0 1 -1 1 -1 642
4 0 -1 1 1 -1 601
5 0 1 -1 -1 1 749
6 0 -1 1 -1 1 1052
7 0 -1 -1 1 1 1075
8 0 1 1 1 1 729
attach(pla24)
mod24<-lm(Y~A+B+C+D)
anova(mod24)
Analysis of Variance Table
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
A 1 32258 32258 1.2171 0.35049
B 1 32 32 0.0012 0.97446
C 1 265 265 0.0100 0.92673
D 1 168781 168781 6.3680 0.08591 .
Residuals 3 79513 26504
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
coef(mod24)*2
(Intercept) A-1 B-1 C-1 D-1
1691 254 -8 -23 -581
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 13
fracionado 2kp. Desse modo, uma frao 1/2 chamada de fatorial 2k1, uma
frao 1/4 de 2k2, uma frao 1/8 de 2k3, uma frao 1/16 de 2k4 e assim por
diante.
Com o objetivo de ilustrar a frao 1/4, considere um experimento com
seis fatores e suponha que o interesse esteja, principalmente, nos efeitos
principais e de obter alguma informao a respeito das interaes de segunda
ordem. Nesse caso, tem-se uma frao 1/4 ou um fatorial fracionado 2 6IV 2 . Esse
m26<-rbind(c(1,1,1,0,1,0), c(0,1,1,1,0,1))
m26
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 1 1 1 0 1 0
[2,] 0 1 1 1 0 1
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 14
O planejamento ser montado da seguinte forma:
pla26<-pla26[1:16,]
pla26
Blocks A B C D E F
1 00 0 0 0 0 0 0
2 00 0 1 1 0 0 0
3 00 1 1 0 1 0 0
4 00 1 0 1 1 0 0
5 00 1 0 0 0 1 0
6 00 1 1 1 0 1 0
7 00 0 1 0 1 1 0
8 00 0 0 1 1 1 0
9 00 1 1 0 0 0 1
10 00 1 0 1 0 0 1
11 00 0 0 0 1 0 1
12 00 0 1 1 1 0 1
13 00 0 1 0 0 1 1
14 00 0 0 1 0 1 1
15 00 1 0 0 1 1 1
16 00 1 1 1 1 1 1
fix(pla26)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 15
Tambm, ser adicionado a varivel Y na posio de var8, como
mostrado nas Figuras 3a e 3b.
pla26
Blocks A B C D E F Y
1 00 -1 -1 -1 -1 -1 -1 6
2 00 -1 1 1 -1 -1 -1 26
3 00 1 1 -1 1 -1 -1 60
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 16
4 00 1 -1 1 1 -1 -1 5
5 00 1 -1 -1 -1 1 -1 10
6 00 1 1 1 -1 1 -1 60
7 00 -1 1 -1 1 1 -1 34
8 00 -1 -1 1 1 1 -1 16
9 00 1 1 -1 -1 -1 1 60
10 00 1 -1 1 -1 -1 1 15
11 00 -1 -1 -1 1 -1 1 8
12 00 -1 1 1 1 -1 1 37
13 00 -1 1 -1 -1 1 1 32
14 00 -1 -1 1 -1 1 1 4
15 00 -1 -1 -1 1 1 1 12
16 00 1 1 1 1 1 1 32
attach(pla26)
mod26<-lm(Y~A+B+C+D+E+F+A:B+B:C+C:D+D:E+E:F)
anova(mod26)
Analysis of Variance Table
Response: Y
Df Sum Sq Mean Sq F value Pr(>F)
A 1 901.0 901.0 11.1336 0.028924 *
B 1 3965.2 3965.2 48.9980 0.002192 **
C 1 92.2 92.2 1.1393 0.345943
D 1 0.5 0.5 0.0058 0.942879
E 1 1.7 1.7 0.0215 0.890492
F 1 1.8 1.8 0.0223 0.888637
A:B 1 374.7 374.7 4.6296 0.097800 .
B:C 1 78.2 78.2 0.9667 0.381171
C:D 1 25.8 25.8 0.3192 0.602255
D:E 1 15.2 15.2 0.1874 0.687394
E:F 1 266.9 266.9 3.2982 0.143527
Residuals 4 323.7 80.9
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 17
summary(mod26)
Call:
lm(formula = Y ~ A + B + C + D + E + F + A:B + B:C + C:D + D:E +
E:F)
Residuals:
1 2 3 4 5 6 7 8
-0.9318 -1.5000 3.2500 -0.8182 -1.2159 3.6477 -5.3977 2.9659
9 10 11 12 13 14 15 16
0.3977 2.0341 -7.5795 5.1477 1.7500 -4.1818 9.7273 -7.2955
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 25.8239 2.2995 11.230 0.000358 ***
A 4.2330 2.4915 1.699 0.164551
B 16.8011 2.2995 7.306 0.001866 **
C -1.4489 2.2995 -0.630 0.562848
D -0.8011 2.2995 -0.348 0.745109
E -1.3011 2.2995 -0.566 0.601743
F -1.3011 2.2995 -0.566 0.601743
A:B 6.1420 2.4915 2.465 0.069301 .
B:C -2.4261 2.2995 -1.055 0.350907
C:D -1.0739 2.2995 -0.467 0.664806
D:E -1.1761 2.2995 -0.511 0.635962
E:F -4.1761 2.2995 -1.816 0.143527
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
coef(mod26)*2
(Intercept) A B C D E
51.647727 8.465909 33.602273 -2.897727 -1.602273 -2.602273
F A:B B:C C:D D:E E:F
-2.602273 12.284091 -4.852273 -2.147727 -2.352273 -8.352273
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 18
No exemplo, somente os efeitos do intercepto, do fator B, e da interao
A:B no foram nulos (P < 0,1). Neste caso o grfico da interao dos fatores A
e B (Figura 4) ser construdo da seguinte forma:
interaction.plot(B, A, Y)
Captulo 8 Experimentos com k Fatores de Interesse Gustavo Mello Reis Jos Ivo Ribeiro Jnior 19