Escolar Documentos
Profissional Documentos
Cultura Documentos
Livro de Projetos de Experimentos PDF
Livro de Projetos de Experimentos PDF
EXPERIMENTOS
Caderno Didtico
Projeto grfico da capa:
CDU 519.2:311.212
Os autores
Projetos de Experimentos - i
Projetos de Experimentos - ii
SUMRIO
Captulo 1 INTRODUO 1
1.1. ORIGEM 2
1.2. DEFINIES 3
Projetos de Experimentos - iv
Captulo 9 EXERCCIOS REVISIONAIS 93
(Tericos - Resolvidos)
ANEXOS 121
Projetos de Experimentos - v
1 INTRODUO
Projetos de Experimentos - 1
Inicialmente, o homem comeou a testar e realizar
experincias para verificar o que de melhor ele extrairia de
uma situao, por exemplo, o que seria melhor para uma
determinada estao de trabalho, melhores equipamentos,
melhor matria prima, melhor equipe de trabalho e as
variveis iro surgindo e necessitando de uma resposta.
1.1 - ORIGEM
Projetos de Experimentos - 2
1.2 - DEFINIES
Tratamento
Projetos de Experimentos - 3
Refere-se a cada uma das alternativas de um fator em estudo
para resolver um dado problema. So os diferentes nveis, ou
variveis independentes, de um modelo matemtico. a
varivel que expressa o problema a ser resolvido. Num
experimento existem, pelo menos, dois tratamentos. Esses
podem ser ou qualitativos, ou quantitativos.
Exemplo:
Em resumo:
Variveis respostas
Exemplo:
Projetos de Experimentos - 4
Fatores e nveis
Parcela
Unidade experimental - UE
Projetos de Experimentos - 5
depender do nmero de tratamentos e do nmero de
repeties dos tratamentos.
Grupo controle
Projetos de Experimentos - 6
Repetio
Causalidade
Projetos de Experimentos - 7
Para que a metodologia estatstica possa ser aplicada aos resultados de um
experimento, necessrio que, em alguma fase do experimento, o princpio da
aleatorizao esteja presente.
Um outro princpio a ser obedecido o da repetio, segundo o qual devemos ter
repeties do experimento, para que possamos produzir uma medida de
variabilidade necessria aos testes da presena de efeitos de tratamentos, ou
estimao desses efeitos.
Experimentos cegos
Projetos de Experimentos - 8
Experimentos duplamente cegos
claro que os experimentos que envolvam certos tipos de tratamento, como prtese
e psicoterapia, no podem ser do tipo cego, ou duplamente cego. Finalmente,
embora os procedimentos duplamente cegos sejam altamente recomendveis,
necessrio, por razes de tica, explicar s pessoas que elas esto sendo
submetidas a um experimento. Isso, alis, j exigido, por lei, em alguns pases.
Projetos de Experimentos - 9
Projetos de Experimentos - 10
2 DELINEAMENTOS EXPERIMENTAIS
Projetos de Experimentos - 11
2.1 - EXPERIMENTOS INTEIRAMENTE AO ACASO
Projetos de Experimentos - 12
A hiptese a ser testada :
Projetos de Experimentos - 13
Quando o conjunto U de unidades experimentais for muito heterogneo (em termos
da varivel independente), o plano experimental completamente aleatorizado torna-
se pouco preciso, porque o erro experimental torna-se muito grande. Em algumas
situaes dispomos de informaes, segundo as quais, antes da realizao do
experimento, possvel agruparmos as unidades experimentais em subconjuntos de
t unidades experimentais, mais ou menos homogneas, onde t o nmero de
tratamentos envolvidos no experimento.
Projetos de Experimentos - 14
Exemplo de experimento em blocos ao acaso
Projetos de Experimentos - 15
2.2.3 Um caso especial de experimentos em blocos ao acaso
Projetos de Experimentos - 16
Embora os experimentos, em que se toma cada indivduo
como bloco, sejam bastante comuns, preciso muito senso
crtico para planej-los. Muitas vezes, esses experimentos
no tm qualquer validade.
Projetos de Experimentos - 17
Ho: As mdias do desgaste para os 4 tipos de pneus, para os 4 tipos
de carros e para as 4 posies so iguais
Projetos de Experimentos - 18
3 ANLISE DE VARINCIA - ANOVA
Projetos de Experimentos - 19
Trata-se de uma generalizao do teste para a diferena entre
duas mdias (teste t de Student), para o caso de se comparar
simultaneamente K mdias, desde que K seja maior do que
dois, supondo-se que essas mdias foram calculadas sobre
amostras aleatrias extradas da populao.
A diferena fundamental entre esses dois tipos de fatores que, no caso de fatores
fixos, as concluses se referem apenas aos nveis do fator que esto presentes no
experimento. No caso de fatores aleatrios, as concluses devem ser estendidas
para a populao dos nveis.
Projetos de Experimentos - 20
Embora o principal interesse esteja em comparar as mdias
aritmticas de grupos, ou nveis de um fator, para determinar
se existe um efeito de tratamento entre grupos, o
procedimento ANOVA deve seu nome ao fato de que, o
mesmo, alcanado por meio da anlise das varincias.
H0: 1 = 2 = ... = i
A B C D E F
x 75 72 76 79 82 72
s2 173,2 168,7 170,1 169,8 172 167,6
n 30 30 30 30 30 30
g. l. 29 29 29 29 29 29
Projetos de Experimentos - 21
S 2E = disperso entre os grupos, que em ingls
representado por SB2 (between).
2
O teste aplicado utilizando-se a estatstica calculada F = SE ,
2
SD
que o teste que compara varincias.
xi k
2
S2x = ,
k 1
onde k representa o universo de grupos, logo os graus de
liberdade, = k 1.
Determinando S 2E :
x i = 75 + 72 + 76 + 79 + 82 + 72 = 456
( x ) = (456)2
i
2
x 2
i
2 2 2 2 2
= 75 + 72 + 76 + 79 + 82 + 72 = 34734
2
K=6 = 6 - 1.
34.734 -
(456)2
S 2x = 6 = 15,6 logo pela distribuio amostral das
5
mdias tem-se que:
Projetos de Experimentos - 22
S2
S2x = S2 = S2x .N
N
2
S = 15,6 x 30 = 468.
xi -
2
( xi )
2
S2E = N. k
k -1
Determinando S2D :
S 2D =
(30 - 1)(173,2 ) + (30 - 1)(168,7 ) + ... + (30 - 1)(167,6 )
180 - 6
Projetos de Experimentos - 23
Utilizando-se a estatstica tabelada F, a um nvel de significncia de
5% tem-se que F(5;174 );5% = 2,21 , como Fcalc. > Ftab.. A hiptese H0
rejeitada, isto , existe pelo menos uma mdia diferente das demais.
Xij = + i + ij ,
onde:
Projetos de Experimentos - 24
representa o efeito devido mdia da populao a que
pertence;
i o efeito do i-simo tratamento;
ij representa o erro residual, com distribuio normal de
mdia zero e varincia constante.
Projetos de Experimentos - 25
Tabela 3.1 - Experimento inteiramente ao acaso
Tratamento Total
1 2 3 ... k
y11 y21 y31 yk1
y12 y22 y32 yk2
y13 y23 y33 yk3
. . . .
. . . .
. . . .
y1r y2r y3r ... ykr
Total T1 T2 T3 ... Tk T = y
No de r r r ... r n = kr
repeties
Mdia y1 y2 y3 ... yk
a) os graus de liberdade:
dos tratamentos : k - 1;
do total : k.r - 1;
do resduo : k(r-1);
C=
( y ) 2
SQ Trat. =
T 2
C;
r
Projetos de Experimentos - 26
f) o quadrado mdio dos tratamento:
SQ Trat
QM Trat = ;
k 1
h) o valor de F:
QM Trat
F= .
QM Res
Projetos de Experimentos - 27
Para se testar as hipteses utilizada a estatstica F, de
Snedecor, com (k1) graus de liberdade no numerador e
k.(r 1) graus de liberdade no denominador. Se Fc > F, 1, 2,
rejeita-se H0 e conclui-se que existe, pelo menos, uma mdia
que difere de outra.
Projetos de Experimentos - 28
Para se verificar quais mdias diferem entre si, necessrio
utilizar-se um teste de comparao de mdias, que ser
estudado no captulo seguinte.
Exemplo 3.1
Suponhamos que um pesquisador conduziu um experimento inteiramente ao acaso
em um conjunto de dados que se pressupe que sejam normalmente distribudos e
que possua homocedasticidade. O interesse do pesquisador avaliar se existe
diferena significativa entre os tratamentos T1, T2 e T3. Como se ajudaria esse
pesquisador por meio da ANOVA, utilizando-se um nvel de significncia de 5%?
T1 T2 T3
3 11 16
5 10 21
4 12 17 Total
Soma 12 33 54 99
Mdia 3 11 18 11
Projetos de Experimentos - 29
( y ) 2
C=
N
=
(99)2 =
9801
= 1089
9 9
SQTot = y2 C
SQ Trat. =
Ti 2
-C
r
12 2 33 2 54 2
SQ Trat. = + + - 1089
3 3 3
= (48 + 363 + 972) 1089
= 1383 1089 = 294
= 312 294
= 18
H0: A = B = C
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
Entre as amostras SQ Trat
SQTrat. k1
(Tratamentos) k -1 QM T
Dentro da amostra SQ Res QM R
SQResi. NK
(Resduo) N-K
Total SQTot. N1 --- ---
Projetos de Experimentos - 30
ANOVA
= 5%
Projetos de Experimentos - 31
MA MB MC
3,2 4,9 3,0
n=5 4,1 4,5 2,9
3,5 4,5 3,7
3,0 4,0 3,5
3,1 4,2 4,2 Total
Soma 16,9 22,1 17,3 56,3
Mdia 3,38 4,42 3,46 3,75
( y ) 2
56,3 2 3.169,69
C= = = = 211,31
N 15 15
SQTot = y2 C
= (3,22 + 4,12 + 3,52 + 3,02 + 3,12 + 4,92 + 4,52 + 4,52 + 4,02 + ...) 211,31
SQ Trat =
T 2
-C
r
16,9 2 22,12 17,32
= + + - 211,31
5 5 5
285,61 488,41 299,2
= + + - 211,31
5 5 5
= (57,122 + 97,682 + 59,858) 211,31
= 214,662 211,31
= 3,352
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
SQ Trat
Tratamentos SQTrat. k1
k -1 QM Trat
SQ Res QM Res
Resduo SQRes. NK
N-K
Total SQTot.. N1 --- ---
Projetos de Experimentos - 32
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
3,352
Tratamentos 3,352 31=2 = 1,676
2 1,676
= 8,422
2,388 0,199
Resduo 2,388 15 3 = 12 = 0,199
12
Total 5,74 15 1 = 14 --- ---
= 5%
F; (k 1, N K) = F5% (2,12) = 3,89
H0: A = B = C
Como Fcalc > Ftab, rejeita-se H0, isto , existe pelo menos uma das
mdias que diferente do nvel de 5%.
Exemplo 3.3 (Adaptado Christmann, 1978 & Martins & Fonseca, 1979)
A hiperfrtil desenvolveu 3 tipos de fertilizantes especficos para a cultura do milho.
Para test-los, aplicou-os, s mesmas reas, em pequenos stios do interior paulista,
obtendo-se a seguinte produo:
( y ) 2
276 2
c= = = 8486
N 9
Projetos de Experimentos - 33
SQTot. = y2 C
= (302 + 352 + 252 + 322 + 312 + 422 + 262 + 292 + 262) 8464
SQTrat. =
T 2
-C
r
90 2 105 2 812
= + + - 8464
3 3 3
= 8562 8464 = 98
= 228 98 = 130
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
SQ Trat
Tratamento SQTrat. k1 QM Trat
k -1
SQ Res QM Res
Resduo SQRes. NK
N-K
Total SQTot. N1 --- ---
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
98
Tratamento 98 (3 1) = 2 = 49
2 49
= 2,26
130 21,66
Resduo 130 (9 3) = 6 = 21,66
6
Total 228 (9 1) = 8 --- ---
Projetos de Experimentos - 34
Exerccio 3.4
A tabela a seguir apresenta os dados de produo de milho, em toneladas por
hectare, de trs variedades. Faa a anlise de varincia, para verificar se a produo
mdia, das variedades de milho, igual ao nvel de 5%.
Variedades
A B C
4,00 4,00 5,52
4,48 4,72 4,72
4,16 5,28 5,44
4,40 4,72 5,76
Exerccio 3.5
Trs grupos de ratos foram treinados para realizarem exerccio fsico anaerbio
atravs de uma prancha inclinada com um trilho, sobre o qual corria um carrinho, com
pesos diferentes, que o animal empurrava. Aps vrios meses de treinamento, um
dos grupos foi submetido exausto de motores a lcool e a gasolina, pelo mesmo
tempo, e um terceiro grupo foi mantido como controle, sem as atmosferas poludas. A
tabela abaixo mostra o resultado do desempenho fsico dos trs grupos.
Projetos de Experimentos - 35
3.3 - EXPERIMENTOS INTEIRAMENTE AO ACASO
(com nmeros diferentes de repeties)
A anlise estatstica de um experimento inteiramente ao
acaso, com nmero diferente de repeties, no apresenta
maior dificuldade. Todos os clculos so feitos da maneira j
apresentada antes, com exceo da soma de quadrados de
tratamentos. A soma de quadrados de tratamentos dada
pela frmula:
T12 T22 T2
SQTr = + + ... + k C
r1 r2 rk
Exemplo 3.6
Testes psicolgicos foram aplicados para diferentes faixas etrias com o objetivo de
determinar o grau de satisfao profissional de 35 pacientes. Os resultados so os
seguintes:
( y) (568)
2 2
C= = = 9127,829
N 35
SQTot = y2 C
SQ Trat =
Ti 2
-C
r
Projetos de Experimentos - 36
512 652 1892 1342 752 54 2
= + + + + + - 9217,829
5 4 9 7 6 4
= 9777,09 9217,829
= 559,261
SQRes = SQTot. SQTrat.
= 926,171 559,261
= 366,91
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
H0: 1 = 2 = 3 = 4 = 5 = 6
= 1%
F(5,29); 1% = 3,73
Projetos de Experimentos - 37
Exemplo 3.7 (Adaptado Guerra & Donaire, 1991)
Admitindo-se que as notas em Estatstica, para cada turma, distribuem-se
normalmente com mesma varincia, quer-se saber se as mdias obtidas nas provas
de aproveitamento em cada uma das turmas so iguais, com = 5%. Para tal,
sorteou-se, ao acaso, alunos em cada uma das turmas e verificou-se as suas notas,
obtendo-se os seguintes resultados:
n 13 13 17 17
x 61,5 51 88,5 78
C=
( y )2
=
279 2 77841
= = 1297,35
N 60 60
Projetos de Experimentos - 38
= 1713 1297,35 = 415,65
SQ Trat =
Ti 2
-C
r
= 1309,61 1297,35
= 12,26
= 415,65 12,26
= 403,39
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
Tratamento 12,26 41=3 4,086
4,086
= 0,5672
7,203
Resduo 403,39 60 4 = 56 7,203
F(3,56); 5% = 2,76
Projetos de Experimentos - 39
Projetos de Experimentos - 40
4 COMPARAO DE MDIAS
Nada impede que a hiptese nula (H0) seja aceita, isto , que
as mdias dos tratamentos sejam consideradas iguais e que
uma investigao seja conduzida, neste caso, o mtodo de
comparao das mdias dito no-protegido. Caso H0 seja
rejeitada e uma investigao seja conduzida, ento o mtodo
dito protegido.
a) Teste t de Student
Encontra-se:
2 . QMR
dms = t , .
r
Projetos de Experimentos - 41
onde:
Exemplo 4.1
Considere-se o Exemplo 3.2, onde se verificou por meio da ANOVA, que existe, pelo
menos um dos tratamos T1, T2 e T3 que apresentam uma mdia estatisticamente
diferente, ao nvel de 5%. Logo, pergunta-se qual ou quais tratamentos so
diferentes.
2 . QMR
dms = t ; .
r
2.3
= t 6;5% .
3
Tratamentos T1 T2 T3
Mdias 4 11 18
Projetos de Experimentos - 42
b) Teste de Tukey
Encontra-se:
QMR
dms = q ; ( , k)
r
onde:
Exemplo 4.2
Considere-se o Exemplo 3.2, do item anterior, onde a espessura de produo, em
milmetros, das mquinas MA, MB e MC so testados ao nvel de 5%.
QMR
dms = q 5%,; ( , k) .
r
onde: = 12 e k = 3
0,199
=q 5%; (12,3) .
5
= 3,77 x 0,1994 = 0,7517
Tratamentos MA MB MC
Mdias 3,38 4,42 3,46
Projetos de Experimentos - 43
esto produzindo, estatisticamente, nos mesmos nveis de
espessura.
c) Teste de Dunnett
Encontra-se:
2QMR
dms = d ; ( , T)
r
onde:
Exemplo 4.3
Suponhamos que, no Exemplo 3.2, anterior, a mquina MA seja considerada como
controle e usaremos o teste de Dunnett.
2 QMR
dms = d % ( , T) .
r
2 . 0,199
= d 5% (12,2) .
5
= 2,50 x 0,282 = = 0,705
Tratamentos Controle MB MC
Mdias 3,38 4,42 3,46
Projetos de Experimentos - 44
|C MB| = |3,38 4,42| = |-1,04| = 1,04 > dms
|C MC| = |3,38 3,46| = |-0,08| = 0,08
|MB MC| = |4,42 3,46| = |0,96| = 0,96 > dms
d) Teste de Duncan
Teste Frmulas
Teste t 1 1
dms = t , . + QMR
r r
i j
Projetos de Experimentos - 45
grupo tratado com o grupo controle, e rt e rc representam o
nmero de repeties de cada grupo, respectivamente.
Exemplo 4.4
Para a ilustrao do procedimento, utiliza-se o experimento que conta o nmero de
ovos por poedeira, 35 dias aps o incio do experimento, conforme a tabela abaixo:
Tratamentos
A B C D
25 24 25 20
21 31 18 17
29 32 19 23
22 16
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
Tratamentos 200 3 66,67
5,13
Resduo 130 10 13,00
Total 330 13 --- ---
1 1 QMR
dms = q , ( , k) . +
r r 2
i j
1 1 13
= q 5% (10,4) . +
rA rC 2
1 1
= 4,33 . + 6,5
3 4
= 8,43
Projetos de Experimentos - 46
Resumidamente, ter-se-:
OBSERVAES
rc
= k - 1 , logo rc = rt . k - 1
rt
onde:
Projetos de Experimentos - 47
4.3 - ALGUMAS PROPRIEDADES DOS TESTES
4.3.1 - Tukey
4.3.2 - Duncan
Projetos de Experimentos - 48
Para duas mdias ele exige uma probabilidade de 95% (0,95) de
que no se aponte como significativa a diferena realmente nula
(logo aponta existir diferena);
2
Para trs mdias, a probabilidade ser (0,95) = 0,9025 e, com
3
quatro mdias, a probabilidade baixa para (0,95) = 0,8574 e, assim,
a probabilidade de aceitar a diferena nula vai decrescendo.
4.3.3 Scheff
Projetos de Experimentos - 49
Projetos de Experimentos - 50
5 EXPERIMENTOS EM BLOCOS AO ACASO
Xij = + i + j + ij
onde:
Projetos de Experimentos - 51
unidades submetidas a esse tratamento; o total do bloco
dado pela soma das k unidades do bloco.
Tratamento
Bloco
1 2 3 ... K Total
a) os graus de liberdade:
do total: kr 1
dos tratamentos: k1
dos blocos: r1
dos resduos: (kr 1) (k 1) (r 1) = (k 1) (r 1)
( y ) 2
C=
kr
Projetos de Experimentos - 52
c) a soma de quadrados total:
SQT = y2 C;
SQ Tr =
T 2
-C;
r
SQ Bl =
B 2
-C;
k
Projetos de Experimentos - 53
Tabela 5.2 - Anlise de varincia de um experimento em
blocos ao acaso
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
QMTrat
Tratamentos SQTr K1 QMTr FTr =
QM Res
QM Bloco
Blocos SQBl r1 QMBl FBl =
QM Res
Resduos SQRes. (k 1) (r 1) QMRes ---
Blocos
Casco
Dia 1 Dia 2 Dia 3
Ti Ti2
1 45 46 51 142 20164
Tratamentos
2 42 44 50 136 18496
3 36 41 48 125 15625
4 49 47 54 150 22500
( y) 2
(553)2
C= = = 25.484,083
N 12
SQT = y2 C
= (452 + 422 + 362 + 492 + ... + 542) 25.484,083
= 25.749 25.484,083
= 264,917
Projetos de Experimentos - 54
SQTr =
T 2
-C
r
=
(142 2
)
+ 1362 + 1252 + 150 2
- 25.484,083
3
76785
= - 25.484,083
3
= 25.595 25.484,083
= 110,17
SQ Bl =
B 2
-C
k
=
(172
+ 1782 + 2032
2
)
- 25.484,083
4
102.477
= - 25.484,083
4
= 25.619,25 - 25.484,083
= 135,167
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
QM Tr
Tratamentos SQTr k1 QMTr FTr =
QM Res
QM Bl
Blocos SQBl r1 QMBl FBl =
QM Res
Resduos SQRes. (k 1) (r 1) QMRes ---
Projetos de Experimentos - 55
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
36,97
Tratamentos 110,17 41=3 36,97 = 11,77
3,14
67,58
Blocos 135,67 31=2 67,58 = 21,52
3,14
Resduos 18,833 (4 1) (3 1) = 6 3,14 ---
Para os tratamentos
Para os blocos
Projetos de Experimentos - 56
Exerccio 5.1 (Adaptado por Vieira & Hottmann, 1989)
Faa a anlise de varincia dos dados apresentados na tabela a seguir, utilizando um
nvel de significncia de 1%. Utilizando os dados de um experimento em blocos ao
acaso
Bloco Tratamento
A B C
I 45 48 60
II 90 69 78
III 79 57 77
IV 82 70 97
Exerccio 5.2
So dados os pesos de trs ratos aos 30, 34, 38, 42 e 46 dias de idade. Faa a
anlise de varincia e interprete o resultado. Considere que cada animal um bloco e
que as idades so os tratamentos. Utilize um nvel de significncia de 1%.
Idade
Rato
30 34 38 42 46
1 83 86 103 116 132
2 63 69 79 81 98
3 55 61 79 79 91
Projetos de Experimentos - 57
Projetos de Experimentos - 58
6 EXPERIMENTOS EM BLOCOS AO ACASO
(com repetio)
Projetos de Experimentos - 59
TABELA 6.1 - Experimento em blocos ao acaso com
repeties
Tratamento
Bloco Total
1 2 ... K
1 . . .
. . .
2 . . .
. . .
y12m y22m yk2m
. . . . .
. . . . .
Total T1 T2 ... Tk T = B = y
Nmero de
rm rm ... rm n = krm
repeties
Mdia y1 y2 ... yk
Projetos de Experimentos - 60
a) os graus de liberdade
do total: n1
dos tratamentos: k1
dos blocos: r1
dos resduo: (n 1) (k 1) (r 1) = n k r + 1
b) o valor de C:
C=
( y ) 2
;
N
SQT = y2 C;
SQ Tr =
T 2
-C;
rm
SQ Bl =
B 2
-C;
km
Projetos de Experimentos - 61
g) o quadrado mdio dos tratamentos:
SQ Trat
QM Tr = ;
k -1
h) o quadrado mdio dos blocos:
SQ Bloco
QM Bl = ;
r -1
SQ Res
QM Res = ;
n - k - r +1
QM Tr
FTr = ;
QM Res
QM Bl
FBl = .
QM Res
Projetos de Experimentos - 62
Tabela 5.2 - Anlise de varincia de um experimento em
blocos ao acaso
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
SQ Tr QM Tr
Tratamentos SQTr. k1
k -1 QM Res.
SQ Bl QM Bl
Blocos SQBl. r1
r -1 QM Res.
SQ Res.
Resduos SQRes. nkr+1 ---
n - k - r +1
Total n1 --- ---
Tratamento
Bloco Total
A B C D
65 56 58 38
I 69 49 65 30 648
73 54 57 34
72 73 76 71
II 79 77 69 65 864
80 69 71 62
Total 438 378 396 300 1512
Para fazer a anlise de varincia dos dados, apresentados na Tabela 6.1, preciso
calcular:
Projetos de Experimentos - 63
a) os graus de liberdade:
do total: 4 . 2 . 3 1 = 23
dos tratamentos: 41=3
dos blocos: 21=1
dos resduos: 24 4 2 + 1 = 19
b) o valor de C:
15122
C= = 95256
24
6482 + 864 2
SQ Bl = - 95256 = 97200 - 95267 = 1944
12
1668
QM Tr = = 556
3
1944
QM Bl = = 1944
1
i) o quadrado mdio dos resduos:
770
QM Res = = 40,526
19
Projetos de Experimentos - 64
j) o valor de F para os tratamentos:
556
FTr = = 13,72
40,526
1944
FBl = = 47,97
40,526
ANOVA
Fontes de
S.Q. G.L. Q.M. Fcalc.
Variao
Tratamentos 1668 3 556 13,72
Blocos 1944 1 1944 47,97
Resduos 770 19 40,526 ---
Total 4382 23 --- ---
Projetos de Experimentos - 65
Projetos de Experimentos - 66
7 EXPERIMENTOS COM INTERAES
Projetos de Experimentos - 67
tratamentos como os blocos so de efeitos fixos, logo
preciso calcular:
a) os graus de liberdade
do total: n1
dos tratamentos: k1
dos blocos: r1
da interao: (k 1) (r 1)
dos resduos: kr (m 1)
Projetos de Experimentos - 68
TABELA 7.1 Experimento em blocos ao acaso com repeties
Tratamento
Bloco Total
1 2 ... K
. . .
. . .
. . .
. . .
y12m y22m yk2m
. . . . .
. . . . .
y1r1 y2r1 ykr1
Total T1 T2 ... Tk T = B = y
SQTr x B =
I 2
C SQTr SQB ;
M
Projetos de Experimentos - 69
b) a soma de quadrados dos resduos:
SQTr x B ;
QM I =
( k 1) ( r 1)
SQR
QM Re s = ;
k r (m 1)
QMTr
F Tr = ;
QMR
QMB
FBl = ;
QMR
QMI
F I= ;
QMR
Projetos de Experimentos - 70
experimento, para comparar a eficincia das fontes de
informao apresentadas no Captulo anterior.
a) os graus de liberdade:
do total: 4 . 2 . 3 1 = 23
dos tratamentos: 41=3
dos blocos: 21=1
da interao: 3 . 1 =3
dos resduos: 4 . 2 (3 1) = 16
SQT = 4382
SQTr = 1668
SQB = 1944
ANOVA
Tratamento Total
Bloco A B C D
65 56 58 38
I 69 207 49 159 65 180 3 102 648
73 54 57 34
72 73 76 71
II 79 231 77 219 69 216 65 198 864
80 69 71 62
Projetos de Experimentos - 71
d) a soma de quadrados do resduo:
QMTr = 556
QMB = 1944
504
QMI = = 168
3
266
QMR = = 16,625
16
556
FTr = = 33,44
16,625
1944
F Bl = = 116,93
16,625
168
FI = = 10,11
16,625
Projetos de Experimentos - 72
ANOVA
a) Para os tratamentos:
QMTr ;
FTr =
QMI
Projetos de Experimentos - 73
b) Para os blocos:
QMB
FBl = ;
QMI
c) Para a interao:
QMI
FI = ;
QMR
razovel dizer que, uma vez que existe interao dos blocos
versus tratamentos, devem-se comparar as mdias de
tratamentos dentro dos blocos.
Projetos de Experimentos - 74
8 - VERIFICAO DA ADEQUAO DO
MODELO DE ANLISE DE VARINCIA
ANLISE DE RESDUOS
Projetos de Experimentos - 75
Configuraes especiais, no grfico de resduos, contra a ordem de obteno dos
dados, indicam que as observaes no so independentes.
Tempo
(a)
eij eij
0 0
Tempo Tempo
( b.1 ) ( b.2 )
Projetos de Experimentos - 76
8.2 - GRFICO DE RESDUOS CONTRA AS MDIAS DOS
TRATAMENTOS
Tempo
(a)
eij eij
0 0
Tempo Tempo
(b) (c)
Projetos de Experimentos - 77
transformaes para estabilizar a varincia e, ento,
aplicar as tcnicas j abordadas, aos dados transformados.
importante notar que, nesse caso, as concluses da anlise
de varincia se aplicam aos dados transformados e devem ser
estendidas, com cuidado aos dados originais.
Projetos de Experimentos - 78
resduos. Neste grfico, cada resduo representado em
funo de seu valor esperado, o qual calculado supondo
que os resduos seguem uma distribuio normal. Ser
considerado que a suposio de normalidade vlida se os
pontos do grfico estiverem localizados, aproximadamente, ao
longo de uma linha reta. Na visualizao da linha reta, devem
ser enfatizados os valores centrais do grfico, e no os
extremos.
i - 0,375
E i = QMR z
n + 0,25
Projetos de Experimentos - 79
onde z(A) representa o 100(A) percentil da distribuio
normal padronizada, isto , P[z z(A)] = A se z ~ N(0,1).
(E
i =1
i E )(e i e )
,
r=
n n
( e i e ) (E E) 2
2
i
i =1 i =1
onde:
n n
1 1
e=
n
ei e E =
i =1 n
E
i =1
i
Projetos de Experimentos - 80
30 Eij
20
10
-10
-20
-30
Projetos de Experimentos - 81
Verificao da adequao do modelo de anlise de varincia
Resduos
eij = x ij - x i
Exemplo:
Projetos de Experimentos - 82
No grfico x
vem ocorrendo pontos acima do limite superior de controle (LSE),
indicando que o processo saiu do estado de controle estatstico devido
atuao de alguma causa de variao assinalvel, que parece ter provocado
um aumento na mdia do processo.
Essa situao deu origem a uma anomalia crnica, cuja eliminao foi considerada
prioritria pela empresa. Foi, ento, iniciado o giro do Ciclo PDCA para melhorar
resultados.
Na fase de observao do Ciclo PDCA, foi feita uma anlise do fenmeno, que
consistiu em investigar as caractersticas especficas do problema, sob vrios pontos
de vista, pr meio de uma realizao de estratificao.
Como o ao, utilizado para fabricar as molas, era comprado de trs diferentes
fornecedores (A, B e C), a equipe da indstria decidiu estratificar os grficos de
controle x e R pr fornecedor de ao.
No entanto, no era possvel estratificar os pontos j lanados nos grficos de
controle, porque a indstria no era capaz de identificar, para cada amostra de molas
extrada para a construo dos grficos, qual era o fornecedor do ao que havia sido
utilizado como matria-prima. Em vista desta situao, a equipe da indstria decidiu
que , no dia seguinte, o instante em que o ao de cada fornecedor passasse a ser
utilizado na produo, seria registrado pelo sistema de controle do estoque de
matria-prima da empresa. A partir do registro destes instantes, seria possvel
identificar, para este dia, o fornecedor de ao utilizado para produzir as amostras de
molas cujos valores de x e R seriam lanados nos grficos de controle. Adotando
este procedimento, a equipe de trabalho da empresa coletou os dados apresentados
na tabela a seguir.
Tabela 8.1 - Medidas de dureza das Amostras de Molas Retiradas do Processo no dia
seguinte
Projetos de Experimentos - 83
na quarta-feira trs pontos fora dos limites de controle. Os pontos, acima do limite
superior de controle (LSC), para as amostras 13 e 18, correspondem dureza mdia
das molas fabricadas com o ao do fornecedor C.
470
450
430
Medidas de Dureza
410
390
370
1.96* D.P.
1.00* D.P.
350
A B C Mdia
Fornecedores
Projetos de Experimentos - 84
A partir da anlise da figura, possvel notar que h uma diferena entre as
distribuies das medidas de dureza das molas fabricadas com o ao dos
fornecedores A, B e C. Mais especificamente, parecia que a dureza mdia das molas
produzidas com o ao do fornecedor A era maior que a dureza mdia, das peas
fabricadas com o ao dos fornecedores B e C.
Observa-se que esta indicao estava de acordo com as informaes fornecidas pelo
grfico de controle x , onde as durezas mdias das amostras de molas fabricadas
com o ao do fornecedor A estavam acima do LSC do grfico.
RESUMO
ANOVA
Conclui-se, ento, que existe uma diferena significativa entre as mdias dos
fornecedores. Procedeu-se, ento, com a anlise dos resduos de uma anlise de
regresso, verificando-se, assim, se os resduos seguem os pressupostos bsicos da
ANOVA.
Uma informao muito importante que deve ser observada para a anlise dos
resduos, a ordem em que os dados foram coletados.
Projetos de Experimentos - 85
Tabela 8.3 - Resduos associados as observaes
Fornec. Resduos*
1 (A) -1,5 -8,9 -12,3 14,2 25,3 -20,2 6,0 -2,6
(1) (2) (3) (4) (21) (22) (23) (24)
2 (B) 28,7 -18,7 0,6 -5,0 -25,6 2,4 -1,4 10,5
(13) (14) (15) (16) (17) (18) (19) (20)
3 (c) -8,6 24,1 25,8 1,5 -4,4 -5,9 -17,5 -14,9
(5) (6) (7) (8) (9) (10) (11) (12)
* os nmeros entre parnteses indicam a ordem de coleta dos dados
O primeiro passo encontrar os resduos fornecidos pelo modelo, que obtido pela
subtrao da mdia do seu tratamento de cada observao, os quais esto
apresentados na tabela a seguir.
Projetos de Experimentos - 86
40
30
20
Erros
10
0
-10 0 5 10 15 20 25 30
-20
-30
Ordem
Para se determinar o grfico dos resduos vs. a mdia dos tratamentos, temos que
relacionar cada mdia com os resduos encontrados dos seus respectivos
tratamentos, conforme mostra a tabela a seguir.
Projetos de Experimentos - 87
Tabela 8.5 - Mdias dos tratamentos e seus respectivos resduos
FIGURA 8.3 Grfico das mdias dos tratamentos e seus respectivos resduos
Projetos de Experimentos - 88
1a) Colocar os resduos em ordem crescente
i - 0,375
E i = QMR z
n + 0,25
1 0,375 1 0,375
= = = 0,0258
n + 0,25 24 + 0,25
(0,5 - 0,0258) = 0,4748 , que corresponde ao escore Z padronizado de 1,95 com sinal
negativo, pois tem-se resduo negativo.
Projetos de Experimentos - 89
3a) Construir o grfico de probabilidade normal, representando no eixo horizontal os
valores dos resduos ordenados (ei) e no eixo vertical os valores esperados dos
resduos ordenados sob a suposio de normalidade (Ei)
40
30
20
10
Ei
0
-3 0 -2 0 -1 0 0 10 20 30 40
-1 0
-2 0
-3 0
-4 0
ei
4a) Calcular o coeficiente de correlao linear r entre os resduos (ei) e seus valores
esperados, sob a suposio de normalidade (Ei), por meio da expresso:
n n
(E i E )(ei e )
1 1 r= i =1
e= e i
E=
n
E i n n
n i =1 i =1
(e
i =1
i e ) 2 (E i E) 2
i =1
Projetos de Experimentos - 90
Tabela 8.6 - Clculos parciais para a obteno da correlao
Projetos de Experimentos - 91
Tabela 8.7 - Valores utilizados para se efetuar a correlao:
Projetos de Experimentos - 92
n
(E i E )(ei e )
r= i =1
n n
(e
i =1
i e ) 2 (E i E ) 2
i =1
Projetos de Experimentos - 93
9 EXERCCIOS REVISIONAIS
Tericos Resolvidos
Questo 01
Questo 02
Esta anlise permite que vrios grupos sejam comparados ao mesmo tempo,
utilizando-se variveis contnuas.
Projetos de Experimentos - 94
Questo 03 (Adaptado de Vieira & Hottmann, 1989)
Se Fcalc > Ftab, rejeita-se H0, concluindo-se que existe diferenas estatsticas
significantes entre as mdias.
Se Fcalc < Ftab, aceita-se H0, isto , no existe evidncia estatstica de que as
mdias sejam diferentes.
Projetos de Experimentos - 95
ser importante na aprendizagem. Como deve delinear o
experimento?
Os ratos devem ser distribudos em trs blocos, isto , em laboratrios: de
psicologia experimental, de biologia e de zoolgico, sendo que a colocao dos
respectivos ratos ser de forma aleatria.
Se Fcalc > Ftab, rejeita-se H0, concluindo-se que existem diferenas estatsticas
significantes entre as mdias, ou seja, a origem dos animais pode ser
importante na aprendizagem.
Se Fcalc < Ftab, aceita-se H0, isto , no existe evidncia estatstica de que as
mdias sejam diferentes, a origem dos animais no interfere na aprendizagem.
Nota: Considere que os efeitos, tanto para tratamentos como para blocos,
sejam aleatrios.
As partidas de caf devero ser distribudas aleatoriamente (ou por sorteio) nos
tratamentos.
Projetos de Experimentos - 96
Realizada a anlise de varincia, tem-se:
Se Fcalc > Ftab, rejeita-se H0, concluindo que existem diferenas estatsticas
significantes entre as mdias, isto significa que h diferenas na classificao
do mesmo tipo caf de diferentes partidas.
Se Fcalc < Ftab, aceita-se H0, isto , no existe evidncia estatstica de que as
mdias sejam diferentes, ou seja, a classificao do caf independe das
partidas e dos diferentes degustadores.
Projetos de Experimentos - 97
Projetos de Experimentos - 98
10 EXERCCIOS REVISIONAIS
Prticos Resolvidos
Projetos de Experimentos - 99
Tabela 10.1 - Teores de Cr2O3 (%) dos lotes de cromita, vendidos pelos fornecedores
da empresa.
Fornecedor
Teor 1 2 3
1 46 (18) 49 (1) 44 (31)
2 48 (25) 44 (11) 49 (9)
3 50 (30) 46 (19) 48 (20)
4 45 (26) 47 (7) 48 (8)
5 46 (17) 45 (32) 46 (39)
6 43 (3) 44 (38) 47 (2)
7 46 (37) 42 (16) 47 (28)
8 47 (27) 45 (33) 47 (21)
9 46 (4) 45 (12) 49 (5)
10 44 (36) 48 (6) 50 (29)
11 46 (34) 41 (22) 45 (10)
12 45 (13) 46 (24) 43 (14)
13 51 (23) 48 (35) 46 (15)
50
48
46
Teor
44
42 Mximo
Mnimo
Mdia 1 DP
40
1 2 3 Mdia
Fornecedor
Concluso:
Para as medidas do teor Cr2O3, segundo o fator fornecedor, indicam que as medidas
esto prximas da mdia, ou seja, no h uma grande variabilidade entre nenhum
dos fornecedores.
Fornecedor
Teor 1 2 3
1 46 49 44
2 48 44 49
3 50 46 48
4 45 47 48
5 46 45 46
6 43 44 47
7 46 42 47
8 47 45 47
9 46 45 49
10 44 48 50
11 46 41 45
12 45 47 43
13 51 48 46
RESUMO
ANOVA
Fonte da
Variao S.Q. G.L. Q.M. Fcalc. Valor-p Ftab.
Entre 12,9230 2 6,46153 1,32167 0,2793 3,2594
Dentro 176 36 4,8888 --- --- --
Total 188,923 38 --- --- --- ---
Concluso:
Pela anlise de varincia, tendo em vista os valores de Ftab = 3,26 e Fcalc = 1,321, isto
, Ftab > Fcalc, a nvel de significncia de 5%, pode-se afirmar que as mdias so,
aproximadamente iguais. Essa concluso est de acordo com as indicaes
fornecidas pelos Blox-plots anteriores, no havendo diferena significativa entre
elas.
Estatstica tabelada
Graus de liberdade 36
Nivel de significncia 5%
Valor t tabelado 2,03
N. de repeties 13
QMResduos 4,8888
dms 1,760518
Tratm. Mdias
Fornec. 1 46,38462
Fornec. 2 45,46154
Fornec. 3 46,84616
Comparao do F1 com F2
Diferena absoluta 0,923077
Mdias de F1 e F2 No diferente
Comparao do F1 com F3
Diferena absoluta 0,461541
Mdias de F1 e F3 No diferente
Comparao do F2 com F3
Diferena absoluta 1,384618
Mdias de F2 com F3 No diferente
29 50 46,84 3,16
30 50 46,84 3,16
31 44 45,46 -1,46
32 45 46,38 -1,38
33 45 46,38 -1,38
34 46 46,38 -0,38
34 48 46,38 1,62
36 44 46,38 -2,38
37 46 46,38 -0,38
38 44 46,38 -2,38
39 46 46,38 -0,38
6
5
4
3
2
Ordem
1
0
-1 0 10 20 30 40 50
-2
-3
-4
-5
Resduos
Concluso:
6
4
2
0
-2 45 45,5 46 46,5 47
-4
-6
Resduos
Concluso:
Pela anlise do grfico, verifica-se que as faixas de disperso dos resduos, para
cada mdia, so, aproximadamente, iguais. Esse fato leva a supor que as varincias
iguais podem ser consideradas vlidas.
0
-3 -2 -1 0 1 2 3
-2
-4
-6
Concluso:
Questo 01
Teor de Umidade
Espessura
1 2 3 4
215 (09) 235 (02) 210 (27) 251 (07)
1 208 (17) 229 (15) 201 (29) 246 (05)
212 (26) 277 (14) 264 (23) 242 (22)
234 (10) 269 (04) 257 (28) 247 (25)
2 279 (08) 274 (16) 262 (30) 253 (20)
283 (32) 204 (31) 228 (36) 249 (06)
273 (33) 207 (11) 239 (34) 217 (18)
3 240 (13) 212 (12) 232 (01) 222 (35)
238 (03) 205 (24) 242 (21) 218 (19)
Nota: Os nmeros entre parnteses representam a ordem de coleta das observaes
Questo 02
Tanque Homogeneizador
Espessador
1 2 3
2,33 (8) 2,32 (17) 2,37 (18)
1 2,27 (4) 2,23 (13) 2,33 (5)
2,30 (1) 2,29 (11) 2,31 (2)
2,30 (10) 2,21 (7) 2,39 (16)