Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila - Superfície de Resposta - Apostila - Superfcie - de - Resposta PDF
Apostila - Superfície de Resposta - Apostila - Superfcie - de - Resposta PDF
Viço
Departamento de Estatística
Disciplina: EST 631 – Métodos Estatísticos II
Apostila
Viçosa, MG
2011
Introdução à Metodologia de Superfícies de Resposta
ii
Sumário
1. Introdução.................................................................................................................. 1
2. Modelo de Primeira Ordem....................................................................................... 4
3. Delineamentos Experimentais para Ajuste de Modelos de Primeira Ordem ............ 9
3.1. Fatorial Completo .............................................................................................. 9
3.2. Delineamento Composto Central (DCC) ........................................................... 9
3.3. Delineamento Composto Central Rotacionado (DCCR) ................................. 10
3.4. Delineamento de Box-Behnken (DBB) ........................................................... 10
4. Teste de Significância do Modelo........................................................................... 12
5. Medidas e Adequação de Modelos.......................................................................... 13
6. Teste para Falta de Ajuste ....................................................................................... 14
7. Método da Inclinação Ascendente .......................................................................... 15
8. Exemplo de Aplicação para o Modelo de Primeira Ordem .................................... 15
9. Modelo de Segunda Ordem..................................................................................... 21
10. Localização do Ponto Estacionário ......................................................................... 28
11. Caracterizando a Superfície de Resposta ................................................................ 29
Referências ..................................................................................................................... 35
iii
1. Introdução
Y = f (X1 , X 2 ,..., X k ) + ε
então,
η = f (X1 , X 2 , , Xk )
1
é chamada de superfície de resposta.
2
b) A técnica também apresenta algumas limitações que devem ser consideradas:
3
Após o ajuste do modelo aos dados, é possível estimar a sensibilidade da
resposta aos fatores, além de determinar os níveis dos fatores nos quais a resposta é
ótima (por exemplo, máxima ou mínima).
e ε é tido como erro experimental. Se, entretanto, o modelo descrito é inadequado para
representar a verdadeira resposta média, então ε contém, adicionalmente ao erro
experimental, um erro não aleatório (sistemático). Este último erro é atribuído a omissão
de termos em X1 , X 2 ,..., X k de grau superior a um que podem ser entendidas como
outras variáveis as quais tem alguma influência sobre a variável resposta. Este erro
adicional (excluindo o erro experimental) é chamado falta de ajuste.
Escrevendo o modelo em notação matricial, considerando N observações, temos:
Y=X +
4
Em que Y é um vetor de N (N k+1) observações, `= [ β0 β1 ... βk ] é um vetor (k+1)
uma matriz N x (k+1) de coeficientes dos parâmetros que compreende os níveis das
variáveis independentes. Assume-se que os erros aleatórios são NID(0, σ 2 ) , isto é,
independentemente distribuídos com distribuição Normal de média zero e variância
comum. Quando a matriz X é de posto coluna completo, então o estimador de mínimos
quadrados ordinários de pode ser obtido por:
ˆ = ( X`X) −1 X`Y
V( ˆ ) = ( X`X) −1 σ2
Na maioria dos casos, os cálculos para estimação dos parâmetros podem ser
simplificados codificando os níveis das k variáveis independentes Xi por meio de:
2(Xiu − Xi )
x iu = i = 1,2,...,k e u = 1,2,..., N
Ri
N
Em que X i = u =1
X iu / N e R i é a diferença entre o maior e o menor valor dos níveis.
5
Droga (X1)
Tempo (X2) Peso observado
Dosagem (mg kg-1)
0,3 1 5,63
0,3 1 6,42
0,7 1 1,38
0,7 1 1,94
0,3 5 11,57
0,3 5 12,16
0,7 5 5,72
0,7 5 4,69
0,3 9 12,68
0,3 9 13,31
0,7 9 8,28
0,7 9 7,73
2 ( X 2u − X 2 ) 2 ( X 2u − 5 ) X 2u − 5
x 2u = = =
R2 9 −1 4
5,63 1 −1 −1 ε11
6,42 1 −1 −1 ε12
1,38 1 1 −1 ε21
1,94 1 1 −1 ε22
11,57 1 −1 0 ε31
β0
12,16 1 −1 0 ε32
= β1 +
5,72 1 1 0 ε41
3
β2 1
4,64 1 1 0 ε42
12,68 1 −1 1 ε51
13,31 1 −1 1 ε52
8,28 1 1 1 ε61
12
7,73 1 12
1 1 1 3 ε62
12 1
6
ˆ = ( X' X) −1 X' Y
n n
n x 1u x 2u
u =1 u =1 12 0 0
n n n
X' X = x 1u x 2
1u x 1u x 2u = 0 12 0
u =1 u =1 u =1
n n n 0 0 8
2
x 1u x 1u x 2u x 2u
u =1 u =1 u =1
n
Yu
u =1
n
X'Y = Yu x1u
u =1
n
Yu x 2u
u =1
1
0 0
12 91,46 7,62166
ˆ= 0 1
0 − 32,08 = − 2,67333
12
1 26,63 3,32875
0 0
8
Equação ajustada:
Hipóteses:
H0 : 1 = 2 =0
H1 : pelo menos um dos difere de zero
7
Quadro da análise de variância:
FV GL SQ QM F
Regressão 2 174,1380 87,0690 84,28**
Resíduo 9 9,2980 1,0331
Total 11 183,4360
174,1380
R2 = = 0,9493
183,4360
H0 : 1 =0
H1 : 1 ≠0
- 2,67333 - 0
t= = −9,10**
1
(1,0331)
12
H0 : 2 =0
H1 : 2 ≠0
3,32875 − 0
t= = 9,26**
1
(1,0331)
8
**
significativo pelo teste t a 5% de probabilidade.
8
3. Delineamentos Experimentais
Experimentais para Ajuste de
Modelos de Primeira Ordem
Caracteriza-se
se pela Combinação de todos
todo os níveis de todos os fatores
escolhidos
colhidos pelo pesquisador apresentando comoo desvantagem
des um número muito grande
de ensaios. Deste modo, um fatorial completo com p(níveis) e k(fatores) apresenta pk
combinações distintas,
s, se p = k.
k
Exemplo 1: Em
m um ensaio onde se deseja contrastar
rastar temperatura (30, 35, 40), tempo (3,
5, 7) e pH (5, 6, 7) tentando otimizar uma determinada
deter reação química, temos um
fatorial 33, onde k=3 fatores e p=3 níveis. Ao todo serão 27 tratamentos,
tratamentos conforme a
representação gráfica:
3.2. Delineamento
lineamento Composto Central (DCC)
Caracteriza-se
se pela Combinação de um fatorial
fat 2K (k fatores) mais o ponto
central.
ntral. Sua vantagem é a de reduzir o número
ero de ensaios, todavia sua utilização
restringe-se ao ajuste de modelos de primeira ordem.
ordem
Tomando-se
se como ilustração o exemplo da seção 3.1,, o número de tratamentos
ficaria: 23+1 = 9, uma redução de 18 ensaios em relação
rela ao fatorial completo.
9
3.3. Delineamento Composto Central Rotacionado (DCCR)
10
Exemplo 3.
11