Escolar Documentos
Profissional Documentos
Cultura Documentos
^1 = ȳ
τ 1.
− ȳ . . = 70.6 − 71.75 = -1.15
^2 = ȳ
τ 2.
− ȳ . . = 71.4 − 71.75 = -0.35
^3 = ȳ
τ 3.
− ȳ . . = 72.4 − 71.75 = 0.65
^4 = ȳ
τ 4.
− ȳ . . = 72.6 − 71.75 = 0.85
^
β 1 = ȳ .1 − ȳ . . = 73.5 − 71.75 = 1.75
^
β 2 = ȳ .2 − ȳ . . = 68.5 − 71.75 = -3.25
^
β 3 = ȳ .3 − ȳ . . = 75.5 − 71.75 = 3.75
^
β 4 = ȳ .4 − ȳ . . = 72.75 − 71.75 = 1
^
β 5 = ȳ .5 − ȳ . . = 68.5 − 71.75 = -3.25
3 rows
Para os tratamentos, rejeita-se H0 com um valor-p= 0.002543, fixado a um nível de significância α = 5%, ou
seja, há diferença significativa no efeito da distância do objeto do olho no tempo de foco, pelo menos uma
tratamento é distinta dos demais.
Para os blocos, rejeita-se H0 com um valor-p= 0.003548, fixado a um nível de significância α = 5%, ou seja,
há diferença significativa no tempo de foco dos olhos, Isto quer dizer que há necessidade de se utilizar bloco
quando dos próximos experimentos da mesma natureza que este.
verificando normalidade
##
##
## data: residuals(fit)
## Half-normal plot with simulated envelope generated assuming the residuals are
No gráfico acima, nota-se que todos os pontos estão dentro da banda do envelope simulado, indicando que
há evidências que os residuos seguem uma distribuição normal.
Segundo o resultado do teste, aceita-se H0 com um valor-p= 0.3634, nos dando evidências para dizer que os
residuos seguem uma distribuição normal, confirmando o resultado analisado na verificação gráfica.
Verificando independência
##
## Durbin-Watson test
##
## data: fit
Podemos notar que nos gráficos acima apresentam ausência de padrões e os pontos plotados se mantém
aleatórios em torno de zero. Isso são indicios de que os dados são independentes.
No teste de Durbin-Watson, aceita-se H0 com um valor-p= 0.6247, o que indica que há ausência de
autocorrelação.
Verificando a homocedasticidade
##
##
##
##
Pelo boxplot temos aparentemente variâncias aproximadamente semelhantes para os blocos, e para os
tratamentos os boxplot são diferentes.
para os tratamentos (distaânica), Com base no resultdo do quadro acima, aceita-se H0 a um valor-p= 0.6908,
fixado a um nível de significância α = 5%, ou seja, há evidência de que os erros terem variância comum.
para os blocos, para os tratamentos (distaânica), Com base no resultdo do quadro acima, aceita-se H0 a um
valor-p= 0.9034, fixado a um nível de significância α = 5%, ou seja, há evidência de que os erros terem
variância comum.
##
##
## $trat
## $statistics
##
## $parameters
##
## $means
## 10 3.8 1.483240 5 2 6 3 4 4
## 4 6.8 1.788854 5 6 10 6 6 6
## 6 5.2 2.387467 5 1 7 6 6 6
## 8 3.6 1.341641 5 2 5 3 3 5
##
## $comparison
## NULL
##
## $groups
## tempo groups
## 4 6.8 a
## 6 5.2 ab
## 10 3.8 b
## 8 3.6 b
##
## attr(,"class")
## [1] "group"
Podemos verificar que as diferenças do tempo médio de foco para as distâncias 4-8 e 4-10 são significativas,
no grafico podemos visualizar que o tempo médio de foco para as distâncias 4-8 e 4-10 são contém o 0 em
seus intervalos, ou seja, o tempo médio de foco para as distâncias 8 e 10 não se diferenciam entre si, mas se
diferenciam do tempo médio de foco para a distância 4.
concluimos que, a distância tem um efeito estatisticamente significativo no tempo médio do foco.
library(DT)
library(dplyr)
library(knitr)
library(stringr)
library(gdata)
library(pacman)
library(lawstat)
require(asbio)
require(hnp)
Passos necessários.
### Passo 1:
## base utilizada
11,2,7,3,8,
4,9,10,1,5,
6,8,6,6,10,
4,2,3,8,8)
"C","E","A","D","B",
"B","A","C","E","D",
"D","C","E","B","A",
"E","D","B","A","C"
))
"c","e","a","d","b",
"b","a","c","e","d",
"d","c","e","b","a",
"e","d","b","a","c"
))
cbind(str(base),str(Batch),str(Day),str(Ingredientes),str(trat_Batch))
## NULL
Análise de Variância
Para saber se as médias diferem precisamos fazer a Análise de Variância (ANOVA). Uma vez que a hipótese
nula H0 é dada por:
H 0 = μ1 = μ2 = μ3 =. . . = μj
### Passo 2:
# obtendo valor de F
summary(anova)
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
### Passo 3:
## [1] 3.259167
# quando F > Fcrítico rejeitamos H0 e passamos a aceitar a hipótese alternativa H1, e quando
F < Fcrítico não podemos rejeitar H0.
## [1] TRUE
## [1] FALSE
## [1] FALSE
### Passo 4:
# analise de residuos
anova$res
## 1 2 3 4 5 6 7 8 9 10 11 12 13
## -0.44 2.36 -1.24 -0.24 -0.44 1.16 -1.24 -1.24 0.16 1.16 -2.24 0.96 1.76
## 14 15 16 17 18 19 20 21 22 23 24 25
## -1.24 0.76 0.56 -1.84 1.96 -0.04 -0.64 0.96 -0.24 -1.24 1.36 -0.84
residuals(anova)
## 1 2 3 4 5 6 7 8 9 10 11 12 13
## -0.44 2.36 -1.24 -0.24 -0.44 1.16 -1.24 -1.24 0.16 1.16 -2.24 0.96 1.76
## 14 15 16 17 18 19 20 21 22 23 24 25
## -1.24 0.76 0.56 -1.84 1.96 -0.04 -0.64 0.96 -0.24 -1.24 1.36 -0.84
# residuos padronizados
s2 <- anova(anova)$Mean[4]
res_st<-res/sqrt(s2)
res_st
## 1 2 3 4 5 6
## 7 8 9 10 11 12
## 13 14 15 16 17 18
## 19 20 21 22 23 24
## 25
## -0.47504909
hnp(anova)
O distanciamento dos residuos é pequeno e permanece quase em sua totalidade dentro das bandas,
apresentando indicios de normalidade, entretanto para confirmação aplica-se o teste de normalidade.
Teste de Normalidade
A hipótese nula H0 é dada por:
### Passo 4:
#Teste Shapiro-Wilk
shapiro.test(res)
##
##
## data: res
Com p-value = 0,5476, não se rejeita a hipótese de normalidade dos erros, ao nível de 5% de significância.
Comparação de Médias
file:///C:/Users/alexb/OneDrive/Área de Trabalho/materias/planejamento e experimento/p2.html 13/23
17/10/2021 18:30 2º Avaliação Parcial de Planejamento e Experimento
### Passo 5:
##
##
## $Ingredientes
##
## $Batch
##
## $Day
Passo 6:
O resultado da anova dá-se por dois resultados que necessitamos, primeiro para os ingredientes com de F
igual a 11,309 e por seguinte os graus de liberdade que são respectivamente, 4 e 12. Em seguida calculamos
o valor do F critico, que se encontra no valor de 3,259. A partir disso, verificamos o valor de F e F critico para
chegarmos a uma conclusao. Dessa forma, visto que F é maior que 3,259, rejeitamos H0 em um nível de
Por seguinte, pretende-se identificar quais ingredientes diferem significativamente entre si, para isso
utilizamos o teste de Tukey. No mesmo quando p < α podemos afirmar que as médias diferem ao nível de
significância de α, que será fixado pelo usuário. No caso desta questão, α = 0,05.Em contrapartida se p > α ,
não podemos afirmar que as médias diferem. Dessa forma, podemos afirmar que E-A, D-C e E-C as médias
são significativamente diferentes.
Passos necessários.
### Passo 1:
## base utilizada
18,21,18,11,21,
20,12,16,25,13,
15,15,22,14,17,
10,24,17,17,14)
"B","C","D","E","A",
"C","D","E","A","B",
"D","E","A","B","C",
"E","A","B","C","D"
))
"c","d","e","a","b",
"e","a","b","c","d",
"b","c","d","e","a",
"d","e","a","b","c"
))
cbind(str(produto),str(lote),str(acido),str(tempo),str(catalisador))
## NULL
Análise de Variância
Para saber se as médias diferem precisamos fazer a Análise de Variância (ANOVA). Uma vez que a hipótese
nula H0 é dada por:
H 0 = μ1 = μ2 = μ3 =. . . = μj
### Passo 2:
# obtendo valor de F
summary(anova)
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
### Passo 3:
## [1] 3.837853
# quando F > Fcrítico rejeitamos H0 e passamos a aceitar a hipótese alternativa H1, e quando
F < Fcrítico não podemos rejeitar H0.
## [1] TRUE
## [1] FALSE
## [1] FALSE
## [1] FALSE
### Passo 4:
# analise de residuos
anova$res
## 1 2 3 4 5
## 6 7 8 9 10
## 11 12 13 14 15
## 16 17 18 19 20
## 21 22 23 24 25
residuals(anova)
## 1 2 3 4 5
## 6 7 8 9 10
## 11 12 13 14 15
## 16 17 18 19 20
## 21 22 23 24 25
# residuos padronizados
s2 <- anova(anova)$Mean[4]
res_st<-res/sqrt(s2)
res_st
## 1 2 3 4 5
## 6 7 8 9 10
## 11 12 13 14 15
## 16 17 18 19 20
## 21 22 23 24 25
hnp(anova)
O distanciamento dos residuos é pequeno e encontram-se quase todos dentro das bandas de confiança,
apresentando indicios de normalidade, entretanto para confirmação aplica-se o teste de normalidade.
Teste de Normalidade
A hipótese nula H0 é dada por:
### Passo 4:
#Teste Shapiro-Wilk
shapiro.test(res)
##
##
## data: res
Com p-value = 0,2167, não se rejeita a hipótese de normalidade dos erros, ao nível de 5% de significância.
Comparação de Médias
file:///C:/Users/alexb/OneDrive/Área de Trabalho/materias/planejamento e experimento/p2.html 20/23
17/10/2021 18:30 2º Avaliação Parcial de Planejamento e Experimento
### Passo 5:
##
##
## $tempo
##
## $catalisador
##
## $lote
##
## $acido
Passo 6:
O resultado da anova dá-se por dois resultados que necessitamos, primeiro para o tempo com de F igual a
14,650 e por seguinte os graus de liberdade que são respectivamente, 4 e 8. Em seguida calculamos o valor
do F critico, que se encontra no valor de 3,837. A partir disso, verificamos o valor de F e F critico para
chegarmos a uma conclusao. Dessa forma, visto que F é maior que 3,837, rejeitamos H0 em um nível de
confiança de 95% e concluímos que existe diferença significativa entre os tempos A, B, C, D e E, em relação
as demais variaveis. Por seguinte para o catalisador com F igual a 0,513 e graus de liberdade iguais 4 e 8.
Em seguida calculamos o valor do F critico, que se encontra no valor de 3,837. Dessa forma, visto que F é
menor que 3,837, aceitamos H0 em um nível de confiança de 95% e concluímos que não existe diferença
significativa entre o catalisador e o tempo de reação. Por seguinte, para o lote com F igual a 0,427 e graus de
liberdade iguais 4 e 8. Em seguida calculamos o valor do F critico, que se encontra no valor de 3,837. Dessa
forma, visto que F é menor que 3,837, aceitamos H0 em um nível de confiança de 95% e concluímos que não
existe diferença significativa entre os lotes e o tempo de reação. Por fim, para os acidos com F igual a 1,043 e
graus de liberdade iguais 4 e 8. Em seguida calculamos o valor do F critico, que se encontra no valor de
3,837. Dessa forma, visto que F é menor que 3,837, aceitamos H0 em um nível de confiança de 95% e
concluímos que não existe diferença significativa entre os acidos e o tempo de reação.
Por seguinte, pretende-se identificar quais tempos diferem significativamente entre si, para isso utilizamos o
teste de Tukey. No mesmo quando α podemos afirmar que as médias diferem ao nível de significância de α ,
que será fixado pelo usuário. No caso desta questão, α = 0,05.Em contrapartida se p > α, não podemos
afirmar que as médias diferem. Dessa forma, podemos afirmar que E-A e D-A as médias são
significativamente diferentes.