Você está na página 1de 12

Experimentos Fatoriais

89

1. EXPERIMENTOS FATORIAIS. Nos experimentos mais simples comparamos tratamentos ou níveis de um único fator, considerando que todos os demais fatores que possam interferir nos resultados obtidos se mantenham constantes. Por exemplo: quando comparamos tipos de drogas em animais experimentais, os demais fatores, como raça, idade, sexo etc. se mantêm constantes, isto é, devem ser os mesmos para todas as drogas estudadas. Entretanto, existem diversos casos em que vários fatores devem ser estudados simultaneamente. Nesses casos, utilizamo-nos dos experimentos fatoriais, que “são aqueles nos quais são estudados, ao mesmo tempo, os efeitos de dois ou mais tipos de fatores ou tratamentos”. Entenda-se por fator “uma variável independente cujos valores (níveis do fator) são controlados pelo experimentador”. Cada subdivisão de um fator é denominada de nível do fator e os tratamentos nos experimentos fatoriais consistem de todas as combinações possíveis entre os diversos fatores nos seus diferentes níveis. Por exemplo: num experimento fatorial podemos combinar 2 doses de um antibiótico com 3 diferentes níveis de vitamina B 12 . Neste caso teremos um fatorial 2 x 3, com os fatores Antibióticos (A) e Vitamina (V), que ocorrem em 2 níveis (A 1 e A 2 ) e 3 níveis (V 1 , V 2 e V 3 ), respectivamente, e os 2 x 3 = 6 tratamentos são:

A 1 V 1 A 1 V 2 A 1 V 3 A 2 V 1 A 2 V 2 A 2 V 3

Outro exemplo: num experimento fatorial 3 x 2 podemos combinar 3 Doses de uma

droga (D 1 , D 2 e D 3 ), 2 Idades

(I1 e I2) e teremos 3x2 = 6 tratamentos, que resultam

de todas as combinações possíveis dos níveis dos 3 fatores, ou seja,

D 1 I 1 D 1 I 2 D 2 I 1 D 2 I 2 D 3 I 1 D 3 I 2 Os experimentos fatoriais não constituem um delineamento experimental e sim um esquema orientado de desdobramento de graus de liberdade de tratamentos e podem ser instalados em qualquer um dos delineamentos experimentais já estudados (DIC, DBC e DQL, por exemplo). Em um experimento fatorial nos podemos estudar não somente os efeitos dos fatores individuais, mas também, se o experimento foi bem conduzido, a interação entre os fatores. Para ilustrar o conceito de interação vamos considerar os seguinte exemplo:

Suponha que as médias dos 3 x 2 = 6 tratamentos deste último exemplo são apresentadas na tabela abaixo:

 

Fator B - Idade

 

Fator A- Dose da Droga

I

0

I

1

D

0

5

 

10

D

1

10

 

15

D

2

15

25

Estatística Experimental

Experimentos Fatoriais

90

26 Idade - Fator B 24 b 1 22 20 b 0 18 16 14 12
26
Idade - Fator B
24
b 1
22
20
b 0
18
16
14
12
10
8
6
4
0
1
2
Tempo de redução
(milisegundos)

Doses da droga - Fator A

26 Doses da Droga - Fator A a 2 24 22 20 18 16 a 1
26
Doses da Droga - Fator A
a
2
24
22
20
18
16
a
1
14
12
a
10
0
8
6
4
0
1
Tempo de redução
(milisegundos)

Idade- Fator B

Os seguintes aspectos importantes dos dados na Tabela acima devem ser destacados:

Para ambos os níveis do fator B a diferença entre as médias para quaisquer níveis do fator A é a mesma; Para todos os níveis do fator A a diferença entre as médias para os dois níveis de B é a mesma; Uma terceira característica é notada por meio do gráfico. Notamos que as curvas correspondentes aos diferentes níveis de um fator são todas paralelas. Quando os dados da população possuem estas três características listadas acima, dizemos que não existe interação presente entre os fatores. A presença de interação entre os fatores pode afetar as características dos dados de várias formas dependendo da natureza da interação. Vamos ilustrar o efeito de um tipo de interação modificando os dados da tabela apresentada anteriormente

 

Fator B - Idade

 

Fator A- Dose da Droga

I

0

I

1

D

0

5

 

15

D

1

10

 

10

D

2

20

5

Os seguintes aspectos importantes dos dados na Tabela acima devem ser destacados:

A diferença entre as médias para qualquer dos dois níveis de A não é a

mesma para ambos os níveis de B; A diferença entre as médias para ambos os níveis do fator B não é o mesmo

nos níveis do fator A; As curvas dos fatores não são paralelas, como é mostrado nos gráficos abaixo;

Estatística Experimental

Experimentos Fatoriais

91

22 20 Idade - Fator B b 0 18 16 14 12 10 8 6 b
22
20
Idade - Fator B
b 0
18
16
14
12
10
8
6
b 1
4
1
2
3
Tempo de redução
(milisegundos)

Doses da droga - Fator A

22 20 18 Doses da Droga - Fator A 16 a 0 14 12 a 1
22
20
18
Doses da Droga - Fator A
16
a 0
14
12
a 1
10
8
6
a 2
4
0
1
Tempo de redução
(milisegundos)

Idade - Fator B

Quando os dados da população exibem as características exibidas acima, dizemos que existe interação presente entre os dois fatores. Enfatizamos que o tipo de interação ilustrada acima é somente uma das dos muitos tipos de interação que podem ocorrer entre dois fatores. Em resumo, podemos afirmar que “existe interação entre dois fatores se uma modificação em um dos fatores produz uma modificação na resposta em um dos níveis do outro fator diferente dos produzidos nos outros níveis deste fator”.

As vantagens de um experimento fatorial são:

A interação dos fatores pode ser estudada;

Existe uma economia de tempo e de esforço.

Nos experimentos fatoriais todas as observações podem ser usadas para estudar o efeito de cada um dos fatores investigados. A alternativa, quando dois fatores são investigados, seria o de conduzir dois diferentes experimentos, cada um para estudar cada um dos dois fatores. Se isto é feito, as observações somente produzirão informações sobre um dos fatores, e o outro experimento somente fornecerá informação sobre o outro fator. Para se obter o nível de precisão dos experimentos fatoriais, mais unidades experimentais seriam necessárias se os fatores fossem estudados por meio de dois experimentos. Isto mostra que 1 experimento com dois fatores é mais econômico que 2 experimentos com 1 fator. Visto que os vários fatores são combinados em um experimento, os resultados têm uma grande amplitude de aplicação.

2. DEFINIÇÕES INICIAIS. Consideremos um experimento fatorial 2x2, com os fatores, Antibiótico (A) e Vitamina B 12 (B) nos níveis: a 0 (sem antibiótico) e a 1 (com antibiótico); b 0 (sem Vitamina B 12 ) e b 1 (com vitamina B 12 ), respectivamente, adicionados a uma dieta básica e os seguintes resultados de ganho de peso (g) para os 2x2 = 4 tratamentos:

 

Fator B – Vitamina B 12

 

Fator A- Dose do antibiótico

b 0

b 1

Totais

a 0

14

23

37

a 1

32

53

85

Totais

46

76

122

Graficamente temos:

Estatística Experimental

Experimentos Fatoriais

92

Experimentos Fatoriais 92 Definições: • • • • • EFEITO SIMPLES DE UM FATOR: como a

Definições:

EFEITO SIMPLES DE UM FATOR: como a medida da variação que ocorre com a característica em estudo (ganho de peso, neste exemplo) correspondente às variações nos níveis desse fator, em cada um dos níveis do outro fator. Efeito simples do antibiótico no nível 0 de vitamina B 12 :

A

(

dentro de b

0

)

====

a b

1

0

−−−−

a b

0

0

====

32

−−−−

14

====

18

Efeito simples do antibiótico no nível 1 de vitamina B 12 :

A

(

dentro de b

1

)

====

a b

1

1

−−−−

a b

0

1

====

53

−−−−

23

====

30

Efeito simples da vitamina B 12 no nível 0 de antibiótico :

B

(

dentro de a

0

)

====

a b

0

1

−−−−

a b

0

0

====

23

−−−−

14

====

19

Efeito simples da vitamina B 12 no nível 1 de antibiótico :

B

(

dentro de a

1

)

====

a b

1

1

−−−−

a b

0

0

====

53

−−−−

32

====

21

EFEITO PRINCIPAL DE UM FATOR: é uma medida da variação que ocorre com a característica em estudo, correspondente às variações nos níveis desse fator, em média, de todos os níveis do outro fator.

Efeito principal de A ====

A

(

dentro de b

0

)

++++

A

(

dentro de b

1

)

2

====

18

++++

30

2

==== 24

Efeito principal de B ====

B

(

dentro de a

0

)

++++

B

(

dentro de a

1

)

2

====

9

++++

21

2

==== 15

EFEITO DA INTERAÇÃO ENTRE OS DOIS FATORES: é uma medida da variação que ocorre com a característica em estudo, correspondente às variações nos níveis de um fator, ao passar de um nível a outro do outro fator.

Estatística Experimental

Experimentos Fatoriais

93

Efeito

da

int

Efeito da

int

eração Ax B ====

A

(

dentro de b

1

)

−−−−

A

(

dentro de b

0

)

30

−−−−

18

,
2 2

====

==== 6

ou ainda ,

eração deB x A ====

B (
B
(

dentro de a

1

)

−−−− B

(

dentro de a

0

)

2

====

21

−−−−

9

2

==== 6 ,

isto é, tanto faz calcular a interação A x B como a interação B x A

As principais desvantagens dos experimentos fatoriais são:

O número de tratamentos aumenta muito com o aumento do número de

níveis e de fatores, tornando praticamente impossível distribuí-los em blocos casualizados, devido à exigência de homogeneidade das parcelas dentro de cada bloco. A análise estatística é mais trabalhosa (efeitos principais e interação de todos os fatores) e a interpretação dos resultados se torna mais difícil à medida que aumentamos o número de níveis e de fatores no experimento.

2.

O MODELO MATEMÁTICO O modelo de um experimento fatorial com dois

 

fatores, num delineamento inteiramente casualizado com r repetições, pode ser

 

escrito como:

 

Sendo:

 

y

ijk

==== µ ++++α

i

++++ β

j

++++ (αβ )

ij

++++ ε

ijk

 

y

ij

é a k

−−−−

ésima resposta que recebeu o i

−−−−

ésimo nível dofator

α

e o

j

−−−−

ésimo

 

nível do fator

β ;

 
 

µ é uma cons tante( média ) comum a todas as observações;

 

α

i

é o efeito do i

−−−−

ésimo nível do fator

α

com i

====

1,...,a;

β

j

é o efeito do

j

−−−−

ésimo nível do fator

β

com j

====

1,...,b;

αβ

ij

é o efeito da

int

eração do i

−−−−

ésimo nível do fator

α

com o efeito do

 
 

j

−−−−

ésimo nível do fator

β

;

 

ε

ijk

é o erro

exp

erimental associado à observação y

ijk

com k

====

1

,...,

r

3.

SUPOSIÇÕES DO MODELO. As suposições associadas ao modelo; As observações de cada célula ab constituem uma amostra aleatória de tamanho r retirada de uma população definida pela particular combinação dos níveis dos dois fatores;

 

Cada uma das ab populações é normalmente distribuída; Todas as populações têm a mesma variância;

ε

ijk

~

N

(

o σ

,

2

)

;

e os parâmetros

α

i

,

β

j

e

(

αβ

)

ij

satisfazem as condições

a

∑∑∑∑

i

====

1

α

i

====

b

∑∑∑∑

j

====

1

β

j

====

0 e

a

∑∑∑∑

i

====

1

αβ

(

)

ij

====

b

∑∑∑∑

j

====

1

(

αβ

)

ij

====

0

.

Vale observar que “a” é o número de níveis do fator A, “b” é o número de níveis do fator B e “r” é o número de repetições de cada um dos “ab” tratamentos. No total temos “abr” unidades experimentais.

Estatística Experimental

Experimentos Fatoriais

94

  • 4. HIPÓTESES ESTATÍSTICAS. As seguintes hipóteses podem ser testadas nos

experimentos fatoriais.

A hipótese de que não existe ou existe interação AB é equivalente às

hipóteses H

0 AB

: (αβ )

ij

====

0

vs

H

1AB

: (αβ )

ij

≠≠≠≠

0 com i

====

1

,...,

a e

j

====

1

,...,

b

;

De maneira análoga as hipóteses de que não existe efeito principal do fator

A e B é a mesma que as hipóteses

H

0A

:

α

i

====

0

vs

H

1A

:

α

i

≠≠≠≠

0 com i

====

1

,...,

a

H

0B

:

β

j

====

0

vs

H

1B

respectivamente.

:

β

j

≠≠≠≠

0 com

j

====

1

,...,

b

,

  • 5. DETALHES COMPUTACIONAIS. Apresentaremos alguns passos que facilitam

os cálculos das somas de quadrados da ANOVA.

Soma de Quadrados do Total (SQT)

SQT

====

r

a

b

∑∑∑∑∑∑∑∑∑∑∑∑

k

====

1

i

====

1

j

====

1

2

Y

ijk

−−−−

(

Y

++++++++++++

)

2

abr

, sendo CM

====

(

Y

++++++++++++

)

2

abr

;

Soma de Quadrados do fator A, SQ(A)

SQ A

(

)

====

1

br

∑∑∑∑

2

Y

i ++++++++

−−−−

CM

;

Soma de Quadrados do fator, B SQ(B)

SQ

(

B

)

====

1

ar

∑∑∑∑

2

Y

++++

j

++++

−−−−

CM

;

Soma de Quadrados da interação AxB, SQ(AxB)=SQ(A,B)-SQ(A)-SQ(B) ou

SQ AxB

(

) ====

1

r

a

b

∑∑∑∑ ∑∑∑∑

2

Y

ij ++++

i

====

1

j

====

1

====

1

−−−−

CM

, sendo a SQ(A,B) a soma de quadrado

conjunta, que nos fatoriais com dois fatores é igual à SQTr;

Soma de Quadrados do Resíduo (SQR) SQR=SQT-SQ(A)-SQ(B)-SQ(AxB)

ou

SQR

====

r

a

b

∑∑∑∑∑∑∑∑∑∑∑∑

k

====

1

i

====

1

j

====

1

2

Y

ijk

−−−−

r

∑∑∑∑

k

====

1

2

Y

ij ++++

  • 6. QUADRO DA ANOVA. Calculadas as SQ podemos montar o seguinte Quadro

da ANOVA:

Fonte

de variação

gl

SQ

QM

F

Fator A Fator B Int A xB

a-1

b-1

(a-1)(b-1)

SQ(A)

SQ(B)

SQ(AxB)

QM(A)=SQ(A)/(a-1)

QM(B)=SQ(B)/(b-1)

QM(A)=SQ(AxB)/(a-1)(b-1)

QM(A)/QMR

QM(B)/QMR

QM(AxB)/QMR

Tratamentos

ab-1

SQTr

QMTr=SQTr/ab-1

QMTr/QMR

Resíduo

ab(r-1)

SQR

QMR+SQR/ab(r-1)

TOTAL

abr-1

SQT

Estatística Experimental

Experimentos Fatoriais

95

7. ESTATÍSTICA E REGIÃO CRÍTICA DO TESTE. As estatísticas para os testes F

da ANOVA são

F cA

====

QM A

(

)

QMR

, F

cB

====

QM B

(

)

QMR

e F

cAB

====

QM AxB

(

)

QMR

,

a qual, deve ser próximo de 1 se H 0 for verdadeira, enquanto que valores grandes

dessa estatística são uma indicação de que H 0 é falsa. A teoria nos assegura que

F cA tem, sob H 0 distribuição F – Snedecor com (a -1) e ab(r-1)) graus de liberdade

no numerador e no denominador, respectivamente. Resumidamente, indicamos:

F

cA

~ F

(

a

−−−−

1

,

ab

(

r

−−−−

1

),α )

, sob H

0

.

Rejeitamos H 0 para o nível de significância α se

sendo,

F

( a

−−−−

1, ab( r

−−−−

1 ),α )

F

cA

>>>>

F

( a

−−−−

1, ab( r

−−−−

1 ),α )

,

o quantil de ordem (1 α ) da distribuição F-Snedecor com

(a -1) e ab(r-1) graus de liberdade no numerador e no denominador

De modo análogo temos F cB . Para a interação A x B a

F

cAB

~ F

(

(

a

−−−−

1

)(

b

−−−−

1

)

,

ab

(

r

−−−−

1

),α )

, sob H

0

e rejeitamos H 0 para o nível de significância α se

sendo,

F

( ( a

−−−−

1)( b

−−−−

1) ,

ab( r

−−−−

1),α )

F

cAB

>>>>

F (
F
(

( a

−−−−

1 )(

b

−−−−

1

)

,

ab( r

−−−−

1),α )

,

,

o quantil de ordem (1 α ) da distribuição F-Snedecor

com (a -1)(b-1) e ab(r-1) graus de liberdade no numerador e no denominador

respectivamente.

8. EXEMPLO 1: considere o esquema fatorial 2 x 2 ( dois níveis de antibiótico, dois

níveis de vitamina B 12 ) para estudar o aumento de peso (Kg) diário em suínos.

a 0 – sem antibiótico; a 1 – com 40 µg de antibiótico

b 0 – sem vitamina B 12 ; b 1 – com 5 mg de vitamina B 12

 

a 0

 

a 1

Repetição

b 0

b 1

b 0

b 1

 
  • 1 1,26

1,30

 

1,05

1,52

 
  • 2 1,21

1,19

 

1,00

1,56

 
  • 3 1,19

1,08

 

1,05

1,55

Totais

3,57

3,66

3,10

4,63

OBS: neste caso o delineamento experimental foi o inteiramente casualizado com

os tratamentos num esquema fatorial 2 x 2, com 3 repetições

Outra forma de apresentação dos dados

Trat.

 

Repetição

Totais

a 0 b

0

1

0

1,30

1,19

1,08

3,57

a 0 b

1,26

1,21

1,19

3,66

a 1 b

1,05

1,00

1,05

3,10

a 2 b 2

1,52

1,56

1,55

4,63

Estatística Experimental

Calculo das Soma de Quadrados:

Experimentos Fatoriais

96

SQT

 

(

1 30

,

2

++++

 

++++

1 55

,

2

)

   

(

1 30

,

++++

...

++++

1 55

,

)

2

(

14 96

,

)

2

==== 0 4418

;

====

...

−−−−

(

2

)(

2

)(

3

)

====

,
12

SQTr ====

3 57

,

2

3

,

61

2

3 10

,

2

4 63

,

2

(

14 96

,

)

2

 

==== 0 4124

,

;

 

3

++++

3

++++

3

++++

3

−−−−

(

2

)(

2

)(

3

)

SQR

====

SQT

−−−−

SQTr

====

0 4418

,

−−−−

0 4124

,

====

0 0294

,

,

 

e então, podemos construir um primeiro quadro de análise de variância:

Fonte

de variação

gl

SQ

QM

F

Tratamentos

3

0,4124

0,137

34,25

Resíduo

8

0,0294

0,004

TOTAL

11

0,4418

Como F

(

3 8

,

;

0 01

.

) ====

7 59 podemos concluir que pelo menos duas médias de

,

tratamentos diferem significativamente (p<0,01) entre si quanto ao ganho de peso

diário de suínos. A continuação da análise pode envolver a comparação das

médias dos tratamentos por meio de um dos procedimentos de comparações

múltiplas conhecidos, como os testes de Tukey, Duncan, t-Student, Scheffé etc.

Uma alternativa de análise mais simples e mais informativa, está baseada no

esquema fatorial dos tratamentos. Utilizando o quadro com os totais das

combinações dos níveis dos fatores A e B e as fórmulas apresentadas

anteriormente, podemos construir um novo quadro de análise de variância que

permitirá testar se existe interação entre os dois fatores e se cada um dos fatores

tem efeito significativo sobre o desenvolvimento dos suínos.

Quadro auxiliar com os totais das combinações dos níveis de antibióticos (a 0 , a 1 )e

vitamina B 12

   

b 0

b 1

Totais

a 0

3.57

3,66

7,23

a 1

3,10

4,63

7,73

Totais

6,67

8,29

14,96

Assim,

SQ A

(

) ====

 

7

,

23

2

7 73

,

2

 

14 96

,

2

==== 0 , 02097

;

 
 

2

.(

3

)

++++

2

.(

3

)

−−−−

4

.(

3

)

SQ

(

B

) ====

6

,

67

8

,

29

2

14 96

,

2

 

==== 0 , 21883

 

SQ AxB

(

)

2

(

3

)

++++

2

(

====

0 4124

,

3

−−−−

)

−−−−

4

(

3

)

0 02097

,

−−−−

 

0 21883

,

====

;

0 1723

,

.

Vale observar que: SQTr = SQ(A) + SQ(B) + SQ(AxB) e que as somas de

quadrados associadas ao total e ao resíduo permanecem inalteradas.

Estatística Experimental

O novo quadro da ANOVA fica:

Experimentos Fatoriais

97

Fonte

de variação

gl

SQ

QM

F

Antibótico (A)

1

0,02097

0,02097

5,71

Vitamina B 12 (B)

1

0,21883

0,21883

59,62

Int. AxB

1

0,1723

0,1723

48,12

Tratamentos

(3)

0,4124

0,137

34,25

Resíduo

8

0,0294

0,00367

TOTAL

11

0,4418

Da tabela apropriada, temos F (3, 8; 0,01) = 7,59; F (1, 8, 0,05) = 5,32 ; F (1, 8 ; 0,01) = 11,26

Comparando os valores calculados das estatísticas F, podemos concluir que:

o teste para a interação

efeito

da

vitamina

B 12

AxB foi significativo (p < 0,01), indicando que o

na

presença

ou

ausência

de

antibiótico

é

significativamente diferente.

1.6 Níveis de antibiótico a 1 1.5 1.4 1.3 a 0 1.2 1.1 1.0 b0 b1
1.6
Níveis de antibiótico
a 1
1.5
1.4
1.3
a 0
1.2
1.1
1.0
b0
b1
Peso diário (Kg)

Niveis de vitamina B 12

Gráfico das médias de ganho de peso dos níveis de vitamina B 12 por nível de antibiótico

Como a interação AxB resultou significativa (veja o gráfico apresentado acima), as

interpretações dos testes dos efeitos simples de Antibiótico (A) e de Vitamina B 12

(B) perdem o significado. Precisamos estudar a interação fazendo os seguintes

desdobramentos:

a) Desdobramento da interação AxB para estudar o comportamento dos fator A

dentro de cada nível de vitamina B 12 (b 0 e b 1 ) :

SQ A

(

dentro de b

0

)

====

1

r

(

2

Y

11 ++++

++++

2

Y

21

++++

)

−−−−

2

Y

++++++++++++

2

(

r

)

====

====

1

3

(

3 57

,

2

++++

3 10

,

2

)

−−−−

(

6 67

,

)

2

2

(

3

)

==== 0 0368

,

Estatística Experimental

SQ A

(

dentro de b

1

)

====

1

r

(

2

Y

12 ++++

++++

2

Y

22

++++

)

−−−−

2

Y

++++++++++++

2

(

r

)

====

====

1

3

(

3 66

,

2

++++

4 63

,

2

)

−−−−

(

8 29

,

)

2

2

(

3

)

==== 0 1568

,

,

Experimentos Fatoriais

98

Assim, monta-se a seguinte análise de variância do desdobramento dos graus de

liberdade da interação A x B para se estudar o efeito do antibiótico no ganho de

peso diário de suínos na ausência e na presença da vitamina B 12 .

F.V.

G.L.

S.Q.

Q.M.

F

A

dentro de b

0

1

0,0368

0,0368

10,03

A

dentro de b

1

1

0,1568

0,1568

42,73

Residuo

8

0,0294

0,00367

A linha do resíduo é a mesma da ANOVA anterior.

Comparando os valores calculados da estatística F com o valor tabelado

F

(

1 8

,

;

0 05

,

)

====

5 32 e F

,

(

1 8

,

;

0 01

,

)

==== 11 3

,

, conclui-se que o efeito do fator antibiótico no

peso diário de suínos no nível b 0 de vitamina B 12 é significativo (p<0,05) e

significativo (p<0,01) no nível b 1 da vitamina B 12 . Ou então, que:

Quando se utiliza a dose b 0 de vitamina B 12 existe uma diferença no peso

diário dos suínos. A estimativa desta diferença é dado por

A

( dentro

de b

0

) ====

a b

1

0

−−−−

a

0

b

0

====

3 10

,

−−−−

3 57

,

==== −−−−

0 47

,

Kg

,

E ela é significativa pelo teste F da ANOVA do desdobramento, indicando

que somente o efeito somente do antibiótico prejudica o peso diário dos

suínos.

Quando se utiliza a dose b 1 de vitamina B 12 existe uma diferença no peso

diário dos suínos. A estimativa desta diferença é dada por

A

(

dentro de b

1

) ====

a b

1

1

−−−−

a b

0

1

====

4 63

,

−−−−

3 66

,

====

0 97

,

Kg

E ela é significativa pelo teste F da ANOVA do desdobramento, indicando

que a combinação dos níveis a1 do antibiótico e b1 da vitamina B 12 favorece

o peso diário dos suínos.

a) Desdobramento da interação AxB para estudar o comportamento dos fator B

dentro de cada nível de antibiótico A (a 0 e a 1 ) (preencher os espaços)

SQ

(

B

dentro

de a

0

)

====

1

r

2

( Y

11

++++

++++

====

1

3

(

SQ

(

B

dentro

de a

1

)

====

1

r

2

( Y

21

++++

++++

====

1

3

(

 

2

Y

2

++++

)

 

Y

++++++++++++

 

−−−−

====

12

 

2

(

r

)

)

−−−−

(

)

2

====

 

2

Y

2

++++

)

 

Y

++++++++++++

 

−−−−

====

22

 

2

(

r

)

)

−−−−

(

)

2

====

Estatística Experimental

Experimentos Fatoriais

99

Assim, monta-se a seguinte análise de variância do desdobramento dos graus de

liberdade da interação A x B para se estudar o efeito da vitamina B 12 no ganho de

peso diário de suínos na ausência e na presença de antibiótico:

F.V.

G.L.

S.Q.

Q.M.

F

B

dentro de a

0

B

dentro

de a

1

Residuo

Concluir como no desdobramento anterior

Podemos comparar as médias de peso diário de suínos dos antibióticos , para cada

uma dos níveis de vitamina B 12 , utilizando o Teste de Tukey (a = 5%). Para tanto,

calculamos:

dms

====

q

(

a

,

gl do resíduo

:

0 05

,

)

QMR r
QMR
r

====

q

(

2

,

8

;

0 05

,

)

QMR 3
QMR
3

====

3 26

,

0,00367 3
0,00367
3

==== 0 1140

,

.

Quadro auxiliar com as médias dos antibióticos para cada um dos níveis da

vitamina B 12 ,

 

b 0

b 1

a 0

3.57 A

3,66 A

a 1

3,10 B

4,63 B

Obs.: médias seguidas pelas mesmas letras maiúsculas, nas colunas, não diferem entre si a 5% de probabilidade, pelo Teste de Tukey

Estatística Experimental

Experimentos Fatoriais 100

(fazer como exercício o teste de Tukey a 5%, para as linhas)

Notação geral dos totais de um esquema fatorial 2 x 2 organizados em uma tabela

2x2, do tipo:

(r)

b 0

b 1

Totais

a 0

Y

11++++

Y

12++++

Y

1++++++++

a 1

Y

21++++

Y

22++++

Y

2++++++++

TOTAL

Y

++++1++++

Y

++++2 ++++

Y

++++++++++++

As fórmulas das Soma de Quadrados podem ser escritas de uma forma geral:

Bibliografia básica:

 

2

Y

++++++++++++

 

SQT

 

(

2

 

2

Y

222

)

−−−−

 

====

Y

++++

...

++++

 
 

111

   

(

a

)(

b

)(

r

)

SQTr ====

1

2

2

2

2

(

Y

++++++++++++

)

2

 
 

(

Y

11 ++++

++++

Y

12

++++

++++

Y

21

++++

++++

Y

22

++++

)

−−−−

 

r

 

(

a

)(

b

)(

r

)

SQ A

(

)

====

1

(

2

Y

1 ++++++++

++++

2

Y

2

)

−−−−

(

Y

++++++++++++

)

2

 

2r

 

++++++++

(

a

)(

b

)(

r

)

1

2

2

(

Y

++++++++++++

)

2

SQ

(

B

)

====

 

(

Y

++++

1

++++

++++

Y

++++

2

++++

)

−−−−

;

 

2r

 

(

a

)(

b

)(

r

)

SQ

(

Ax B

)

====

SQTr

−−−−

SQ A

(

)

−−−−

SQ

(

B

)

 

;

VIEIRA, S. Estatística experimental. 2.ed. São Paulo: Atlas: 1999. 185p.

SAMPAIO, I.B.M. Estatística aplicada à experimentação animal. Belo

Horizonte: Fundação de Ensino e Pesquisa em Medicina Veterinária e

Zootecnia, 1998. 221p.

STEEL, R.G.D., TORRIE, J.H. Principles and procedures of statistics. 2.ed.

Nova York: McGraw-Hill Book Company, 1981. 633p.

GILL, J.L. Design and analysis of experiments in the animal and medical

sciences. Ames: The Iowa University Press, 1978. Vol.1 e Vol.2

MEAD, R. The designs of experiments. 2.ed. Cambridge: University Press.

1994. 620p.

LIMA, C. G. Apostila de notas de aulas. Faculdade de Zootecnia e

Engenharia de Alimentos. Departamento de Ciências Básicas. USP,

Pirassununga – SP.

RAO, P. V. Statistical Research methods in the life science. ITP. USA. 1997.

889 p.

Estatística Experimental