1

LUCAS ANTÔNIO VIEIRA DE MEDEIROS

LISTA 07:

Planejamento Fatorial Fracionário

GOIÂNIA
2022
 2

LUCAS ANTÔNIO VIEIRA DE MEDEIROS

LISTA 07:

Planejamento Fatorial Fracionário

Atividade apresentada a disciplina de

Planejamento Experimental da
Universidade Federal de Goiás.

Orientador: Marlipe Garcia Fagundes

Neto

GOIÂNIA
2022
 3

SUMÁRIO

1. Questão 01 ............................................................................................................................ 4
2. Questão 02 .......................................................................................................................... 16
3. Questão 03 .......................................................................................................................... 24
 4

1. QUESTÃO 01

QUESTÃO 01 (30 PONTOS) (MONTGOMERY, 2012) – An article by J.

J. Pignatiello Jr. and J. S. Ramberg in the Journal of Quality Technology
(Vol. 17, 1985, pp. 198–206) describes the use of a replicated fractional
factorial to investigate the effect of five factors on the free height of leaf
springs used in an automotive application. The factors are A = furnace
temperature, B = heating time, C = transfer time, D = hold down time, and
E = quench oil temperature.

a) Write out the alias structure for this design. What is the resolution
of this design?

Experimento Fatorial Fracionado

 5

Resumo do experimento
Fatores: 5 Experimento Base: 4; 16 Resolução: IV

Ensaios: 48 Réplicas: 3 Fração: 1/2

Blocos: 1 Pts centrais (total): 0

Geradores de experimento: E = ABC

Definir Relação: I = ABCE

Estrutura de Aliases (até a ordem 4)

I + ABCE
A + BCE
B + ACE
C + ABE
D
E + ABC
AB + CE
AC + BE
AD + BCDE
AE + BC
BD + ACDE
CD + ABDE
DE + ABCD
ABD + CDE
ACD + BDE
ADE + BCD
Tabela do Experimento
Ensaio Blc A B C D E
1 1 - - - - -
2 1 + - - - +
3 1 - + - - +
4 1 + + - - -
5 1 - - + - +
6 1 + - + - -
7 1 - + + - -
8 1 + + + - +
9 1 - - - + -
10 1 + - - + +
11 1 - + - + +
12 1 + + - + -
13 1 - - + + +
14 1 + - + + -
15 1 - + + + -
16 1 + + + + +
17 1 - - - - -
18 1 + - - - +
19 1 - + - - +
20 1 + + - - -
21 1 - - + - +
22 1 + - + - -
23 1 - + + - -
24 1 + + + - +
25 1 - - - + -
26 1 + - - + +
27 1 - + - + +
 6

28 1 + + - + -
29 1 - - + + +
30 1 + - + + -
31 1 - + + + -
32 1 + + + + +
33 1 - - - - -
34 1 + - - - +
35 1 - + - - +
36 1 + + - - -
37 1 - - + - +
38 1 + - + - -
39 1 - + + - -
40 1 + + + - +
41 1 - - - + -
42 1 + - - + +
43 1 - + - + +
44 1 + + - + -
45 1 - - + + +
46 1 + - + + -
47 1 - + + + -
48 1 + + + + +

Resposta: Com os dados observados no experimento conseguimos

realizar um fatorial . Nota-se que se deixarmos o Minitab encontrar a
melhor resolução conseguiremos um nível a mais, porém na ordem que
o experimento foi realizado na questão obteve-se a resolução IV e para
que o programa exportasse uma tabela de experimento similar ao do
exercício definimos E=ABC. Ainda assim realizamos um ajuste de
colunas, já que a coluna D está trocada com a coluna E. Caso contrario
montaríamos a tabela de experimento a mão.

b) Analyze the data. What factors influence the mean free height?

Coeficientes Codificados
Termo Efeito Coef EP de Coef Valor-T Valor-P VIF
Constante 7,6256 0,0202 377,41 0,0000
A 0,2421 0,1210 0,0202 5,99 0,0000 1,00
B -0,1638 -0,0819 0,0202 -4,05 0,0003 1,00
C -0,0496 -0,0248 0,0202 -1,23 0,2288 1,00
D 0,0913 0,0456 0,0202 2,26 0,0309 1,00
E -0,2387 -0,1194 0,0202 -5,91 0,0000 1,00
A*B -0,0296 -0,0148 0,0202 -0,73 0,4695 1,00
A*C 0,0013 0,0006 0,0202 0,03 0,9755 1,00
A*D -0,0229 -0,0115 0,0202 -0,57 0,5746 1,00
A*E 0,0637 0,0319 0,0202 1,58 0,1245 1,00
B*E 0,1529 0,0765 0,0202 3,78 0,0006 1,00
C*E -0,0329 -0,0165 0,0202 -0,81 0,4213 1,00
D*E 0,0396 0,0198 0,0202 0,98 0,3347 1,00
 7

A*B*E 0,0021 0,0010 0,0202 0,05 0,9592 1,00

A*C*E 0,0196 0,0098 0,0202 0,48 0,6313 1,00
A*D*E -0,0596 -0,0298 0,0202 -1,47 0,1501 1,00

Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 15 2,26371 0,150914 7,70 0,0000
Linear 5 1,83846 0,367692 18,76 0,0000
A 1 0,70325 0,703252 35,89 0,0000
B 1 0,32177 0,321769 16,42 0,0003
C 1 0,02950 0,029502 1,51 0,2288
D 1 0,09992 0,099919 5,10 0,0309
E 1 0,68402 0,684019 34,91 0,0000
Interações de 2 fatores 7 0,37800 0,054000 2,76 0,0233
A*B 1 0,01050 0,010502 0,54 0,4695
A*C 1 0,00002 0,000019 0,00 0,9755
A*D 1 0,00630 0,006302 0,32 0,5746
A*E 1 0,04877 0,048769 2,49 0,1245
B*E 1 0,28060 0,280602 14,32 0,0006
C*E 1 0,01300 0,013002 0,66 0,4213
D*E 1 0,01880 0,018802 0,96 0,3347
Interações de 3 fatores 3 0,04726 0,015752 0,80 0,5010
A*B*E 1 0,00005 0,000052 0,00 0,9592
A*C*E 1 0,00460 0,004602 0,23 0,6313
A*D*E 1 0,04260 0,042602 2,17 0,1501
Erro 32 0,62707 0,019596
Total 47 2,89078
 8

Estrutura de Aliases
Fator Nome
A A
B B
C C
D D
E E
Aliases
I + ABCD
A + BCD
B + ACD
C + ABD
D + ABC
E + ABCDE
AB + CD
AC + BD
AD + BC
AE + BCDE
BE + ACDE
CE + ABDE
DE + ABCE
ABE + CDE
ACE + BDE
ADE + BCE

Resposta: Encontramos os termos A, B, E e BE. O termo D

estatisticamente também seria significante, porém ficou muito próximo
de 5% de significância, logo resolvi continuar com a análise sem este
termo já que ele esta confundido com ABC e, A e B, são muito
significativos no experimento.
 9

Regressão Fatorial: Free Height versus A; B; E

Coeficientes Codificados
Termo Efeito Coef EP de Coef Valor-T Valor-P VIF
Constante 7,6256 0,0209 364,95 0,000
A 0,2421 0,1210 0,0209 5,79 0,000 1,00
B -0,1638 -0,0819 0,0209 -3,92 0,000 1,00
E -0,2388 -0,1194 0,0209 -5,71 0,000 1,00
B*E 0,1529 0,0765 0,0209 3,66 0,001 1,00

Sumário do Modelo

S R2 R2(aj) R2(pred)
0,144764 68,83% 65,93% 61,16%

Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 4 1,9896 0,49741 23,74 0,0000
Linear 3 1,7090 0,56968 27,18 0,0000
A 1 0,7033 0,70325 33,56 0,0000
B 1 0,3218 0,32177 15,35 0,0003
E 1 0,6840 0,68402 32,64 0,0000
Interações de 2 fatores 1 0,2806 0,28060 13,39 0,0007
B*E 1 0,2806 0,28060 13,39 0,0007
Erro 43 0,9011 0,02096
Falta de ajuste 11 0,2741 0,02492 1,27 0,2844
Erro Puro 32 0,6271 0,01960
Total 47 2,8908

Equação de Regressão em Unidades Não codificadas

Free Height = 7,6256 + 0,1210 A - 0,0819 B - 0,1194 E + 0,0765 B*E

Ajustados e Diagnósticos para Observações Atípicas

Obs. Free Height Ajuste Resíd Resíd Pad
6 7,6900 8,0244 -0,3344 -2,44 R

R Resíduo grande

Estrutura de Aliases
Fator Nome
A A
B B
C C
D D
E E
Aliases
I + ABCD
A + BCD
 10

B + ACD
E + ABCDE
BE + ACDE

c) Calculate the range and standard deviation of the free height for
each run. Is there any indication that any of these factors affects
variability in the free height?

Análise de Variância

Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.)

Modelo 15 0,092869 100,00% 0,092869 0,006191
Linear 5 0,041748 44,95% 0,041748 0,008350
A 1 0,015670 16,87% 0,015670 0,015670
B 1 0,020443 22,01% 0,020443 0,020443
C 1 0,000447 0,48% 0,000447 0,000447
D 1 0,005002 5,39% 0,005002 0,005002
E 1 0,000187 0,20% 0,000187 0,000187
Interações de 2 fatores 7 0,025188 27,12% 0,025188 0,003598

A*B 1 0,000948 1,02% 0,000948 0,000948

A*C 1 0,001910 2,06% 0,001910 0,001910
A*D 1 0,001453 1,56% 0,001453 0,001453
A*E 1 0,000043 0,05% 0,000043 0,000043
B*E 1 0,000307 0,33% 0,000307 0,000307
 11

C*E 1 0,020438 22,01% 0,020438 0,020438

D*E 1 0,000088 0,09% 0,000088 0,000088
Interações de 3 fatores 3 0,025933 27,92% 0,025933 0,008644

A*B*E 1 0,000968 1,04% 0,000968 0,000968

A*C*E 1 0,001596 1,72% 0,001596 0,001596
A*D*E 1 0,023369 25,16% 0,023369 0,023369
Erro 0 * * * *
Total 15 0,092869 100,00%
 12

Resposta: Utilizando-se do desvio padrão para analise do experimento

notamos que o fator ADE é também significativo, e ele estando confundido com
o fator BCE, incluiremos os dois na analise do experimento.

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 8 0,082314 88,63% 0,082314 0,010289 6,82 0,010
Linear 4 0,036746 39,57% 0,036746 0,009187 6,09 0,020
A 1 0,015670 16,87% 0,015670 0,015670 10,39 0,015
B 1 0,020443 22,01% 0,020443 0,020443 13,56 0,008
C 1 0,000447 0,48% 0,000447 0,000447 0,30 0,603
E 1 0,000187 0,20% 0,000187 0,000187 0,12 0,735
Interações de 2 fatores 3 0,022199 23,90% 0,022199 0,007400 4,91 0,038
B*C 1 0,001453 1,56% 0,001453 0,001453 0,96 0,359
B*E 1 0,000307 0,33% 0,000307 0,000307 0,20 0,665
C*E 1 0,020438 22,01% 0,020438 0,020438 13,55 0,008
Interações de 3 fatores 1 0,023369 25,16% 0,023369 0,023369 15,50 0,006
B*C*E 1 0,023369 25,16% 0,023369 0,023369 15,50 0,006
Erro 7 0,010555 11,37% 0,010555 0,001508
Total 15 0,092869 100,00%
 13

d) Analyze the residuals from this experiment, and comment on your

findings.
14
 15

Resposta: Os resíduos estão normais e satisfatórios.

e) Is this the best possible design for five factors in 16 runs?

Specifically, can you find a fractional design for five factors in 16
runs with a higher resolution than this one?

Resposta: O melhor design sugerido pelo Minitab foi de resolução V. No

experimento foi realizado um design de resolução IV. ABCDE.
 16

2. QUESTÃO 02

QUESTÃO 02 (30 PONTOS) (MONTGOMERY, 2012) – A 16-run

experiment was performed in a semiconductor manufacturing plant to
study the effects of six factors on the curvature or camber of the
substrate devices produced. The six variables and their levels are shown
in Table.
 17

Each run was replicated four times, and a camber measurement was taken
on the substrate.

a) What type of design did the experimenters use?

Resposta: Tem-se , com 16 ensaios e 6 fatores.

b) What are the alias relationships in this design?

Experimento Fatorial Fracionado

Resumo do experimento
Fatores: 6 Experimento Base: 4; 16 Resolução: IV
Ensaios: 16 Réplicas: 1 Fração: 1/4
Blocos: 1 Pts centrais (total): 0

Geradores de experimento: E = ABC; F = ACD

Definir Relação: I = ABCE = ACDF = BDEF

Estrutura de Aliases (até a ordem 4)

I + ABCE + ACDF + BDEF
A + BCE + CDF
B + ACE + DEF
C + ABE + ADF
D + ACF + BEF
E + ABC + BDF
F + ACD + BDE
AB + CE + ADEF + BCDF
AC + BE + DF
AD + CF + ABEF + BCDE
AE + BC + ABDF + CDEF
AF + CD + ABDE + BCEF
BD + EF + ABCF + ACDE
BF + DE + ABCD + ACEF
ABD + AEF + BCF + CDE
ABF + ADE + BCD + CEF
 18

Tabela do Experimento
Ensaio Blc A B C D E F
1 1 - - - - - -
2 1 + - - - + +
3 1 - + - - + -
4 1 + + - - - +
5 1 - - + - + +
6 1 + - + - - -
7 1 - + + - - +
8 1 + + + - + -
9 1 - - - + - +
10 1 + - - + + -
11 1 - + - + + +
12 1 + + - + - -
13 1 - - + + + -
14 1 + - + + - +
15 1 - + + + - -
16 1 + + + + + +

Resposta: Para definir a relação de aliase foi por tentativa e erro e

observação do experimento.

c) Do any of the process variables affect average camber?

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.)
Modelo 15 0,000588 100,00% 0,000588 0,000039
Linear 6 0,000483 82,16% 0,000483 0,000081
A 1 0,000061 10,30% 0,000061 0,000061
B 1 0,000001 0,23% 0,000001 0,000001
C 1 0,000126 21,36% 0,000126 0,000126
D 1 0,000008 1,38% 0,000008 0,000008
E 1 0,000048 8,08% 0,000048 0,000048
F 1 0,000240 40,82% 0,000240 0,000240
Interações de 2 fatores 7 0,000093 15,79% 0,000093 0,000013

A*B 1 0,000015 2,50% 0,000015 0,000015

A*C 1 0,000020 3,41% 0,000020 0,000020
A*D 1 0,000006 1,02% 0,000006 0,000006
A*E 1 0,000013 2,24% 0,000013 0,000013
A*F 1 0,000016 2,64% 0,000016 0,000016
B*D 1 0,000021 3,61% 0,000021 0,000021
B*F 1 0,000002 0,37% 0,000002 0,000002
Interações de 3 fatores 2 0,000012 2,05% 0,000012 0,000006

A*B*D 1 0,000000 0,00% 0,000000 0,000000

A*B*F 1 0,000012 2,05% 0,000012 0,000012
Erro 0 * * * *
Total 15 0,000588 100,00%
 19

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 4 0,000474 80,55% 0,000474 0,000118 11,39 0,0007
Linear 4 0,000474 80,55% 0,000474 0,000118 11,39 0,0007
A 1 0,000061 10,30% 0,000061 0,000061 5,82 0,0344
C 1 0,000126 21,36% 0,000126 0,000126 12,08 0,0052
E 1 0,000048 8,08% 0,000048 0,000048 4,57 0,0558
F 1 0,000240 40,82% 0,000240 0,000240 23,09 0,0005
Erro 11 0,000114 19,45% 0,000114 0,000010
Total 15 0,000588 100,00%

Sumário do Modelo
S R2 R2(aj) PRESQ R2(pred) AICc BIC
0,0032242 80,55% 73,48% 0,0002419 58,86% -122,84 -127,54

Coeficientes Codificados
Termo Efeito Coef EP de Coef IC de 95% Valor-T Valor-P VIF
Constante 0,010702 0,000806 (0,008927; 0,012476) 13,28 0,000
A 0,003891 0,001945 0,000806 (0,000171; 0,003719) 2,41 0,034 1,00
C 0,005603 0,002802 0,000806 (0,001027; 0,004576) 3,48 0,005 1,00
E -0,003447 -0,001723 0,000806 (-0,003498; 0,000051) -2,14 0,056 1,00
F -0,007747 -0,003873 0,000806 (-0,005648; -0,002099) -4,81 0,001 1,00

Equação de Regressão em Unidades Não codificadas

Mean (in) = 0,010702 + 0,001945 A + 0,002802 C - 0,001723 E - 0,003873 F

Resposta: Encontramos os termos A, C, E e F na primeira análise

com todos os termos por suas contribuições. Na segunda análise
definimos que apenas os termos: A, C e F, são significativos
porque o valor E tem zero no seu intervalo de confiança e também
seu valor P ficou acima de 5% de significância.

d) Do any of the process variables affect the variability in camber

measurements?
 20

Análise de Variância

Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.)

Modelo 15 0,000037 100,00% 0,000037 0,000002
Linear 6 0,000027 72,65% 0,000027 0,000004
A 1 0,000010 27,67% 0,000010 0,000010
B 1 0,000011 30,05% 0,000011 0,000011
C 1 0,000001 3,78% 0,000001 0,000001
D 1 0,000000 1,19% 0,000000 0,000000
E 1 0,000000 0,60% 0,000000 0,000000
F 1 0,000003 9,37% 0,000003 0,000003
Interações de 2 fatores 7 0,000010 26,04% 0,000010 0,000001

A*B 1 0,000000 0,10% 0,000000 0,000000

A*C 1 0,000000 0,70% 0,000000 0,000000
A*D 1 0,000001 2,34% 0,000001 0,000001
A*E 1 0,000000 0,00% 0,000000 0,000000
A*F 1 0,000005 12,93% 0,000005 0,000005
B*D 1 0,000001 2,58% 0,000001 0,000001
B*F 1 0,000003 7,39% 0,000003 0,000003
Interações de 3 fatores 2 0,000000 1,31% 0,000000 0,000000

A*B*D 1 0,000000 0,05% 0,000000 0,000000

A*B*F 1 0,000000 1,26% 0,000000 0,000000
Erro 0 * * * *
Total 15 0,000037 100,00%

Coeficientes Codificados
Termo Efeito Coef EP de Coef IC de 95% Valor-T Valor-P VIF
Constante 0,002535 0,000170 (0,002157; 0,002913) 14,95 0,0000
A 0,001590 0,000795 0,000170 (0,000417; 0,001173) 4,69 0,0009 1,00
B -0,001658 -0,000829 0,000170 (-0,001207; -0,000451) -4,89 0,0006 1,00
F -0,000926 -0,000463 0,000170 (-0,000841; -0,000085) -2,73 0,0213 1,00
A*F -0,001087 -0,000544 0,000170 (-0,000922; -0,000166) -3,20 0,0094 1,00
B*F 0,000822 0,000411 0,000170 (0,000033; 0,000789) 2,42 0,0359 1,00
Sumário do Modelo
S R2 R2(aj) PRESQ R2(pred) AICc BIC
0,0006786 87,41% 81,11% 0,0000118 67,77% -167,57 -176,16

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 5 0,000032 87,41% 0,000032 0,000006 13,88 0,0003
Linear 3 0,000025 67,09% 0,000025 0,000008 17,76 0,0002
A 1 0,000010 27,67% 0,000010 0,000010 21,97 0,0009
B 1 0,000011 30,05% 0,000011 0,000011 23,87 0,0006
 21

F 1 0,000003 9,37% 0,000003 0,000003 7,44 0,0213

Interações de 2 fatores 2 0,000007 20,32% 0,000007 0,000004 8,07 0,0082
A*F 1 0,000005 12,93% 0,000005 0,000005 10,27 0,0094
B*F 1 0,000003 7,39% 0,000003 0,000003 5,87 0,0359
Erro 10 0,000005 12,59% 0,000005 0,000000
Total 15 0,000037 100,00%

Resposta: Na análise do desvio padrão identificamos que os termos A,

B, F, AF e BF são significativos com 95% de confiança.

e) If it is important to reduce camber as much as possible, what

recommendations would you make?
22
 23

Resposta: Selecione os fatores A, C no nível baixo e E, F no nível alto.

Apesar da interação com o fator F indicar B no nível alto, deve-se
selecionar o fator B no nível baixo para amenizar o desvio padrão pois a
interação BF é menos significativa que o fator B.
 24

3. QUESTÃO 03

QUESTÃO 03 (40 PONTOS) (MONTGOMERY, 2012) – Harry

Peterson-Nedry (a friend of the author) owns a vineyard and winery in
Newberg, Oregon. He grows several varieties of grapes and produces
wine. Harry has used factorial designs for process and product
development in the winemaking segment of the business. This problem
describes the experiment conducted for the 1985 Pinot Noir. Eight
variables, shown in Table, were originally studied in this experiment:

Harry decided to use a design with 16 runs. The wine was

tastetested by a panel of experts on March 8, 1986. Each expert ranked the
16 samples of wine tasted, with rank 1 being the best. The design and the
taste-test panel results are shown in Table.
 25

a) What are the alias relationships in the design selected by Harry?

Resumo do experimento
Fatores: 8 Experimento Base: 4; 16 Resolução: IV

Ensaios: 80 Réplicas: 5 Fração: 1/16

Blocos: 1 Pts centrais (total): 0

Geradores de experimento: E = BCD; F = ACD; G = ABC; H = ABD

Definir Relação: I = BCDE = ACDF = ABCG = ABDH = ABEF = ADEG = ACEH = BDFG =
BCFH = CDGH = CEFG = DEFH = BEGH = AFGH = ABCDEFGH

Estrutura de Aliases (até a ordem 4)

I + ABCG + ABDH + ABEF + ACDF + ACEH + ADEG + AFGH + BCDE + BCFH + BDFG + BEGH + CDGH
+ CEFG + DEFH
A + BCG + BDH + BEF + CDF + CEH + DEG + FGH
B + ACG + ADH + AEF + CDE + CFH + DFG + EGH
C + ABG + ADF + AEH + BDE + BFH + DGH + EFG
D + ABH + ACF + AEG + BCE + BFG + CGH + EFH
E + ABF + ACH + ADG + BCD + BGH + CFG + DFH
F + ABE + ACD + AGH + BCH + BDG + CEG + DEH
G + ABC + ADE + AFH + BDF + BEH + CDH + CEF
H + ABD + ACE + AFG + BCF + BEG + CDG + DEF
AB + CG + DH + EF + ACDE + ACFH + ADFG + AEGH + BCDF + BCEH + BDEG + BFGH
AC + BG + DF + EH + ABDE + ABFH + ADGH + AEFG + BCDH + BCEF + CDEG + CFGH
AD + BH + CF + EG + ABCE + ABFG + ACGH + AEFH + BCDG + BDEF + CDEH + DFGH
AE + BF + CH + DG + ABCD + ABGH + ACFG + ADFH + BCEG + BDEH + CDEF + EFGH
AF + BE + CD + GH + ABCH + ABDG + ACEG + ADEH + BCFG + BDFH + CEFH + DEFG
AG + BC + DE + FH + ABDF + ABEH + ACDH + ACEF + BDGH + BEFG + CDFG + CEGH
AH + BD + CE + FG + ABCF + ABEG + ACDG + ADEF + BCGH + BEFH + CDFH + DEGH
Tabela do Experimento
Ensaio Blc A B C D E F G H
1 1 - - - - - - - -
2 1 + - - - - + + +
3 1 - + - - + - + +
4 1 + + - - + + - -
5 1 - - + - + + + -
6 1 + - + - + - - +
7 1 - + + - - + - +
8 1 + + + - - - + -
9 1 - - - + + + - +
10 1 + - - + + - + -
11 1 - + - + - + + -
12 1 + + - + - - - +
13 1 - - + + - - + +
14 1 + - + + - + - -
15 1 - + + + + - - -
16 1 + + + + + + + +
17 1 - - - - - - - -
18 1 + - - - - + + +
19 1 - + - - + - + +
20 1 + + - - + + - -
21 1 - - + - + + + -
22 1 + - + - + - - +
 26

23 1 - + + - - + - +
24 1 + + + - - - + -
25 1 - - - + + + - +
26 1 + - - + + - + -
27 1 - + - + - + + -
28 1 + + - + - - - +
29 1 - - + + - - + +
30 1 + - + + - + - -
31 1 - + + + + - - -
32 1 + + + + + + + +
33 1 - - - - - - - -
34 1 + - - - - + + +
35 1 - + - - + - + +
36 1 + + - - + + - -
37 1 - - + - + + + -
38 1 + - + - + - - +
39 1 - + + - - + - +
40 1 + + + - - - + -
41 1 - - - + + + - +
42 1 + - - + + - + -
43 1 - + - + - + + -
44 1 + + - + - - - +
45 1 - - + + - - + +
46 1 + - + + - + - -
47 1 - + + + + - - -
48 1 + + + + + + + +
49 1 - - - - - - - -
50 1 + - - - - + + +
51 1 - + - - + - + +
52 1 + + - - + + - -
53 1 - - + - + + + -
54 1 + - + - + - - +
55 1 - + + - - + - +
56 1 + + + - - - + -
57 1 - - - + + + - +
58 1 + - - + + - + -
59 1 - + - + - + + -
60 1 + + - + - - - +
61 1 - - + + - - + +
62 1 + - + + - + - -
63 1 - + + + + - - -
64 1 + + + + + + + +
65 1 - - - - - - - -
66 1 + - - - - + + +
67 1 - + - - + - + +
68 1 + + - - + + - -
69 1 - - + - + + + -
70 1 + - + - + - - +
71 1 - + + - - + - +
72 1 + + + - - - + -
73 1 - - - + + + - +
74 1 + - - + + - + -
75 1 - + - + - + + -
76 1 + + - + - - - +
77 1 - - + + - - + +
78 1 + - + + - + - -
79 1 - + + + + - - -
80 1 + + + + + + + +
 27

b) Use the average ranks as a response variable. Analyze the data and
draw conclusions. You will find it helpful to examine a normal
probability plot of the effect estimates.

Coeficientes Codificados
IC de
Termo Efeito Coef EP de Coef 95% Valor-T Valor-P VIF
Constante 8,500 * (*; *) * *
A 1,7500 0,8750 * (*; *) * * 1,00
B 1,8500 0,9250 * (*; *) * * 1,00
C 1,2500 0,6250 * (*; *) * * 1,00
D -4,600 -2,300 * (*; *) * * 1,00
E 2,200 1,100 * (*; *) * * 1,00
F -2,000 -1,000 * (*; *) * * 1,00
G 3,150 1,575 * (*; *) * * 1,00
H -0,6000 -0,3000 * (*; *) * * 1,00
A*B -0,7000 -0,3500 * (*; *) * * 1,00
A*C 2,600 1,300 * (*; *) * * 1,00
A*D -1,7500 -0,8750 * (*; *) * * 1,00
A*E 0,9500 0,4750 * (*; *) * * 1,00
A*F 0,7500 0,3750 * (*; *) * * 1,00
A*G 0,9000 0,4500 * (*; *) * * 1,00
A*H 2,450 1,225 * (*; *) * * 1,00

Identificamos os fatores D, G, AC e AH como significativos e ajustamos os

termos:

Coeficientes Codificados
Termo Efeito Coef EP de Coef IC de 95% Valor-T Valor-P VIF
Constante 8,500 0,416 (7,346; 9,654) 20,45 0,0000
A 1,750 0,875 0,416 (-0,279; 2,029) 2,10 0,1031 1,00
B 1,850 0,925 0,416 (-0,229; 2,079) 2,23 0,0901 1,00
C 1,250 0,625 0,416 (-0,529; 1,779) 1,50 0,2072 1,00
D -4,600 -2,300 0,416 (-3,454; -1,146) -5,53 0,0052 1,00
E 2,200 1,100 0,416 (-0,054; 2,254) 2,65 0,0572 1,00
F -2,000 -1,000 0,416 (-2,154; 0,154) -2,41 0,0739 1,00
G 3,150 1,575 0,416 (0,421; 2,729) 3,79 0,0193 1,00
H -0,600 -0,300 0,416 (-1,454; 0,854) -0,72 0,5104 1,00
A*C 2,600 1,300 0,416 (0,146; 2,454) 3,13 0,0353 1,00
A*D -1,750 -0,875 0,416 (-2,029; 0,279) -2,10 0,1031 1,00
A*H 2,450 1,225 0,416 (0,071; 2,379) 2,95 0,0421 1,00

Sumário do Modelo
S R2 R2(aj) PRESQ R2(pred) AICc BIC
1,66283 95,87% 84,51% 176,96 33,89% 247,50 75,54
 28

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 11 256,620 95,87% 256,620 23,329 8,44 0,027
Linear 8 193,320 72,22% 193,320 24,165 8,74 0,026
A 1 12,250 4,58% 12,250 12,250 4,43 0,103
B 1 13,690 5,11% 13,690 13,690 4,95 0,090
C 1 6,250 2,33% 6,250 6,250 2,26 0,207
D 1 84,640 31,62% 84,640 84,640 30,61 0,005
E 1 19,360 7,23% 19,360 19,360 7,00 0,057
F 1 16,000 5,98% 16,000 16,000 5,79 0,074
G 1 39,690 14,83% 39,690 39,690 14,35 0,019
H 1 1,440 0,54% 1,440 1,440 0,52 0,510
Interações de 2 fatores 3 63,300 23,65% 63,300 21,100 7,63 0,039
A*C 1 27,040 10,10% 27,040 27,040 9,78 0,035
A*D 1 12,250 4,58% 12,250 12,250 4,43 0,103
A*H 1 24,010 8,97% 24,010 24,010 8,68 0,042
Erro 4 11,060 4,13% 11,060 2,765
Total 15 267,680 100,00%
 29

Resposta: No fim definimos este modelo com o R2 Predicto de 33,89%,

pois quando analisamos somente os termos significativos o tivemos uma
normal mais horizontal porém o R2 Predicto ficou zerado. Portanto os
termos D, G são significativos. Os termos AH e AC estão confundidos
com outros termos de dois fatores e por isso é incerto que realmente são
significativos.
 30

c) Use the standard deviation of the ranks (or some appropriate

transformation such as log s) as a response variable. What
conclusions can you draw about the effects of the eight variables
on variability in wine quality?
 31

Resposta: Analisando o desvio padrão nenhum termo é significativo.

d) After looking at the results, Harry decides that one of the panel
members (DCM) knows more about beer than he does about wine,
so they decide to delete his ranking. What effect would this have on
the results and conclusions from parts (b) and (c)?

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.)
Modelo 15 262,125 100,00% 262,125 17,475
Linear 8 200,312 76,42% 200,312 25,039
A 1 10,563 4,03% 10,562 10,562
B 1 17,016 6,49% 17,016 17,016
C 1 9,000 3,43% 9,000 9,000
D 1 81,000 30,90% 81,000 81,000
E 1 23,766 9,07% 23,766 23,766
F 1 22,563 8,61% 22,562 22,562
G 1 34,516 13,17% 34,516 34,516
H 1 1,891 0,72% 1,891 1,891
Interações de 2 fatores 7 61,813 23,58% 61,813 8,830
A*B 1 1,266 0,48% 1,266 1,266
A*C 1 22,563 8,61% 22,563 22,563
A*D 1 9,000 3,43% 9,000 9,000
A*E 1 1,891 0,72% 1,891 1,891
A*F 1 3,062 1,17% 3,063 3,063
A*G 1 2,641 1,01% 2,641 2,641
A*H 1 21,391 8,16% 21,391 21,391
Erro 0 * * * *
Total 15 262,125 100,00%

Coeficientes Codificados
Termo Efeito Coef EP de Coef IC de 95% Valor-T Valor-P VIF
Constante 8,500 0,625 (7,085; 9,915) 13,59 0,0000
D -4,500 -2,250 0,625 (-3,665; -0,835) -3,60 0,0058 1,00
E 2,437 1,219 0,625 (-0,196; 2,634) 1,95 0,0831 1,00
F -2,375 -1,187 0,625 (-2,602; 0,227) -1,90 0,0901 1,00
G 2,938 1,469 0,625 (0,054; 2,884) 2,35 0,0434 1,00
A*C 2,375 1,188 0,625 (-0,227; 2,602) 1,90 0,0901 1,00
A*H 2,312 1,156 0,625 (-0,259; 2,571) 1,85 0,0975 1,00

Sumário do Modelo
S R2 R2(aj) PRESQ R2(pred) AICc BIC
2,50174 78,51% 64,18% 178,025 32,08% 102,12 87,72
 32

Análise de Variância
Fonte GL SQ Seq Contribuição SQ (Aj.) QM (Aj.) Valor F Valor-P
Modelo 6 205,80 78,51% 205,80 34,299 5,48 0,0120
Linear 4 161,84 61,74% 161,84 40,461 6,46 0,0098
D 1 81,00 30,90% 81,00 81,000 12,94 0,0058
E 1 23,77 9,07% 23,77 23,766 3,80 0,0831
F 1 22,56 8,61% 22,56 22,562 3,60 0,0901
G 1 34,52 13,17% 34,52 34,516 5,51 0,0434
Interações de 2 fatores 2 43,95 16,77% 43,95 21,977 3,51 0,0746
A*C 1 22,56 8,61% 22,56 22,562 3,60 0,0901
A*H 1 21,39 8,16% 21,39 21,391 3,42 0,0975
Erro 9 56,33 21,49% 56,33 6,259
Total 15 262,13 100,00%

Equação de Regressão em Unidades Codificadas

Average (mean) = 8,500 - 2,250 D + 1,219 E - 1,187 F + 1,469 G + 1,188 A*C + 1,156 A*H

Coeficientes não codificados não estão disponíveis com modelo não hierárquico.

Resposta: Em comparação com os resultados em (b) não tivemos muitas

alterações já que os termos de dois fatores estão confundidos com outros de
dois fatores dificultando a interpretação. E constatamos que os termos D e G
são significativos com 95% de confiabilidade. Com a comparação em (c)
também não tivemos diferenças pois nenhum termo foi significativo na análise
do desvio padrão.
 33

e) Suppose that just before the start of the experiment, Harry and Judy
discovered that the eight new barrels they ordered from France for
use in the experiment would not arrive in time, and all 16 runs
would have to be made with old barrels. If Harry just drops column
C from their design, what does this do to the alias relationships?
Does he need to start over and construct a new design?

Resposta: Ficaria com o design de . A alias deve ficar: I = ABEF =

ADEG = BDFG = ABDH = DEFH = BEGH = AFGH. Assim refazendo o
design do experimento.

f) Harry knows from experience that some treatment combinations are

unlikely to produce good results. For example, the run with all eight
variables at the high level generally results in a poorly rated wine.
This was confirmed in the March 8, 1986 taste test. He wants to set
up a new design for their 1986 Pinot Noir using these same eight
variables, but he does not want to make the run with all eight
factors at the high level. What design would you suggest?

Resposta: Pode-se realizar o experimento alterando o sinal de uma dos

fatores. Ou ainda o inverso do que foi realizado. Assim ele não teria todas os
termos no valor positivo.