Escolar Documentos
Profissional Documentos
Cultura Documentos
fatoriais
Blocagem cap. 5 (5.6)
i 1, 2,..., a
i 1,2,..., a
i j ( ) ij k ijk , j 1,2,..., b
k 1,2,..., n
Tabela ANOVA
FV
Blocos
A
B
AB
Erro
Total
SQ
gl
y...2
1
2
y..k abn
ab k
n-1
y...2
1
2
y
i.. abn
bn i
a-1
y...2
1
2
y. j. abn
an j
y...2
1
2
yij. abn SS A SS B
n i j
Diferena
y...2
yijk abn
b-1
(a-1)(b-1)
(ab-1)(n-1)
abn-1
QM
QMBl
QMa
QMb
QMab
QMe
--
F
--
---
Blocagem
O modelo assume que a interao entre blocos e
tratamentos desprezvel. Isso foi suposto
anteriormente na anlise dos planejamentos em bloco
aleatorizados. Se essas interaes de fato existem, elas
no podem ser separadas da componente de erro.
De fato, o termo de erro nesse modelo consiste das
interaes entre cada fator principal e bloco e entre os
trs (fatores A, B e bloco).
Exerccio 19
O resultado de um processo qumico est sendo estudado. Os dois fatores de
interesse so temperatura e presso. Trs nveis de cada fator foram selecionados.
Porm, somente nove realizaes podem ser feitas num dia. O experimentador
rodou as replicaes em dias diferentes. Analise os dados, supondo que os dias
so blocos.
y=read.table("e:\\dox\\procquim.txt",header=T)
pr=as.factor(y$Pressure)
temp=as.factor(y$Temperature)
bloco=as.factor(y$dia)
modeloB=y$Yield~pr+temp+pr:temp+bloco
fitB=aov(modeloB)
fv
gl SQ
QM
F value
Pr(>F)
pr
2 5.508
2.754
5.1838 0.035988 *
temp
2 99.854 49.927
93.9807 2.778e-06 ***
bloco
1 13.005 13.005
24.4800
0.001124 **
pr:temp
4 4.452
1.113
2.0952
0.173314
Residuals 8 4.250
0.531
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Experimentos fatoriais 2
2n
2n
21n [ab a b (1)]
B yB yB
ab b a (1)
2n
2n
21n [ab b a (1)]
ab (1) a b
AB
2n
2n
21n [ab (1) a b]
Term
Effect
SumSqr
% Contribution
Intercept
A
8.33333
208.333
64.4995
B
-5
75
23.2198
AB
1.66667
8.33333
2.57998
Lack Of Fit 0
0
P Error
31.3333
9.70072
Lenth's ME
Lenth's SME
6.15809
7.95671
The F-test for the model source is testing the significance of the
overall model; that is, is either A, B, or AB or some combination of
these effects important?
Analysis
done via
computer
An Example of a 23 Factorial
Design
A B AB
AB BC AB 2C AC
Orthogonal design
Orthogonality is an important property shared by all factorial
designs
Model Interpretation
Cube plots are
often useful visual
displays of
experimental
results
What do the
large ranges
when gap and
power are at the
high level tell
you?