Planejamento de Experimento

Introduo
Algums tipos de Delineamentos Experimentais

Experimentos Interiamente ao Acaso
Modelos de Efeitos Fixos e Modelos de Efeitos Aleatrios
Experimentos em Blocos Casualizados
Planejamento de Experimentos
Ulisses U. dos Anjos
Departamento de Estatstica
Universidade Federal da Paraba
Perodo 2008.2
Ulisses U. dos Anjos Planejamento de Experimentos
Introduo
Sumrio
1
Introduo
2
Delineamento Interiamente ao Acaso
Delineamento em blocos Casualizados
Delineamento em Quadrados Latinos
Delineamento Fatorial
3
Anlise de Varincia
Modelo para o Experimento Interiamente ao acaso
Anlise de Varincia versus Teste t para Diferena de
Mdias
Vericao dos Pressupostos da ANOVA
Vericao das Diferenas entre as Mdias
4
5
Introduo
Sumrio
1
Introduo
2
3
Anlise de Varincia
Mdias
4
5
Introduo
Histrico
1a. Era - Era Agrcola - dcada de 20 at incio da dcada
de 30 - Fisher
2a. Era - Era Industrial(1a. fase) - incio da dcada de 30
at nal da dcada de 70 - George Box
3a. Era - Era Industrial(2a. fase) - nal da dcada de 70
at incio da dcada de 90 - Taguchi - Planejamento
Robusto
4a. Era - Era moderna - a partir do incio da dcada de 90
Introduo
Histrico
de 30 - Fisher
Robusto
Introduo
Histrico
de 30 - Fisher
Robusto
Introduo
Histrico
de 30 - Fisher
Robusto
Introduo
Modelo geral para um processo ou sistema
Introduo
Objetivos de um experimento
Determinar que variveis mais inuenciam a resposta
Y(output);
Determinar qual o nvel de X
= (X
1
, . . . , X
p
) de modo que
Y seja sempre prximo do valor desejado;
Determinar o nvel de X
de modo que a variabilidade de Y

seja mnima;
de modo que os efeitos das

variveis no controladas Z
= (Z
1
, . . . , Z
q
) seja mnimo.
Introduo
Y(output);
= (X
1
, . . . , X
p
) de modo que

seja mnima;

= (Z
1
, . . . , Z
q
) seja mnimo.
Introduo
Y(output);
= (X
1
, . . . , X
p
) de modo que

seja mnima;

= (Z
1
, . . . , Z
q
) seja mnimo.
Introduo
Y(output);
= (X
1
, . . . , X
p
) de modo que

seja mnima;

= (Z
1
, . . . , Z
q
) seja mnimo.
Introduo
Exemplo
um engenheiro metalrgico est interessado em estudar o
efeito de dois processos de endurecimento de uma liga de
alumnio: temperamento com leo e temperamento com
soluo salina. O objetivo do engenheiro determinar que
meio de temperamento produz o mximo de dureza para essa
liga em particular. Neste caso, tem-se que:
input = as peas de alumnio antes de receber o
tratamento;
output = a dureza da liga depois de receber o tratamento;
X
=(temperamento com leo,temperamento com soluo

salina);
Z
= todos os fatores que no podem ser controlados

durante a realizao do experimento;
Introduo
Exemplo
tratamento;
X

salina);
Z

Introduo
Exemplo
tratamento;
X

salina);
Z

Introduo
Exemplo
tratamento;
X

salina);
Z

Introduo
Exemplo
tratamento;
X

salina);
Z

Introduo
Questes a serem consideradas antes da execuo
do Experimento
Considerando-se este simples experimento algumas questes
podem ser levantadas:
Estes dois meios de temperamento so os nicos de
potencial interesse?
H outros fatores que afetam a dureza que devem ser
investigados ou controlados neste experimento?
Quantos pedaos da liga devem ser submetidos a cada
meio de temperamento ?
Como devero ser distribudos os meios de temperamento
nos pedaos da liga e em que ordem os dados devem ser
coletados?
Que mtodo de anlise de dados deve ser usado?
Que diferena na mdia de dureza observada entre os
dois meios de temperamento ser considerada
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
do Experimento
coletados?
importante?
Introduo
Importancia do planejamento
Em qualquer experimento, os resultados e concluses
chegadas dependem em larga escala da maneira como os
dados foram coletados. Para ilustrar este ponto, suponha que o
engenheiro do experimento acima mencionado usou pedaos
da liga num aquecimento para temperamento com leo e num
segundo aquecimento para temperamento com soluo salina.
Nesta condio, quando as mdias de dureza so
comparadas, o engenheiro no ser capaz de responder
quanto da diferena observada resultado do meio de
temperamento (soluo salina e leo) e quanto inerente a
diferenas entre os aquecimentos.
Introduo
Importancia do planejamento
Um especialista em delineamento de experimento diria que os
efeitos do temperamento e aquecimento foram confundidos,
isto , os efeitos dos dois fatores no podem ser separados da
maneira que o experimento foi executado. Assim, o mtodo de
coleta dos dados afetou negativamente as concluses que
poderiam ter sido chegadas com o experimento.
Introduo
Delineamento estatstico de experimento
refere-se ao processo de planejamento de um experimento de
modo que dados apropriados que possam ser analisados por
mtodos estatsticos sejam tomados, resultando em
concluses vlidas e objetivas.
Introduo
Aplicaes da tcnica do delineamento de
experimentos
Desenvolvimento de processos
Melhoramento da produtividade do processo;
Reduo da variabilidade (resultados mais prximos do
padro/meta requerido)
Reduo do tempo de desenvolvimento
Reduo geral de custos
Introduo
experimentos
Introduo
experimentos
Introduo
experimentos
Introduo
experimentos
Introduo
experimentos
Desenvolvimento de produtos
Avaliao e comparao de conguraes delineadas
bsicas (padro);
Avaliao de materiais alternativos;
Seleo e delineamento de parmetros de modo a tornar
produtos mais robustos;
Determinao de parmetros chaves que tem impacto na
performance de produtos.
Introduo
experimentos
bsicas (padro);
Introduo
experimentos
bsicas (padro);
Introduo
experimentos
bsicas (padro);
Introduo
experimentos
bsicas (padro);
Introduo
Fases do Planejamento do Experimento
Reconhecimento e declarao do problema;
Escolha dos fatores e nveis;
Seleo das variveis resposta; (depende do objetivo do
estudo )
Escolha do delineamento experimental; (depende do
objetivo do estudo, natureza do material experimental,
etc.)
Execuo do experimento;
Anlise dos dados;
Concluses e recomendaes.
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
estudo )
etc.)
Anlise dos dados;
Introduo
Termos Tcnicos
Unidade experimental: a unidade fsica ou biolgica
para conduzir o experimento, tambm denominada de
parcela. Ex.: uma pessoa, uma pea, etc.
Varivel: a condio ou caracterstica medida ou
observada no experimento.
Tratamento: o elemento que est em teste no
experimento. Ex.: um mtodo de ensino, um fertilizante,
uma droga teraputica, etc.
Qualitativo: so aqueles que possuem naturezas
intrinsecamente diferentes. Ex.: comparar dois tipos de
drogas teraputicas para dor de cabea(Paracetamol
versus Dipirona Sodica), trs tipos de
fertilizantes(diferentes marcas), etc.
Quantitativos: so aqueles que se distinguem pela
quantidade(dose) que est sendo utilizada no experimento.
Nesse caso o objetivo determinar qual a quantidade que
fornece a melhor resposta.
Introduo
Termos Tcnicos
Introduo
Termos Tcnicos
Introduo
Termos Tcnicos
Introduo
Termos Tcnicos
Introduo
Termos Tcnicos
Grupo controle: Em um estudo em que deseja-se estudar
o efeito de um ou mais tratamentos em relao a situao
sem nenhum tratamento, o grupo controle o grupo de
unidades experimentais que no recebe tratamento.
Exemplo: em um experimento para saber se determinado
produto faz nascer cabelos em pessoas calvas, o
pesquisador deve comparar um grupo de unidades que ir
receber o produto com outro grupo que ir receber
placebo, ambos os grupo de pessoas calvas.
Introduo
Termos Tcnicos
Grupo controle: Em um estudo em que deseja-se estudar
o efeito de um ou mais tratamentos em relao a situao
sem nenhum tratamento, o grupo controle o grupo de
unidades experimentais que no recebe tratamento.
Exemplo: em um experimento para saber se determinado
produto faz nascer cabelos em pessoas calvas, o
pesquisador deve comparar um grupo de unidades que ir
receber o produto com outro grupo que ir receber
placebo, ambos os grupo de pessoas calvas.
Introduo
Exigncias Bsicas
Repetio ou rplica: So as unidades experimentais de
um mesmo grupo. O objetivo da repetio aumentar a
conabilidade da anlise, pois ao comparar dois grupos
com vrias rplicas cada ao invs de comparar dois
grupos com apenas um unidade experimental cada,
iremos eliminar o efeito de outras variveis indesejadas.
Exemplo: Para vericar o efeito de um determinado
hormnio sobre o peso de ratos, um pesquisador aplicou o
hormnio em um rato e deixou outro rato(o grupo controle)
sem o hormnio. Ao nal do experimento ele vericou o
rato que tomou o hormnio tinha 150g e o rato que no
tomou o hormnio tinha 120g. Baseado neste
experimento, o pesquisador poderia concluir que o
hormnio realmente tem inuencia no peso, entretanto
essa concluso no seria muito conavl pois os dois
ratos podem apresentar diferenas de peso por diversas
outras razes.
Introduo
Exigncias Bsicas
Repetio ou rplica: So as unidades experimentais de
um mesmo grupo. O objetivo da repetio aumentar a
conabilidade da anlise, pois ao comparar dois grupos
com vrias rplicas cada ao invs de comparar dois
grupos com apenas um unidade experimental cada,
iremos eliminar o efeito de outras variveis indesejadas.
Exemplo: Para vericar o efeito de um determinado
hormnio sobre o peso de ratos, um pesquisador aplicou o
hormnio em um rato e deixou outro rato(o grupo controle)
sem o hormnio. Ao nal do experimento ele vericou o
rato que tomou o hormnio tinha 150g e o rato que no
tomou o hormnio tinha 120g. Baseado neste
experimento, o pesquisador poderia concluir que o
hormnio realmente tem inuencia no peso, entretanto
essa concluso no seria muito conavl pois os dois
ratos podem apresentar diferenas de peso por diversas
outras razes.
Introduo
Exigncias Bsicas
Casualizao ou randomizao: o processo de
designar os tratamentos s unidades experimentais por
processo aleatrio. O objetivo criar grupos o mais
homognios possveis.
Exemplo: Um pesquisador deseja estudar o efeito de um
adubo sobre o crescimento de uma planta. Suponha que o
experimento ir ser executado em uma estufa em que
cada unidade experimental um vaso. Assim, uma
primeira situao seria colocar os vasos com o adubo na
primeira metade da estufa e na outra metade colocar os
vasos sem o adubo.
Problema: O experimento executado desta maneira est
errado, pois o pesquisador no poderar armar se as
diferenas encontradas explicada unicamente pelo
adubo ou pela melhor posio das plantas em relao a
luz e ventilao.
Soluo: Alaeatorizar a posio de cada vaso, deste
modo, se de fato existir certas posies que favoream o
crescimento este fator ter seu efeito bastante reduzido
com a aleatorizao das posies.
Introduo
Exigncias Bsicas
homognios possveis.
vasos sem o adubo.
luz e ventilao.
Introduo
Exigncias Bsicas
homognios possveis.
vasos sem o adubo.
luz e ventilao.
Introduo
Exigncias Bsicas
homognios possveis.
vasos sem o adubo.
luz e ventilao.
Introduo
Exigncias Bsicas
Experimentao cega: a experimentao em que o
pesquisador executa as medies sem saber a que grupo
pertence a unidade experimental. O objetivo desta
estratgia evitar qualquer tendncia(vcio por parte do
pesquisador).
Experimentao duplamente cega: ocorre quando as
unidades experimentais so pessoas, neste caso a
estratgia para eliminar vcios no experimento seria no
informar ao pesquisador e nem a pessoa participante do
experimento a que grupo pertence.
Experimentao triplamente cega: nesta situao nem
o pesquisador, nem a pessoa participante do experimento
e nem a pessoa que ir analisar os dados sabem a que
grupo pertence cada unidade experimental.
Introduo
Exigncias Bsicas
pesquisador).
Introduo
Exigncias Bsicas
pesquisador).
Introduo
Planejando um experimento
Para planejar um experimento, preciso denir:
a unidade experimental;
a varivel em anlise e a forma como ser medida;
os tratamentos em comparao;
a forma como os tratamentos sero designados s
unidades experimentais;
o nmero de unidades experimentais em cada grupo.
Introduo
Introduo
Introduo
Introduo
Introduo
Sumrio
1
Introduo
2
3
Anlise de Varincia
Mdias
4
5
Introduo
Quando o pesquisador dispe de unidades similares para
conduzir seu experimento, deve designar os tratamentos s
unidades por puro e simples sorteio, sem qualquer restrio.
Exemplo: Para comparar trs antiamatrios, A, B e C, sobre
a inamao produzida em ratos, um pesquisador dispunha de
12 ratos similares. Deste modo, sorteou e aplicou o
antiamatrio A para quatro ratos, o antiamatrio B para
quatro ratos e o aplicou o antiamatrio C para os quatro ratos
restantes.
Observao: Do ponto de vista estatstico recomendvel
que todos os tratamentos tenham o mesmo nmero de
rplicas. Se no for possvel recomendvel que o grupo
controle tenha o menor nmero de rplicas.
Introduo
restantes.
Introduo
restantes.
Introduo
Unidades similares
Similaridade no signica igualdade.
Duas unidade so simlares se repondem de forma similar
aos tratamentos. Por exemplo, em testes de ganho de
peso em animais, basta que os animais sejam da mesma
raa, mesmo sexo, mesma idade e que tenham no incio
do experimento pesos aproximados.
Introduo
Unidades similares
Similaridade no signica igualdade.
Duas unidade so simlares se repondem de forma similar
aos tratamentos. Por exemplo, em testes de ganho de
peso em animais, basta que os animais sejam da mesma
raa, mesmo sexo, mesma idade e que tenham no incio
do experimento pesos aproximados.
Introduo
Quando o pesquisador dispe de pequenos grupos de
unidades similares, mas nenhum deles com nmero suciente
de unidades para fazer um experimento inteiramente ao acaso,
executa-se o Delineamento em blocos Casualizados. Isto
feito designando os tratamentos de modo aleatrio dentro de
cada bloco.
Exemplo: Para comparar o efeito de quatro raes A,B,C e D,
sobre o peso de animais, o pesquisador dispunha de 12
animais com pesos diferentes. Para sortear as raes o
pesquisador organizou os animais com pesos prximos em
trs blocos para depois sortear para sortear os tratamentos s
unidades de cada bloco.
Observao: Note que no exemplo acima em cada bloco
aparecem todos os tratamentos, neste caso o delineamento
em blocos completos.
Introduo
cada bloco.
Introduo
cada bloco.
Introduo
Observao: Note que diferentemente do Delineamento
Interiamente ao Acaso em que a casualizao completa, no
Delineamento em blocos Casualizados tem-se uma restrio.
Primeiro deve-se criar os blocos e depois dentro de cada bloco
feito o sorteio.
Observao: A formao dos blocos deve ser feita de tal
modo que:
dentro de cada bloco as unidades se distingam apenas
pelo tratamento que recebem;
haja variabilidade entre os blocos.
Observao: Se o nmero de unidades experimentais em
cada bloco for maior que o nmero de tratamentos ento
utiliza-se as unidades a mais como rplicas.
Introduo
feito o sorteio.
modo que:
Introduo
feito o sorteio.
modo que:
Introduo
feito o sorteio.
modo que:
Introduo
Este delineamento exige a construo de blocos em duas
direes. Note que neste caso teremos um arranjo quadrado
de p tratamentos, que so usualmente denotados por letras
latinas, da o nome quadrados latinos. Observe que neste
delineamente tem-se duas restries na aleatorizao.
Exemplo
Considere os seguintes delineamentos:
A B D C A D B E C
B C A D D A C B E
C D B A C B E D A
D A C B B E A C D
E C D A B
Delineamento 4 4 Delineamento 5 5
Introduo
Este delineamento exige a construo de blocos em duas
direes. Note que neste caso teremos um arranjo quadrado
de p tratamentos, que so usualmente denotados por letras
latinas, da o nome quadrados latinos. Observe que neste
delineamente tem-se duas restries na aleatorizao.
Exemplo
Considere os seguintes delineamentos:
A B D C A D B E C
B C A D D A C B E
C D B A C B E D A
D A C B B E A C D
E C D A B
Delineamento 4 4 Delineamento 5 5
Introduo
Este delineamento utilizado quando deseja-se analizar a
inuncia de dois ou mais fatores e suas possveis
interaes. O tipo mais simples de um experimento fatorial
o 2 2, em que temos dois fatores e dois nveis;
De um modo geral temos os chamados fatoriais
k
1
k
q
, em que q nmero de fatores e p
i
o nmero
de nveis do i-simo fator;
Quando o nmero de nveis igual para todos os fatores,
isto , k
1
= = k
q
= k, tem-se os chamados fatorias k
q
.
Introduo
k
1
k
q
i
o nmero
isto , k
1
= = k
q
q
.
Introduo
k
1
k
q
i
o nmero
isto , k
1
= = k
q
q
.
Introduo
Anlise de Varincia
Anlise de Varincia versus Teste t para Diferena de Mdias
Sumrio
1
Introduo
2
3
Anlise de Varincia
Mdias
4
5
Introduo
Anlise de Varincia
Nos experimentos inteiramente ao acaso os tratamentos so
designados s unidades experimentais, por sorteio, sem
nenhuma restrio.
Exemplo
Para comparar a produtividade de quatro variedades de milho,
um agrnomo dispunha de 20 unidades experimentais(locais
aonde o milho iria ser plantado) similares em relao aos
diversos fatores que afetam a produtividade. Nestas condies,
sorteou-se, sem nenhuma restrio, 5 unidades experimentais
para cada uma das quatro variedades de milho. Neste caso,
temos um fator(a variedade de milho) com quatro nveis. Os
dados obtido encontram-se abaixo:
Introduo
Anlise de Varincia
Nos experimentos inteiramente ao acaso os tratamentos so
designados s unidades experimentais, por sorteio, sem
nenhuma restrio.
Exemplo
Para comparar a produtividade de quatro variedades de milho,
um agrnomo dispunha de 20 unidades experimentais(locais
aonde o milho iria ser plantado) similares em relao aos
diversos fatores que afetam a produtividade. Nestas condies,
sorteou-se, sem nenhuma restrio, 5 unidades experimentais
para cada uma das quatro variedades de milho. Neste caso,
temos um fator(a variedade de milho) com quatro nveis. Os
dados obtido encontram-se abaixo:
Introduo
Anlise de Varincia
Exemplo
Tratamento
A B C D
25 31 22 33
26 25 26 29
20 28 28 31
23 27 25 34
21 24 29 28
Dados Exemplo
Introduo
Anlise de Varincia
Tabela da ANOVA
Causas de variao GL SQ QM F calculado
Tratamentos k-1 SQTr QMTr F
cal
=
QMTr
QMR
Resduo n-k SQR QMR
Total n-1 SQT
Introduo
Anlise de Varincia
Tabela da ANOVA
em que:
SQTr a soma de quadrados de tratamentos,
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT a soma de quadrados totais,
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR a soma de quadrados resduos,
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
Tabela da ANOVA
em que:
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
Tabela da ANOVA
em que:
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
Tabela da ANOVA
Y
..
=
k
i =1
r
j =1
Y
ij
k r
Y
i .
=
r
j =1
Y
ij
r
QMTr =
SQTr
k 1
e QMR =
SQR
k(r 1)
=
SQR
kr k
=
SQR
n k
.
Introduo
Anlise de Varincia
Tabela da ANOVA
Y
..
=
k
i =1
r
j =1
Y
ij
k r
Y
i .
=
r
j =1
Y
ij
r
QMTr =
SQTr
k 1
e QMR =
SQR
k(r 1)
=
SQR
kr k
=
SQR
n k
.
Introduo
Anlise de Varincia
Anlise de varincia
Procedimento: Comparar a variao devida aos tratamentos
com a variao devida ao acaso.
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
a observao do i-simo tratamento na j-sima
unidade experimental(varivel resposta);
o parmetro comum a todos os tratamentos,
denominado mdia geral;
i
o efeito do i-simo tratamento;
ij
o erro associado ao i-simo tratamento na j-sima
unidade experimental. Esta componente incorpora todas
as outras fontes de variabilidade no consideradas no
experimento;
Introduo
Anlise de Varincia
Anlise de varincia
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
i
ij
experimento;
Introduo
Anlise de Varincia
Anlise de varincia
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
i
ij
experimento;
Introduo
Anlise de Varincia
Anlise de varincia
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
i
ij
experimento;
Introduo
Anlise de Varincia
Anlise de varincia
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
i
ij
experimento;
Introduo
Anlise de Varincia
Anlise de varincia
Modelo: Y
ij
= +
i
+
ij
, i = 1, . . . , k, j = 1, . . . , r ,
em que:
Y
ij
i
ij
experimento;
Introduo
Anlise de Varincia
Modelo Alternativo
Modelo: Y
ij
=
i
+
ij
,
em que
i
a mdia do i-simo tratamento.
Introduo
Anlise de Varincia
Pressupostos da Anlise de Varincia
Os efeitos prinicipais devem ser aditivos, isto
satisfeito considerando o modelo como uma soma de cada
um dos efeitos. Quando essa suposio no satisfeita,
pode-se utilizar uma transformao na varivel resposta;
Os erros devem ter distribuio
N
_
0
,
2
I
n
_
, em que,
0
=
_
_
0
0
.
.
.
0
_
_
e I
n
=
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
isto implica que, os erros sero independentes com a
distribuio marginal
ij
N(0,
2
). Nesse caso como a
varincia igual para todos os erros dizemos que os erros
possuem homocedasticidade.
Introduo
Anlise de Varincia
Pressupostos da Anlise de Varincia
Os efeitos prinicipais devem ser aditivos, isto
satisfeito considerando o modelo como uma soma de cada
um dos efeitos. Quando essa suposio no satisfeita,
pode-se utilizar uma transformao na varivel resposta;
Os erros devem ter distribuio
N
_
0
,
2
I
n
_
, em que,
0
=
_
_
0
0
.
.
.
0
_
_
e I
n
=
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
isto implica que, os erros sero independentes com a
distribuio marginal
ij
N(0,
2
). Nesse caso como a
varincia igual para todos os erros dizemos que os erros
possuem homocedasticidade.
Introduo
Anlise de Varincia
Estimativa dos parmetros
Utilizando o mtodo dos mnimos quadrados, tem-se que,
L(,
1
, . . . ,
k
) =
k
i =1
r
j =1
2
ij
=
k
i =1
r
j =1
(Y
ij

i
)
2
Tomando a derivadas parciais de L em relao a cada um dos
parmetros tem-se,
L(,
1
, . . . ,
k
)
= 2
k
i =1
r
j =1
(Y
ij

i
)
L(,
1
, . . . ,
k
)
i
= 2
r
j =1
(Y
ij

i
)
Introduo
Anlise de Varincia
Igualando a zero, tem-se que:
2
k
i =1
r
j =1
(Y
ij

i
) = 0
2
r
j =1
(Y
ij

i
) = 0, i = 1, . . . , k
Assim,
kr Y
..
kr r
1
. . . r
k
= 0
r Y
1.
r r
1
= 0
.
.
.
r Y
k.
r r
k
= 0
Introduo
Anlise de Varincia
Note agora que se somarmos as k ltimas equaes
obteremos a 1a. equao, logo o conjunto de equaes
normais no so linearmente independente. Portanto, no
existe soluo unica para os parmetros a serem estimados.
Soluo: Esta problema pode ser contornado, fazendo
k
i =1

i
= 0
Isto implicar que o efeito mdio dos tratamentos zero.
Nestas condies, segue que:
= Y
..
e
i
= Y
i .
.
Introduo
Anlise de Varincia
Note agora que se somarmos as k ltimas equaes
obteremos a 1a. equao, logo o conjunto de equaes
normais no so linearmente independente. Portanto, no
existe soluo unica para os parmetros a serem estimados.
Soluo: Esta problema pode ser contornado, fazendo
k
i =1

i
= 0
Isto implicar que o efeito mdio dos tratamentos zero.
Nestas condies, segue que:
= Y
..
e
i
= Y
i .
.
Introduo
Anlise de Varincia
Soma dos quadrados Total-SQT
A Soma de Quadrados Total pode ser obtida como os desvios
de todas as observaes em relao a mdia geral estimada ,
assim
SQT =
k
i =1
r
j =1
(Y
ij
)
2
=
k
i =1
r
j =1
(Y
ij
Y
..
)
2
=
k
i =1
r
j =1
Y
2
ij
C
em que C conhecida como fator de correo da soma dos
quadrados,
C =
_
k
i =1
r
j =1
Y
ij
_
2
kr
.
Introduo
Anlise de Varincia
Soma dos quadrados dos tratamentos
A Soma de Quadrados dos Tratamentos pode ser obtida como
os desvios de cada efeito dos tratamentos em relao a mdia
dos tratamentos estimada. Como neste caso considerou-se
que a mdia dos tratamentos deve ser zero, tem-se que,
SQTr =
k
i =1
r
j =1

2
i
=
k
i =1
r
j =1
( Y
i .
)
2
=
k
i =1
r
j =1
(Y
i .
Y
..
)
2
=
k
i =1
r
j =1
Y
2
i .
C
= r
k
i =1
Y
2
i .
C =
1
r
k
i =1
_
_
r
j =1
Y
ij
_
_
2
C
Introduo
Anlise de Varincia
Soma dos quadrados dos Resduos
A Soma dos quadrados dos Resduos a diferena entre SQT
e SQTr, assim,
SQR = SQT SQTr =
_
_
k
i =1
r
j =1
Y
2
ij
C
_
_
_
_
k
i =1
r
j =1
Y
2
i .
C
_
_
=
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
Estatstica do Teste
A estatstica do teste dada por,
F
cal
=
SQTr
k1
SQR
nk
F
k1,nk
em que k o nmero de tratamentos, n=kr o tamanho da
amostra. Assim, para um nvel de signicncia , se
F
cal
> F
,k1,nk
rejeita-se a hiptese H
0
.
Introduo
Anlise de Varincia
Caso com dois tratamentos
A estatstica do teste dada por,
F
cal
=
SQTr
k1
SQR
nk
=
r
_
Y
1.
Y
..
_
2
+r
_
Y
2.
Y
..
_
2
P
2
i =1
P
r
j =1
_
Y
ij
Y
1.
_
2
n2
Introduo
Anlise de Varincia
Outra maneira de fazer usando o teste da diferena de
mdias com varincias iguais para amostras independentes.
Assim,
t
cal
=
Y
1
Y
2
_
_
1
n
1
+
1
n
2
_
S
2
p
=
Y
1.
Y
2.
_
_
1
r
+
1
r
_
S
2
p
=
_
r
2
_
Y
1.
Y
2.
_
_
S
2
p
em que,
S
2
p
=
(n
1
1)S
2
1
+(n
2
1)S
2
2
n
1
+n
2
2
=
(r 1)S
2
1
+(r 1)S
2
2
2(r 1)
=
S
2
1
+S
2
2
2
Introduo
Anlise de Varincia
Deste modo,
t
cal
=
_
r
2
_
Y
1.
Y
2.
_
_
S
2
p
=
_
Y
1.
Y
2.
_
_
S
2
1
+S
2
2
2
=
_
Y
1.
Y
2.
_
_
P
r
j =1
_
Y
1j
Y
1.
_
2
r 1
+
P
r
j =1
_
Y
2j
Y
2.
_
2
r 1
2
=
_
Y
1.
Y
2.
_
P
2
i =1
P
r
j =1
_
Y
1j
Y
1.
_
2
n2
Introduo
Anlise de Varincia
Assim,
t
2
cal
=
_
Y
1.
Y
2.
_
2
P
2
i =1
P
r
j =1
_
Y
1j
Y
1.
_
2
n2
=
_
Y
1.
Y
2.
_
2
SQR
n2
.
Agora note que
r
_
Y
1.
Y
..
_
2
+r
_
Y
2.
Y
..
_
2
=
_
Y
1.
Y
2.
_
2
.
Portanto, t
2
cal
= F
cal
.
Introduo
Anlise de Varincia
Anlise dos Resduos
Os resduos estimados so dados por,
ij
= Y
ij
Y
i .
Deve-se vericar os seguintes pressupostos:
a presena de dados discrepantes;
se os erros so independentes;
se a varincia constante;
se a distribuio dos erros normal.
Introduo
Anlise de Varincia
Anlise dos Resduos
ij
= Y
ij
Y
i .
Introduo
Anlise de Varincia
Anlise dos Resduos
ij
= Y
ij
Y
i .
Introduo
Anlise de Varincia
Anlise dos Resduos
ij
= Y
ij
Y
i .
Introduo
Anlise de Varincia
Anlise dos Resduos
ij
= Y
ij
Y
i .
Introduo
Anlise de Varincia
Dados Discrepantes
Estimar os resduos padronizados:
z
i
=

ij
QMR
Se a normalidade dos dados satisfeita ento em mdia
99, 73% dos pontos devem cair entre 3 e 3. Deste modo
pontos fora desse intervlo devem ser considerados suspeitos.
Recomendao: Fazer a anlise com os dados discrepantes e
sem os dados discrepantes. Se as anlises chegarem a
mesma concluso razovel manter os dados discrepantes
caso contrrio, convm reavaliar os pressupostos do modelo e
talvez seja necessrio utilizar outro procedimento de anlise,
por exemplo um procedimento no paramtrico,
Kruskall-Wallis. (Fazer leitura das pginas 116 a 118 e fazer o
exemplo 3-12 no R)
Introduo
Anlise de Varincia
Dados Discrepantes
Estimar os resduos padronizados:
z
i
=

ij
QMR
Se a normalidade dos dados satisfeita ento em mdia
99, 73% dos pontos devem cair entre 3 e 3. Deste modo
pontos fora desse intervlo devem ser considerados suspeitos.
Recomendao: Fazer a anlise com os dados discrepantes e
sem os dados discrepantes. Se as anlises chegarem a
mesma concluso razovel manter os dados discrepantes
caso contrrio, convm reavaliar os pressupostos do modelo e
talvez seja necessrio utilizar outro procedimento de anlise,
por exemplo um procedimento no paramtrico,
Kruskall-Wallis. (Fazer leitura das pginas 116 a 118 e fazer o
exemplo 3-12 no R)
Introduo
Anlise de Varincia
Anlise dos Resduos
Normalidade: Pode-se fazer o grco q-qplot dos
resduos pardronizados. Pode-se tambm aplicar testes
para vericar a normalidade, por exemplo Shapiro-Wilks.
Independencia: Fazer o grco dos resduos
pardronizados. Pode-se aplicar o teste de Durbin-Watson.
Heterocedasticidade: Uma regra emprica a razo
entre a maior varincia e a menor no exceder a 3.
Pode-se tambem fazer testes, por exemplo:
Hartley(deve-se ter um nmero igual de rplicas em cada
tratamento), Bartlett(pode-se ter nmero diferentes de
rplicas, entretanto sensvel a no normalidade dos
dados).
Introduo
Anlise de Varincia
Anlise dos Resduos
dados).
Introduo
Anlise de Varincia
Anlise dos Resduos
dados).
Introduo
Anlise de Varincia
Exemplo - Varincias diferentes
Rplicas
Tratamentos 1 2 3 4 5 6
1 2370 1687 2592 2283 2910 3020
2 1282 1527 871 1025 825 920
3 562 321 636 317 485 842
4 173 127 132 150 129 227
5 193 71 82 62 96 44
Dados Exemplo
Introduo
Anlise de Varincia
0 500 1000 1500 2000 2500
5
0
0
0
5
0
0
Fitted values
R
e
s
i
d
u
a
l
s
Residuals vs Fitted
2
6
8
2 1 0 1 2
1
0
1
2
Theoretical Quantiles
S
t
a
n
d
a
r
d
i
z
e
d

r
e
s
i
d
u
a
l
s
Normal QQ
2
6
8
0 500 1000 1500 2000 2500
0
.
0
0
.
5
1
.
0
1
.
5
Fitted values
S
t
a
n
d
a
r
d
i
z
e
d

r
e
s
i
d
u
a
l
s
ScaleLocation
2
6
8
1
0
1
2
Factor Level Combinations
S
t
a
n
d
a
r
d
i
z
e
d

r
e
s
i
d
u
a
l
s
5 4 3 2 1
Tratamentos :
Constant Leverage:
Residuals vs Factor Levels
2
6
8
Introduo
Anlise de Varincia
Shapiro-Wilk normality test
W = 0,8961 p-value = 0,006742
Bartlett test of homogeneity of variances
Bartletts K-squared = 29,586 df = 4 p-value = 5, 942 10
06
Soluo: Fazer a transformao:
Y =
_
X
se = 0
ln(X) se = 0.
Introduo
Anlise de Varincia
1.0 0.5 0.0 0.5 1.0
2
3
0
2
2
0
2
1
0
2
0
0
lo
g
L
ik
e
lih
o
o
d
95%
^
== 0.19
Nesse caso pode-se usar a transformao Y = ln(X).
Introduo
Anlise de Varincia
Shapiro-Wilk normality test
W = 0,9764 p-value = 0,724
Bartlett test of homogeneity of variances
Bartletts K-squared = 5,5731 df = 4 p-value = 0,2334
ANOVA
Causas de variao GL SQ QM F calculado
Tratamentos 4 45,914 11,479 F
cal
= 103, 93
Resduo 25 2,761 0,110
Total 29 48,675 p-valor<0,00001
Introduo
Anlise de Varincia
Comparao das Mdias
Aps vericar que as mdias a prxima pergunta : Quais
mdias so diferentes?
Os procedimentos para responder a esta pergunta podem ser
dividos em trs grupos:
Comparao de mdias duas a duas;
Comparao das mdias dos grupos tratados(casos) com
a mdia do controle;
Comparaes multiplas.
Introduo
Anlise de Varincia
Comparao das Mdias
a mdia do controle;
Introduo
Anlise de Varincia
Comparao das Mdias
a mdia do controle;
Introduo
Anlise de Varincia
Comparao das Mdias
a mdia do controle;
Introduo
Anlise de Varincia
Contrastes
Denio
Um contraste uma combinao linear de paramtros da
forma,
=
n
i =1
c
i
i
em que
n
i =1
c
i
= 0.
Deste modo no exemplo anterior se desejarmos comparar o
2o. e o 4o. tratamentos, teremos em termos de constrastes
_
H
0
:
5
i =1
c
i
i
= 0
H
1
:
5
i =1
c
i
i
= 0
em que c
1
= c
3
= c
5
= 0, c
2
= 1 e c
4
= 1.
Introduo
Anlise de Varincia
Testes de Hipteses usando contrastes
Se estivermos interessados em realizar um teste de hiptese
envolvendo um determinado contraste, isto pode ser feito de
duas maneiras bsicas: uma usando o teste t e outra usando o
teste F. O primeiro passo escrever o contraste de interesse
em termos das mdias dos tratamentos, assim
C =
k
i =1
c
i
Y
i .
A varincia de um contraste dada por,
Var (C) =
k
i =1
Var
_
c
i
Y
i .
_
=
k
i =1
c
2
i
Var
_
Y
i .
_
=

2
r
k
i =1
c
2
i
.
Introduo
Anlise de Varincia
Testes de Hipteses usando contrastes
Note que
2
a varincia do erro que de um modo geral
desconhecido, assim utilizamos sua estimativa que dada por
QMR =
SQR
nk
, assim,
Var (C) =
QMR
r
k
i =1
c
2
i
portanto a estatstica do teste t dada por,
t
0
=
k
i =1
c
i
Y
i .
_
QMR
r
k
i =1
c
2
i
t
nk
Deste modo, se |t
0
| > t
2
,nk
ento rejeita-se a hiptese
H
0
:
k
i =1
c
i
i
= 0.
Introduo
Anlise de Varincia
Comparao das Mdias
A outra maneira usando o teste F da seguinte maneira.
t
2
0
= F
0
=
_
k
i =1
c
i
Y
i .
_
2
QMR
r
k
i =1
c
2
i
Deste modo, se F
0
> F
,1,nk
ento rejeita-se a hiptese
H
0
:
k
i =1
c
i
i
= 0.
Introduo
Anlise de Varincia
Contrastes Ortogonais
Denio
Dois contrastes com coecientes c
i
e d
i
so ortogonais se,
k
i =1
c
i
d
i
= 0.
Para k tratamentos, o conjunto de k 1 contrastes ortogonais
particiona a soma dos quadrados dos tratamentos(SQTr) em
k 1 componentes independentes com um grau de liberdade
cada. Deste modo, os testes feitos usando contrastes
ortogonais so independentes.
Introduo
Anlise de Varincia
Construindo Contrastes Ortogonais
Existem muitas maneiras de escolher os coecientes dos
contrastes ortogonais. Usualemente, algo na natureza do
experimento ir sugerir quais as comparaes de
interesse;
De um modo geral o mtodo de contrastes til quando
temos comparaes pr-planejadas, isto , os contrastes
so especicados antes de fazer o experimento e
examinar os dados. Este procedimento(comparaes
pr-planejada) importante pois caso contrrio o
experimentador tender a escolher os contrastes que
apresentam a maior diferena entre as mdias, a neste
caso o erro tipo I ser inacionado.
Introduo
Anlise de Varincia
Construindo Contrastes Ortogonais
Existem muitas maneiras de escolher os coecientes dos
contrastes ortogonais. Usualemente, algo na natureza do
experimento ir sugerir quais as comparaes de
interesse;
De um modo geral o mtodo de contrastes til quando
temos comparaes pr-planejadas, isto , os contrastes
so especicados antes de fazer o experimento e
examinar os dados. Este procedimento(comparaes
pr-planejada) importante pois caso contrrio o
experimentador tender a escolher os contrastes que
apresentam a maior diferena entre as mdias, a neste
caso o erro tipo I ser inacionado.
Introduo
Anlise de Varincia
Exemplo - Experimento da Resistncia Trao
Uma engenheira est interessada em saber se a porcentagem
de algodo em uma bra sinttica afeta a resistncia trao.
Rplicas
Tratamentos 1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
Dados Exemplo 3-1 Montgomery - pg 70
Introduo
Anlise de Varincia
ANOVA
Note que para um contraste qualquer temos que:
F
0
=
_
k
i =1
c
i
Y
i .
_
2
QMR
r
k
i =1
c
2
i
=
r
P
k
i =1
c
2
i
_
k
i =1
c
i
Y
i .
_
2
QMR
=
SQC
i
21
SQR
nk
Logo,
SQC
i
=
r
k
i =1
c
2
i
_
k
i =1
c
i
Y
i .
_
2
.
Introduo
Anlise de Varincia
ANOVA
Considere o seguinte conjunto de contrastes ortogonais:
C
1
= (0, 0, 0, 1, 1), C
2
= (1, 0, 1, 1, 1)
C
3
= (1, 0, 1, 0, 0), C
4
= (1, 4, 1, 1, 1)
Causas de variao GL SQ QM F
cal
Tratamentos 4 475,76 118,94 14,76
C
1
:
4
=
5
1 291,60 291,60 36,18
C
2
:
1
+
3
=
4
+
5
1 31,25 31,25 3,88
C
3
:
1
=
3
1 152,10 152,10 18,87
C
4
: 4
2
=
1
+
3
+
4
+
5
1 0,81 0,81 0,10
Resduo 20 161,20 8,06
Total 24 636,96
Introduo
Anlise de Varincia
Teste de Tukey
Estatstica do teste:
q
cal
=
Y
max
Y
min
_
QMR
2
_
1
r
max
+
1
r
min
_
q
k,nk
Quando r
1
= = r
k
= r tem-se que, se
Y
i .
Y
j .
q
,k,nk
_
QMR
r
ento rejeita-se a hiptese H
0
.
Observao
No teste de Tukey o nvel de signicancia do teste
exatamente quando o nmero de rplicas igual em todos
os tratamentos, caso contrrio no mximo .
Introduo
Anlise de Varincia
Teste de Tukey
Tratamentos Diferena Lim. Inf. Lim. Sup. P-valor
2-1 5.6 0.227 10.973 0.0385
3-1 7.8 2.427 13.173 0.0026
4-1 11.8 6.427 17.173 0.0000
5-1 1.0 4.373 6.373 0.9798
3-2 2.2 3.173 7.573 0.7372
4-2 6.2 0.827 11.573 0.0189
5-2 4.6 9.973 0.773 0.1163
4-3 4.0 1.373 9.373 0.2101
5-3 6.8 12.173 1.427 0.0091
5-4 10.8 16.173 5.427 0.0001
A diferena mnima signicante = 5, 37.
Introduo
Anlise de Varincia
Teste de Dunnett
Estatstica do teste:
d
cal
=
Y
i .
Y
c
_
QMR
_
1
r
i
+
1
r
c
_
d
k1,nk
Quando r
1
= = r
k
= r tem-se que, se
Y
i .
Y
j .
d
,k1,nk
_
2 QMR
r
ento rejeita-se a hiptese H
0
.
Introduo
Anlise de Varincia
Teste de Dunnett
Tratamentos Diferena
5-1 1.0
5-2 4.6
5-3 6.8
5-4 10.8
A diferena mnima signicante = 4, 76.
Introduo
Anlise de Varincia
Teste de Scheff
Quando no se sabe a priori quais so os contrastes de
interesse, pode-se fazer uma anlise exploratria dos dados
atrves do teste de Scheff. No mtodo proposto por Scheff o
erro tipo I no mximo para qualquer uma das possveis
comparaes. Deste modo, para um contraste
j
tem-se que
estatstica do teste dada por
F
0j
=
_
_
C
j
E(C
j
)
_
(k 1)
Var (C
j
)
_
_
2
=
_
k
i =1
c
i
Y
i .
_
2
(k 1)
QMR
r
k
i =1
c
2
i
F
,k1,nk
Introduo
Anlise de Varincia
Teste de Scheff
Margem de erro do teste:
E
j
=
_
(k 1)F
,k1,nk
QMR
r
k
i =1
c
2
i
Deste modo, o valor crtico do teste C
crit
j
=
j
+E
j
= E
j
.
Assim, se F
0j
> F
,k1,nk
ou |C
j
| > E
j
rejeita-se a hiptese
H
0
:
j
=
k
i =1
c
i
i
= 0
Observao
O procedimento de Scheff pode ser usado para construir
intervalos de conana simultaneos, C
j
E
j

j
C
j
+E
j
, em
que conana simultanea de todos os intervalos no mnimo,
1 .
Introduo
Anlise de Varincia
Tamanho de Amostra
Uma abordagem consiste em selecionar um tamanho de
amostra tal que, se a diferena entre quaisquer duas
mdias exceder um valor especicado D a hiptese nula
deve ser rejeitada. Deste modo, pode-se provar que o
valor mnimo de dado por,
2
=
r D
2
2k QMR
Outra abordagem escolhermos um percentual P para o
aumento do desvio padro de uma observao alm do
qual desejamos rejeitar a hiptese H
0
, isto equivalente a,
=
r
_
(1 +0, 01P)
2
1
Introduo
Anlise de Varincia
Experimento com Nmero de Rplicas Diferentes
SQTr =
k
i =1
r
i
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
i
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
i
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
SQTr =
k
i =1
r
i
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
i
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
i
j =1
_
Y
ij
Y
i .
_
2
Introduo
Anlise de Varincia
SQTr =
k
i =1
r
i
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
i
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
i
j =1
_
Y
ij
Y
i .
_
2
Introduo
Sumrio
1
Introduo
2
3
Anlise de Varincia
Mdias
4
5
Introduo
Modelos de Efeitos Fixos e Modelos de Efeitos
Aleatrios
O modelo de ANOVA apresentado,
Y
ij
= +
i
+
ij
com
k
i =1
i
= 0
um modelo de efeitos xos, pois os nveis do fator
escolhidos para o estudo so os nicos considerados
relevantes pelo investigador;
Em algums problemas no entanto, os nveis utilizados no
estudo so selecionados aleatoriamente de uma
populao de nveis possveis, neste caso diz-se que o
fator aleatrio em vez de xo.
Introduo
Aleatrios
O modelo de ANOVA apresentado,
Y
ij
= +
i
+
ij
com
k
i =1
i
= 0
um modelo de efeitos xos, pois os nveis do fator
escolhidos para o estudo so os nicos considerados
relevantes pelo investigador;
Em algums problemas no entanto, os nveis utilizados no
estudo so selecionados aleatoriamente de uma
populao de nveis possveis, neste caso diz-se que o
fator aleatrio em vez de xo.
Introduo
Aleatrios
No Modelo de Efeito Aleatrio,
Y
ij
= +
i
+
ij
tem-se que
i
e
ij
so variveis aleatrias independentes
entre si, com
i
NID(0,
2
) e
ij
NID(0,
2
);
A condio E(
i
) = 0 similar condio

k
i =1
i
= 0, ela
estabelece que o efeito esperado do i-esimo nvel como
um desvio de zero;
Introduo
Aleatrios
No Modelo de Efeito Aleatrio,
Y
ij
= +
i
+
ij
tem-se que
i
e
ij
so variveis aleatrias independentes
entre si, com
i
NID(0,
2
) e
ij
NID(0,
2
);
A condio E(
i
) = 0 similar condio

k
i =1
i
= 0, ela
estabelece que o efeito esperado do i-esimo nvel como
um desvio de zero;
Introduo
Exemplos
Para estudar o efeito de diferentes operadores, sobre o
tempo de execuo de uma tarefa, em uma determinada
mquina, selecionado um amostra de cinco operadores
de um grupo de N operadores possveis.
Para estudar o efeito dos trilhos usados nas estradas de
ferro, sobre o tempo de percurso de certo tipo de onda
resultante da presso longitudinal dos trilhos, foram
selecionados aleatoriamente seis trilhos e feitas trs
medies;
Introduo
Exemplos
Para estudar o efeito de diferentes operadores, sobre o
tempo de execuo de uma tarefa, em uma determinada
mquina, selecionado um amostra de cinco operadores
de um grupo de N operadores possveis.
Para estudar o efeito dos trilhos usados nas estradas de
ferro, sobre o tempo de percurso de certo tipo de onda
resultante da presso longitudinal dos trilhos, foram
selecionados aleatoriamente seis trilhos e feitas trs
medies;
Introduo
Sumrio
1
Introduo
2
3
Anlise de Varincia
Mdias
4
5
Introduo
o planejamento adequado quando o pesquisador dispe
apenas de pequenos grupos de unidades similares.
Exemplo
Um agrnomo deseja comparar quatro variedades de milho
com o objetivo de vercar se possuem em mdia a mesma
produtividade. O agrnomo possui uma grande rea para
realizar o experimento entretanto ele sabe que o solo no
homegnio em toda a rea. Logo, um experimento
inteiramente casualizado no possvel. Desta maneira, divide
a rea total em reas menores homogneas, os blocos. Assim,
dentro de cada bloco ele demarca quatro parcelas, uma para
cada variedade de milho que deseja comparar.
Introduo
Exemplo
Um mdico deseja comparar quatro drogas com o objetivo de
vercar se possuem em mdia o mesmo efeito na reduo de
sinais e sintomas da artrite. O mdico dispe de um grande
grupo de pacientes de onde poder selecionar uma amostra.
Entretanto, h uma suspeita que a idade do paciente um fator
de variao de sinais e sintomas. Desta maneira, dividi-se os
pacientes por faixa etria(estratos, os blocos). Assim, dentro
de cada bloco ou estrato, sorteia-se quatro pacientes ou
multiplo de quatro(rplicas) um para cada droga a comparar.
Introduo
Tabela da ANOVA
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Tabela da ANOVA
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Tabela da ANOVA
SQTr =
k
i =1
r
j =1
_
Y
i .
Y
..
_
2
SQT =
k
i =1
r
j =1
_
Y
ij
Y
..
_
2
SQR =
k
i =1
r
j =1
_
Y
ij
Y
i .
_
2
Introduo
Modelo

Planejamento de Experimento

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Planejamento de Experimento

Загружено:

Авторское право:

Доступные форматы

Introduo

Algums tipos de Delineamentos Experimentais

de modo que a variabilidade de Y

de modo que os efeitos das

de modo que a variabilidade de Y

de modo que os efeitos das

de modo que a variabilidade de Y

de modo que os efeitos das

de modo que a variabilidade de Y

de modo que os efeitos das

=(temperamento com leo,temperamento com soluo

= todos os fatores que no podem ser controlados

=(temperamento com leo,temperamento com soluo

= todos os fatores que no podem ser controlados

=(temperamento com leo,temperamento com soluo

= todos os fatores que no podem ser controlados

=(temperamento com leo,temperamento com soluo

= todos os fatores que no podem ser controlados

=(temperamento com leo,temperamento com soluo

= todos os fatores que no podem ser controlados

Вам также может понравиться