1

1- Experimentos com Um Fator: A Anlise de Varincia

1.1 Um exemplo. Uma bioqumica (Tecnologia de Alimentos) est interessada em
estudar a extrao de pigmentos naturais, com aplicao como corante em alimentos.
Numa primeira etapa tem-se a necessidade de escolher o melhor solvente extrator.
A escolha do(s) melhor(es) solventes foi realizada atravs da medida da absorbncia
de um pigmento natural do fruto de bagua.

Fator = solventes; a=5 nveis; n=5 repeties.
Fator uma varivel independente em estudo, por exemplo, solventes, aditivos. Estes
fatores geralmente envolvem diversos nveis. A ANOVA utilizada para verificar se
existem diferenas significativas entre os nveis dos fatores (tratamentos). Aqui
assume-se que o delineamento completamente casualizado. Estes experimentos s
podem ser realizados quando as unidades experimentais so homogneas. Por
exemplo, 12 leites da mesma raa, mesmo sexo, mesma idade e com pesos iniciais
prximos.
2
Casualizao: a partir de 1 kg de polpa, foram sendo retiradas amostras de 10gr,
onde foram aplicados os tratamentos, numa ordem aleatria.
Unidade experimental: 10 gramas de polpa do fruto de bagua.
As observaes obtidas de absorbncia so mostradas na tabela 1.1
Observaes Total Solventes
1 2 3 4 5
Mdia Desvio
Padro
E50 0,5553 0,5623 0,5585 0,5096 0,5110 2,6967 0,5393 0,0266
EAW 0,5436 0,5660 0,5860 0,5731 0,5656 2,8343 0,5669 0,0154
MAW 0,4748 0,4321 0,4309 0,5010 0,4094 2,2482 0,4496 0,0372
E70 0,6286 0,6143 0,5826 0,7498 0,6060 3,1813 0,6363 0,0656
M1M 0,1651 0,1840 0,2144 0,2249 0,1954 0,9838 0,1968 0,0238

Tabela 1.1 Dados de absorbncia de cada um dos solventes
3
Desenho esquemtico para absorbncia de cada solvente
Box Plot
Solventes
A
b
s
o
r
b

n
c
i
a
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
E50 EAW MAW E70 M1M
Existe uma forte suspeita de
que o tipo de solvente esteja
afetando a absorbncia.
Distribuies assimtricas.
Valor discrepante.
4
1-2 A Anlise de Varincia
Objetivo: testar se existe diferenas nas mdias de absorbncia para os a=5 tipos
(nveis) de solventes.
Tabela 1-2 Dados gerais de um experimento com um nico fator
Tratamentos
(nveis)
Observaes Totais Mdias

1

y
11

y
12

.

.

.

y
1n

y
1.

y
1

2

y
21

y
22

.

.

.

y
2n

y
2.

y
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

a

y
a1

y
a2

.

.

.

y
an

y
a.

y
a


5
Modelo estatstico (one-way):
ij i ij
y + + =
i=1,2,...,a
j=1,2,...,n
y
ij
= a ij-sima observao;
uma constante para todas as observaes (mdia geral);
t
i
o efeito do i-simo tratamento;
c
ij
o erro aleatrio(erros de medida, fatores no controlveis,
diferenas entre as unidades experimentais, etc.).
Pressuposies: 1) os erros aleatrios so independentes;
2) os erros aleatrios so normalmente distribudos;
3) os erros aleatrios tem mdia 0 (zero) e varincia o
2
;
4) a varincia, o
2
, deve ser constante para todos os nveis do fator.
5) as observaes so adequadamente descritas pelo modelo
tes independen e ) ; ( ~
2
i ij
N y o t +
Ou, ento:
6
Duas situaes: 1) modelo de efeito fixo (nveis selecionados pelo pesquisador);
2) modelo de efeito aleatrio (amostra aleatria). Neste caso, vamos
estimar e testar hipteses sobre a variabilidade de t
i

1-3 Anlise de Varincia do Modelo de Efeito Fixo
Hipteses: H
0
:
1
=
2
=...=
a

H
a
:
i
=
j
para pelo menos um par (i,j)
1-3.1 Decomposio da soma de quadrados total
( ) ( ) ( )

= = = = =
+ =
a
1 i
a
1 i
n
1 j
2
i. ij
2
.. i.
a
1 i
n
1 j
2
.. ij
y y y y n y y
Corrigida para a mdia
7
SS
T
= SS
Tratamentos
+ SS
E

Graus de liberdade:
SS
T
tem an-1 graus de liberdade; SS
Tratamentos
tem a-1 g.l. e SS
erro
tem a(n-1) g.l.
Esperanas dos quadrados mdios:
E(QMErro)

= o
2
1 a
n
entos) E(QMTratam
a
1 i
2
i
2

+ =

=
Teste de hiptese:
Quadrados mdios:
1) - a(n
SQErro
a
tos SQTratamen
QMErro QMTrat = =
1
QMErro
ntos QMTtratame
F =
8
1-3.2 Anlise Estatstica
F
0
= QMTratamentos / QMErro
Critrio para rejeio de H
0
: F
0
> F
o,a-1,N-a
. Pode-se usar o nvel descritivo (em
ingls: p-value: o menor valor de o para o qual rejeitamos a hiptese nula.
Exemplo: para o=5%, assim, se o nvel descritivo < do que 0,05 rejeitar H
0
,
caso contrrio, aceitar H
0
.
Frmulas para o clculo das somas de quadrados:

= =
=
a
1 i
n
1 j
2
..
2
ij T
N
y
y SS

=
=
a
1 i
2
..
2
i. s Tratamento
N
y
y
n
1
SS
s Tratamento T Erro
SS SS SS =
9
Tabela da anlise de varincia de um experimento com um fator.
Causas de
variao
Soma de
quadrados
Graus de
liberdade
Quadrados
mdios
F
0

Entre
tratamentos
SS
Tratamentos
a-1 QM
Tratamentos
QM
Tratamentos
QM
Erro
Erro (dentro
de trata/os)
SS
Erro
N-a QM
Erro

Total SS
T
N-1


N=an
Valor p
10
Exemplo 1-1. O experimento de absorbncia
Tabela da anlise de varincia dos valores de absorbncia.
Causas de
variao
Soma de
quadrados
Graus de
liberdade
Quadrados
mdios
F
0

Entre
solventes
0,5831

4 0,1458 101,1087
(P<0,0001)
Erro 0,0288

20 0,0014
Total 0,6119

24


F
.05;4;20
=2,87 F
,01;4;20
=4,43
Rejeita-se H
0
, e conclumos que as mdias de tratamentos diferem entre si; os solventes afetam signifi-
cativamente as mdias de absorbncia.
Coeficiente de variao (CV)= 7,95%
100 . CV
Mdia
QMErro
=
11
1-3.3 Estimao dos parmetros do modelo
Estimativas da mdia geral e dos efeitos dos tratamentos:
.. i. i
..
y y

y
=
=

i. i i
y

= + =
Um intervalo de confiana para
i
dado por:
/n QM t y
Erro a N /2, i.

Estimativa pontual de
i
: dado
i
= + t
i
, temos:
12
Intervalo de confiana para a diferena entre qualquer duas mdias
i
-
j
:
/n 2QM t y y
Erro a N /2, j. i.

Exemplo 1-3. Dados de absorbncia
M1M 0,2810 0,4778 0,1968
E70 0,1585 0,4778 0,6363
MAW 0,0282 0,4778 0,4496
EAW 0,0891 0,4778 0,5669
E50 0,0615 0,4778 0,5393
0,4778
5
4
3
2
1
= =
= =
= =
= =
= =
=

0,6712 0,6014
4
s s

5 / ) 0014 , 0 ( 086 , 2 6363 , 0

13
0,1373 0,2361
5 2(0,0014)/ 2,086 0,6363) (0,4496
4 3
s s

0,0218 0,0770
5 2(0,0014)/ 2,086 0,5669) (0,5393
2 1
s s

Critrio de rejeio de H
0
:
i.
-
j..
=0. Se o intervalo de confiana contm o
valor da hiptese nula no se rejeita a hiptese de nulidade, cc rejeita-se a
hiptese.

1-3.4 Dados desbalanceados: o nmero de observaes dentro de cada
tratamento diferente. Nesse caso, as SQ
Total
e SQ
Tratamentos
so dadas por:
N
y
n
y
SQ
/N y y SQ
2
..
a
1 i
i
2
i.
s Tratamento
2
..
a
1 i
n
1 j
2
ij Total
i
=
=

=
= =
14
1-4 Diagnstico do Modelo
Verificar se as pressuposies bsicas do modelo so vlidas. Isso
realizado atravs de uma anlise de resduos. Define-se o resduo da ij-
sima observao como:
ij ij ij
y y e =
modelo. pelo preditos valores y y onde
i. i ij
= + =
1-4.1 A suposio de normalidade
Vamos usar o grfico normal de probabilidades: sob normalidade
dos erros este grfico deve apresentar uma forma de reta.
15
Alguns valores negativos dos
resduos(mais extremos) deveriam ser
maiores; alguns valores positivos dos
resduos deveriam ser menores, com
exceo do ltimo valor que deveria ser
maior.
Contudo este grfico no
grosseiramente no normal.
Existe um resduo que muito maior
que os demais, este valor denominado
outlier. um problema srio. Deve-se
fazer uma investigao sobre esse valor
(erro de clculo, digitao, algum fato
experimental). S eliminar um outlier se
tiver uma justificativa no estatstica,
caso contrrio, fazer duas anlises: uma
com e outra sem o outlier. Usar mtodos
no paramtricos. Transformao.
Outlier: d
ij
=e
ij
/RQ(QM
Erro
). Se algum
resduo padronizado for maior do que 3
ou 4 ele um outlier.
Obs. RQ=raz quadrada.
16
1-4.2 Grfico de resduos no tempo
Para verificar se existe correlao entre os resduos. Uma tendncia de ter resduos positivos e
negativos indica uma correlao positiva. Isto implica que a suposio de independncia dos erros
foi violada. Isto um problema srio, e at difcil de resolver. Se possvel evitar este problema. A
casualizao adequada pode garantir a independncia.
5 10 15 20 25
O B S
- . 05
0. 00
0. 05
0. 10
R
E
S
I
D
U
O
17
1-4.3 Grfico dos resduos versos valores preditos
0. 2 0. 4 0. 6
P R E D I T O
- . 05
0. 00
0. 05
0. 10
R
E
S
I
D
U
O
A distribuio dos pontos aleatria. til para verificar se as varincias so heterogneas (forma de
megafone). Devido a presena de 1 outlier as varincias no so homogneas. Na presena de
heterogeneidade de varincias usual aplicar uma transformao nos dados. Pode-se usar os testes no-
paramtricos. A heterogeneidade de varincia tambm ocorre nos casos de distribuies assimtricas, pois a
varincia tende a ser funo da mdia.
18
As concluses so realizadas para os dados transformados.
Poisson: y
*
=\y ou y
*
=\1+y; dados de contagens
Log normal: y
*
=log y; somente valores positivos, varivel contnua com assimetria.
Binomial: y
*
=arco seno \y. dados de porcentagens
Teste de Bartlett para igualdade de varincias
j i : H
... : H
2
j
2
i 1
2
a
2
2
2
1 0
= =
= = =
O teste estatstico dado por:
c
q
2,3026
2
0
=
Onde:
( ) ( )
a N
S 1) (n
S
a N 1 n
1) 3(a
1
1 c
S log 1) (n S a)log (N q
2
i
a
1 i
i
2
p
1
a
1 i
1
i
2
i 10
a
1 i
i
2
p 10

=
|
|
.
|

\
|

+ =
=

=
19
2
i
S
a varincia amostral do i-simo tratamento.
Rejeita-se H
0
quando
tabela de valor o onde ,
2
1 - a ;
2
1 - a ;
2
0
>
Exemplo 1-4
0,0005675 s 0,0043068; s
0,0013873; s 0,0002372; s 0,0007092; s : Varincias
2
5
2
4
2
3
2
2
2
1
= =
= = =
9,488
8,698
1,10
4,1552
2,3026
1,10
20
1
4
5
12
1
1 c
4,1552 60,9752 56,82 q
12,9841) - 9,4634 - 11,4313 - 14,4995 - (-12,5969 - 10) (20)(-2,84 q
0,001442 S
2
0,05;4
2
0
2
p
=
= =
=
|
.
|

\
|
+ =
= + =
=
=
Conclui-se que as 5 varincias so iguais.
20
Teste de Levene
1) Calcular os resduos da anlise de varincia;
2) Fazer uma anlise de varincia dos valores absolutos desses resduos;
3) Se as varincias so homogneas, o resultado do teste F ser no significativo.
Exemplo: dados de absorbncia.
QMTratamentos QMErro F Nvel descritivo
0,000894 0,000447 1,9989 0,1335
Aceita-se as hipteses de que as varincias so homogneas
21
1-4.4 Escolha da transformao para estabilizar a varincia
Escolha emprica da transformao
i i
y y
log log log + =
Tabela 1-8 Transformaes para estabilizar as varincias
Relao entre o
i
e o =1-o
Transformao Comentrio
o
y
constante
0 1 Sem transformao
o
y

1/2
Raiz quadrada Poisson
o
y

1 0 Logartmica
o
y

3/2
3/2 -1/2 Inversa da raiz
quadrada(1/\y)

o
y

2
2 -1 Inversa(1/y)


Em muitos experimentos onde h repeties, podemos estimar o parmetro o
atravs da equao de regresso:
Como o e so desconhecidos, usamos as suas estimativas s e y(barra), esta a
mdia da amostra.
22
Exemplo 1-5 (Arquivo: plasma.sas)
Um pesquisador est interessado em estudar a influncia das idades de crianas
doentes no nvel de plasma, foram testadas 5 idades distintas, ou sejam, ID1= 0
ano, ID2=1 ano, ID3=2 anos, ID4=3 anos e ID5=4 anos. Os resultados de nvel
de plasma foram:
Idade Observaes Mdia Desvio
padro
0 13,44 12,84 11,91 20,09 15,60 14,78 3,27
1 10,11 11,38 10,28 8,96 8,59 9,86 1,12
2 9,83 9,00 8,65 7,85 8,88 8,84 0,71
3 7,94 6,01 5,14 6,90 6,77 6,55 1,05
4 4,86 5,10 5,67 5,75 6,23 5,52 0,55
Causas de
variao
S.Q. G.L. Q.M. F Nvel
descritivo
Idades 260,81 4 65,20 23,61 <0,0001
Resduo 55,23 20 2,76
23
O teste F da ANAVA indica que as 5 mdias de nveis de plasma diferem
significativamente entre si. O grfico dos resduos indica heterogeneidade de varincias.
6 8 10 12 14
P R E D I T O
- 2
0
2
4
R
E
S
I
D
U
O
24
Para estudar a possibilidade de uma transformao nos dados, plotamos log do desvio padro
versus log da mdia. A equao de uma regresso linear simples para os dados dada por:
erro logmedia * 5608 1 4247 1 logdesvio + + = , ,
25
Como o coeficiente angular prximo de 1,5 e, de acordo com a tabela, podemos
usar a transformao INVERSO DA RAZ QUADRADA.
Causas de
variao
S.Q. G.L Q.M. F Nvel
descritivo
Idade 0,0818 4 0,0205 36,06 <0,0001
Resduo 0,0108 19 0,0006

26
Transformao: logartmica (base 10).
Causas de
variao
S.Q. G.L Q.M. F Nvel
descritivo
Idade 0,5385 4 0,1346 36,23 <0,0001
Resduo 0,0743 20 0,0037
27
1-4.5 Grfico dos resduos versus outras variveis
Se a distribuio dos pontos no grfico mostrar algum padro (tendncia, isto ,
se os pontos no esto distribudos aleatoriamente no grfico) a varivel afeta a resposta,
assim, esta varivel deve ser melhor controlada ou includa na anlise.
28
29
1-5 Interpretando os resultados
1-5.1 Modelo de Regresso
Fator quantitativo: interesse em encontrar uma equao de regresso que leva em
conta toda a faixa de valores anlise de regresso
Doses de
fsforo
Observaes Totais Mdias
0 kg/ha 2,38 6,77 3,50 5,94 18,59 4,65
25 kg/ha 6,15 8,78 8,99 9,10 33,02 8,26
50 kg/ha 9,07 8,73 6,92 8,48 33,20 8,30
75 kg/ha 9,55 8,95 10,24 8,66 37,40 9,35
100 kg/ha 9,14 10,17 9,75 9,50 38,56 9,64


Exemplo: produo de milho em kg/parcela.
Desvio Padro
2,05
1,40
0,95
0,69
0,40
30
Diagramadedispersoparaos dados deproduodemilho
Doses defsforo
P
ro
d
u

o
e
m
k
g
/p
a
rc
e
la
1
3
5
7
9
11
-20 0 20 40 60 80 100 120
Os traos no grfico representam os
valores mdios para cada uma das
doses.
Pelo grfico de disperso, verifica-se
claramente que a relao no linear.
Podemos ajustar um polinmio de 2
0

grau para representar este
relacionamento, isto ,



x x y
2
2 1 0
+ + + =
Onde |
0
, |
1
e |
2
so parmetros
desconhecidos e que devem ser estimados e
c o erro aleatrio. Para o exemplo a
equao ajustada dada por:
2
0,0006x 0,1087x 5,0182 y + =
.
R
2
=66,9%66,9 % da variabilidade dos dados
explicada pelo modelo quadrtico.
31
Estimao: X=90 =9,58 8,6sYs10,5
- Estimar a produo mdia de milho para
doses dentro da regio de experimentao;

-Otimizao.
58 9 90 0006 0 90 1087 0 0182 5 y
2
, ) ( , ) ( , , = + =
Otimizao:
) ( ,
, , ,
' '
' '
'
'
mximo de Ponto 0006 0
x
y
58 90 x 0 x 0006 0 1087 0
x
y
=
c
c
= = =
c
c
32
1-5.2 Comparaes entre mdias de tratamentos
(Fatores qualitativos)
Quando o teste F da anlise de varincia for significativo, indica que existe diferenas entre as
mdias de tratamentos. Entre quais mdias ou grupos?
1-5.3 Contrastes
Desejamos verificar se a mdias dos solventes E50, EAW e E70 no diferem da mdia dos
solventes MAW e MM. Esta hiptese escrita como:
3 3 2 2 2 H
3 3 2 2 2 : H
5 3 4 2 1 1
5 3 4 2 1 0
+ = + +
+ = + +
:
Temos o contraste:
5. 3. 4. 2. 1.
3y 3y 2y 2y 2y + +
A soma de quadrados dada por:

= =
|
.
|

\
|
=
a
1 i
2
i
2
a
1 i
i. i c
c n y c SQ
Com 1 grau de liberdade
(sempre).

=
=
a
i
i
c
1
0
33
Se o delineamento desbalanceado ento:

= =
|
.
|

\
|
=
a
1 i
2
i i
2
a
1 i
i. i c
c n y c SQ
TESTE: SQ
c
/QMErro. Vamos obter uma estatstica F com
1 e N-a graus de liberdade.
1-5.4 Contrastes Ortogonais
Dois contrastes com coeficientes c
i
e d
i
so ortogonais se:
eado) (desbalanc d c n ou 0 d c
a
1 i
i i i
a
1 i
i i

= =
=
Exemplo: vamos considerar um
experimento com 3 tratamentos
(a=3), sendo um deles o controle.
3. 2. 2
3. 2. 1. 1
y y y
y y 2y y
=
+ + =
ortogonais
34
Os contrastes devem ser escolhidos antes de realizar o experimento.
Para a tratamentos podemos ter a-1 contrastes ortogonais; podemos ter vrios conjuntos
de a-1 contrastes ortogonais.
Exemplo: dados de absorbncia. Temos 5 mdias de
tratamentos e, portanto, 4 g.l. 4 contrastes ortogonais.
Contrastes

C
1
=2y
1.
+2y
2.
-3y
3.
+2y
4.
-3y
5.

C
2
= y
1.
+ y
2.
-2y
4.

C
3
= y
1.
- y
2.
C
4
= y
3.
-y
5.



5 3 0
2 1 0
4 2 1 0
5 3 4 2 1 0
: H
: H
2 : H
3 3 2 2 2 : H
=
=
= +
+ = + +
Hipteses:
C
1
=7,7286; C
2
=-0,8316; C
3
=-0,1376; C
4
=1,2644
SQC
1
=0,3982; SQC
2
=0,0231; SQC
3
=0,0019; SQC
4
=0,1599
35
Variaes
no modelo
Soma de
Quadrados
GL Quadrado
Mdio
F
Solventes 0,5832 4 0,1458 101,11 P<0,0001
Contrastes
C
1
(0,3982) 1 276,23 P<0,0001
C
2
(0,0231) 1 15,99 P<0,0007
C
3
(0,0019) 1 1,31 P<0,2653
C
4
(0,1599) 1 110,90 P<0,0001
Erro 0,0280 20 0,0014
Total 0,6112 24
36
1-5.5 Mtodo de Scheff para comparao de contrastes
1 - No sabe a priori quais contrastes comparar
2 - Deseja comparar mais do que a-1 contrastes
Considere m contrastes de mdias:
m 1,2,..., u c ... c c
a au 2 2u 1 1u u
= + + + =
A estimativa do contraste dado por:
m 1,2,..., u x c ... x c x c C
a au 2 2u 1 1u u
= + + + =
O erro padro do contraste dado por:

=
=
a
1 i
i
2
iu Erro C
/n c QM S
u
37
Critrio do teste: o valor com o qual C
u
deve ser comparado dado por:
a N 1, a ; C u ,
1)F (a S S
u

=
Se |C
u
> S
o,u
|, ento rejeita-se a hiptese de que o contraste I
u
igual a zero.
Exemplo 1-1. Dados de absorbncia. Considere os 2 contrastes de interesse
5 4 3 2 1 1
3 2 3 2 2 + + =
4 2 1 2
2 + =
As estimativas desses contrastes so:
1,5458
3(0,1968) 2(0,6363) 3(0,4496) 2(0,5669) 2(0,5393)
y 3 y 2 y 3 y 2 y 2 C
5 4 3 2 1 1
=
+ + =
+ + =
38
0,1664
2(0,6363) 0,5669 0,5393
y 2 y y C
4 2 1 2
=
+ =
+ =
Erros padres dos contrastes:
0,0410 4)/5 1 0,0014(1 S
0,0917 9)/5 4 9 4 0,0014(4 S
2
1
C
C
= + + =
= + + + + =
Os valores crticos so dados por:
0,1726 4(4,43) 0,0410 S
0,3860 4(4,43) 0,0917 S
0,01;2
0,01;1
= =
= =
Como |C
1
| > S
0,01;1
conclui-se que o contraste C
1
diferente de zero, isto , os tratamentos
E50, EAW e E70 em mdia diferem dos tratamentos MAW e M1M. Como |C
2
| < S
0,01;2

conclui-se que o contraste C
2
igual a zero, portanto, os tratamentos E50 e EAW, em mdia,
no diferem do tratamento E70.
39
1-5.6 Comparaes entre Pares de Mdias
. , os todos para : H
j i 0
j i = Hiptese:
Nmero de comparaes: a(a-1)/2.
Mtodo da Diferena Mnima Significativa (LSD)
Devem ser realizadas aps o teste F da anlise de varincia rejeitar a hiptese nula
A estatstica a ser utilizada dada por:
|
|
.
|

\
|
+

=
j i
j i
0
n
1
n
1
QMErro
y y
t
Para um teste bilateral, o par de mdias,
i
e
j
, significativamente diferente se:

) n 1 n 1 QMErro( y y
j i ; 2 / j i
+ >
a N
t
o
40
Critrio do teste: se
LSD y y
j i
>
conclumos que o par de mdias
i
e
j
, diferem
significativamente.
Exemplo: dados de absorbncia. Para o=0,05, o valor da LSD :
0494 , 0 5 / ) 0014 , 0 ( 2 086 , 2 n 2(QMErro)/ t LSD
0, 025;20
= = =
-
-
-
-
-
-
-
-
-
=
=
=
=
=
=
=
=
=
= =
4395 , 0 y y
2528 , 0 y y
1867 , 0 y y
3701 , 0 y y
0694 , 0 y y
1173 , 0 y y
3425 , 0 y y
0970 , 0 y y
0897 , 0 y y
0276 , 0 5669 , 0 5393 , 0 y y
5 4
5 3
4 3
5 2
4 2
3 2
5 1
4 1
3 1
2 1
*
diferena significativa para o=5%.

41
Teste de Tukey
Duas mdias so diferentes significativamente se a diferena das mdias amostrais
(em valor absoluto) for superior a DMS (Diferena Mnima Significativa):
j i
r r
s
q
DMS
1 1
2
+ =
Onde q um apropriado nvel de confiana superior da amplitude studentizada para k
mdias (tratamentos) e f graus de liberdade associados a estimativa s
2
de o
2
(QMErro).
Exemplo: dados de absorbncia. O valor da Diferena Mnima Significativa :
0708 , 0
5
2
2
0014 , 0
23 , 4
1 1
2
) 20 ; 5 ( 05 , 0
= = + =
j i
n n
QMErro
q DMS
Concluso: pelo teste de Tukey, ao nvel de significncia de 5%, as mdias dos
tratamentos E50 e EAW, assim como as mdias dos tratamentos EAW e E70 no
apresentam diferenas significativas. As mdias dos tratamentos E50 e E70 apresentam
diferena significativa.
42
Teste de Dunnett: comparao com um controle
Interesse comparar cada uma das a-1 mdias com a mdia do tratamento controle,
assim temos a-1 comparaes. Deseja-se testar a hiptese:
1 - a 1,2,..., i para : H : H
a i 1 a i 0
= = =
Onde
a
a mdia do tratamento controle.
A hiptese de nulidade rejeitada, ao nvel de significncia o, se
|
|
.
|

\
|
+ >
a i
a i
n n
QMErro f a d y y
1 1
) , 1 (
. . o
Exemplo: dados de absorbncia. Considere o tratamento MM como sendo o controle. Neste
exemplo, a=5, a-1=4 e f=20 e n
i
=n
a
=5. Para o=5%, da tabela (valores crticos do teste de
Dunnett) obtemos d
0,05(4;20)
=2,65. Assim, o valor crtico dado por:
0636 , 0
5
2
) 00144 , 0 ( 65 , 2 =
43
4395 , 0
2528 , 0
3701 , 0
3425 , 0
5 4
5 3
5 2
5 1
=
=
=
=
y y
y y
y y
y y
Concluso: todas as mdias diferem significativamente da mdia do tratamento controle.
Qual teste usar?
O LSD eficiente para detectar diferenas verdadeiras nas mdias se ele for aplicado
apenas depois do teste F da ANOVA se significativo a 5%. Idem para o Duncan. Estes
mtodos no contm o erro tipo I (erro geral ou experimentwise error). Como o Tukey
controla este erro ele o preferido pelos estatsticos. O SNK mais conservador do que o
Duncan.
44
1-6 Modelo de Efeito Aleatrio
Se o pesquisador seleciona aleatoriamente a nveis de um fator de uma populao de
nveis desse fator, ento o fator dito aleatrio. A inferncia feita para toda a
populao de nveis.
Exemplo: uma pesquisadora estudou o contedo de sdio em cervejas selecionando
aleatoriamente 6 marcas de um grande nmero de marcas dos EUA e do Canad. Ela,
ento, escolheu 8 garrafas de cada marca aleatoriamente de supermercados e mediu a
quantidade de sdio (em miligramas) de cada garrafa.
45
Garrafas
Marcas 1 2 3 4 5 6 7 8
1 24.4 22.6 23.8 22.0 24.5 22.3 25.0 24.5
2 10.2 12.1 10.3 10.2 9.9 11.2 12.0 9.5
3 19.2 19.4 19.8 19.0 19.6 18.3 20.0 19.4
4 17.4 18.1 16.7 18.3 17.6 17.5 18.0 16.4
5 13.4 15.0 14.1 13.1 14.9 15.0 13.4 14.8
6 21.3 20.2 20.7 20.8 20.1 18.8 21.1 20.3
23.8
O modelo estatstico:
n 1,..., j e a 1,..., i para , y
ij i ij
= = + + =
t
i
o efeito do i-simo tratamento e assume-se que seja NID(0,o
2
t
)
c
ij
o erro aleatrio e assume-se que sejam NID(0, o
2
)
t
i
e c
ij
so independentes
Testar hipteses sobre os efeitos dos tratamentos no faz sentido, assim, vamos
testar as hipteses sobre a varincia dos tratamentos.
0 : H 0 : H
2
1
2
0
> =
46
Se o
2
t
=0, ento todos os tratamentos so idnticos; mas se o
2
t
>0 a variabilidade entre
tratamentos significativa.
Quando temos um modelo de efeitos aleatrios o interesse est em estimarmos os componentes
de varincias: o
2
t
e o
2
. Prova-se que:
2
2

2
E(QMErro)
n entos) E(QMTratam
=
+ =
QMErro)/n ntos (QMTratame
QMErro
assim,
QMErro
n tos QMTratamen
2

2
2
2

2
=
=
=
+ =

Portanto,
47
Exemplo: Dados de sdio. Os resultados da anlise de varincia so mostrados
na tabela abaixo - Arquivo: conteudodesoddiocervejas.sas
Variaes
no modelo
S.Q. G.L. Q.M. F Nvel
descritivo
Marcas 854,529 5 170,906 238,71 P<0,0001
Erro 30,070 42 0,716
Total 884,599 47
Os componentes de varincia so estimados por:
2738 21 8 716 0 906 170
716 0
2
2
, )/ , , (
,
= =
=
t
o
o
Um uso importante: isolar diferentes fontes de variabilidade que afetam um produto
ou um sistema. Identificar fatores com maior variabilidade (Exemplo: Lotes,
amostras e rplicas).
Concluso: rejeita-se H
0
:
0
2
=
t
o
48
2- Mais Sobre Experimentos com Um Fator
2-1 Escolha do Tamanho da Amostra
2-1.1 Curvas Caractersticas de Operao
Curva caracterstica de operao: um grfico em que no eixo das ordenadas temos a
probabilidade de erro tipo II (aceitar a hiptese de nulidade quando na verdade deveramos ter
rejeitado) e no eixo das abcissas temos a preciso desejada pelo pesquisador.
Probabilidade de erro tipo II para o modelo de efeito fixo e igual tamanho de amostra por
tratamento.
( )
( ) falsa H | F F P 1
falsa H | H Rejeitar P 1
0 a N 1; a ; 0
0 0

> =
=
As CCO dadas no baco V (Apndice), so usadas para avaliar o valor de |. Essas
CCO so um grfico de | (ordenadas) versus | (abcissas), onde:
2
a
1 i
2
i
2
a
n

=
= |
49
O clculo de | apresenta algumas dificuldades prticas:
( )

=
= =
a
1 i
i i i
a 1 onde 1)
2) necessita-se de uma estimativa de o
2
(experincia, um
experimento piloto, bibliografia)
Exemplo: dados de absorbncia. Suponha que a pesquisadora deseja rejeitar a hiptese nula
com pelo menos 90% de probabilidade(1-|=90%) se as 5 mdias dos trat/os so:
0,2 0,8 0,3 0,7 0,6
5 4 3 2 1
= = = = =
Ela deseja usar o=0,05, e neste caso a mdia geral vale 0,52.
0,32 0,52 0,20
0,28 0,52 0,80
0,22 0,52 0,30
0,18 0,52 0,70
0,08 0,52 0,60
5 5
4 4
3 3
2 2
1 1
= = =
= = =
= = =
= = =
= = =
Assim, 268 , 0
1
2
=

=
a
i
i
t De um ensaio preliminar encontramos o
2
=0,06.
50
Temos:
( )
n
n
893 , 0
) 06 , 0 ( 5
268 , 0
2
= = |
CCO para a-1=5-1=4, N-a=a(n-1) e o=0,05
n
|
2
|
a(n-1)
| (1-|)
4 3,37 1,89 15 0,15 0,85
5 4,47 2,11 20 0,07 0,93
Assim, a pesquisadora deve utilizar n=5 repeties para realizar o teste com o poder
desejado.
Alternativa: selecionar um tamanho de amostra tal que, se a diferena entre qualquer duas
mdias exceder um valor especificado, a hiptese de nulidade deve ser rejeitada. Seja D este
valor (preciso), ento:
2
2
2
2 o
|
a
nD
=
Exemplo: dados de absorbncia: suponha que a pesquisadora deseja rejeitar a hiptese de
nulidade com probabilidade igual a 0,90 (Poder do teste (1-|)) se a diferena entre
qualquer duas mdias for igual a 0,30. Considere uma estimativa para o
2
=0,015.
51
n
n
60 , 0
) 015 , 0 )( 5 ( 2
) 3 , 0 (
2
2
= = |
CCO para (a-1)=(5-1)=4 e a(n-1) g.l. e o=0,05
n
|
2
|
a(n-1)
| (1-|)
5 3,0 1,73 20 0,15 0,85
6 3,6 1,90 25 0,12 0,88
7 4,2 2,05 30 0,07 0,93
Conclui-se que n=7 repeties devem ser usadas para ter a preciso e confiana desejadas.
Modelo de efeitos aleatrios: a probabilidade de erro tipo II para esse caso :
( )
0) | F P(F 1
falsa H | H Rejeitar P 1
2
a - N 1; - a ; 0
0 0
> > =
=
As CCO (baco VI, Apndice) so grficos onde na ordenada temos a probabilidade de
erro tipo II e na a abcissa temos , onde dado por:
2
2

n
1 + =
52
o
2
t
: quanto da variabilidade na populao dos tratamentos deseja-se detectar;
o
2
: pode ser obtido atravs de algum experimento ou experincia anterior, bibliografia.
Exemplo: contedo de sdio. O pesquisador deseja rejeitar a hiptese de nulidade com 99%
de probabilidade se o
2
t
=10. De um experimento anterior sabe-se que o
2
=1,0.
) 10 ( 1
1
) 10 (
1 n
n
+ = + =
CCO com (a-1)=(6-1)=5 e N-a=42 e o=0,01
n

a(n-1)
| (1-|)
3 5,6 12 0,027 0,973
4 6,4 18 0,015 0,985
5 7,1 24 0,000 1,000
Mtodo do Intervalo de Confiana
Assume-se que o pesquisador deseja expressar os resultados em termos de intervalos de
confiana dos efeitos dos tratamentos. Especifica priori a amplitude dos mesmos.
53
A semi-amplitude do intervalo de confiana (preciso que o pesquisador deseja, isto , a
diferena entre a mdia obtida no experimento e a mdia verdadeira) ) dada por:
n
2(QMErro)
a N /2;
t
Exemplo: dados de absorbncia: o pesquisador deseja construir com confiana de 95%,
um intervalo com semi-amplitude de 0,15. Considere o
2
=0,015.
Para n=5 repeties, a semi-amplitude do intervalo de confiana dada por:
162 , 0 5 / ) 015 , 0 ( 2 086 , 2 =
O qual apresenta uma preciso menor do que a desejada, portanto, vamos aumentar o
tamanho da amostra. Para n=6 repeties, temos:
15 , 0 6 / ) 015 , 0 ( 2 060 , 2 =
Para n=6 repeties encontramos a preciso desejada.
54
2-2 Encontrando efeitos de disperso
O interesse descobrir se os diferentes nveis do fator afetam a variabilidade efeitos
de disperso. Neste caso, a varivel resposta a ser utilizada ser a varincia, desvio
padro ou outra medida de variabilidade.
Exemplo. Na fabricao de po utiliza-se farinha de trigo e de um nmero menor de outros
ingredientes permitidos (fatores em estudo). O objetivo de um programa de qualidade foi a de
identificar uma combinao desses ingredientes os quais produzem um alto volume especfico
de po e que seja tolerante a flutuaes no processo de fabricao. Para esse fim, foi realizado
um experimento com 4 formulaes (1, 2, 3 e 4), sendo a ltima uma formulao padro. Os
dados mdios de volume especfico e desvio padro esto na tabela a seguir.
Observaes Formulaes
1 2 3 4
1 501,5 92,63 528,0 29,70 412,5 30,41 463,0 63,64
2 447,0 15,55 503,5 6,36 392,5 16,26 512,0 2,83
3 466,5 12,02 566,5 43,13 439,0 35,36 492,0 56,57
4 469,5 41,72 500,0 24,04 405,0 52,33 478,5 31,82
55
O teste F da ANOVA para os valores mdios de volume especfico de po no foi
significativo(F=0,2667 e valor do nvel descritivo igual a 0,8482), indicando que no
existe diferenas entre as 4 formulaes.
Para investigar possveis efeitos de disperso, usualmente utiliza-se LN(s),como sendo a
varivel resposta (a transformao logartmica estabiliza a varincia). Os resultados da ANOVA
esto na tabela a seguir.
Variaes
no modelo
S.Q. G.L. Q.M. F Nvel
descritivo
Formulaes 7,408 3 2,469 6,24 0,0085
Erro 4,789 12 0,396
Observa-se que as formulaes afetam o desvio padro do volume especfico do po, isto
, as formulaes tem um efeito de disperso.
56
LSD test; variable LNDESPAD (volumpao.sta)
Probabilities for Post Hoc Tests
MAIN EFFECT: VAR1
{1} {2} {3} {4}
3,871943 2,105592 3,462963 3,582091
1 {1} ,001857 ,375988 ,526936
2 {2} ,001857 ,010057 ,006118
3 {3} ,375988 ,010057 ,793393
4 {4} ,526936 ,0,006118 ,793393
Dos resultados do teste LSD, conclui-se que a formulao 2 produz menos disperso do
que as demais; As formulaes 1, 3 e 4, so estatisticamente equivalentes.
2-3 Ajustando curvas de respostas
Quando os nveis do fator so quantitativos, podemos realizar uma regresso polinomial.
Duas etapas: 1) desdobramento dos graus de liberdade de tratamentos (a-1),em regresso
linear, quadrtica, cbica, 4 grau, e assim por diante. Geralmente ajusta-se uma regresso
quadrtica. 2) obter a equao de regresso.
57
Exemplo: produo de milho, em kg/unidade experimental.
Totais dos
trat/os
Coeficientes dos contrastes ortogonais
(c
i
)
Dose de
fsforo
y
i.
Linear Quadrt. Cbico 4. grau
0 18,59 -2 2 -1 1
25 33,02 -1 -1 2 -4
50 33,20 0 -2 0 6
75 37,40 1 -1 -2 -4
100 38,56 2 2 1 1
|
.
|

\
|

=
a
i
i i
y c
1
.
Efeito:
44,32 -22,52 11,21 -25,33
Soma de quadrados:
(
(
(
(

|
.
|

\
|

=
=
a
i
i
a
i
i i
c n
y c
1
2
2
1
.
49,11 9,06 3,14 2,29
58
O novo quadro da ANOVA fica:
Causas de
variao
Soma
de
Quadrados
Graus
de
Liberdade
Quadra-
dos
Mdios
F Nvel
Descritivo
Doses 63,60 4 15,90 10,22 0,0003
(Linear) 49,107 1 49,107 31,56 0,0001
(Quadrtico) 9,06 1 9,06 5,82 0,0291
(Cbico) 3,14 1 3,14 2,02 0,1758
(4. grau) 2,29 1 2,29 1,47 0,2437
Erro 23,34 15 1,56
Total 86,94 19
Observamos que o efeito quadrtico foi significativo, portanto, vamos ajustar um
polinmio de segunda ordem aos dados, dado por:
c o o o + + + = ) ( ) (
2 2 1 1 0
x P x P y
Onde P
u
(x) um polinmio de u-sima ordem.. Os 3 primeiros polinmios ortogonais
so:
59
(
(

|
.
|

\
|
=
(
(

|
.
|

\
|
=
(
(

|
|
.
|

\
|
|
.
|

\
|
=

=
(

=
(

=
=
2
25
50
2
25
50
1
12
1
) (
25
50
25
50
1
) (
) (
1 ) (
2 2
2
2
2 2
1 1
0
x x a
d
x x
x P
x x
d
x x
x P
x P

Onde d a distncia entre dois nveis de x, a o total de nveis, e

i
so constantes
obtidas em tabelas. As estimativas de mnimos quadrados dos parmetros no modelo
polinomial ortogonal so:
| |
1 ,..., 1 , 0
) (
) (

2
= =

a i
x P
x yP
i
i
i
o
60
Y X P
0
(x) P
1
(x) P
1
(x)
2
YP
1
(x) P
2
(X) P
2
(X)
2
YP
2
(X)
2,38 0 1 -2 4 -4,76 2 4 4,76
6,77 0 1 -2 4 -13,54 2 4 13,54
3,50 0 1 -2 4 -7,00 2 4 7,00
5,94 0 1 -2 4 -11,88 2 4 11,88
6,15 25 1 -1 1 -6,15 -1 1 -6,15
8,78 25 1 -1 1 -8,78 -1 1 -8,78
8,99 25 1 -1 1 -8,99 -1 1 -8,99
9,10 25 1 -1 1 -9,10 -1 1 -9,10
. . . . . . . . .
. . . . . . . . .
. . . . . . . .
9,50 100 1 2 4 19,00 2 4 19,00
160,77 20 40 44,32 56 -22,46
Para os dados de adubao em milho, as estimativas dos parmetros do modelo so:
61
401 , 0
) 14 ( 4
46 , 22
56
46 , 22

108 , 1
) 10 ( 4
32 , 44
40
32 , 44

039 , 8
) 5 ( 4
160
20
160

2
1
0
=

=
= = =
= = =
o
o
o
A equao de regresso dada por:
2
2
2
00064 , 0 10849 , 0 02036 , 5

12
1 5
25
50
) 1 ( 401 , 0
25
50
) 1 ( 108 , 1 039 , 8

x x y
x x
y
+ =
(
(

|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
+ =
2-4 Mtodos no paramtricos na anlise de varincia
2-4.1 O Teste de Kruskal-Wallis
Quando as pressuposies bsicas da ANOVA no forem atendidas, por exemplo, a
varivel em estudo no apresenta distribuio normal (notas em escala), heterogeneidade de
varincias, outliers.
usado para testar a hiptese de que a tratamentos so idnticos contra a hiptese
alternativa de que pelo menos dois deles diferem entre si.
R
2
=
62
Pressuposies: 1) as observaes so todas independentes.
2) as a populaes so aproximadamente da mesma forma e contnuas
(pode ser abrandada, desde que consigamos ordenar os dados,
exemplo, escala ordinal).
Hipteses:
j i para : H
... : H
j i a
a 2 1 0
= =
= = =
Mtodo: procedemos a classificao conjunta (em ordem crescente) das N observaes,
dando ordem 1 menor e ordem N maior delas, e substitumos s observaes pelos seus
postos (ranks). No caso de empates (observaes com o mesmo valor), designa-se o posto
mdio para as observaes empatadas. Seja R
i
a somas dos ranks do i-simo tratamento. O
teste estatstico dado por:
(

+
=

=
a
1 i
2
i
2
i.
2
4
1) N(N
n
R
S
1
H
n
i
o nmero de observaes do i-simo tratamento e N o nmero total de observaes.
(

=

= =
4
1) N(N
R
1 N
1
S
2
a
1 i
i
n
1 j
2
ij
2
63
Sem empates:
1)/12 N(N S
2
+ = E o teste estatstico simplifica-se:
1) 3(N
n
R
1) N(N
12
H
a
1 i
i
2
i.
+
+
=

=
Critrio do teste: para n
i
>5, H tem distribuio aproximada de _
2
a-1
sob H
0.
. Assim, se
2
1 a ,
H

>
rejeita-se H
0
.
Exemplo: dados de absorbncia.
E50 EAW MAW E70 M1M
y
1j
R
1j
y
2j
R
2j
y
3j
R
3j
y
4j
R
4j
y
5j
R
5j
0,5553 14 0,5436 13 0,4748 9 0,6286 24 0,1651 1
0,5623 16 0,5660 17,5 0,4321 8 0,6143 23 0,1840 2
0,5585 15 0,5860 21 0,4309 7 0,5826 20 0,2144 4
0,5096 11 0,5731 19 0,5010 10 0,7498 25 0,2249 5
0,5110 12 0,5660 17,5 0,4094 6 0,6060 22 0,1954 3
68 88 40 114 15
Olhar o valor p
64
| |
( ) 22,3987 4225,0 15 114 40 88 68
5
1
54,1458
1
H
54,1458 4225,0 5524,5
1 25
1
S 5524,50 R
2 2 2 2 2
2
5
1 i
5
1 j
2
ij
=
(

+ + + + =
=

= =

= =
O nvel descritivo para H=22,3987 com 4 g.l. 0,0002, portanto, rejeita-se H
0
.
2-5 Medidas Repetidas
preciso levar em considerao duas fontes de variabilidade: entre unidades e dentro
de unidades (between subjects and within subjects). SUBJECTS=JULGADORES..
Cada degustador usa os a tratamentosdelineamento com medidas repetidas.
A tabela geral dos dados para este delineamento dada como:
* Teste de comparao de mdias no paramtrico.
65
Dados do delineamento com medidas repetidas com 1 fator
Subjects (julgadores) Totais
Tratamentos 1 2 ... n tratamentos
1 y
11
y
12
... y
1n
y
1.
2 y
21
y
22
... y
2n
y
2.
. . . . . .
. . . . . .
a y
a1
y
a2
... y
na
y

Totais
subjects
y
.1
y
.2
... y
.n
y
..
O modelo estatstico:
ij j i ij
y + + + =
Onde t
i
o efeito do i-simo tratamento e |
j
o efeito da j-sima unidade. Assume-
se que: tratamentos de efeito fixo e subjects de efeito aleatrio (Modelo Misto).
( )
2
J
0,
Partio da soma de quadrados total: S.Q. Total = S.Q Entre julgadores + S.Q.Dentro julgadores
( ) ( ) ( )

= = = = =
+ =
a
1 i
2
n
1 j
. j ij
2
n
1 j
. . . j
a
1 i
2
n
1 j
. . ij
y y y y a y y
66
Graus de liberdade: na-1 = (n-1) + n(a-1)
S.Q. Dentro de julgadores = S.Q.Tratamentos + S.Q. Erro
( ) ( ) ( )

= = = = =
+ + =
a
1 i
2
n
1 j
. . . j i. ij
2
a
1 i
. . i.
2
a
1 i
n
1 j
. j ij
y y y y y y n y y
Graus de liberdade: n(a-1) = (a-1) + (a-1)(n-1)
Hipteses:
0 H
0 ... H
i a
a 2 1 0
= =
= = = = =
Critrio do teste:
QMErro
s Tratamento QM
F
0
=
Rejeita-se H
0
se:
1) 1)(n (a 1, a ; 0
F F

>
( )
2
a
1 i
2
j
2
2

2
E(QMErro)

1 a
n
E(QMTrat)
a QMSuj E
=

+ =
+ =

=
67
Exemplo: hamburger de pescado, varivel sabor.
Julgadores Tratamentos
1 2 3 4 5 6 7
A 3,2 3,0 4,0 4,4 3,6 3,2 4,0
B 4,4 2,8 3,4 4,2 2,6 2,8 4,0
C 2,0 2,4 3,8 3,6 4,0 2,6 3,8
D 2,0 2,4 4,2 3,4 2,2 2,6 4,0
Variaes
No modelo
SQ GL QM F Nvel
Descritivo
Julgadores 7,829 6 1,305 4,01 0,0100
Tratamentos 1,798 3 0,599 1,84 0,1753
Erro 5,851 18 0,325
Total 15,479 27
Teste para julgadores:
0 : H 0 : H
2
a
2
0
= =
Portanto, rejeita-se H
0
, isto , o comportamento dos julgadores no o mesmo,
no so equivalentes.
68
Intervalos de confiana:
3,57 2,37
3,77 2,57
4,06 2,86
4,23 3,03
4
3
2
1
s s
s s
s s
s s
2-6 Anlise de Covarincia
utilizada para melhorar a preciso na comparao entre os tratamentos do experimento.
Suponha um experimento que junto com uma varivel resposta Y (populao de
staphilococus), tenha uma varivel X (populao inicial de staphilococus), e que Y e X estejam
relacionadas linearmente. Alm disso, suponha que X no pode ser controlada pelo
pesquisador, mas pode ser observada junto com Y. A varivel x chamada covarivel.
A ANCOVA um ajuste da varivel resposta para os efeitos de uma varivel perturbadora (
nuisance). Se este ajuste no for feito, a covarivel pode inflacionar o quadrado mdio do erro
e fazer com que diferenas reais entre os tratamentos sejam difceis de serem detectadas.
A covarivel, x, no deve ser afetada pelos tratamentos. Por exemplo, experimento com
tratamento de sementes, y = produo da cultura e x = stand inicial (plantas que germinaram).
Observao: A blocagem pode ser usada para eliminar o efeito de variveis nuisance que
podem ser controladas pelo pesquisador.
69






X
y












1
y
2
y
X
2
X
1
X

2
y

1
y
a mdia corrigida por
.

y
1
1
y
X

Tratamento 1
Tratamento 2
70
Exemplo: dados de populao de Staphilococus aureus, em frango, mantidos sob
refrigerao domstica (-18 graus). O objetivo do experimento comparar meios de
cultura, quais sejam: Baird Paker, Baird Paker Modificado, Vermelho Neutro e
Vermelho Neutro Modificado com relao varivel sobrevivncia de Staphilococus
aos 7 dias de armazenamento. Os dados so mostradas na tabela a seguir.
Dados de pop. de Staphilococus para y = pop. aos 7 dias e x = pop. aos 0 dia
BP BPM VN VNM
y x y x y x y x
3,1710 3,3507 3,0663 3,4423 3,3903 3,7643 3,5623 3,7447
3,1857 3,4860 3,1840 3,6617 4,0037 4,0880 3,8820 4,0880
2,8553 3,0527 2,8300 3,2980 3,8293 4,1053 3,1507 3,8820
3,5063 3,6577 3,6603 3,7873 3,1637 3,4807 3,2253 3,4807
3,7740 4,0143 3,7180 3,8953 2,7917 3,7447 3,6393 3,4523
3,1383 3,7407 4,0263 3,7953 3,7917 3,3903 2,9937 3,5020
19,6307 21,3020 20,4850 21,8800 20,9703 22,5733 20,4533 22,1497
71
A figura mostra um tendncia linear entre y = pop7 e x = pop0, isto , a
populao aos 7 dias afetada pela populao inicial (0 dia).
2-6.1 Descrio do procedimento
Modelo estatstico (1): ( )
ij .. ij i ij
x x y + + + = para i=1,2,...,a e j=1,2,...,n.
Y
ij
a j-sima observao da v. resposta tomada no i-simo tratamento; x
ij
a medida
feita na covarivel correspondente a y
ij
; a mdia dos valores de x
ij
,

uma mdia
geral; t
i
o efeito do i-simo trat/o; | o coef. angular de regresso linear e c
ij
o erro
aleatrio.
..
x
72
Suposio:
a ij
NID | | | o c ..., ; ); ; ( ~ = =
1
2
0 0

=
=
a
i
i
1
0 t
73
Para descrever a anlise utiliza-se a notao:
( )
( )
( )( )
( )( )
( )
( )
( )( )
xy xy i. ij
a
1 i
n
1 j
i. ij xy
a
1 i
n
1 j
xx xx
2
i. ij xx
a
1 i
n
1 j
yy yy
2
i. ij yy
a
1 i
. . . .
i. i. . . i.
a
1 i
. . i. xy
a
1 i
a
1 i
2
. . 2
i.
2
. . i. xx
a
1 i
a
1 i
2
. . 2
i.
2
. . i. yy
a
1 i
n
1 j
. . . .
ij ij . . ij
a
1 i
n
1 j
. . ij xy
a
1 i
n
1 j
a
1 i
n
1 j
2
. . 2
ij
2
. . ij xx
a
1 i
n
1 j
a
1 i
n
1 j
2
. . 2
ij
2
. . ij yy
T S y y x x E
T S x x E
T S y y E
an
) )(y (x
) )(y (x
n
1
y y x x T
an
x
x
n
1
) x x ( T
an
y
y
n
1
) y y ( T
an
) )(y (x
y x y y x x S
an
x
x x x S
an
y
y y y S
= =
= =
= =
= =
= =
= =
= =
= =
= =

= =
= =
= =
= =
= =
= =
= = = =
= = = =
= = = =
74
Somas de quadrados:
( )
( ) ( ) | |
( )
xx
2
xy yy
xx
2
xy yy xx
2
xy yy
xx
2
xy
yy
E E E SQErro
E E E S S S do) tos(ajusta SQTratamen
S S o SQRegress
S SQTotal
=
=
=
=
Graus de liberdade:
Regresso: 1
Tratamentos(ajustado): a-1
Erro: a(n-1)-1
Total: na-1
Teste da hiptese:
0 : H
i 0
=
( ) | | 1 1 / SQErro
) 1 /( ajustado) SQTrat/os(
F
0


=
n a
a
Rejeita-se H
0
se:
1 ) 1 ( , 1 ; 0
F F

>
n a a o
Use o valor p
ou
4 3 2 1 0
= = = = H
75
Deve-se ajustar as mdias: mdias de mnimos quadrados
( )
xx xy
. . i. i. i.
E E

2 1 para x x

y y
=
= = ,...,a , i
Erro padro de qualquer mdia ajustada de tratamento:
( )
2 / 1
2
. . .
ajustada
1
(
(

|
|
.
|

\
|

+ =
xx
i
x
E
x x
n
QMErro S
Hiptese:
0 : H vs 0 : H
a 0
= =
( )
QMErro
/E E
F
xx
2
xy
0
= Rejeita-se H
0
se:
1 ) 1 ( , 1 ; 0
F F

>
n a o
Use o nvel descritivo
76
Exemplo: dados de populao de Staphilococus. (Arquivo: staplilocousanalisedecovariancia)
Tabela da anlise de covarincia
Variaes
no modelo
SQ GL QM F Nvel
descritivo
Regresso 1,2666 1 1,2666 12,41 0,0023
Tratamentos
ajustados
0,0112 3 0,0037 0,04 0,9903
Erro 1,9395 19 0,1021
Total 3,3605 23
No podemos rejeitar a hiptese H
0
:t
i
=0, isto , os valores mdios dos meios so
estatisticamente equivalentes, com nvel descritivo de 0,9903. Rejeita-se a hiptese H
0
:|=0,
ao nvel descritivo de 0,0023, isto significa que foi importante remover o efeito da
populao inicial de Staphilococus. Os valores das mdias ajustadas com os seus erros
padres so:
Mdias ajustadas Erro padro
3,3718 0,1335
3,4285 0,1305
3,4064 0,1328
3,3831 0,1306
77
A estimativa do coeficiente de regresso :
0,2527 s
0,8904

=
=
Diagnstico do modelo: os resduos so dados por:
..
.. . .. . i i. ij i. .. ij i ij
ij ij ij

) (

: pois ) x (x

y ) x (x

y e
y
x x y y
i i
=
= + = + + =
=

| t
Exemplo: e
11
=3,1710-3,2718-0,8904(3,3507-3,55033)
=0.07701
Os resduos esto
aleatoriamente distribudos
em torno do valor zero. A
faixa de distribuio, -0,5
a 0,5, curta; no tem
outliers. Varincias
homogneas.
78
A suposio de normalidade
satisfeita.
79
Valores aleatoriamente
distribudos em torno de zero.
Concluso: de acordo com os grficos, os resultados da anlise estatstica podem ser utilizados,
pois eles no revelam qualquer problema quanto as suposies do modelo.