Documente Academic
Documente Profesional
Documente Cultură
Introduo
Temos k fatores, todos eles com dois nveis. Os nveis podem ser
quantitativos (doses de nitrognio, temperaturas, tempo) ou qualitativos (duas
variedades de aveia, dois locais de cultivo). Uma repetio completa tem 2k unidades
experimentais.
Como esses experimentos s tem dois nveis de cada fator, eles nos do o
menor nmero de tratamentos, assim, eles so bastante utilizados na seleo de
fatores importantes e que sero utilizados num experimento futuro.
Fatoriais 22
Como um exemplo, considere um experimento com 2 concentraes de um
antioxidante (TBHQ) e dois tempos. Fator A concentraes 15% e
25%. Fator B tempo 10 min e 20 min.
Fator
A
+
+
Tratamentos
B
+
+
A 15, B 1
A 25, B 1
A 15, B 2
A 25, B 2
I
28
36
18
31
Repeties
II
25
32
19
30
Totais
III
27
32
23
29
80
100
60
90
ab=90
b=60
B
(1)=80
a=100
A y A y A
ab a
2n
b 2 (n1)
ab a b (1)
2n
Efeito de B:
By y
ab b
2n
a (1)
2n
ab b a (1)
2n
Efeito da interao: a mdia dos tratamentos da diagonal (da direita para a esquerda,
iniciando por ab) menos a mdia dos tratamentos da diagonal (da esquerda para a
direita).
AB
ab (1)
2n
a b
2n
ab (1) a b
2n
AB
+
+
Produto (A x B)
1
2 ( 3)
1
2 ( 3)
AB
1
2 ( 3)
Anlise de varincia
i 1,2,...,a
SQA
[ ab a b (1)]2
4n
SQB
[ ab b a (1)]2
4n
SQAB
50 2
4 ( 3)
( 30 ) 2
4 ( 3)
[ ab (1) a b ]2
4n
2
208,33
10 2
4 ( 3)
SQTotal y
i 1 j 1 k 1
2
ijk
75,00
8,33
y...2
4n
y 0 1 x1 2 x2
( 12 x1 x 2
no esta no modelo )
x1
Re ag ( 15 25 ) / 2
( 25 15 ) / 2
x2
Catal ( 12 ) / 2
( 2 1 ) / 2
Re ag 20
5
Catal 1 ,5
0 ,5
0 330
12 27,500
8,33 4,165
1
5, 00
2
2,500
[-1;1]
ei y i y i
Sada do SAS:
Resduo = valores observados-valores estimados
Valores estimados e resduos do modelo de regresso
OBS
1
2
3
4
5
6
7
8
9
10
11
12
CATALISA
REAGENTE
REP
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
-1
-1
-1
1
1
1
-1
-1
-1
1
1
1
1
2
3
1
2
3
1
2
3
1
2
3
YIELD
ESTIMADO
RESIDUOS
28
25
27
36
32
32
18
19
23
31
30
29
25.8333
25.8333
25.8333
34.1667
34.1667
34.1667
20.8333
20.8333
20.8333
29.1667
29.1667
29.1667
2.16667
-0.83333
1.16667
1.83333
-2.16667
-2.16667
-2.83333
-1.83333
2.16667
1.83333
0.83333
-0.16667
10
11
Superfcie de resposta
O modelo de regresso com os nveis naturais dos fatores dado por:
12
Fatoriais 23
Exemplo: o objetivo produzir um po com farelo de aveia. Os fatores em estudo
foram:
1) porcentagem de substituio de farinha de trigo pelo farelo de aveia (Fator A), em
dois nveis, 10% e 20%;
2) quantidade de gordura (Fator B), em dois nveis, 2,5g e 3,0g;
3) fermento (Fator C), em dois nveis, 3g e 4g.
8 tratamentos
Exemplo (Montgomery): na fabricao do produto: gua com gs. O objetivo
obter maior uniformidade no enchimento das garrafas. Teoricamente a mquina
enche corretamente as garrafas, mas na prtica existem variaes e deseja-se
saber quais so as possveis fontes de variabilidade. As variveis controladas
no estudo foram: porcentagem de carbono (Fator A), presso de operao
(Fator B) e velocidade de operao (Fator C).
13
Desvios da altura de
enchimento desejado
14
bc
abc
Tratamentos:
(1)
a
ac
b
Fator C
ab
ab
c
Fa
to
r
ac
(1)
Fator A
bc
abc
15
Tabela 7-3. Tabela com sinais de + e de - formando os contrastes para estimar os efeitos
Tratamentos
(1)
a
b
ab
c
ac
bc
abc
I
+
+
+
+
+
+
+
+
ABC
+
+
+
+
Propriedades importantes:
1) Com excesso da 1a. coluna, todas as demais tem o mesmo nmero de sinais
positivos e negativos ;
2) A soma dos produtos dos sinais em quaisquer duas colunas zero;
3) A coluna I multiplicada por qualquer outra coluna deixa esta inalterada, isto , a
coluna I um elemento identidade.
4) O produto de qualquer duas colunas produz uma coluna da tabela, por exemplo, A x
B = AB, e AB x B = AB2 = A
16
Exemplo: Mod(3;2)=3-2.inteira(3/2)=3-2=1.
B 2,25
AC 0,25
C 1,75
BC 0,50
AB 0,75
ABC 0,50
17
SQ
( Contraste ) 2
8n
Source
DF
Sum of Squares
Mean Square
Model
Error
Corrected Total
7
8
15
73.00000000
5.00000000
78.00000000
10.42857143
0.62500000
R-Square
0.935897
C.V.
79.05694
Root MSE
0.79056942
DF
Type I SS
Mean Square
F Value
CARBONO
36.00000000
36.00000000
57.60
0.0001*
PRESSAO
CARBONO*PRESSAO
1
1
20.25000000
2.25000000
20.25000000
2.25000000
32.40
3.60
0.0005*
0.0943
VELOCIDA
CARBONO*VELOCIDA
PRESSAO*VELOCIDA
CARBON*PRESSA*VELOCI
1
1
1
1
12.25000000
0.25000000
1.00000000
1.00000000
12.25000000
0.25000000
1.00000000
1.00000000
19.60
0.40
1.60
1.60
0.0022*
0.5447
0.2415
0.2415
Source
H 0 : 1 2 3 12 13 23 123 0
F Value
16.691
Pr > F
0.0003
FILLHEIG Mean
1.00000000
Pr > F
18
y 0 1 x1 2 x2 3 x3
Onde x1, x2 e x3, representam os fatores A, B e C, respectivamente. Atravs do programa SAS,
estimamos os parmetros da regresso.
19
20
desejvel que a resposta seja prxima de zero. Para velocidade (Fator C) no nvel alto
(250), h vrias combinaes de presso e carbono que satisfazem esse objetivo. 21
22
23
Fatores
A
+
+
+
+
+
+
+
+
B
+
+
+
+
+
+
+
+
Rtulo
C
+
+
+
+
+
+
+
+
D
+
+
+
+
+
+
+
+
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
Taxa de
filtrao
45
71
48
65
68
60
80
65
43
100
45
104
75
86
70
96
24
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
AB
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
ABD
+
+
+
+
+
+
+
+
CD
+
+
+
+
+
+
+
+
25
26
Concentrao
100
Taxa
D-
C+
70
40
C-
D+
70
40
+
+
Fator A
Fator A = temperatura
Interpretao: a interao AC indica que o efeito da temperatura muito baixo para
alto nvel de concentrao de formaldedo e, muito alto para baixo nvel de
concentrao. A interao AD indica que D tem pouco efeito para baixo nvel de
temperatura e, tem grande efeito para alta temperatura. Parece que a melhor taxa de
27
filtrao obtida para alto nvel de A e D e baixo nvel de C.
-
Projeto de experimento
Como o fator B (presso) e as interaes envolvendo o fator B, no foram
significativas, podemos desprez-lo e considerar o delineamento como um
fatorial 23, considerando os fatores A, C e D, com duas repeties.
Isto pode ser facilmente comprovado, olhando-se para as colunas A, C e D da
tabela dos dados (matriz do delineamento), e verificar que aquelas colunas
formam duas repeties de um experimento fatorial 23.
Como, agora, temos duas repeties, vamos ter uma estimativa do erro
experimental. A ANOVA do experimento fatorial 23 dada na tabela a seguir.
Em geral, se temos um experimento fatorial 2k, e se h (h<k), fatores so no
significativos, ento os dados originais correspondem a um experimento fatorial
completo com 2 nveis nos (k-h) fatores significativos com 2h repeties.
28
Source
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
Error
Corrected Total
7
8
15
5551.43750000
179.50000000
5730.93750000
793.06250000
22.43750000
35.35
0.0001
R-Square
C.V.
Root MSE
RATE Mean
0.968679
6.760855
4.73682383
70.06250000
DF
Type I SS
Mean Square
F Value
Pr > F
1
1
1
1
1
1
1
1870.56250000
390.06250000
1314.06250000
855.56250000
1105.56250000
5.06250000
10.56250000
1870.56250000
390.06250000
1314.06250000
855.56250000
1105.56250000
5.06250000
10.56250000
83.37
17.38
58.57
38.13
49.27
0.23
0.47
0.0001
0.0031
0.0001
0.0003
0.0001
0.6475
0.5120
Source
A
C
A*C
D
A*D
C*D
A*C*D
Parameter
Estimate
T for H0:
Parameter=0
INTERCEPT
A
C
A*C
D
A*D
C*D
A*C*D
70.06250000
10.81250000
4.93750000
-9.06250000
7.31250000
8.31250000
-0.56250000
-0.81250000
59.16
9.13
4.17
-7.65
6.18
7.02
-0.48
-0.69
Pr > |T|
Std Error of
Estimate
0.0001
0.0001
0.0031
0.0001
0.0003
0.0001
0.6475
0.5120
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
29
Diagnstico do modelo
De acordo com os resultados da ANOVA, foram significativos os efeitos de
A=21,625, C=9,875, D=14,625, AC=-18,125 e AD=16,625.
As estimativas das taxas de filtrao (para os efeitos significativos), so dadas
pelo modelo de regresso:
14 , 625
18,125
16 , 625
y 70,06 ( 21,2625 ) x1 ( 9,875
)
x
(
)
x
(
)
x
x
(
3
4
1 3
2
2
2
2 ) x1 x4
30
RATE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
45
71
48
65
68
60
80
65
43
100
45
104
75
86
70
96
PREDITO
46.250
69.375
46.250
69.375
74.250
61.125
74.250
61.125
44.250
100.625
44.250
100.625
72.250
92.375
72.250
92.375
RESIDUO
-1.250
1.625
1.750
-4.375
-6.250
-1.125
5.750
3.875
-1.250
-0.625
0.750
3.375
2.750
-6.375
-2.250
3.625
31
32
Superfcie de resposta
A superfcie de regresso gerada pelo modelo de regresso:
14 , 625
18,125
16 , 625
y 70,06 ( 21,2625 ) x1 ( 9,875
)
x
(
)
x
(
)
x
x
(
3
4
1 3
2
2
2
2 ) x1 x4
D=1 ou x4=1
33
y 0 j x j ij xi x j jj x 2j
j 1
i j
j 1
35
n F nC ( y F yC ) 2
nF nC
j 1
j 1
H 0 : jj 0 vs H a : jj 0
Para testar essas hipteses compara-se a SQefeito da curvarutura de 2o. Grua com o quadrado
mdio residual.
Se os pontos fatoriais s tem uma nica repetio, usamos os nC pontos centrais para
obter uma estimativa do erro com nC-1 graus de liberdade.
36
temperatura
160 1
40.0
41.5
40.3
40.5
155 0
40.7
40.2
40.6
150 -1
39.3
40.9
-1
30
35
40
tempo
37
QM erro
yi y
pontos centrais
nC 1
40
,
46
i
i 1
0,1720
0,043
4
Valor p
0,0017 *
0,0350 *
0,8185 NS
0,8185 NS
(4)(5)(0,035) 2
SQ
0,0027
45
Interpretao: o efeito da interao no significativo; efeito significativo de
tempo e temperatura. O efeito quadrtico no significativo, isto a hiptese:
H0:11 + 22=0 no pode ser rejeitada. Portanto, um modelo de primeira ordem
indicado.
38
y 0 1 x1 2 x2 12 x1 x2 11 x12 22 x 22
No podemos estimar os parmetros nesse modelo porque existem 6 parmetros para
serem estimados e o fatorial 22 mais o ponto central tem apenas 5 observaes
independentes.
Soluo:
- aumentar o fatorial 22 com pontos axiais. Veja figura (a)
O desenho resultante chama-se delineamento central composto.Pode-se ajustar um modelo
de segunda ordem (quadrtico). Na figura (b) temos um DCC para trs fatores.
x2
x3
x2
x1
Tem 8+6+nC
pontos (3nC 5)
39