EXPERIMENTOS FATORIAIS

Algumas definies
So experimentos que envolvem dois ou mais fatores. Exemplo: temos a nveis do
fator A e b nveis do fator B, ento cada repetio ter ab tratamentos.
Efeito principal de um fator: o quanto mudou a varivel resposta devido a
mudana no nvel do fator. Exemplo:

+
Fator B

30

52

Efeito principal de A:
A

20

40

Fator A

40 52 20 30

21
2
2

Mdia nvel Mdia nvel

baixo
alto

Interpretao: passando do nvel

baixo para o alto de A causa um
aumento mdio de 21 unidades na
resposta. 1

Efeito principal de B:

30 52 20 40

11
2
2

Interao: quando a diferena na varivel resposta entre os nveis de um fator no

a mesma nos nveis dos outros fatores. Exemplo:

Fator B

40

12

Para B- o efeito de A : 50-20=30

Para B+ o efeito de A : 12-40=-28

20

50

Efeito da interao: AB=(-28-30)/2=-29

=(ab-b-a+1)/2

Fator A

Resposta

B50

40

12
B+

20
-

+
Fator A

=(12-40-50+20) /2

Efeito
significativo da
interao

B+

Resposta

B-

+
Fator A

No tem efeito da interao

Modelo de regresso: quando os fatores em estudo so quantitativos (temperaturas,

doses de nitrognio, tempo, etc.), indica-se fazer uma anlise de regresso. O modelo
de regresso para um experimento com 2 fatores, com dois nveis, fica:

y 0 1x1 2 x 2 12 x1x 2
Onde: y a varivel resposta, os s so os parmetros a serem estimados, x1 e x2 so as
variveis que representam os fatores A e B respectivamente, o termo do erro
aleatrio. As variveis x1 e x2 so codificadas como -1 e +1, e x1x2 representa a interao
entre elas.
Efeito de A 21
Estimativas dos parmetros:
1

10,5
2
2
(Mtodo dos mnimos quadrados)

Efeito de B 11
2
5,5
(ab-b-a+1) /2
2
2
(52-30-40+20)/2=1
Efeito de AB 1

12
0,5
2
2
0 20 40 30 52 4 35,5
Modelo ajustado: y 35,5 10,5 x1 5,5 x2 0,5 x1 x2

Pequeno efeito,
retirar do modelo
4

Representao grfica do modelo (sem a interao).

Interpretao:
existe um efeito
linear de x1 e x2;
a resposta
aumenta com os
valores maiores de
x1 e x2.
5

Modelo com interao:

y 35,5 10,5 x1 5,5 x2 8 x1 x2

Para o experimento da figura 6.2 o efeito de A vale 1

pode-se pensar que no existe o efeito de A

Interpretao: o
fator A passa de -1
para 1 e vai
aumentando. O
fator B no
estvel-->
passando de -1
para 1 no
aumenta a
produo nos
nveis baixo de A,
entretanto
aumenta a
produo para os
pequeno nveis altos de A.

porm, para os diferentes

nveis de B, o efeito de A significativo.

Na presena de interao significativa, o pesquisador deve estudar o
efeito de um fator dentro dos nveis do outro fator:por exemplo,6 A(B=1) .

A vantagem dos esquemas fatoriais

Quando deseja-se estudar os efeitos das interaes entre os fatores. Permite estimar
os efeitos de um fator dentro dos nveis do outro fatorresultados mais abrangentes.

Experimentos fatoriais com dois fatores

a nveis do fator A
b nveis do fator B
cada repetio contm ab tratamentos
n repeties
Exemplo: uma pesquisadora deseja produzir um novo tipo de vinagre a base de
kiwi. Os fatores em estudo foram:
Fator A: quantidade de acar (a=2 nveis: 8% e 20%)
Fator B: adio de nutrientes (b=2 nveis: com e sem)
n = 7 repeties

4 x 7 = 28 unidades experimentais

varivel resposta: concentrao de etanol

Exemplo
Projeto de uma bateria. Fatores em estudo: Material (tipos 1, 2 e 3) e temperatura
(15oF, 70oF e 125oF). 4 baterias so testadas para cada combinao de material e
temperatura, num total de 36 baterias, testadas em ordem aleatria. Delineamento
experimental: Inteiramente Casualizado. Material como fator A e Temperatura como
fator B.
Questes: 1. Qual o efeito do tipo de material e temperatura na vida das baterias?
2. Existe um material que produz uma bateria com vida mais longa
independente da temperatura?
Dados de vida (em Horas) para o experimento de um projeto de bateria
Tipo do
Temperatura (oF)
Material
15
70
1
130
155
34
74
180
80
2
150
188
136
159
126
106
3
138
110
174
168
160
150

125
20
82
25
58
96
82

40
75
122
115
120
139
8

70
58
70
45
104
60

De modo geral, a matriz dos dados dada da seguinte forma:

Fator B
Fator A

1
2
.
a

1
y111, y112, ..., y11n
y211, y212, ..., y21n

2
y121, ..., y12n
y221, ..., y22n

ya11, ya12, ..., ya1n

ya21, ..., ya2n

...

O modelo estatstico:

y ijk i j ( )ij ijk

b
y1b1, ..., y1bn
y2b1, ..., y2bn
yab1, ..., yabn

i=1,2,...,a
j=1,2,...,b
k=1,2,...,n

yijk o efeito do i-simo nvel do fator A, j-simo nvel do fator B e k-sima

repetio; uma constante (mdia geral); i o efeito do i-simo nvel do fator
A; j o efeito do j-simo nvel do fator B; ()ij o efeito da interao entre i e
j e ijk o componente do erro aleatrio.

O modelo de mdias:

yijk ij ijk

ij i j ij
O modelo de regresso:

yi 0 1 x1i 2 x2i 12 x1i x2i i

10

Hipteses de interesse
1. Interao

H 0 : ( )ij 0 para todo i, j

H 1 : pelo menos um ( ) ij 0

2. Efeito do fator A

H 0 : 1 2 ... a 0
H1 : pelo menos um i 0
3. Efeito do fator B

H 0 : 1 2 ... b 0
H1 : pelo menos um j 0

11

2 Anlise estatstica do modelo de efeitos fixos

Tabela da ANOVA para um experimento fatorial com dois fatores de efeitos fixos
Causas de variao Soma de
Graus de
Quadrados mdios
E(QM)
quadrados
liberdade
a
Fator A
SQA
a-1
QMA = SQA/a-1

2
Fator B

SQB

b-1

QMB = SQB/b-1

SQAB

(a-1)(b-1)

QMAB= SQAB/(a-1)(b-1)

2
Erro

SQE

ab(n-1)

Total

SQT

abn-1

SQE/ ab(n-1)

i 1

an 2j
j 1

QM A
QM E

F0

QM B
QM E

F0

QM AB
QM E

b 1

n ( ) ij2
i 1 j 1

F0

a 1

2
Interao A x B

bn i2

F0

(a 1)(b 1)

12

2
y
2
SQT yijk
...
abn
i 1 j 1 k 1

Suposies :

1 a 2 y...2
SQA
yi..

bn i 1
abn

Os erros ijk so normalmente e

independentemente distribudos com
varincia constante 2;

y...2
1 b 2
SQB
y. j .

an j 1
abn

Os F0 so distribudos como F com a-1,

b-1, e (a-1)(b-1) g no numerador e ab(n-1)
gl no denominador, e a regio crtica a
cauda superior da distribuio F.

SQsubtotais

y...2
1 a b 2
yij .
n i 1 j 1
abn

Assume-se que o modelo est ajustado;

SQAB SQsubtotais SQA SQB

SQE SQT SQsubtotais

13

14

Anlise estatstica do experimento de baterias

Software utilizado: SAS (arquivo: battery.sas)
Exemplo de um experimento fatorial com dois fatores
Pagina 240 do livro do Montgomery

4
15:33 Sunday, April 27, 1997

General Linear Models Procedure

Dependent Variable: VIDA
Source

DF

Sum of Squares

Mean Square

F Value

Pr > F

Model

59416.22222222

7427.02777778

11.00

0.0001

Error

27

18230.75000000

675.21296296

Corrected Total

35

77646.97222222

R-Square

C.V.

Root MSE

VIDA Mean

0.765210

24.62372

25.98486026

105.52777778

DF

Type I SS

Mean Square

F Value

Pr > F

2
2
4

10683.72222222
39118.72222222
9613.77777778

5341.86111111
19559.36111111
2403.44444444

7.91
28.97
3.56

0.0020
0.0001
0.0186

DF

Type III SS

Mean Square

F Value

Pr > F

2
2
4

10683.72222222
39118.72222222
9613.77777778

5341.86111111
19559.36111111
2403.44444444

7.91
28.97
3.56

0.0020
0.0001
0.0186

Source
MATERIAL
TEMPERAT
MATERIAL*TEMPERAT
Source
MATERIAL
TEMPERAT
MATERIAL*TEMPERAT

15

Concluses:
1) O modelo est ajustado. Cerca de 77% da variabilidade na vida das baterias
explicada pelo modelo adotado.
2) Como a P(F>3,56)=0,0186 existe efeito significativo da interao entre o tipo de
material e temperatura;

16

Verificao das suposies do modelo (Anlise de resduos)

Resduos:

eijk yijk y ijk

onde y ijk yij .
eijk yijk yij .

17

O grfico no revela qualquer problema, embora o maior resduo (negativo) (-60,75, para
o material 1 e temperatura 15oF) est fugindo um pouco da distribuio dos resduos. O
valor padronizado desse resduo 60,75 / 675,21 2,34 o nico resduo superior a
2 (valor suspeito).
18

Esse grfico indica uma

tendncia moderada da
varincia dos resduos
aumentar com a vida das
baterias. 700F e material 1
contm os dois resduos
mais extremos: -60,75 e
45,25

O material 1 apresenta
maior varincia dos
resduos

19

Indica que para

150F existe maior
varincia dos
resduos.
Ambos os grficos indicam
moderada desigualdade de
varincias com a combinao de
15oF e material tipo 1, porm no
invalidam os resultados.

Varincias dos materiais e temperaturas:

Materiais
1
2
3

2360,88
2447,52
1279,17

Temperaturas
15
70
125

1004,52
1838,99
659,06
20

Comparaes mltiplas
Quando a interao significativa deve-se fazer o desdobramento da interao. Pode
ocorrer dois casos:
1)

Os dois efeitos principais so significativos ou no. Estuda-se o comportamento

de um fator dentro dos nveis do outro;

2)

Apenas um dos efeitos principais foi significativo. Estuda-se o comportamento do

fator no significativo dentro dos nveis do outro fator.

Outra considerao: verificar o fator influenciado, por exemplo, os materiais so

influenciados pelas temperaturas, assim, deve-se estudar o efeito dos materiais dentro
de cada temperatura, ou seja,
influenciado(influencia).

21

Estudo da interao:
Fixar o fator B (temperatura) num especfico nvel e aplicar o teste de Tukey para as
mdias do fator A (tipo de material (qualitativo)).

Exemplo: dados de vida de baterias. Vamos comparar as mdias dos tipos de

materiais dentro de cada uma das temperaturas, pelo teste de Tukey, ao nvel de
significncia de 5%. Vamos utilizar o sistema SAS.
General Linear Models Procedure
Least Squares Means
MATERIAL*TEMPERAT Effect Sliced by TEMPERAT for VIDA
TEMPERAT
15
70
125

DF

Sum of
Squares

2
2
2

886.166667
16553
2858.666667

Mean
Square
443.083333
8276.333333
1429.333333

F Value

Pr > F

0.6562
12.2574
2.1169

0.5269
0.0002 * *
0.1400

22

Mdias observadas no experimento:

MATERIAL

TEMPERAT

1
1
1
2
2
2
3
3
3

15
70
125
15
70
125
15
70
125

VIDA
LSMEAN
134.750000
57.250000
57.500000
155.750000
119.750000
49.500000
144.000000
145.750000
85.500000

Diferenas entre os pares de mdias de materiais para temperatura 70 oF:

Mat 3 vs Mat 2:

145,75-119,75=26,00

Mat 3 vs Mat 1:

145,75-57,25=88,50

Mat 2 vs Mat 1:

119,75-57,25=62,50
23

Teste de Tukey
Como a interao foi significativa, suponha que desejamos comparar as mdias dos
trs tipos de materiais para temperatura fixada em 70 oF.

O erro padro das mdias dado por: S y QM E 675,21 12,99

n
4
Da tabela VII (Apndice) obtemos: q0 ,05 ( 3 ; 27 ) 3 ,50
A Diferena Mnima Significativa (DMS) dada por:

T0 ,05 q0 ,05 ( 3 ,27 ) S y 3 ,50(12 ,99 ) 45 ,47

Para temperatura de 70oF

Material 3
Material 2
Material 1

145,75 a
119 ,75 a
57 ,25
b

24

Contraste na presena de interao

Contraste: Material 1 e a mdia dos materiais 2 e 3 para temperatura = 70 oF

Passos:
1. Escreva a hiptese de interesse em termos de mdias de caselas
2. Reescreva a hiptese em termos dos parmetros do modelo
3. Calcule os coeficientes para o contraste

25

Materiais
1
2
3

Tabela de mdias de caselas para os 9 tratamentos

Temperaturas
15
70
125

11
21
31
15

12
22
32
70

1
2
3

13
23
33
125

ij i j ( )ij
A hiptese escrita em termos de mdias de caselas dada por:

H 0 : 12

1
22 32
2

Em termos dos parmetros do modelo a hiptese fica:

1 2 ( )12

1
( 2 2 ( ) 22 ) ( 3 2 ( )32 )
2
26

11 12 2 12 3 ( )12 12 ( )22 12 ( )32 0

O comando CONTRAST no SAS fica:
contrast 'M1 vs (M2+m3)/2 T=70' material 1 -0.5 -0.5
material*temperat 0 1 0 0 -0.5 0 0 -0.5 0;

Resultado do comando CONTRAST:

Contrast

DF

M1 vs (M2+m3)/2 T=70

Contrast SS

Mean Square

15200.66666667

15200.66666667

F Value
22.51

Exerccio: testar o contraste Material 2 vs material 3 para temperatura=70;

27

Pr > F
0.0001

4 Estimao dos parmetros do modelo

y ijk i j ( )ij ijk

Os parmetros do modelo de efeitos so estimados pelo mtodo dos mnimos
quadrados.

y...
i yi.. y...
y y

. j.

...

i 1,2,..., a
j 1,2,...,b

yij yi.. y. j . y... i 1,2,..., a e j 1,2,...,b

ij

28

Parameter Estimates
Term
DF
Estimate
INTERCEPT
1
85.50
(TEMPERAT='15')
1
58.50
(TEMPERAT='70')
1
60.25
(TEMPERAT='125')
0
0
(MATERIAL='1')
1
-28.00
(MATERIAL='2')
1
-36.00
(MATERIAL='3')
0
0
(MATERIAL='1' & TEMPERAT='15')
1
18.75
(MATERIAL='1' & TEMPERAT='70')
1
-60.50
(MATERIAL='1' & TEMPERAT='125')
0
0
(MATERIAL='2' & TEMPERAT='15')
1
47.75
(MATERIAL='2' & TEMPERAT='70')
1
10.00
(MATERIAL='2' & TEMPERAT='125')
0
0
(MATERIAL='3' & TEMPERAT='15')
0
0
(MATERIAL='3' & TEMPERAT='70')
0
0
(MATERIAL='3' & TEMPERAT='125')
0
0

Std. Err.
12.99
18.37
18.37
.
18.37
18.37
.

T
6.581
3.184
3.279
.
-1.524
-1.959
.

Pr > |T|
0.0000
0.0036
0.0029
.
0.1392
0.0605
.

25.98

0.722

0.4768

25.98

-2.328

0.0276

25.98

1.838

0.0771

25.98

0.385

0.7034

1 2 3 0
3 1 2
3 58 ,50 60 ,25 118 ,75
Efeito negativo na resposta

Parameter Estimates
The predicted model is VIDA = 85.50 + 58.50*(TEMPERAT='15') + 60.25*(TEMPERAT='70') 28.00*(MATERIAL='1') -36.00*(MATERIAL='2') +18.75*(MATERIAL='1' & TEMPERAT='15') 60.50*(MATERIAL='1' & TEMPERAT='70') + 47.75*(MATERIAL='2' & TEMPERAT='15') +
29
10.00*(MATERIAL='2' & TEMPERAT='70') .

5 Determinao do nmero de repeties

As curvas caractersticas de operao, Apndice V, podem ser usadas para
determinar o n (nmero de repeties).
Clculos:
1) graus de liberdade: apresentados na tabela da ANOVA
2) clculo de 2, onde D a diferena entre duas mdias (do fator A, B ou interao
AB) , a qual o pesquisador deseja que o experimento detecte como significativa:

nbD 2
2 a 2

(para o fator A)

naD 2
2 b 2

(para o fator B)

nD 2
2 2 [( a 1)( b 1) 1]

(para efeito da interao)

Exemplo: A hiptese de nulidade deve ser rejeitada com alta probabilidade se a

diferena na vida mdia entre duas temperaturas de 40 horas. Ento D=40.
Assume-se =25 e =0,05.
2
n ( 3)( 40 ) 2

naD
2 b 2

2 ( 3)( 25 ) 2

1,28
30n

n
2
3
4

v1

2,56
3,84
5,12

1,60
1,96
2,26

v2

(GL numerador)

(GL denominador)

2
2
2

9
18
27

0,45
0,18
0,06

Para n=4 tem-se 94% de probabilidade de rejeitar a hiptese quando a diferena entre
duas mdias de temperatura for da ordem de 40.

6. Ajustando curvas e superfcies de resposta.

Utilizar uma equao de regresso que vai relacionar os nveis dos fatores com a
resposta. Pode ser usada para predio de y. Com 1 fator quantitativocurva de
resposta. Com dois ou mais fatores quantitativossuperfcie de resposta. Em geral
so usados mtodos de regresso linear para ajustar estes modelos aos dados
experimentais.
Exemplo: experimento de vida de baterias. O fator temperatura quantitativo com
3 nveis (15, 70 e 1250F) igualmente espaados. Esse fator tem dois graus de
liberdade e portanto podemos calcular o efeito linear (1 g.l.) e quadrtico (1 g.l.).
31

Clculo dos efeitos linear e quadrtico para o fator temperatura

Nveis de
temperatura
15
70
125

Totais de
tratamentos
1738
1291
770
3

Efeitos: ( c j y. j . )

Coeficientes do contraste ortogonal (cj)

Linear
Quadrtico
-1
1
0
-2
1
1
TL=-968
TQ=-74

j 1

c j y. j .
j 1

Soma de quadrados:

3
an c 2j

j 1

SQTL=

968
3 4 2

SQTQ=

39042,67

S.Q.Temperatura = SQTL + SQTQ = 39.042,70*+76,05NS

32

74 2
3 4 6

76,05

Partio da interao do seguinte modo:

- Material*efeito linear de temperatura (M x TL) [2 graus de liberdade]
- Material*efeito quadrtico de temperatura (M x TQ) [2 graus de liberdade]

33

Clculo dos componentes da interao: sero calculados os efeitos lineares

e quadrticos de temperatura dentro de cada tipo de material.

T(M=1)=2 g.l.

TL (1 g.l.)
TQ (1 g.l.)

T(M=2)=2 g.l.

TL (1 g.l.)
TQ (1 g.l.)

T(M=3)=2 g.l.

TL (1 g.l.)
TQ (1 g.l.)

6 g. l. =4 + 2 (MxT + T)
34

Nveis de
temperatura

Totais por tipo de material

1(y1j.)
15
539
70
229
125
230
Efeitos: M1 x TL=-309;
M1 x TQ=311;
Soma de quadrados:

2(y2j.)
3(y3j.)
623
576
479
583
198
342
M2 x TL=-425;
M2 x TQ=-137;

Coeficientes do contraste
ortogonal (cj)
Linear
Quadrtico
-1
+1
0
-2
+1
+1
M3 x TL=-234
M3 x TQ=-248

309 2 425 2 234 2 (968) 2 2315,08

SQM x TL=
4 3 2
4 2
311 2 137 2 248 2 74 2 7298,70
SQM x TQ=
**
4 3 6
4 6

S.Q.MxT=S.Q.M x TL+S.Q.M x TQ

Interpretao prximo slide

Clculo da soma de quadrados do efeito linear de temperatura dentro do material 1.

SQM1 xTL

309 2
42

11935 ,125 **
35

Hierarquia do
modelo

Interpretao da interao Materiais*efeito quadrtico de temperatura

Cada material apresenta um comportamento curvilneo (quadrtico)
para temperatura, porm, duas so convexas e uma cncava.

36

Output do SAS

Source

DF

MATERIAL
TEMPERAT
MATERIAL*TEMPERAT

2
2
4

Contrast

DF

ef.linear tempera
1
ef.quadratico temper 1

Type I SS
10683.72222222
39118.72222222
9613.77777778
Contrast SS

Mean Square
5341.86111111
19559.36111111
2403.44444444
Mean Square

F Value
7.91
28.97
3.56
F Value

39042.66666667
76.05555556

39042.66666667
76.05555556

57.82
0.11

Pr > F
0.0020
0.0001
0.0186
Pr > F
0.0001
0.7398

A*ef.linear de B
A*ef.quadra de B

2
2

2315.08333333
7298.69444444

1157.54166667
3649.34722222

1.71
5.40

0.1991
0.0106**

ef.linear
ef.quadra
ef.linear
ef.quadra
ef.linear
ef.quadra

1
1
1
1
1
1

11935.12500000
4030.04166667
22578.12500000
782.04166667
6844.50000000
2562.66666667

11935.12500000
4030.04166667
22578.12500000
782.04166667
6844.50000000
2562.66666667

17.68
5.97
33.44
1.16
10.14
3.80

0.0003
0.0214**
0.0001**
0.2914
0.0036
0.0619*

T
T
T
T
T
T

d.
d.
d.
d.
d.
d.

mat1
mat1
mat2
mat2
mat3
mat3

SQM x T+SQT=48732,50

37

Como encontrar os contrastes para os efeitos ? Para isso vamos usar a tabela de
mdias de caselas.
Materiais
1
2
3

Tabela de mdias de caselas para os 9 tratamentos

Temperaturas
15
70
125

11
21
31
15

12
22
32
70

13
23
33
125

1
2
3

ij i j ( )ij
Exemplo: encontrar o contraste para efeito linear de temperatura dentro de material 1.

(1) 11 (0) 12 (1) 13 11 13

1 1 11 1 3 13
1 3 11 13
38 material 3.
Exerccio: encontrar o efeito quadrtico da temperatura dentro do

Equaes de regresso de 20 grau para cada material - Modelo de Regresso

Modelo com coeficiente linear e quadrtico para os trs materiais

y 01 11Temp 21Temp 2 02 12Temp 22Temp 2 03 13Temp 23Temp 2

onde 01 o coeficiente linear do material 1, 02 o coeficiente do termo linear de

temperatura, 03 o coeficiente do termo quadrtico de temperatura e o erro
aleatrio.
Modelo na forma matricial:

y X

39

15

225

1
1

15

225

225

15

15

225

70

4900

1
1

70

4900

70

4900

1
1

70
125

4900
15625

0
0

0
0

0
0

0
0

0
0

0
0

125

15625

1
1

125

15625

125

15625

15

225

0
0

15

225

15

225

15

225

X 0
0

0
0

0
0

0
0

0
0
0

0
0

70

4900

70

4900

70

4900

70

4900

0
0

0
0

1
1

125
125

15625
15625

0
0

0
0

0
0

125

15625

0
0

0
0

1
0

125
0

15625
0

0
1

0
15

0
225

15

225

15

225

15

225

70

4900

0
0

0
0

0
0

0
0

0
0

1
1

70
70

70

4900
4900
4900

125

15625

125

15625

125

125
40

150

155
74

180

34
40

80

75
20

70

82

58

150

188
159

126

136

y 122
106

115

25
70

58

45
138

110

168
160

174

120
150
139

96

104
82

60

15625
15625

 01

11
21

02
12

22

03
13

23

2
3

4
.

.

334

41

XtX=

12
840
83000
840
83000 9198000
83000 9198000 1.07281E9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

XtY=

998
52865
4837125
1300
67625
5581025
1501
92200
8330050

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
12
840
83000
0
0
0
840
83000 9198000
0
0
0
83000 9198000 1.07281E9
0
0
0
0
0
0
12
840
83000
0
0
0
840
83000 9198000
0
0
0 83000 9198000 1.07281E9

169.3800
-2.5000
0.0130
159.6240
(XtX)-1XtY=
-0.1730
-0.0057
132.7624
0.9030
-0.0100
42

Equaes de regresso:

Material 1:

y 169,38 2,50Temper atura 0,0129Temp eratura 2

Material 2:

y 159,624 0,173Tempe ratura 0,00566Tem peratura 2

Material 3:

y 132,76 0,9029Temp eratura 0,0102Temp eratura 2

43

Equao de regresso de 20 grau para temperatura dentro de material 1

*Aplicao de Polinmios Ortogonais*

y 0 P0 ( x ) 1P1 ( x ) 2 P2 ( x )
Os polinmios so dados por:

P0 ( x) 1

x x
P1 ( x) 1
d
x x 2 a2 1

P2 ( x) 2

d
12
Onde d=(distncia entre os nveis de x)=55; a=(nmero de nveis)=3. i obtidas
na tabela (Apndice X). Nveis de x= 15, 70 e 125. No exemplo, temos:

P1 ( x 15) 1

P1 ( x 70) 0 P1 ( x 125) 1

P2 ( x 15) 1 P2 ( x 70) 2 P2 ( x 125) 1

44

Estimativas dos parmetros do modelo:

yP0 ( x )
[ P0 ( x )]2

12

998
4 3

83,1667

yP1 ( x )

309
1

2
4 ( 2 ) 38,6250
[
P
(
x
)]
1
yP2 ( x )

311
2
2 4 ( 6 ) 12,9583
[ P2 ( x )]
2

32 1
x

70

x 70

y 83,1667 38,625(1) 55 12,8583(3)

55
12

y 169,38 2,50 x 0,013 x 2

(Atravs do Mapple)

45

Equao de regresso de 20 grau para temperatura dentro de material 2 e 3

Output do SAS
------------------------------MATERIAL=2 -----------------------Dependent Variable: VIDA
Parameter
INTERCEPT
TEMPERAT
TEMPERA2

Estimate
159.6239669
-0.1733471
-0.0056612

T for H0:
Parameter=0
10.14
-0.30
-1.41

Pr > |T|
0.0001
0.7711
0.1934

Std Error of
Estimate
15.74782536
0.57818640
0.00402760

------------------------------MATERIAL=3 ------------------------

Parameter
INTERCEPT
TEMPERAT
TEMPERA2

Estimate
132.7623967
0.9028926
-0.0102479

T for H0:
Parameter=0
7.37
1.36
-2.22

Pr > |T|

Std Error of
Estimate

0.0001
0.2055
0.0532

18.01817433
0.66154298
0.00460826

46

Experimentos com 2 fatores quantitativos: superfcie de resposta

(arquivo: toollife)
Exemplo: perodo de tempo til de um instrumento cortante. Fatores que afetam
o tempo de vida til: ngulo do instrumento e a taxa de movimento.

ngulo
15
20
25
y.j.

125
-2
-1
0
2
-1
0
-2

Taxa de movimento
150
-3
0
1
3
5
6
12

yi..
175
2
3
4
6
0
-1
14

-1
16
9
y... = 24

Usou nveis eqidistantes.

Delineamento experimental: inteiramente casualizado.
Fatorial 32=9 tratamentos.
Duas repeties.

47

Tabela da Anlise de Varincia (efeitos fixos) - sada do SAS

Dependent Variable: LIFE
Source

DF

Sum of Squares

Mean Square

F Value

Pr > F

9.61

0.0013

Model

111.00000000

13.87500000

Error

13.00000000

1.44444444

17

124.00000000

Corrected Total

Modelo
Ajustado

R-Square

C.V.

Root MSE

LIFE Mean

0.895161

90.13878

1.20185043

1.33333333

Type I SS

Mean Square

F Value

Pr > F
0.0087
0.0077

Source

DF

ANGLE (A)
CUTTING (C)

2
2

24.33333333
25.33333333

12.16666667
12.66666667

8.42
8.77

ANGLE*CUTTING (A*C)

61.33333333

15.33333333

10.62

48

0.0018**

Partio da interao: os quatro graus de liberdade da interao podem ser

desdobrados da seguinte forma:
ACLxL

ACLxQ

ACQxL

ACQxQ

onde L=efeito linear e Q=efeito quadrtico. Para os clculos necessita-se dos totais
das caselas e dos coeficientes dos contrastes ortogonais. Significado de ACLxL : efeito
da interao entre o efeito linear de ngulo e efeito linear de cutting.

49

Clculo de ACLxL:
AC
AL
CL
AC LxL

11
-1
-1
1

12
-1
0
0

13
-1
1
-1

21
0
-1
0

22
0
0
0

23
0
1
0

31
1
-1
-1

32
1
0
0

33
1
1
1

ACLxL cij yij . 1(3) 0(3) 1(5) 0(2) 0(4) 0(10) 1(1) 0(11) 1(1)
i 1 j 1

ACLxL 8
A soma de quadrados para o contraste ACLxL dada por:

SQACLxL

AC LxL 2
n

cij2

( 8 ) 2
2( 4)

8,00
50

Clculo de ACLxQ:

AC
AL
CQ
ACLxL

11
-1
1
-1

12
-1
-2
2

13
-1
1
-1

21
0
1
0

22
0
-2
0

23
0
1
0

31
1
1
1

32
1
-2
-2

33
1
1
1

AC LxQ 32
SQACLxQ

( 32 ) 2
2 (12 )

42,67

Output do SAS:
Contrast

DF

AC_ll
AC_lq
AC_ql
AC_qq

1
1
1
1

Contrast SS
8.00000000
42.66666667
2.66666667
8.00000000

Temos que: 8+42,67+2,67+8=61,34

Mean Square
8.00000000
42.66666667
2.66666667
8.00000000

F Value

Pr > F

5.54
29.54
1.85
5.54

0.0431*
0.0004**
0.2073 NS
0.0431**

51

Efeito linear e quadrtico dos fatores:

Contrast
ef. linear de
ef. linear de
ef.quadratico
ef.quadratico

angle
cuttin
de ang
de cut

DF

Contrast SS

1
1
1
1

8.33333333
21.33333333
16.00000000
4.00000000

Mean Square F Value

8.33333333
21.33333333
16.00000000
4.00000000

5.77
14.77
11.08
2.77

Pr > F
0.0398*
0.0039*
0.0088**
0.1305

Exerccio: encontrar os coeficientes do contraste: efeito quadrtico de ngulo.

52

Modelo de regresso:

y 0 1 A 2 C 3 A2 4 C 2 5 AC 6 AC 2 7 A2 C 8 A2 C 2
Em termos matriciais:

y X

y=

-2
-1
-3
0
2
3
0
2
1
3
4
6
-1
0
5
6
0
-1

X=

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

15
15
15
15
15
15
20
20
20
20
20
20
25
25
25
25
25
25

125
125
150
150
175
175
125
125
150
150
175
175
125
125
150
150
175
175

225
225
225
225
225
225
400
400
400
400
400
400
625
625
625
625
625
625

15625
15625
22500
22500
30625
30625
15625
15625
22500
22500
30625
30625
15625
15625
22500
22500
30625
30625

1875
1875
2250
2250
2625
2625
2500
2500
3000
3000
3500
3500
3125
3125
3750
3750
4375
4375

234375
234375
337500
337500
459375
459375
312500
312500
450000
450000
612500
612500
390625
390625
562500
562500
765625
765625

28125 3515625
28125 3515625
33750 5062500
33750 5062500
39375 6890625
39375 6890625
50000 6250000
50000 6250000
60000 9000000
60000 9000000
70000 12250000
70000 12250000
78125 9765625
78125 9765625
93750 14062500
93750 14062500
109375 19140625
109375 19140625

53

0

1
2

3

4

5

6
7

8

-1068.00
136.30
14.48
-4.08
1
t
t
X X X y
-0.0496
-1.864
0.0064
0.056
-0.000192

y 1068 ,0 136 ,3 A 14 ,5 C 4 ,1 A2 0 ,0496 C 2 1,864 AC 0 ,0064 AC 2 0 ,056 A2 C 0 ,000192 A2 C 2

54

Podemos usar esta superfcie de resposta para predizer o tempo til para
vrios valores de ngulo (x1) e movimento (x2) ou ajudar nos processos de
otimizao. Por exemplo A=25 C=150 y(chapu)= 5,50

55

Examinando o grfico de contornos podemos verificar que o mximo de tempo de vida

ocorre em torno de taxa de 150 e ngulo de 25. Ou, ento, com taxa de 180 e ngulo de
19.
56

Vimos experimentos fatoriais, com dois fatores, no delineamento inteiramente

casualizado. Podemos, sem nenhum problema, utilizar outros delineamentos
experimentais como blocos casualizados e quadrado latino (Montgomery,
pginas 271-276).

57