Baixe o app para aproveitar ainda mais
Prévia do material em texto
Paralelismo, intersecção e igualdade de modelos Capítulo 8 Introdução • Na Estatística Experimental: DIC, DBC e DQL • Experimentos com apenas UM fator (níveis qualitativos ou quantitativos) – Efeito de diferentes tipos de rações (A, B, C e D) sobre o ganho de peso de animais; – Efeito de diferentes variedades de uma cultura sobre alguma característica de produção. – Efeito de doses crescentes de N sobre a produção de grãos; – Efeito de diferentes temperaturas sobre o armazenamento de sementes. • Esses experimentos podem ser instalados em qualquer um dos tipos de delineamento em função da heterogeneidade do material experimental. Introdução • Na Estatística Experimental: DIC, DBC e DQL • Experimentos com dois ou mais fatores (níveis qualitativos ou quantitativos) – Efeito de 2 variedades de cana-de-açúcar (V1 e V2), com 3 diferentes tipos de herbicidas (H1, H2 e H3). Então, teremos um fatorial 2x3, ambos os fatores qualitativos; – Efeitos de 3 peneiras comerciais (18, 20 e 22 diâmetros), associadas a 3 densidades de plantio (10, 15 e 20 plantas/m linear), na produtividade do amendoim (Arachis hipogaea L.) variedade Tatu V 53. Então, teremos um fatorial 3x3. Introdução • Nosso cenário: Experimentos com tratamentos em esquema fatorial sendo um dos fatores qualitativo e o outro quantitativo. • Em geral, para os dados proveniente deste tipo de experimento há interesse em se saber como uma determinada relação entre variáveis pode mudar de acordo com o outro fator. • Mais especificamente, se a relação for linear, deseja-se saber se as retas são: coincidentes, paralelas ou concorrentes, ou ainda, se elas possuem um intercepto comum. Modelo Completo • Experimento instalado segundo um delineamento inteiramente casualizado (DIC) com K repetições, k=1, 2, 3,...,K. • Os tratamentos estão arranjados segundo um esquema fatorial AxB. • Fator A (qualitativo) com I níveis, i=1, 2,..., I. • Fator B (quantitativo) com J níveis, j=1, 2, ...,J. O modelo completo é aquele que considera o fator B como “qualitativo” e a interação com o fator A. Modelo Completo • O modelo completo • O esquema da ANAVA ijkijjiijky ++++= Fonte de Variação Graus de liberdade Fator A (I-1) Fator B (J-1) A x B (I-1)(J-1) Erro IJ(K-1) Total IJK-1 QMErro=2̂ QUALITATIVO QUANTITATIVO Modelos Reduzidos Dado que a relação entre as variáveis: Y (variável resposta) e níveis do fator B (quantitativo) seja uma relação linear, iremos verificar se as retas, para cada nível do fator A (qualitativo), são: • Retas concorrentes; • Retas paralelas; • Retas com intercepto comum; • Retas coincidentes. Modelos Reduzidos • Retas concorrentes (I modelos lineares); -4 1 6 11 16 21 0 2 4 6 8 10 12 jj xyA 11011 : += jIIjI xyA 10: += Modelos Reduzidos • Retas paralelas (I modelos lineares); jj xyA 1011 : += jIjI xyA 10: += 0 5 10 15 20 25 30 0 2 4 6 8 10 12 Modelos Reduzidos • Retas intercepto comum (I modelos lineares); jj xyA 1101 : += jIjI xyA 10: += 0 5 10 15 20 25 30 35 40 45 0 2 4 6 8 10 12 Modelos Reduzidos • Retas coincidentes (1 modelo linear); jjI xyA 101 :... += 0 5 10 15 20 25 30 35 40 45 0 2 4 6 8 10 12 Modelos Reduzidos – n=ij pares (Xij,Yijk) com i=1,2,...,I níveis de A e k=1, 2,...K repetições em função de j = 1, 2,...J níveis do fator B; J níveis de B, para i=1 K repetições Totais Xij Y1j1 Y1j2 Y1j3 ... Y1jK Y1j. X11 Y111 Y112 Y113 ... Y11K Y11. X12 Y121 Y122 Y123 ... Y12K Y12. X13 Y131 Y132 Y133 ... Y13K Y13. ... ... ... ... ... ... ... X1J Y1J1 Y1J2 Y1J3 ... Y1JK Y1J. Modelos Reduzidos J níveis de B K repetições Totais Xij Y1j1 Y1j2 Y1j3 ... Y1jK Y1j. X11 Y111 Y112 Y113 ... Y11K Y11. ... ... ... ... ... ... ... X1J Y1J1 Y1J2 Y1J3 ... Y1JK Y1J. X21 Y211 Y212 Y213 ... Y21K Y21. ... ... ... ... ... ... ... X2J Y2J1 Y2J2 Y2J3 ... Y2JK Y2J. ... ... ... ... ... ... ... XI1 YI11 YI12 YI13 ... YI1K YI1. ... ... ... ... ... ... ... XIJ YIJ1 YIJ2 YIJ3 ... YIJK YIJ. i = 1 i = 2 i = I Modelos Reduzidos • Retas concorrentes (I níveis de A →I modelos de regressão); • 2×I parâmetros a serem estimados: para cada nível I do fator A temos uma reta com dois parâmetros. • Matricialmente: += XY • Matriz de delineamento (X) Modelos Reduzidos 𝐍𝐗𝟐𝐈 = 𝐗𝟏 𝟎 … 𝟎 𝟎 𝐗𝟐 … 𝟎 ⋮ 0 ⋮ 0 ⋱ ⋮ … 𝐗𝑰 𝐗𝒊 = 1 𝑋𝑖11 ⋮ ⋮ 1 ⋮ 1 ⋮ 1 𝑋𝑖1𝐾 ⋮ 𝑋𝑖𝐽1 ⋮ 𝑋𝑖𝐽𝐾 K repetições do nível 1 do fator B “quantitativo” Matriz X para o nível i do fator A (qualitativo) K repetições do nível J do fator B “quantitativo” • Estimativa dos parâmetros 𝐗𝒊 𝑻𝐗𝒊 = 𝒏𝒊 = 𝑱𝑲 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝑿𝒊𝒋𝒌 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝑿𝒊𝒋𝒌 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝑿𝟐 𝒊𝒋𝒌 = 𝒏𝒊 𝑿𝒊. 𝑿𝒊. 𝑿𝟐 𝒊. 𝐗𝒊 𝑻𝐘𝒊 = 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝒀𝒊𝒋𝒌 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝑿𝒊𝒋𝒌𝒀𝒊𝒋𝒌 = 𝒀𝒊. 𝒋=𝟏 𝑱 𝒌=𝟏 𝑲 𝑿𝒊𝒋𝒌𝒀𝒊𝒋𝒌 Modelos Reduzidos 𝛉 = 𝜽𝟏 ⋮ 𝜽𝑰 = 𝐗𝟏 𝑻𝐗𝟏 −𝟏 𝐗𝟏 𝑻𝒀𝟏 ⋮ 𝐗𝑰 𝑻𝐗𝑰 −𝟏 𝐗𝑰 𝑻𝒀𝑰 Modelos Reduzidos • Retas paralelas (I níveis de A →I modelos de regressão) porém todos com a mesma inclinação ; 𝐻0: 𝛽11 = 𝛽12 = ⋯ = 𝛽1I = 𝛽1 • I+1 parâmetros a serem estimados • Matricialmente: += XY • Matriz de delineamento (X) Modelos Reduzidos K repetições do nível 1 do fator B “quantitativo” para o nível 1 do fator A (qualit.) 111 11 121 1 211 2 1 1 0 0 0 0 1 0 0 0 01 0 0 01 0 0 00 1 0 00 1 0 10 0 0 10 0 0 K JK JK IJ IJK X X X X XX X X X = 1ª repetição do nível 2 do fator B “quantitativo” para o nível 1 do fator A (qualit.) K-ésima repetição do nível J do fator B “quantitativo” para o nível 1 do fator A (qualit.) Modelos Reduzidos • Parâmetros 01 0 1 I = θ 1 1 2 2 21 2 0 0 0 0 0 0 jk jk jk jk T I Ijk jk jk jk Ijk ijkjk jk jk ijk n X n X X X n X X X X X = Modelos Reduzidos • Parâmetros 01 0 1 I = θ 0 1 1 2 ˆ ˆ ijk i i i ijk ijk ijk ijk Y X x Y x = − = Modelos Reduzidos • Retas com intercepto comum (I níveis de A → I modelos de regressão) porém todos com mesmo intercepto e diferentes coeficientes angulares; • I+1 parâmetros a serem estimados 0 01 02 0 0: ... IH = = = = 111 11 121 1 211 2 1 1 0 0 0 1 0 0 01 0 01 0 01 0 01 0 1 0 0 1 0 0 K JK JK IJ IJK X X X X X X X X X = • Matriz de delineamento (X) Modelos Reduzidos Modelos Reduzidos • Parâmetros 0 11 1I = θ 1 2 1 1 2 0 0 jk Ijk jk jk jk jkT jk jk Ijk Ijk jk jk n IJK X X X X X X X X = = Modelos Reduzidos • Retas Coincidentes (I níveis de A → 1 modelo de regressão); • 2 parâmetros a serem estimados 01 02 0 0 0 1̀1 12 1 1 ... : ... I I H = = = = = = = = 111 11 121 1 211 2 1 1 1 1 1 1 1 1 1 K JK JK IJ IJK X X X X X X X X X = • Matriz de delineamento (X) Modelos Reduzidos Modelos Reduzidos • Parâmetros 0 1 = θ 2 ijk ijkT ijk ijk ijk ijk n IJK X X X X X = = Modelos Encaixados Retas Concorrentes Retas Intercepto C. Retas Paralelas Retas Coincidentes Esquemas de ANAVA Fonte de Variação Graus de liberdade Fator A (I-1) Fator B (J-1) A x B (I-1)(J-1) Tratamentos IJ-1 Erro IJ(K-1) Total IJK-1 Modelo Maximal Esquemas de ANAVA Fonte de Variação Graus de liberdade Retas Concorrentes 2I - 1 Desvios de Regressão I(J - 2) Tratamentos IJ-1 Erro IJ(K-1) Total IJK-1 ModeloRetas Concorrentes (2I parâmetros) Esquemas de ANAVA Fonte de Variação Graus de liberdade Retas Paralelas I Desvios de Regressão [I(J - 1)] – 1 Tratamentos IJ-1 Erro IJ(K-1) Total IJK-1 Modelo Retas Paralelas (I + 1 parâmetros) Esquemas de ANAVA Fonte de Variação Graus de liberdade Retas Intercepto C. I Desvios de Regressão [I(J - 1)] – 1 Tratamentos IJ-1 Erro IJ(K-1) Total IJK-1 Modelo Retas Intercepto C. (I + 1 parâmetros) Esquemas de ANAVA Fonte de Variação Graus de liberdade Retas Coincidentes 1 Desvios de Regressão IJ - 2 Tratamentos IJ-1 Erro IJ(K-1) Total IJK-1 Modelo Retas Coincidentes (2 parâmetros) Slide 1: Paralelismo, intersecção e igualdade de modelos Slide 2: Introdução Slide 3: Introdução Slide 4: Introdução Slide 5: Modelo Completo Slide 6: Modelo Completo Slide 7: Modelos Reduzidos Slide 8: Modelos Reduzidos Slide 9: Modelos Reduzidos Slide 10: Modelos Reduzidos Slide 11: Modelos Reduzidos Slide 12: Modelos Reduzidos Slide 13: Modelos Reduzidos Slide 14: Modelos Reduzidos Slide 15: Modelos Reduzidos Slide 16: Modelos Reduzidos Slide 17: Modelos Reduzidos Slide 18: Modelos Reduzidos Slide 19: Modelos Reduzidos Slide 20: Modelos Reduzidos Slide 21: Modelos Reduzidos Slide 22: Modelos Reduzidos Slide 23: Modelos Reduzidos Slide 24: Modelos Reduzidos Slide 25: Modelos Reduzidos Slide 26: Modelos Reduzidos Slide 27: Modelos Encaixados Slide 28: Esquemas de ANAVA Slide 29: Esquemas de ANAVA Slide 30: Esquemas de ANAVA Slide 31: Esquemas de ANAVA Slide 32: Esquemas de ANAVA
Compartilhar