Baixe o app para aproveitar ainda mais
Prévia do material em texto
PLANEJAMENTO DE EXPERIMENTO Magali Teresopolis R. Amaral ∗ 1 Introduc¸a˜o 1. Reduc¸a˜o da variac¸a˜o do processo e melhor concordaˆncia entre os valores nominais obtidos e os valores pretendidos; 2. Reduc¸a˜o do tempo do processo; 3. Reduc¸a˜o do custo operacional; 4. Melhoria no rendimento do processo. Assim, os treˆs princ´ıpios ba´sicos para aumentar a precisa˜o dos experimentos sa˜o: 1. Repetic¸a˜o 2. Casualizac¸a˜o 3. Blocagem 1.1 Repetic¸a˜o A ide´ia, em experimentac¸a˜o, e´ comparar grupos, na˜o apenas unidades. As unidades experimentais do mesmo grupo recebem, em estat´ıstica, o nome de repetic¸o˜es ou re´plicas. Fazer um experimento com re´plicas e´ muito importante pelos seguintes motivos: 1. Permite a obtenc¸a˜o do erro experimental. A estimativa desse erro e´ ba´sica para verificar se as diferenc¸as observadas nos dados sa˜o estatisticamente diferentes. 2. A replicac¸a˜o permite a obtenc¸a˜o de uma estimativa mais precisa do fator, se a me´dia de uma amostra for usada para estimar o efeito desse fator no experimento. 1.2 Casualizac¸a˜o A casualizac¸a˜o permite que os tratamentos sejam distribu´ıdos pelas unidades experimentais de maneira objetiva. Ou seja, os tratamentos sa˜o distribu´ıdos por sorteio. Onde cada unidade experimental deve ter a mesma chance de receber um tratamento de uma dada repetic¸a˜o. Isso se faz necessa´rio para que as estimativas da variaˆncia residual e de me´dias de tratamentos, sejam na˜o tendenciosas. Pelo fato das unidades experimentais exercerem diferentes efeitos nas mensurac¸o˜es observadas, cada distribuic¸a˜o dos tratamentos resultara´ numa estimativa diferente para a variaˆncia residual. A sistematizac¸a˜o na distribuic¸a˜o dos tratamentos pelas unidades experimentais causa correlac¸a˜o entre os erros. OBS: Os me´todos estat´ısticos requerem que as observac¸o˜es, ou os erros, sejam varia´veis aleato´rias distribu´ıdas independentemente. Os experimentos, com suas re´plicas, devem ser realizados de forma aleato´ria, de modo a garantir a distribuic¸a˜o equaˆnime de todos os fatores na˜o considerados. ∗Universidade Estadual de Feira de Santana, Salvador, BA, Brazil, e-mail:mteresopolis@hotmail.com 1 1.3 Blocagem Quando o material e´ homogeˆneo, a distribuic¸a˜o dos tratamentos pelas unidades experimentais deve ser procedida atrave´s de aleatorizac¸a˜o, ou seja, por sorteio, sem nenhuma restric¸a˜o a` casualizac¸a˜o. Por outro lado, quando o material e´ heterogeˆneo, e´ questiona´vel a distribuic¸a˜o dos tratamentos pelas unidades experimentais inteiramente ao acaso. Isto pode comprometer as estimativas de me´dias de tratamentos, bem como gerar correlac¸a˜o entre os erros. No caso da presenc¸a de heterogeneidade do material experimental, o que se recomenda e´ a subdivisa˜o do mesmo em partes (blocos). A blocagem e´ usada, por exemplo, quando uma determinada medida experimental e´ feita por duas diferentes pessoas, levando a uma poss´ıvel na˜o homogeneidade nos dados. Geralmente cada bloco conte´m todos os tratamentos envolvidos no experimento uma vez (1 repetic¸a˜o dos tratamentos) pore´m, pode-se formar blocos que na˜o conte´m todos os tratamentos, bem como, blocos que exibem o conjunto dos tratamentos mais de uma vez. 2 Classificac¸a˜o u´nica ou experimento de um fator O caso mais simples de ana´lise de variaˆncia (ANOVA) e´ o denominado classificac¸a˜o simples, onde as mensurac¸o˜es sa˜o classificadas de acordo com um crite´rio uni-dimensional. Assim, admite-se um u´nico fator (varia´vel independente) que e´ subdividido em tratamentos (n´ıveis do fator). A varia´vel de estudo (varia´vel dependente) e´ medida atrave´s de amostras de cada tratamento. OBS: Um tratamento (ou fator) e´ uma caracter´ıstica que nos permite distinguir diferentes po- pulac¸o˜es umas das outras. A ana´lise de variaˆncia (ANOVA) e´ um me´todo para testar a igualdade de treˆs ou mais me´dias populacionais, baseado na ana´lise de variaˆncias amostrais. As hipo´teses, utilizada na ANOVA sera˜o H0 : µ1 = µ2 = . . . = µn e H1 : Pelo menos uma das me´dias e´ diferente. 2 Tabela 1: Um experimento inteiramente ao acaso. Tratamento 1 2 . . . K Total y11 y21 . . . yk1 y12 y22 . . . yk2 ... ... ... y1r y2r . . . ykr Total T1 T2 . . . TK ∑ T = ∑ y Repetic¸o˜es r r . . . r n = kr me´dias y1 y2 . . . yk O modelo mais utilizado para ana´lise deste tipo de dado e´ da forma Yij = µi + εij . Onde Yij representa a j-e´sima mensurac¸a˜o no i-e´simo grupo, µi representa a me´dia populacional da varia´vel Y no i-e´simo grupo εij e´ uma componente do erro aleato´rio que incorpora todas as outras fontes de variabilidade no experimento, incluindo medida, fatores incontrola´veis diferenc¸as entre unidades experimentais. E´ suposto que esse erro seja uma varia´vel aleato´ria e tenha uma distribuic¸a˜o normal e independente, com me´dia zero e variaˆncia constante, σ2, para todos os n´ıveis do fator, assim, E(yij) = µi. Uma outra maneira de expressar a equac¸a˜o anterior, conhecida como modelo dos efeitos, e´: Yij = µ+ τi + εij em que µ e´ um paraˆmetro comum a todos os tratamentos, conhecido como me´dia global, e τi = µi−µ. Assim as me´dias podem ser expressas como µi = µ.+ τi. Para fazer a ana´lise de variaˆncia de um experimento inteiramente ao acaso e´ preciso calcular as seguintes quantidades: 2.1 Definic¸o˜es: Graus de Liberdade 1. de tratamento: K − 1 2. do total: n− 1 com n = kr 3. do res´ıduo: (n− 1)(K − 1) = n−K O valor C, dado pelo total geral elevado ao quadrado e dividido pelo nu´mero de observac¸o˜es. O valor C e´ conhecido como correc¸a˜o. C = ( ∑ y)2 n SQ(Total) ou soma total de quadrados: e´ uma medida da variac¸a˜o total (em torno de x) em todos os dados amostrais combinados. SQTotal = ∑∑ (yij − yˆ) = ∑ y2 − C O SQ(Total) pode decompor-se em SQ(tratamento) e SQ(erro), como segue: SQ(tratamento) e´ uma medida de variac¸a˜o entre as me´dias amostrais. Em ANOVA de um crite´rio,SQ(tratamento) e´ chamada a`s vezes SQ(fator). E como e´ uma medida de variabilidade entre as me´dias amostrais, e´ tambe´m conhecida como SQ(entregrupos) ou SQ(entreamostras). SQtratamento = ∑ n(yj − yˆ)2 = ∑ T 2 r − C 3 SQ(erro) e´ uma soma de quadrados que representa a variabilidade que supomos seja comum a todas as populac¸o˜es em considerac¸a˜o (variac¸a˜o dentro das amostras). SQerro = ∑∑ (yij − y)2 Como SQ(erro) e´ uma medida da variac¸a˜o dentro dos grupos, e´ designada a`s vezes por SQ(dentro dos grupos) ou SQ(dentro das amostras). Consideradas as expresso˜es precedentes para SQ(Total), SQ(tratamento) e SQ(erro), a relac¸a˜o seguinte e´ sempre va´lida. SQ(Total) = SQ(tratamento) + SQ(erro) SQ(tratamento) e SQ(erro) sa˜o ambas somas de quadrados, e se dividirmos cada uma delas pelo correspondente nu´mero de graus de liberdade, obteremos os quadrados me´dios, definidos como se segue: QM(tratamento) e´ o quadrado me´dio para tratamento (estimado por σ2), obtido como se segue: QM(tratamento) = SQ(tratamento) K − 1 QM(erro) e´ o quadrado me´dio para erro, e se obte´m como se segue: QM(erro) = SQ(erro) N − k QM(total) e´ o quadrado me´dio para a variac¸a˜o total: QM(total) = SQ(total) N − 1 Dessa maneira, F = SQtratamento/k − 1 SQerro/N − k = QMtratamento QMerro tera´ distribuic¸a˜o F com (k − 1) g.l. no numerador e (n− k) g.l. no denominador. O quociente F sera´ utilizado para testar a hipo´tese H0. 2.2 Quadro de Ana´lise da Variaˆncia Quadro de Ana´lise da Variaˆncia. Fonte de Variac¸a˜o Soma de Quadrados G. Liberdade Quadrados Me´dios Teste F Entre Tratamentos SQ(trat) k − 1 QM(trat) Fcal = QM(tatamento)QM(erro) Dentro das Amostras SQ(erro) N − k QM(erro) Total SQ(total) N − 1 QM(Total) Para testar a hipo´tese H0 contra a alternativa H1, compara-se o valor Fcal com o valor F tabelado com (k − 1)g.L. no numerador e (N − k) no denominador, fixando certo n´ıvel de significaˆncia. Se Fcal ≤ Ftab, enta˜o aceita-se H0 e conclui-se com risco α que o fator considerado na˜o causa efeito sobre a varia´vel em estudo. Por outro lado, se Fcal> Ftab , rejeita-se H0 , concluindo-se pela diferenc¸a das me´dias e consequ¨ente influeˆncia do fator sobre a varia´vel analisada. 2.3 Procedimento para a efetivac¸a˜o do teste • Dispor os elementos, segundo a tabela a seguir, obtendo as somas das colunas e suas respectivas me´dias. • Calcula-se a constante C. 4 • Calcula-se a variac¸a˜o total. • Calcula-se a variac¸a˜o entre tratamentos. • Obte´m a variac¸a˜o residual por diferenc¸a: SQ(Total) = SQ(Tratamento) + SQ(erro) • Constro´i-se o Quadro de Ana´lise da Variaˆncia, avaliando o Fcal. • Determina-se a regia˜o cr´ıtica e de aceitac¸a˜o da hipo´tese H0 por meio da tabela F. • Compara-se Fcal com Ftab, obtendo-se a conclusa˜o. Exemplo1 : O resultado das vendas de um medicamento efetuadas por 3 diferentes farma´cias durante certo per´ıodo e´ dado a seguir. Deseja-se saber, ao n´ıvel de 5%, se ha´ diferenc¸a de eficieˆncia entre as vendas desse medicamento . Peso das raizes dos milhos apo´s a aplicac¸a˜o de 3 diferentes adubos. A B C 29 27 30 27 27 30 31 30 31 29 28 27 32 29 29 30 26 28 • H0:O peso me´dio das raizes sa˜o iguais. • H1: Pelo menos uma das me´dias e´ diferente yA = 178, yB = 167 e yC = 175 C = ∑ y2 n = (29 + 27 + 31 + . . .+ 29 + 28)2 3× 6 = 15022, 222 SQtratamento = ∑ T 2 r − C SQtratamento = 1782+1672+1752 6 − 15022, 222 = 10, 78 SQTotal = ∑ y2 − C = (292 + 272 + 312 + . . .+ 292 + 282)− 15022, 222 = 47, 78 SQerro = SQTotal − SQtratamento = 47, 78− 10, 78 = 37, 0 Quadro de Ana´lise da Variaˆncia. Fonte de Variac¸a˜o Soma de Quadrados G. Liberdade Quadrados Me´dios Teste F Entre Tratamentos 10, 78 2 5, 39 Fcal = 2, 19 Dentro das Amostras 37,0 15 2,47 Total 47,78 17 2,81 Quadro de Ana´lise da Variaˆncia Conclusa˜o: como Ftab = 3, 6823 > Fcal = 2, 19 concluo que na˜o posso rejeitar a hipo´tese nula, ou seja, na˜o ha´ diferenc¸a entre os pesos me´dios das raizes ao n´ıvel de 5% de significaˆncia. 5 3 Teste de Scheffe´ • Me´todo da ana´lise de variaˆncia indica aceitac¸a˜o ou rejeic¸a˜o da hipo´tese de igualdade das me´dias. Se H0 for rejeitada , pelo menos uma das me´dias e´ diferente das demais. Surge, contudo, a questa˜o: Quais me´dias devem ser consideradas diferentes? • Existem alguns testes para a soluc¸a˜o dessa questa˜o, apresentaremos um deles: o teste de Scheffe´. • Segundo esse procedimento , devem ser consideradas distintas entre si , ao n´ıvel de significaˆncia adotado, as me´dias e tais que: ∆ = √ QMerro(K − 1) ( 1 nA + 1 nB ) Fα(k − 1); (n− k) Exemplo 2: Peso das raizes dos milhos apo´s a aplicac¸a˜o de 3 diferentes adubos. A B D 29 27 12 27 27 10 31 30 9 29 28 4 32 29 29 30 26 18 Quadro de Ana´lise da Variaˆncia. Fonte de Variac¸a˜o Soma de Quadrados G. Liberdade Quadrados Me´dios Teste F Entre Tratamentos 920, 1111 2 460, 0555 Fcal = 16, 7699 Dentro das Amostras 411,5 15 27,4333 Total 1331,611 17 78,3301 • Conclusa˜o: como Ftab = 3, 6823 < Fcal = 16, 7699 concluo que podemos rejeita a hipo´tese nula, ou seja, ha´ diferenc¸a entre os pesos me´dios das raizes ao n´ıvel de 5% de significaˆncia. 3.1 Aplicac¸a˜o do teste de Scheffe´ • |XA −XB| = 1, 8384,|XA −XD| = 16 e |XB −XD| = 14, 166 ∆ = √ QMerro(K − 1) ( 1 nA + 1 nB ) Fα(k − 1); (n− k) ∆ = √ 27, 4333× 2 ( 1 6 + 1 6 ) × 3, 6823 = 8, 2064 • Comparando as diferenc¸as das me´dias com o valor de ∆ = 8, 2064, conclui-se que os pares de me´dias (µA, µD)(µB, µD), sa˜o diferentes. 6 4 Teste Tukey • Para obter o valor da diferenc¸a mı´nima significante (∆), pelo teste Tukey basta calcular: ∆ = q √ QMerro r • Onde q e´ o valor dado na tabela ao n´ıvel de significaˆncia estabelecido, QMerro e´ o quadrado me´dio do res´ıduo da ana´lide variaˆncia e r e´ o nu´mero de repetic¸o˜es de cada tratamento. 4.1 Aplicac¸a˜o do teste Tukey • |XA −XB| = 1, 8384,|XA −XD| = 16 e |XB −XD| = 14, 166 ∆ = q √ QMerro r ∆ = 3, 01 √ 27, 43 6 = 6, 43 • Comparando as diferenc¸as das me´dias com o valor de ∆ = 6, 434, conclui-se que os pares de me´dias (µA, µD)(µB, µD), sa˜o diferentes. 5 Refereˆncias Bibliogra´ficas Refereˆncias [1] MATOS, O. C. Econometria Ba´sica- Teoria e aplicac¸o˜es. 3 ed. Sa˜o Paulo: Ed Atlas, 2000. [2] TRIOLA, Mario F. Introduc¸a˜o a` Estat´ıstica. 9 ed. Rio de Janeiro: LTC, 2005. [3] VIEIRA, SONIA Estat´ıstica Experimental.Sa˜o Paulo: Ed Atlas,1989. 7
Compartilhar