Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional Modelos Probabilísticos 4 – Planejamento Fatorial Professor Luciano Barboza da Silva Introdução • Imagine que você é o gerente de produção da Perfect Parachuts Company. Os paraquedas são tecidos em sua fábrica com o uso de uma fibra sintética adquirida de quatro diferentes fornecedores. A resistência dessas fibras é uma característica importante que garante paraquedas de qualidade. Você precisa decidir se as fibras sintéticas de Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 2 Introdução cada um dos seus quatro fornecedores resultam em paraquedas de igual resistência. Além disso, sua fábrica utiliza dois tipos de teares para produzir paraquedas: Jetta e o Turq. Você precisa estabelecer se os paraquedas tecidos nos dois teares são igualmente resistentes. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 3 Introdução Você também deseja saber se quaisquer diferenças na resistência dos paraquedas que possam ser atribuídas aos quatro fornecedores são dependentes do tipo de tear utilizado. De que modo você pode ir a busca dessa informação? Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 4 Introdução • Esse tipo de problemática introduz a noção de Planejamento de Experimento; • A empresa precisa desenvolver um procedimento de modo que possa tirar conclusões sobre as diferenças questionadas. Esse procedimento se chama Experimento; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 5 Modelo Completamente Aleatório: Análise de Variância de Fator Único • Um fator é definido como uma Variável sob a qual você tem que estabelecer uma decisão; • Em geral esses Fatores podem ser divididos em Níveis; • Nosso primeiro problema é decidir se paraquedas vindos de fornecedores distintos têm a mesma resistência; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 6 Modelo Completamente Aleatório: Análise de Variância de Fator Único • Nesse caso temos: – Um único fator: Fornecedor, o elemento variável no processo de produção; – Há vários Níveis desse fator no momento que se estabelece que são quatro fornecedores distintos; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 7 Modelo Completamente Aleatório: Análise de Variância de Fator Único • Quando temos um único fator utilizamos um Modelo Completamente Aleatório; • Nesse método busca-se eliminar quaisquer fatores sistemáticos que produzisse diferenças entre os processos; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 8 Teste F ANOVA de fator Único • O objetivo deste procedimento é desenvolver um Teste para verificar se há diferenças significativas entre os resultados médios finais produzidos sob níveis diferentes do fator em discussão; • ANOVA – Análise de Variância (ANalysis Of VAriance); Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 9 Teste F ANOVA de fator Único • Protocolo: – Conseguir uma amostra de resultados para cada nível de fator: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 10 ijX i-ésimo Resultado do Experimento para o j-ésimo nível do fator sob estudo Teste F ANOVA de fator Único • Calcula-se: SQT – Soma Total dos Quadrados: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 11 c j n i ij j XXSQT 1 1 2 n X X c j n i ij j 1 1 X ijX jn c c j jnn 1 Grande Média Observações Amostrais Número de Observações por Nível do fator Número de Níveis do Fator n Número Total de Observações Teste F ANOVA de fator Único • Calcula-se: SQE – Soma dos quadrados entre os Níveis: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 12 c j jj XXnSQE 1 2 X jX jn c Grande Média Média da amostra de nível j Número de Observações por Nível do fator Número de Níveis do Fator Teste F ANOVA de fator Único • Calcula-se: SQD – Soma dos quadrados dentro dos Níveis: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 13 c j n i jij j XXSQD 1 1 2 ijX jX Observações da amostra Média da amostra de nível j Teste F ANOVA de fator Único • Pode-se mostrar que: • Pode-se verificar também: 14 SQESQDSQT Parcela da Soma SQT SQD SQE Número de Graus de Liberdade n - 1 n - c c - 1 Teste F ANOVA de fator Único • Montamos o seguinte quadro 15 Fonte Graus de Liberdade Soma dos Quadrados Média dos Quadrados (Variância) F Entre os Níveis Dentro do Nível Total Fonte Graus de Liberdade Soma dos Quadrados Média dos Quadrados (Variância) F Entre os Níveis Dentro do Nível Total 1c cn 1n ESQ SQD SQT 1 cSQEMQE cnSQDMQD MQD MQE Teste F ANOVA de fator Único • Nosso teste consiste em: – Nível de Significância: α; – Teste: 16 diferente média existe : : 1 210 H H c Teste F ANOVA de fator Único • Nosso teste consiste em: – Estatística de Teste 17 MQD MQE F Fonte Graus de Liberdade Soma dos Quadrados Média dos Quadrados (Variância) F Entre os Níveis Dentro do Nível Total 1c cn 1n ESQ SQD SQT 1 cSQEMQE cnSQDMQD MQD MQE Teste F ANOVA de fator Único • Protocolo: – Região Crítica: onde: FFRC : FFP cnc ,1 Teste F ANOVA de fator Único • Voltando ao nosso caso. Consideremos os seguintes dados: Fornecedor 1 Fornecedor 2 Fornecedor 3 Fornecedor 4 18,5 26,3 20,6 25,4 24,0 25,3 25,2 19,9 17,2 24,0 20,8 22,6 19,9 21,2 24,7 17,5 18,0 24,5 22,9 20,4 Teste F ANOVA de fator Único • Temos: 945,21 20 4,205,172,17245,181 1 n X X c j n i ij j 52,19 5 189,192,17245,18 1 X 26,24 5 5,242,21243,253,26 2 X 84,22 5 9,227,248,202,256,20 3 X 16,21 5 4,205,176,229,194,25 4 X Teste F ANOVA de fator Único • Temos ainda: 2855,63945,2116,215945,2184,225 945,2126,245945,2152,195 22 2 1 2 2 c j jj XXnSQE 5040,9716,214,2016,215,1726,243,26 52,190,1852,192452,195,18 222 222 1 1 2 c j n i jij j XXSQD Teste F ANOVA de fator Único • Nosso teste consiste em: – Nível de Significância: 5%; – Teste: 22 0: 0: 1 210 j k H H Teste F ANOVA de fator Único • Nosso teste consiste em: – Estatística de Teste 23 4616,3 MQD MQE F Fonte Graus de Liberdade Soma dos Quadrados Média dos Quadrados (Variância) F Entre os Níveis Dentro do Nível Total 14 420 120 2855,63 5040,97 7895,160 0952,213/2855,63 MQE 0940,616/5040,97 MQD 0940,6/0952,21 Teste F ANOVA de fator Único • Protocolo: – Região Crítica: onde: • Conclusão: Rejeitamos H0 (afirmação de que não há diferenças entre as médias) com NS = 5% 24,3: FRC 24,305,0 05,005,016,3 FFFP Múltiplas Comparações: Procedimento de Tukey-Kramer • Anteriormente negamos a hipótese nula (a afirmação de que todas as resistências médias eram iguais, independentementedo fornecedor) ao NS dado (5%); • No procedimento de Tukey-Kramer identificamos os fornecedores que apresentam diferenças; Múltiplas Comparações: Procedimento de Tukey-Kramer • Procedimento: – Calcule as diferenças absolutas entre as médias aritméticas para todos os pares de médias de níveis distintos; – Calcule o intervalo crítico para o procedimento utilizando a equação a seguir para cada par de médias comparadas : Múltiplas Comparações: Procedimento de Tukey-Kramer • Intervalo Crítico (IC): kj nn MQD QIC kj 11 2 Q Valor Crítico da Cauda Superior, a partir da t de Student, com c graus de liberdade no numerador e n - c graus de liberdade no denominador (Tabela) com NS = α Múltiplas Comparações: Procedimento de Tukey-Kramer • Procedimento: – Compare cada uma das diferenças absolutas calculadas com o valor do IC específico; – Caso a diferença absoluta seja maior que o valor crítico há uma diferença significativa entre as médias; Múltiplas Comparações: Procedimento de Tukey-Kramer • Para o nosso caso: 4712,4 5 1 5 1 2 094,6 05,4 11 2 kj nn MQD QIC 05,416420 e 4 Qcnc 5 jk nn 094,6MQD Múltiplas Comparações: Procedimento de Tukey-Kramer • Assim para cada par de médias: 4712,468,116,2184,22 4712,410,316,2126,24 4712,442,184,2226,24 4712,464,116,2152,19 4712,432,384,2252,19 4712,474,426,2452,19 43 42 32 41 31 21 XX XX XX XX XX XX Múltiplas Comparações: Procedimento de Tukey-Kramer • Conclusões: – A diferença absoluta entre 1 e 2 ultrapassou o IC. Existe portanto uma diferença significativa entre essas duas médias (a média 1 é significativamente menor que a média 2); – As diferenças entre os demais pares não ultrapassou o limite, o que significa que as diferenças podem ser atribuídas ao acaso. Essas médias são todas iguais. Múltiplas Comparações: Procedimento de Tukey-Kramer • Conclusões: – Os Paraquedas produzidos com material dos Fornecedores 2,3 e 4 apresentam resistência idêntica; – Os paraquedas produzidos com material do fornecedor 1 apresenta uma resistência menor que os outros a um NS = 5%. Teste F ANOVA de fator Único • Utilizando o Excel: Modelo Fatorial: Análise de Variância de Dois Fatores • Voltemos aos problemas da Perfect Parachutes: – Já tratamos o primeiro problema que consistiu em determinar se existia diferenças na resistência média dos paraquedas produzidos a partir de insumos vindos de fornecedores diferentes. Nossa resposta: há diferenças; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 34 Modelo Fatorial: Análise de Variância de Dois Fatores – A próxima questão é: Se utilizarmos dois tipos de teares para produzir paraquedas (Jetta e Turk) isso provocaria alguma diferença entre as médias de resistência a tensão dos produtos finais? Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 35 Modelo Fatorial: Análise de Variância de Dois Fatores • Consideremos os seguintes dados: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 36 Modelo Fatorial: Análise de Variância de Dois Fatores • Notes: – Neste novo problema acrescentamos um novo fator (tipo de tear) com dois níveis adicionais: jetta e turk; – Nesse novo modelo temos combinações de níveis de fatores distintos; Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 37 Modelo Fatorial: Análise de Variância de Dois Fatores • Algumas definições – r : Número de Níveis do Fator A; – c : Número de Níveis do Fator B; – s : Número de valores (réplicas) para cada uma das combinações de níveis dos fatores A e B; – n : Número de Valores em todo o experimento (n = r × c × s) Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 38 Modelo Fatorial: Análise de Variância de Dois Fatores • Xijk- Valor da k-ésima observação para o nível i do fator A e j do fator B; • Grande Média: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 39 n X X r i c j s k ijk 1 1 1 Modelo Fatorial: Análise de Variância de Dois Fatores • Média Aritmética do i-ésimo nível do Fator A: • Média Aritmética do i-ésimo nível do Fator B: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 40 sc X X c j s k ijk i 1 1 sr X X r i s k ijk j 1 1 Modelo Fatorial: Análise de Variância de Dois Fatores • Média Aritmética do da célula ij, a combinação entre o i-ésimo nível do fator A e o j-ésimo nível do fator B: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 41 s X X s k ijk ij 1 Testando o Efeito dos Fatores e Efeitos da Interação • Dizemos que existe uma Interação entre os fatores A e B se o efeito do fator A for dependente do nível do fator B; • Assim devemos decompor a variação total dos dados nos seguintes componentes: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 42 Testando o Efeito dos Fatores e Efeitos da Interação • Decomposição da Variação Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 43 Testando o Efeito dos Fatores e Efeitos da Interação • Variação total em ANOVA de dois fatores: • Variação do Fator A Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 44 c i r j s k ijk XXSQT 1 1 1 2 r i i XXscSQA 1 2 Testando o Efeito dos Fatores e Efeitos da Interação • Variação do Fator B: • Variação decorrente da Interação Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 45 r i c j jiij XXXXsSQAB 1 1 2 c j j XXsrSQB 1 2 Testando o Efeito dos Fatores e Efeitos da Interação • Erro Aleatório em ANOVA de dois fatores: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 46 c i r j s k ijijk XXSQR 1 1 1 2 Testando o Efeito dos Fatores e Efeitos da Interação • Médias dos Quadrado: A soma dos quadrados divididos pelo seus graus de liberdade: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 47 1 r SQA MQA 1 c SQB MQB 11 cr SQAB MQAB 1 src SQR MQR Testando o Efeito dos Fatores e Efeitos da Interação • Tabela da ANOVA de Dois Fatores Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 48 Testando o Efeito dos Fatores e Efeitos da Interação • Três Testes Possíveis – Nenhuma Diferença Decorrente do Fator A: – Estatística de Teste e Região Crítica: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 49 iguais são as todasNem : : 1 210 i r H H MQR MQA FESTAT FFP FFRC srcr ESTAT )1(,1 : Testando o Efeito dos Fatores e Efeitos da Interação – Nenhuma Diferença Decorrente do Fator B: – Estatística de Teste e Região Crítica: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 50 iguais são as todasNem : : 1 210 j cH H MQR MQB FESTAT FFP FFRC srcc ESTAT )1(,1 : Testando o Efeito dos Fatores e Efeitos da Interação – Efeito da Interação: – Estatística de Teste e Região Crítica: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 51 zero a igual é não e entre interaçãoA : zero a igual é e entre interaçãoA : 1 0 BAH BAH FFP FFRC srccr ESTAT )1(,11 : MQR MQAB FESTAT Testando o Efeito dos Fatores e Efeitos da Interação • Retornando aos nossos dados: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 52 Testando o Efeito dos Fatores e Efeitos da Interação • ANOVA: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 53 Testando o Efeito dos Fatores e Efeitos da Interação • Análise: – Iniciamos testando se existe o efeito de Interação entre os fatores A e B: Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 54 922,2 05,0 922,2: 05,0 05,0)15(42,1412 F FFP FRC ESTAT 0111,0 6123,8 0956,0 ESTATF Conclusão: Não há evidência de que exista interação entre os fatores A e B (não podemos negar H0) com NS de 5% Testando o Efeito dos Fatores e Efeitos da Interação – Efeito de Fator A Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 55 8096,0 6123,8 9722,6 ESTATF 171,4 05,0 171,4: 05,0 05,0)15(42,12 F FFP FRC ESTAT Conclusão: Não há evidência de que exista diferença na resistência dos paraquedas por variação do tipo de tear (não podemos negar H0) com NS de 5% Testando o Efeito dos Fatores e Efeitos da Interação – Efeito de Fator B Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 56 1999,5 6123,8 7829,44 ESTATF 922,2 05,0 922,2: 05,0 05,0)15(42,14 F FFP FRC ESTAT Conclusão: Existe evidência de que as médias por variação dos níveis do fator B (rejeitamos H0) com NS de 5% Múltiplas Comparações: O procedimento de Tukey • Uma vez estabelecido que há diferenças entre as médias devidas a variações no fator B, podemos determinar quais desses fatores de fato divergem utilizando o procedimento de Tukey. Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 57 Múltiplas Comparações: Procedimento de Tukey • O procedimento a seguir é o mesmo do caso de apenas um fator modifica-se apenas o IC: cs MQR QIC rs MQR QIC Gl do Numerador: r Gl do Denominador: rc(s-1) Gl do Numerador: c Gl do Denominador: rc(s-1) Fator A Fator B Múltiplas Comparações: Procedimento de Tukey • Para o nosso caso há apenas diferenças significativas referentes ao fator B: 56,3 10 6123,8 84,3 rs MQR QIC Múltiplas Comparações: Procedimento de Tukey • Assim para cada par de médias: 56,358,183,2041,22 56,307,383,2090,23 56,340,141,2290,23 56,386,183,2097,18 56,344,341,2297,18 56,393,490,2397,18 43 42 32 41 31 21 XX XX XX XX XX XX Múltiplas Comparações: Procedimento de Tukey • Conclusões: – A diferença absoluta entre 1 e 2 ultrapassou o IC. Existe portanto uma diferença significativa entre essas duas médias (a média 1 é significativamente menor que a média 2); – As diferenças entre os demais pares não ultrapassou o limite, o que significa que as diferenças podem ser atribuídas ao acaso. Essas médias são todas iguais. Visualizando os Efeitos da Interação Problemas de Dois Fatores com Interação • Uma empresa de âmbito nacional especializada em preparar alunos em exame para ingresso em faculdades norte americanas, tais como SAT, ACT e o LSAT, tinham como objetivo estratégico aperfeiçoar o seu Curso Preparatório para o ACT. Dois fatores de interesse para a empresa são: a duração do curso (um Problemas de Dois Fatores com Interação período condensado em 10 dias ou um período regular de 30 dias) e o tipo de curso (aprendizado tradicional em sala de aula ou ensino à distância). A empresa coletou dados designando aleatoriamente 10 clientes para cada uma das quatro células que representam uma combinação entre duração de curso e tipo de curso. Os resultados estão Problemas de Dois Fatores com Interação organizados na tabela a seguir. Quais os efeitos do tipo de curso e da duração do mesmo nos resultados do ACT? Problemas de Dois Fatores com Interação Saída do Excel para o problema Problemas de Dois Fatores com Interação Note que a variação do fator tipo alterou o resultado da variação do fator duração. Problemas de Dois Fatores com Interação Confirma-se a rejeição da hipótese de que não há interação entre os dois fatores. Estatística F Limite F Problemas de Dois Fatores com Interação • Esse resultado complica a análise dos efeitos principais; • Sendo assim o procedimento deve ser considerar o problema de experimento com um único fator composto: Tipo de Curso; Problemas de Dois Fatores com Interação • Esse fator é uma combinação dos dois originais e tem os seguintes níveis: – Grupo 1: Tradicional Condensado; – Grupo 2: Tradicional Regular – Grupo 3: Virtual Condensado; – Grupo 4:Virtual Regular; Problemas de Dois Fatores com Interação • Dados do Problema: Problemas de Dois Fatores com Interação • Saída do Excel: Problemas de Dois Fatores com Interação • Conclusão: – Uma vez que a estatística F (8,2239) é maior que o limite da distribuição F (2,8663), com 3 gl no numerador e 36 gl no denominador, rejeitamos a hipótese nula (de que não há diferença entre as médias) com NS de 5%; Problemas de Dois Fatores com Interação • Processo de Comparação de Tukey-Kramer: 5,4 10 1 10 1 2 1083,14 79,3 11 2 kj nn MQD QIC 79,336440 e 4 Qcnc 10 jk nn 1083,14MQD Problemas de Dois Fatores com Interação • Processo de Comparação de Tukey-Kramer: 5,470,53,210,27 5,460,63,219,27 5,490,00,279,27 5,460,03,219,21 5,410,50,279,21 5,400,69,279,21 43 42 32 41 31 21 XX XX XX XX XX XX Diferença Significativa Diferença Significativa Diferença Significativa Diferença Significativa Nenhuma Diferença Significativa Nenhuma Diferença Significativa Problemas de Dois Fatores com Interação • Conclusão: – Com um NS de 5% chegamos as seguintes conclusões: • O Grupo 1 tem resultado pior que o Grupo 2; • O Grupo 1 tem Resultado pior que o Grupo 3; • O Grupo 1 tem o mesmo resultado que o Grupo 4; • O Grupo 2 tem o mesmo resultado que o Grupo 3 Problemas de Dois Fatores com Interação • Conclusão: – Com um NS de 5% chegamos as seguintes conclusões: • O Grupo 2 tem resultado melhor que o Grupo 4; • O Grupo 3 tem Resultado melhor que o Grupo 4; • Os melhore resultados globais são do grupo 2 e 3 Problemas de Dois Fatores com Interação • Assim a empresa deve fazer curso regulares em ambiente tradicional; • A empresa deve fazer cursos condensados em ambientes virtuais;
Compartilhar