Baixe o app para aproveitar ainda mais
Prévia do material em texto
ENG 09004 – Estatística para Engenharia Análise de Variância ANOVA ENG09004 – 2014/2 Prof. Alexandre Pedott pedott@producao.ufrgs.br ENG 09004 – Estatística para Engenharia ANOVA Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias, cada uma oriunda de um grupo diferente. Esses grupos, também chamados tratamentos, poderiam ser: a performance em Km/l de carros consumindo 4 marcas de combustíveis, a eficiência de 3 métodos de treinamento, comparação da produtividade entre 5 máquinas ou 3 postos de trabalho ou 3 layouts. ENG 09004 – Estatística para Engenharia One Way ANOVA One Way ANOVA - Analisa experimentos que envolvem: 1 Variável de resposta 1 Fator controlável a vários níveis (vários grupos) Os ensaios (repetições) realizados em cada nível do fator controlável configuram um grupo O objetivo é identificar se os valores da variável de resposta medidos nos diversos níveis do fator controlável diferem entre si. ENG 09004 – Estatística para Engenharia Exemplo: Um profissional deseja estudar se a temperatura ambiente influencia na produtividade dos funcionários. Para isso realizou três medidas de produtividade (peças/hora) em três temperaturas diferentes. Fator controlável: temperatura Níveis do fator controlável: 15, 25, 35 Variável de resposta: produtividade Repetições: 3 valores para cada nível Fator controlável Níveis do fator control. Variável de resposta Temperatura (ºC) 15 25 35 12 20 17 13 19 16 11 18 18 ENG 09004 – Estatística para Engenharia Existem dois tipos de experimentos Fatores Controláveis a níveis fixos: quando o efeito de cada nível é fixo, como no caso em que os tratamentos são 4 pressões de operações, ou 4 layouts ou 5 temperaturas; Por ex., 6 linhas produtivas. Fatores Controláveis a níveis aleatórios: quando o efeito de cada nível é aleatório, como no caso em que os tratamentos são k lotes de produção, ou k operadores escolhidos aleatoriamente; Por ex., 3 lotes escolhidos ao acaso. ENG 09004 – Estatística para Engenharia Modelo Estatístico Os resultados poderiam ser representados por um modelo aditivo: onde: Yij é a observação j medida no tratamento i; média geral de todas as observações; i. efeito do tratamento i; ij erro aleatório; j ijiij nj kiY ..., ,1= ,.....,1 ; . ENG 09004 – Estatística para Engenharia Arranjo Experimental Fator A A1 A2 ... Ak y 11 y 21 ... y k1 y 12 y 22 ... y k2 : : : : : : y ij : : : : : y1,n1 y2,n2 ... yk,nk Totais Ti. T1. T2. ... Tk. T.. = No.Obs. ni n1 n2 ... nk N = Médias .iY Y1. Y2. ... Yk. ..Y ENG 09004 – Estatística para Engenharia Exemplo 20 = 16 + 3 + 1 Temperatura 15 25 35 12 20 17 13 19 16 11 18 18 .iT 36 57 51 144T.. in 3 3 3 9N .iY 12 19 17 16.. Y ijiijY Modelo Estatístico Níveis do fator controlável ENG 09004 – Estatística para Engenharia Formulação matemática da ANOVA 15o C 25o C 35o C Y ij = 20 16 .. Y 12 . 1 Y 19 . 2 Y 17 . 3 Y ( ) Y Y.. i. 19 - 16 3 - ( ) 20 - 16 4 Y Y ij - . . ( ) Y Y ij - i. 20 - 19 1 20 = 16 + 3 + 1 ijiijY 4 = 3 + 1 ( ) ( ) ( )...... iijiij YYYYYY --- ENG 09004 – Estatística para Engenharia Teste de Hipótese H0: não há diferenças significativas entre os grupos; H1: há diferenças significativas entre os grupos. k ....21 k ....21 ENG 09004 – Estatística para Engenharia Decomposição da variabilidade A Análise de Variância se baseia na decomposição da variabilidade total. Mais especificamente, os desvios das observações individuais em relação a média global podem ser escritos como: ( ).iij YY - é o desvio da média do tratamento i em relação à média global. é o desvio da observação individual em relação a média do tratamento i correspondente. ( )... YY i - ( ) ( ) ( ) ...... iijiij YYYYYY --- ENG 09004 – Estatística para Engenharia Elevando ao quadrado ambos os termos e efetuando o somatório, resulta: Desde que é fácil demonstrar que Identificamos as seguintes somas quadradas: SQT = SQG + SQR SQT soma dos quadrados totais, decomposta em: SQG soma dos quadrados dos grupos (tratamentos), associada exclusivamente a um efeito dos grupos; SQR soma dos quadrados dos resíduos, devida exclusivamente ao erro aleatório, medida dentro dos grupos. ( ) ( ) ( ) --- 2.iij 2 ...i i i ij 2 ..ij YYYYnYY ( )( ) 0YYYY .iij...i -- ENG 09004 – Estatística para Engenharia Teste F Observamos que a soma quadrada dos resíduos dividida pelos seus graus de liberdade fornecerá uma estimativa da variância dentro dos grupos: Da mesma forma, se não houver efeito dos grupos, a divisão da SGQ pelos respectivos graus de liberdade também fornecerá uma estimativa da variância dentro dos grupos: ( ) 2 , 2 . - - - kN YY kN SQR MQR ji iij ( ) ( ) / 11 22 2 ... - - - nn k YY n k SQG MQG i ENG 09004 – Estatística para Engenharia Teste F Notem que, se não há efeito dos grupos, a quantidade entre colchetes é a variância das médias, a qual sabe-se que é igual a 2/n. As grandezas apresentadas acima são chamadas de médias quadradas, Observa-se que as Médias Quadradas são simplesmente uma outra notação para Variância. MQG = SQG/(k-1) é a Média Quadradas dos Grupos; MQR = SQR/(N-k) é a Média Quadradas dos Resíduos; ENG 09004 – Estatística para Engenharia Teste F Obseva-se que para as somas quadradas vale a aditividade: SQT = SQG + SQR N-1 = (k-1) + (N-k) Mas o mesmo não vale para as médias quadradas MQT MQG + MQR ENG 09004 – Estatística para Engenharia Teste de hipótese Se não há diferença significativa entre os grupos: E(MQG) = E (MQR) Para testar a hipótese referente ao efeito dos grupos usamos a distribuição F que é o modelo adequado para a distribuição do quociente de duas variâncias. MQR MQG Fcalc Estima a variância entre os grupos Estima a variância dentro do grupo ENG 09004 – Estatística para Engenharia Teste de Hipótese Verifica-se que, se não há efeito dos grupos, esse quociente é próximo de 1 Se há efeito dos grupos esse quociente será significativamente maior do que 1 O limite de decisão é estabelecido usando os valores tabelados da distribuição F : kN,1k,F -- = nível de significância graus de liberdade do numerador: k-1 graus de liberdade do denominador: N-k ENG 09004 – Estatística para Engenharia Distribuição F ENG 09004 – Estatística para Engenharia Rejeita H0 (1 = 2 = ... = k) se F calculado > F tabelado = Logo, há diferença significativa entre os grupos Caso contrário, não há diferenças significativas entre os grupos Distribuição F kN,1k,F -- ENG 09004 – Estatística para Engenharia Formulário para cálculo onde: T.. é a soma de todas as observações Ti. é a soma das observações no grupoi N..)T(TC 2 (Termo de Correção) ( ) - TCYSQT 2ij ( ) - TCnTSQG i2.i ( ) ( ) -- SQGSQTnTYSQR i2.i2ij ENG 09004 – Estatística para Engenharia Tabela ANOVA Os cálculos associados à Análise de Variância são apresentados em uma tabela, chamada de Tabela de Análise de Variância ou Tabela ANOVA (Analysis of Variance): Fonte de Variação Soma dos Quadrados GDL Média Quadrática FCAL FTAB Entre Grupos SQG k-1 MQG = SQG/(k – 1) MQG / MQR Dentro do Grupo SQR N – k MQR = SQR/(N - k ) Total SQT N – 1 kN,1k,F -- ENG 09004 – Estatística para Engenharia Exemplo a níveis fixos Agente 0 5 10 15 20 43 47 55 50 52 47 53 50 54 49 46 52 54 54 54 45 50 55 55 55 45 49 52 56 55 46 51 53 52 56 47 55 55 57 56 44 48 56 57 53 42 49 59 55 57 48 50 56 60 60 49 47 57 56 57 44 49 54 58 55 Totais 546 600 656 664 659 T..= 3125 N o Obs. 12 12 12 12 12 N = 60 Médias 45,5 50,0 54,7 55,3 54,9 08 , 52 Y .. Os dados a seguir representam o alongamento de um composto de borracha, em função da quantidade de agente de processo adicionado durante a mistura. ENG 09004 – Estatística para Engenharia Tabela ANOVA TC = T.. 2 / N = (3125) 2 / 60 = 162.760,42 SQT = S (Y ij ) 2 - TC = 163.971,00 - 162.760,42 = 1210,58 SQG = S (T i. 2 / n i ) - TC = [(546) 2 / 12] + ... + [(659) 2 / 12] - 162.760,42 = 875,33 SQR = SQT - SQG = 1210,58 - 875,33 = 335,25 Fonte SQ GDL MQ Teste F Entre Grupos (Agente de processo) 875,33 4 218,83 35,9 Dentro Grupos (Residual) 335,25 55 6,09 Total 1210,58 59 ENG 09004 – Estatística para Engenharia Teste de Significânica Como F calculado > F tabelado = F 0,05,4,55 35,9 > 2,55 Conclui-se que existe diferença significativa de alongamento entre os grupos, ou seja, a quantidade de agente na mistura influencia significativamente o alongamento Qual a melhor quantidade considerando qualidade e economia? ENG 09004 – Estatística para Engenharia Comparação múltipla de médias (1) Calcular o desvio padrão das médias onde nc = (n1 + n2 + ... + nk) / k (2) Calcular o limite de decisão Ld = 3 x (3) Escrever as médias em ordem crescente ou decrescente e compará-las duas a duas. A diferença será significativa se for maior que o Ld. (4) Usar barras contínuas sobre as médias que não diferem entre si. cx nMQRs / X S ENG 09004 – Estatística para Engenharia Comparação múltipla de médias Calcular o desvio padrão das médias Calcular o limite de decisão Escrever as médias em ordem crescente ou decrescente e compará-las duas a duas. cx n/MQRs = 2,47 / 3,46 = 0,71 onde nc = (n1 + n2 + ... + nk) / k xd s3L = 3 x 0,71 = 2,13 Y1. Y2. Y3. Y5. Y4. 45,5 50,0 54,7 54,9 55,3 ENG 09004 – Estatística para Engenharia Comparação múltipla de médias A diferença entre as médias será significativa se for maior que o Ld. Usar barras contínuas sobre as médias que não diferem entre si Y(2) - Y(1) = 50,0 - 45,5 = 4,5 > Ld = 2,13 Dif. Signif. Y(3) - Y(2) = 54,7 - 50,0 = 4,7 > Ld = 2,13 Dif.Signif. Y(5) - Y(3) = 54,9 - 54,7 = 0,2 < Ld = 2,13 Dif. Não Signif. Y(4) - Y(5) = 55,3 - 54,9 = 0,4 < Ld = 2,13 Dif. Não Signif. Y(1) Y(2) Y(3) Y(5) Y(4) ENG 09004 – Estatística para Engenharia Otimização A análise técnica deve acompanhar e completar a análise estatística. Para isso é recomendável representar graficamente os dados. Para os dados do experimento anterior, poderia se usar, por exemplo, um boxplot. Na otimização devemos considerar o binômio qualidade e custo. Os resultados estatísticos, em conjunto com a análise gráfica dão suporte à tomada de decisão a respeito do processo. Via de regra, o experimento revela opções para a redução de custos e melhoria da qualidade, simultaneamente. ENG 09004 – Estatística para Engenharia Otimização Boxplot Agente de processo A lo ng am en to G1 G2 G3 G4 G5 35 45 55 65 Como não existe diferença significativa entre as quanti- dades de agente 10, 15 e 20, a quantidade ótima de agente é 10 (dez) pois otimiza simultaneamente qualidade e custos ENG 09004 – Estatística para Engenharia Exemplo a níveis aleatórios Uma fábrica de embalagens de papel recebe a matéria prima (papel) em rolos. É desejável que as características dos rolos sejam homogêneas, de modo a fornecerem papel com a mesma resistência à tração. O engenheiro suspeita que além da variabilidade inerente (dentro dos rolos) também possa haver uma variação significativa entre os rolos. Medições de resistência feitas em embalagens produzidas com material proveniente de cinco rolos aleatoriamente indicaram: ENG 09004 – Estatística para Engenharia Exemplo a níveis aleatórios Rolo Resistência 1 72 73 70 74 74 75 78 77 80 76 2 63 70 69 65 66 66 62 65 67 63 3 78 74 82 76 76 73 75 4 75 74 73 78 75 71 67 73 5 85 82 80 86 83 92 89 86 Cálculos iniciais: Hipóteses Ho: não há diferenças significativas entre os rolos = 0 H1: há diferenças significativas entre os rolos > 0 Rolo T i. n i . i Y 1 749 10 74,90 2 656 10 65,60 3 534 7 76,29 4 586 8 73,25 5 683 8 85,38 T.. = 3208 N = 43 60 74 .. Y , ENG 09004 – Estatística para Engenharia Tabela ANOVA TC = (T..) 2 / N = (3208) 2 /43 = 239331,7 SQT = S( 2 ijY ) - TC = 241476,0 - 239331,7 = 2144,28 SQG = S( 2 .iT /ni) - TC = [(749) 2 /10] + ... + [(683) 2 /8] - 239331,7 = 1774,18 SQR = SQT - SQG = 2144,28 - 1774,18 = 370,10 Fonte SQ GLD MQ Teste F Rolos 1774,18 4 443,54 45,54 Resíduos 370,10 38 9,74 Total 2144,28 42 Há diferenças significativas entre os rolos F calculado = 45,54 > F 0,05,4,38 = 2,618 ENG 09004 – Estatística para Engenharia Estimativa dos componentes de variação Pode ser demonstrado que o valor esperado das médias quadradas vale: A partir dessas equações, podemos obter as estimativas para os componentes de variação 2 e : E (MQG) = 2 + nc 2 (5) E (MQR) = 2 (6) 2 = MQR cc 2 2 n MQRMQG n MQG - - 2 ENG 09004 – Estatística para Engenharia Estimativa dos componentes de variação Conhecidos os componentes de variação, podemos calcular a contribuição percentual de cada termo na composição da variabilidade total: ( ) 222TOTALijYVar Percentual correspondente aos tratamentos: 2 TOTAL 2 x 100 Percentual correspondente ao erro aleatório: 2 TOTAL 2 x 100 ENG 09004 – Estatística para Engenharia Estimativa dos componentes de variação 2 = MQR = 9,74 44,50 6,8 74,954,443 n MQRMQG c 2 - - 18,6074,944,50222TOTAL Os resultados indicam que 50,44 / 60,18 = 83,81 % da variabilidade total se deve a diferenças entre rolos. As causas dessas diferenças deveriam ser investigadas e, na medida do possível, eliminadas. ENG 09004 – Estatística para Engenharia Otimização Via de regra, a variabilidade devida aos tratamentos se deve a causas especiais que podem e devem ser eliminadas. Rolo Re 0 1 2 3 4 5 6 60 70 80 90 100 ENG 09004 – Estatística para Engenharia Otimização Por exemplo, diferenças entre máquinas podem ser devidas a falta de manutenção apropriadaou diferenças de setup. Similarmente, diferenças entre lotes de produção podem ser devidas a qualidade da matéria prima usada na produção de cada lote. Nesse caso, deveriam ser investigados os fornecedores, ou as condições de estocagem, etc. A variabilidade devida ao erro aleatório deve-se a causas comuns, inerentes ao sistema em estudo. Para eliminar as causas comuns é preciso modificar o sistema como um todo, o que pode não se justificar economicamente ENG 09004 – Estatística para Engenharia Exercícios 8.1) Quatro concentrações de catalisadores que podem afetar o tempo de processo de uma mistura química estão sendo investigados. Os seguintes tempos de misturas foram obtidos: ENG 09004 – Estatística para Engenharia Pede-se: Fazer a análise de Variância e concluir a respeito do efeito dos catalisadores. Fazer uma comparação múltipla de médias se for o caso. Fazer um gráfico de barras da concentração x tempos, e concluir a respeito do que deve ser feito para (i) assegurar qualidade e (ii) assegurar economia. ENG 09004 – Estatística para Engenharia Cálculos iniciais: TC = T..2 / N = S (Yij 2) = SQT = (Yij 2) - TC = SQG = (Ti. 2 / ni) - TC = SQR = SQT - SQG = ENG 09004 – Estatística para Engenharia Tabela Anova: F calculado = F tabelado = Efeito dos catalisadores é significativo ? Fonte de Variação SQ GDL MQ Teste F Entre Grupos SQG k-1 MQG MQG/MQR Dentro Grupos SQR N-k MQR Total SQT N-1 ENG 09004 – Estatística para Engenharia Exercícios 8.2) Um jogo de oito pneus das marcas M1, M2 e M3 foram testados quanto a durabilidade. Os resultados obtidos (em milhares de Km) foram os que seguem: a)Qual a variável de resposta e qual o fator controlável? b)Quantos níveis possui o fator controlável? c)Faça a análise de variância e conclua a respeito do fator em estudo. d)Caso necessário, faça uma comparação múltipla de médias. e)Plote um gráfico relacionando o fator controlável com a resposta medida. f)Indique o que deve ser feito para assegurar qualidade. g)Indique o que deve ser feito para obter economia. Marca M1 M2 M3 45 40 42 44 40 35 48 44 44 47 41 39 44 46 41 40 31 36 43 41 43 45 33 38 Totais Média ENG 09004 – Estatística para Engenharia Exercícios 8.3) Um grupo de engenheiros está estudando o efeito do ângulo de uma ferramenta de corte sobre o acabamento superficial resultante após a operação. As medições de rugosidade (menor é melhor) efetuadas revelaram: a)Qual a variável de resposta e qual o fator controlável? b)Quantos níveis possui o fator controlável? c)Faça a análise de variância e conclua a respeito do fator em estudo. d)Plote um de ângulo da ferramenta X rugosidade. e)Indique o que deve ser feito para assegurar qualidade. f)Indique o que deve ser feito para obter economia. Marca 0º 5º 10º 15º 10 12 12 8 7 9 4 6 4 5 7 6 11 12 14 10 7 7 5 5 7 6 8 10 12 12 9 6 8 8 3 6 4 6 10 6 Totais Média ENG 09004 – Estatística para Engenharia Exercícios 8.4) Uma indústria têxtil tem um grande número de teares mecânicos. Supõem-se que a velocidade desses teares seja a mesma. Para verificar essa hipótese, foram escolhidos aleatoriamente cinco teares e a produção medida em um período de uma hora foi anotada: a) Indique se esse é um experimento a níveis fixos ou aleatórios. b) Faça a análise de variância e conclua a respeito do efeito dos teares. c) Estime os componentes de variação. Tear Produção (Kg) 1 23,8 24,0 23,8 23,6 23,9 2 23,9 23,7 23,6 23,8 24,0 3 24,0 23,9 24,1 24,2 24,1 4 24,0 24,0 23,9 23,8 23,9 5 24,0 24,1 24,0 24,1 24,2 ENG 09004 – Estatística para Engenharia Exercícios 8.5) Resultados de corpos de prova de concreto com adição de Microssílica indicaram os seguintes resultados de resistência à compressão: a) Indique se esse é um experimento a níveis fixos ou aleatórios. b) Faça a análise da variância e conclua a respeito do efeito da adição de microssílica. c) Se for o caso, faça uma comparação múltipla de médias. d) Plote um gráfico de linha para a mediana. Adição Resistência (MPa) 0% 28,1 26,5 24,3 5% 35,3 34,3 37,5 10% 39,8 44,1 42,3 15% 39,1 40,8 43,0 ENG 09004 – Estatística para Engenharia Exercícios 8.6) Um engenheiro deseja que os azulejos produzidos em uma indústria cerâmica apresentem a menor absorção de água possível. Os resultados de um experimento feito com três tipos diferentes de argila indicaram o seguinte: a) Indique se esse é um experimento a níveis fixos ou aleatórios. b) Faça a análise da variância e conclua a respeito do efeito do tipo de argila. c) Se for o caso, faça uma comparação múltipla de médias. d) Plote um gráfico de barras para as médias. Tipo de Argila Absorção (gramas) A1 141 112 128 122 102 A2 132 115 98 121 108 139 126 A3 135 122 158 143 155 ENG 09004 – Estatística para Engenharia Exercícios 8.7) Uma metalúrgica tem um grande número de fornos usados para fundição de metais. A temperatura desses fornos deveria ser a mesma. Para testar essa hipótese foram feitas medições em 4 fornos escolhidos aleatoriamente. Analise os resultados e conclua a respeito de possíveis diferenças entre os fornos. Forno Temperatura 1 824 821 829 808 815 2 817 830 819 809 825 3 822 810 831 824 818 4 826 828 810 820 815 ENG 09004 – Estatística para Engenharia Exercícios 8.8) Um engenheiro industrial desenvolveu um modelo estocástico de simulação que prevê a produtividade mensal em função do intervalo de tempo entre manutenções preventivas. Se esse intervalo for muito curto, as máquinas estarão constantemente em manutenção e a produtividade será baixa. Se o intervalo for muito longo, haverá quebras, exigindo manutenção corretiva, mais demorada, novamente prejudicando a produtividade. Os resultados da simulação aparecem a seguir. Faça a análise da variância, plote um gráfico de barras para a produtividade média e conclua a respeito do intervalo ótimo para as intervenções da manutenção produtiva. Intervalo Produtividade 4 136 137 135 140 136 6 145 146 147 147 148 8 146 144 148 145 145 10 134 131 136 134 133 12 117 119 117 115 116 ENG 09004 – Estatística para Engenharia Exercícios 8.9) Em uma indústria química um catalisador é utilizado para acelerar um processo de deposição metálica. Foi feito um experimento variando-se a concentração desse catalisador e anotando-se o tempo necessário para completar o processo. Analise os dados usando a Tabela Anova. Depois faça uma comparação múltipla de médias, plote um gráfico de linhas e conclua a respeito da concentração ideal. Concentração Tempos 10 11,2 10,4 10,1 10,6 15 10,6 11,1 10,8 11,7 20 12,5 12,0 13,2 12,6 25 18,8 19,0 18,4 19,6 ENG 09004 – Estatística para Engenharia Exercícios 8.10) Um profissional da área de ergonomia realizou um estudo para verificar qual posto de trabalho gerava um melhor bem estar para o funcionário. Para isso foram projetados três postos de trabalho e durante um mês os funcionários testaram os novos postos. Ao final de um mês os funcionários responderam um questionários gerando uma nota para o bem estar do funcionário. Analise os dados e conclua a respeito do melhor posto de trabalho. Postos Func. 1 2 3 1 7 5 8 2 86 9 3 7 7 8 4 8 6 9 5 9 5 8 6 7 6 8 7 8 7 9 8 6 5 10 9 7 6 8 10 6 6 9 ENG 09004 – Estatística para Engenharia Exercícios 8.11) Para analisar a variabilidade na qualidade de um tipo de tijolo de cimento fornecido por uma fábrica, selecionou-se aleatoriamente 5 sacos de cimento durante um certo período de produção e para cada saco foram tomadas três amostra aleatórias. Estime o percentual da variabilidade dentro dos sacos e entre os sacos de cimento. Saco cimento 1 2 3 4 5 74 68 75 72 79 76 71 77 74 81 Resistências 75 72 77 73 79 ENG 09004 – Estatística para Engenharia Exercícios 8.12) Três layout estão sendo testados em relação a produtividade. Para isso 12 operadores foram avaliados em relação a produtividade medida em peças/hora. Os valores de produtividade estão apresentados na tabela abaixo. Analise os dados e conclua a respeito do melhor layout. Postos Func. 1 2 3 1 120 125 130 2 122 126 129 3 124 127 131 4 118 125 128 5 116 128 128 6 120 126 127 7 119 129 126 8 117 128 125 9 121 129 128 10 122 130 129 11 117 127 127 12 120 128 128 ENG 09004 – Estatística para Engenharia RESPOSTAS (catalisador): TC = T..2 / N = 59995,05 S (Yij 2) = 60085,8 SQT = (Yij 2) - TC = 90,75 SQG = (Ti. 2 / ni) - TC = 66,69 SQR = SQT - SQG = 24,06 Sx = 0,55 nc = 5 Ld = 1,65 Y(1) - Y(2) = 6,18 > Ld Dif. Signif. Y(1) - Y(3) = 3,08 > Ld Dif. Signif. Y(1) - Y(4) = 4,15 > Ld Dif. Signif. Y(2) - Y(3) = 2,9 > Ld Dif. Signif. Y(2) - Y(4) = 3,97 > Ld Dif. Signif. Y(3) - Y(4) = 1,07 < Ld Dif. Ñ Signif. Fcalculado = 14,8 > Ftabelado= 3,24 O efeito dos catalisadores é significativo O catalisador ótimo é o 3 (3 e 4 não dif. sig.), pois otimiza o processo com relação a qualidade e custos.
Compartilhar