Title: Experimentos com Um Fator: A An
1Universidade Tecnológica Federal do
Paraná Mestrado Profissional em Tecnologia de
Alimentos Análise Estatística de
Experimentos Profª Sheila Regina Oro
EXPERIMENTOS FATORIAIS
Francisco Beltrão Agosto, 2013
2Experimentos Fatoriais
- Projeto experimental em que os ensaios são
realizados de forma proposital e com causas
controladas (fatores). - É necessário o controle das causas para que as
respostas obtidas nos ensaios sejam devidas
somente aos efeitos dos tratamentos realizados e
não a outras causas. - O pesquisador deve considerar a presença de
efeitos não controláveis (variação ao acaso).
2
3Experimentos Fatoriais
- Cada nível de um fator é ensaiado com todos os
níveis dos outros fatores, para testar
principalmente se há diferença no valor esperado
da resposta entre os níveis de cada fator e se
há interação entre os fatores. - Fator variável independente
- Ex. solventes, aditivos, temperatura
- Níveis
- Ex. ausência ou presença -1, controle, 1
50ºC , 75ºC , 100ºC
3
4Exemplo 1 Solventes
- Um pesquisador está interessado em estudar a
extração de pigmentos naturais, com aplicação
como corante em alimentos. Numa primeira etapa
tem-se a necessidade de escolher o melhor
solvente extrator dentre os seguintes E50, EAW,
MAW, E70, M1M. A escolha do(s) melhor(es)
solventes foi realizada através da medida da
absorbância de um pigmento natural do fruto de
baguaçú.
4
5Exemplo 1 Solventes
- Fator solvente
- Níveis 5 (E50, EAW, MAW, E70, M1M)
- Repetições 5
- Tratamentos 5
- Ensaios 25 (Repetições x Tratamentos)
- Unidade experimental 10 gramas de polpa
- Casualização a partir de 1kg de polpa, foram
retiradas as amostras de 10g para a aplicação dos
tratamentos, numa ordem aleatória.
5
6ANOVA 1 Fator
6
7Modelo 1 Fator
Efeito de cada nível
Média geral
Erro
Resposta nível i repetição j
Suposições 1) os erros aleatórios são
independentes 2) os erros aleatórios são
normalmente distribuídos 3) os erros aleatórios
tem média 0 (zero) e variância ?2 4) a
variância, ?2, deve ser constante para todos os
níveis do fator. 5) as observações são
adequadamente descritas pelo modelo
81 Fator Efeito Fixo
- Níveis do fator selecionados pelo pesquisador
- Hipóteses
- H0 ?1 ?2... ?a
- H1 ?i ? ?j para pelo menos um par (i,j)
1-3.1 Decomposição da soma de quadrados total
Corrigida para a média
8
SSTotal SSTratamentos SSErro
91 Fator Efeito Fixo
Decomposição da soma de quadrados total
SSTotal SSTratamentos
SSErro
9
101 Fator Efeito Fixo
Variância do tratamento i
Variância combinada dos a tratamentos
10
10
10
10
111 Fator Efeito Fixo
Variância entre tratamentos
Graus de liberdade
SSTotal an-1 SSTratamentos a-1 SSerro
a(n-1)
11
11
11
11
121 Fator Efeito Fixo
Quadrados médios
Esperança dos quadrados médios
12
131 Fator Efeito Fixo
Teste
Análise Estatística
- Critério para rejeição de H0
- F0 gt F?,a-1,N-a
- valor p lt 5
- valor-p probabilidade de rejeitar a hipótese
nula devido a variações aleatórias.
13
141 Fator Efeito Fixo
Valor p
N an
14
151 Fator Efeito Fixo
Teste de Tukey
dms diferença mínima significativa qa r
gl_erro valor tabelado QMerro quadrado médio do
resíduo (ANOVA) r número de repetições de cada
tratamento
16Exemplo 1 Solventes
Tabela 1.1 Dados de absorbância de cada um dos
solventes
E50 EAW MAW E70 M1M
0,5553 0,5436 0,4748 0,6286 0,1651
0,5623 0,5660 0,4321 0,6143 0,1840
0,5585 0,5860 0,4309 0,5826 0,2144
0,5096 0,5731 0,5010 0,7498 0,2249
0,5110 0,5656 0,4094 0,6060 0,1954
16
17Exemplo 1 Solventes
- Há suspeita de que o tipo de solvente esteja
afetando a absorbância. - Distribuições assimétricas.
- Valor discrepante observado para o solvente E70.
17
18Exemplo 1 Solventes
- Minitab
- Stat Basic Statistics Display Descriptive
Statistics
Total Variable Count Mean
StDev CoefVar Minimum Median Maximum
Range E50 5 0,5393 0,0266
4,94 0,5096 0,5553 0,5623 0,0527 EAW 5 0,5669 0,0
154 2,72 0,5436 0,5660 0,5860 0,0424 MAW 5 0,449
6 0,0372 8,28 0,4094 0,4321 0,5010 0,0916 E70 5
0,6363 0,0656 10,31 0,5826 0,6143 0,7498 0,1672 M
1M 5 0,1968 0,0238 12,11 0,1651 0,1954 0,2249 0,05
98
18
19Exemplo 1 Solventes
- Minitab
- Stat ANOVA One-Way (Unstacked) Comparisons
Tukeys - O teste da ANOVA confirma que o tipo de solvente
afeta a absorbância. - F5420 2,87
- Valor-p lt 5
- 95,29 da variância total é explicada pela reta
obtida do modelo de regressão linear
Fonte de Variação Graus de liberdade Soma de Quadrados Quadrados Médios F Valor-p
Solvente 4 0,583024 0,145756 101,11 0,0000
Erro 20 0,028832 0,001442
Total 24 0,611856
CV 7,95 R² 95,29
19
20Exemplo 1 Solventes
Solvente Média Grupos Homogêneos
M1M 0,19676 a
MAW 0,44964 b
E50 0,53934 c
EAW 0,56686 c d
E70 0,63626 d
- O teste de Tukey apontou que os solventes que não
diferem entre si quanto aos valores esperados de
absorbância são - E50 e EAW
- E70 e EAW
- Todos os demais diferem significativamente entre
si. - A diferença mínima significativa (dms) calculada
foi de 0,0718783.
20
211 Fator Efeito Fixo
Qual teste de comparações múltiplas usar?
O LSD é eficiente para detectar diferenças
verdadeiras nas médias se ele for aplicado apenas
depois do teste F da ANOVA, se significativo a
5. Idem para o Duncan. Estes métodos não contém
o erro tipo I (erro geral ou experimentwise
error). Como o teste de Tukey controla este erro,
ele é o preferido pelos estatísticos. Se a
comparação for com um grupo controle, utiliza-se
Dunnett.
21
221 Fator Efeito Fixo
Estimação dos parâmetros do modelo
Estimativas da média geral e dos efeitos dos
tratamentos
Estimativa pontual de ?i dado ?i ? ?i, temos
22
231 Fator Efeito Fixo
Um intervalo de confiança para ?i é dado por
Intervalo de confiança para a diferença entre
quaisquer duas médias ?i-?j
23
24Exemplo 1 Solventes
Estimativas da média geral e dos efeitos dos
tratamentos
24
25Exemplo 1 Solventes
Um intervalo de confiança para ?4 é dado por
Intervalo de confiança para a diferença entre as
médias ?3 e ?4
25
261 Fator Efeito Fixo
Dados desbalanceados O número de observações
dentro de cada tratamento é diferente.
26
271 Fator Efeito Fixo
Diagnóstico do Modelo
Verificar se as pressuposições básicas do modelo
são válidas fazendo a análise de resíduos.
Define-se o resíduo da ij-ésima observação como
A suposição de normalidade
Vamos usar o gráfico normal de probabilidades
sob normalidade dos erros, estes devem seguir uma
reta de 45o.
27
28Exemplo 1 Solventes
- Alguns valores negativos dos resíduos (mais
extremos) deveriam ser maiores alguns valores
positivos dos resíduos deveriam ser menores, com
exceção do último valor que deveria ser maior. - O gráfico indica que os resíduos (erros) podem
ter distribuição normal.
- Existe um resíduo que é muito maior que os
demais, este valor é denominado outlier. Deve-se
fazer uma investigação sobre esse valor. Só
eliminar um outlier se tiver uma justificativa
não estatística, caso contrário, fazer duas
análises uma com e outra sem o outlier. Usar
métodos não paramétricos. Transformação. - Se algum resíduo padronizado (dij) for maior do
que 3 ele é um outlier.
28
29Exemplo 1 Solventes
Gráfico de resíduos no tempo
Usado para verificar se existe correlação entre
os resíduos. Uma tendência de ter resíduos
positivos e negativos indica uma correlação
positiva. Isto implica que a suposição de
independência dos erros foi violada. Isto é um
problema sério, e até difícil de resolver. Se
possível evitar este problema. A casualização
adequada pode garantir a independência.
29
30Exemplo 1 Solventes
Gráfico dos resíduos versos valores preditos
A distribuição dos pontos é aleatória. Útil para
verificar se as variâncias são heterogêneas
(forma de megafone). Devido à presença de um
outlier as variâncias podem não ser homogêneas.
Na presença de heterogeneidade de variâncias é
usual aplicar uma transformação nos dados
(Box-Cox). Pode-se usar os testes
não-paramétricos (Kruskal-Wallis).
30
31Exemplo 1 Solventes
Transformação Box-Cox
Usada para homogeneizar as variâncias. As
conclusões são realizadas para os dados
transformados.
31
32Exemplo 1 Solventes
Teste de Levene
1) Calcular os resíduos da análise de
variância 2) Fazer uma análise de variância dos
valores absolutos desses resíduos 3) Se as
variâncias são homogêneas, o resultado do teste F
será não significativo.
FV GL SQ QM
F P Solventes 4 0,003576
0,000894 2,00 0,134 Error 20
0,008944 0,000447 Total 24 0,012519
Conclusão Aceita-se a hipótese de que as
variâncias são homogêneas, pois valor-p gt 5.
32
33ANOVA 2 Fatores
- Fator A com i níveis e fator B com j níveis.
- ij diferentes combinações de níveis dos dois
fatores (tratamentos). - kij número de observações do tratamento.
- Fatores A e B podem influir na variável
dependente de forma isolada, denominados efeitos
principais, e de forma combinada, efeito de uma
combinação específica dos fatores A e B.
34ANOVA 2 Fatores
- O teste de hipóteses para dois fatores A e B tem
três hipóteses nulas - H0 Não há efeito principal do fator A
- H0 Não há efeito principal do fator B.
- H0 Não há combinação de efeitos.
- H1 Há efeito em cada um dos três casos.
35ANOVA 2 Fatores
Efeito de cada nível do fator A
Efeito de cada nível do fator B
Modelo
Média geral
Efeito de cada nível da interação
Cada observação da variável resposta
Erro
36ANOVA 2 Fatores
Suposições do modelo
- Observações de cada célula ab amostra aleatória
de tamanho r - Cada uma das ab populações é normalmente
distribuída - Todas as populações têm a mesma variância
- Os parâmetros , e satisfazem
as condições - e
37ANOVA 2 Fatores
38Exemplo 2 Antibiótico e Vitamina
- Considere o experimento que visa estudar o efeito
simultâneo do uso (ou não) de antibióticos e de
vitamina B12 (ou não) no aumento de peso (kg)
diário em suínos. Faça uma análise estatística do
experimento com a finalidade de verificar se
existe diferença estatisticamente significativa
entre os tratamentos, adotando um nível de
confiança de 95. - Experimento 2 fatores, 2 níveis e 3 repetições.
- Tratamentos 4
- Unidades experimentais 12
39Exemplo 2 Antibiótico e Vitamina
- A tabela a seguir indica os valores observados na
amostragem. - - sem antibiótico (a0)
- - com 40?g de antibiótico (a1)
- - sem vitamina B12 (b0)
- - com 5mg de vitamina B12 (b1)
Nível do Fator b0 b1
a0 1,30 1,26
a0 1,19 1,21
a0 1,08 1,19
a1 1,05 1,52
a1 1,00 1,56
a1 1,05 1,55
40Exemplo 2 Antibiótico e Vitamina
- Nesse experimento vamos verificar os efeitos
individuais do uso de antibiótico ou da vitamina
B12 no aumento de peso dos suínos, além de
estudar a interação desses dois fatores. - Fatores Antibiótico (A) e Vitamina B12 (B)
- Níveis a0 (sem antibiótico) e a1 (com
antibiótico) b0 (sem Vitamina B12) e b1 (com
vitamina B12), respectivamente, adicionados a uma
dieta básica de suínos.
41Exemplo 2 Antibiótico e Vitamina
- Há suspeita de que os níveis de antibiótico e/ou
vitamina influenciam o peso dos suínos. - Distribuições simétricas.
42Exemplo 2 Antibiótico e Vitamina
43Exemplo 2 Antibiótico e Vitamina
MINITAB/Stat/ANOVA/Two-way
Fonte de Variação Graus de liberdade Soma de Quadrados Quadrados Médios F Valor-p
Antibiótico 1 0,020833 0,020833 5,68 0,044
Vitamina 1 0,218700 0,218700 59,65 0,000
Interação 1 0,172800 0,172800 47,13 0,000
Erro 8 0,029333 0,003667
Total 11 0,441667
CV 4,86 R² 93,36
Conclusão pelo menos duas médias de tratamentos
diferem significativamente entre si quanto ao
ganho de peso diário de suínos. Como a interação
é significativa (valor-p lt 5), os fatores
antibiótico e vitamina não atuam
independentemente na variável resposta (peso).
44Exemplo 2 Antibiótico e Vitamina
O que fazer agora?
- Como a interação é significativa deve-se fazer o
desdobramento da interação. - Além disso, como os dois efeitos principais são
significativos deve-se estudar o comportamento de
um fator dentro dos níveis do outro - Caso apenas um dos efeitos principais fosse
significativo, seria necessário estudar apenas o
comportamento do fator não significativo dentro
dos níveis do outro fator.
45EFEITO SIMPLES DE UM FATORMedida da variação que
ocorre com a característica em estudo (peso,
neste caso) correspondente às variações nos
níveis desse fator, em cada um dos níveis do
outro fator.
Exemplo 2 Antibiótico e Vitamina
46EFEITO SIMPLES DE UM FATOR
Exemplo 2 Antibiótico e Vitamina
- Na ausência da vitamina existe uma diferença no
peso diário dos suínos. A estimativa desta
diferença é dada por - Somente o efeito do antibiótico prejudica o peso
diário dos suínos.
47EFEITO SIMPLES DE UM FATOR
Exemplo 2 Antibiótico e Vitamina
- Quando se utiliza a dose de vitamina B12, também
existe uma diferença no peso diário dos suínos. - A combinação do uso de antibiótico e vitamina
favorece o peso diário dos suínos.
48EFEITO PRINCIPAL DE UM FATOR
Exemplo 2 Antibiótico e Vitamina
- Quanto mudou a variável resposta devido à mudança
no nível do fator.
49Exemplo 2 Antibiótico e Vitamina
- Efeito principal de A
- A presença de antibiótico proporciona um aumento
de 0,005kg no peso dos suínos - Efeito principal de B
- A presença de vitamina B12 proporciona um aumento
de 0,215kg no peso dos suínos
50Exemplo 2 Antibiótico e Vitamina
51EFEITO DA INTERAÇÃO ENTRE OS FATORESMedida da
variação que ocorre com a característica em
estudo, correspondente às variações nos níveis de
um fator, ao passar de um nível a outro do outro
fator.
Exemplo 2 Antibiótico e Vitamina
- Efeito da interação A x B B x A
52Exemplo 2 Antibiótico e Vitamina
53Interações
Exemplo 2 Antibiótico e Vitamina
54Conclusão
Exemplo 2 Antibiótico e Vitamina
- O teste para a interação AxB foi significativo (p
lt 0,05) - Como nas fontes de variação do desdobramento A
(dentro de b0) e A(dentro de b1) o teste F foi
significativo e o fator Antibiótico possui dois
níveis, não é necessário realizar um teste de
comparação de médias. - Interpretações dos testes dos efeitos simples de
antibiótico (A) e de vitamina (B) perdem
significado.
55Experimento 2k fatorial
- Há apenas 2 níveis para cada fator
- Ex. Um experimento com 3 fatores e 2 níveis, em
duplicata, corresponde a 23 x 2, ou seja, ou 2 x
2 x 2 8 experimentos - Por que realizar experimento fatorial com dois
níveis? - ?Facilidade de realização e de análise gráfica
- Número reduzido de experimentos.
- Pode ser aplicado na maioria das situações e na
resolução de problemas. - Possibilidade de uso numa sequência de estudos,
inclusive em casos multivariados. - Mesmo com um número elevado de fatores, este tipo
de planejamento mantém os experimentos em uma
quantidade e complexidade razoável.
56Exemplo 3 - Hipotético
- Fatores
- A B C valor observado
- 1 -1 -1 352,761
- 1 -1 -1 347,335
- -1 -1 1 353,872
- 1 1 -1 351,813
- -1 1 1 339,947
- -1 1 1 347,432
- -1 1 -1 353,754
- 1 -1 1 350,932
- 1 1 -1 351,716
- 1 1 1 345,387
- -1 -1 -1 348,340
- -1 -1 1 359,257
- -1 1 -1 350,073
- 1 -1 1 352,454
- -1 -1 -1 353,298
- 1 1 1 348,374
Experimento fatorial 3 fatores (A, B, C) 2
níveis (-1, 1) Duplicata 2³ x 2 16 observações
57Exemplo 3 - Hipotético
Apenas a interação entre 2 fatores foi
significativa, com 10 de significância.
58Exemplo 3 - Hipotético
Com um nível de confiança de 90 conclui-se
que Os efeitos do fator B foram
significativos Os efeitos da interação BC foram
significativos.
59Exemplo 3 - Hipotético
Podemos assumir que os erros são normalmente
distribuídos.
60Exemplo 3 - Hipotético
A distribuição dos pontos é aleatória, indicando
variâncias homogêneas.
61Exemplo 3 - Hipotético
Os pontos dispostos ao acaso, indicando erros
independentes.
62Exemplo 3 - Hipotético
Os efeitos do fator B e da interação entre os
fatores B e C são significativo (5).
63Exemplo 3 - Hipotético
64Exemplo 3 - Hipotético
65Exemplo 3 - Hipotético