9/15/2016

Universidade Federal do Par

Instituto de Tecnologia

Estatstica Aplicada I

Prof. Dr. Jorge Tefilo de Barros Lopes

Campus de Belm
Curso de Engenharia Mecnica
15/09/2016 13:11 ESTATSTICA APLICADA I - Teoria das Probabilidades

Universidade Federal do Par

Instituto de Tecnologia

Captulo VIII

Anlise de Varincia

Campus de Belm
Curso de Engenharia Mecnica
15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

1
 9/15/2016

VIII Anlise de Varincia

Introduo
Planejamento aleatorizado por nveis

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

VIII Anlise de Varincia

Introduo
Planejamento aleatorizado por nveis

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

2
 9/15/2016

8.1 Introduo
Consideraes inicias

Anlise de Varincia (ANOVA) um mtodo

estatstico, desenvolvido por Fisher, que por meio de
testes de igualdade de mdias, verifica se fatores
propostos produzem mudanas sistemticas em
alguma varivel de interesse (varvel dependente).
Os fatores considerados podem ser variveis
quantitativas ou qualitativas; entretanto, a varivel
dependente deve ser quantitativa (intervalar) e
observada dentro das classes dos fatores, denominados
tratamentos.
15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

8.1 Introduo
Consideraes iniciais
EXEMPLO: No caso de consumo de combustvel dos
veculos, pode-se admitir como fatores de influncia a
marca, a idade e a potncia. A anlise de varincia
permite verificar se tais fatores, ou uma combinao
deles, produzem efeitos apreciveis sobre o consumo, ou
se concluir que no tm influncia alguma.
Se for considerado somente a marca do veculo, com
interesse em apenas duas delas, esse experimento
poderia ser planejado e analisado usando os testes t de
hipteses para duas amostras. Nesse caso, tem-se um
nico fator de interesse marca do veculo e h
somente dois nveis do fator duas marcas.
15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

3
 9/15/2016

8.1 Introduo
Consideraes iniciais
Muitos experimentos com um nico fator, no entanto,
requerem que mais de dois nveis do fator sejam
considerados.
Neste caso, a anlise de varincia poder ser usada para
comparar mdias, quando houver mais de dois nveis de
um nico fator.
As diversas tcnicas de planejamento e anlise de
experimentos com vrios fatores devero ser estudadas
em cursos de ps-graduao.

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

8.1 Introduo
Aleatoriedade das corridas experimentais

Um experimento completamente aleatorizado com um

nico fator e quatro nveis (nveis = tratamentos), e
cada tratamento com seis observaes (ou rplicas)
vo gerar 24 corridas.
Fazendo a aleatoriedade da ordem das 24 corridas, o
efeito de qualquer varivel perturbadora, que possa
influenciar a varivel de estudo (varivel dependente),
aproximadamente balanceado.

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

4
 9/15/2016

8.1 Introduo

Aleatoriedade das corridas experimentais

EXEMPLO: Se deseja verificar a influncia de uma

certa condio em uma propriedade do material.
Supondo que o aquecimento da mquina de teste possa
influenciar nos resultados, quanto mais tempo a
mquina ficar ligada, maior ser a sua temperatura.
Dessa forma, se os testes foram realizadas por nveis
do fator, a temperatura da mquina ir aumentar do
primeiro ao ltimo nvel do fator, e as diferenas
observadas nos resultados para cada nvel podero ser
tambm devidas ao efeito de aquecimento.

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

8.1 Introduo

Anlise grfica dos dados de um experimento planejado

Os diagramas de
caixa, por exemplo,
permitiro visualizar a
variabilidade das
observaes dentro
(within) de um
tratamento (nvel do
fator) e a variabilidade
entre (between) os
tratamentos.

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

5
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Seja um procedimento experimental onde se realizou

ensaios com a diferentes nveis (ou tratamentos) de uma
nica varivel de influncia (fator simples), com n rplicas
para cada nvel, como mostrado a seguir:
Nvel
Observaes Totais Mdias
(Tratamento)

1 y11 y12 ... y1n y1. y1.

2 y21 y22 ... y2n y2. y 2.
. . . . . .
. . . . . .
. . . . . .
a ya1 ya2 ... yan ya. ya .
y.. y..

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Onde yij o j-simo elemento obtido no tratamento (nvel)

i. Esses elementos podem ser definidos pelo modelo
estatstico linear

i 1,2..., a
yij i ij
j 1,2 ,..., n

onde mdia geral

i parmetro que define o efeito de cada tratamento
ij componente devido a erros aleatrios

15/09/2016 13:11

6
 9/15/2016

8.2 Planejamento aleatorizado por nveis

O objetivo deste estudo avaliar os efeitos dos

tratamentos e estim-los atravs do teste de hipteses
adequado.

Para esse teste, assume-se que os erros do modelo so

normalmente e independentemente distribudos com
mdia zero e varincia .

Esse modelo denominado anlise de varincia de

um fator nico e, para que a anlise seja objetiva
necessrio que o procedimento experimental seja
completamente aleatorizado.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise dos efeitos dos tratamentos pode ser feita de duas
maneiras:

Anlise de um modelo de efeitos fixos - Os tratamentos so

escolhidos de forma especfica e, desta forma, o teste de
hipteses refere-se s mdias dos tratamentos, e as concluses
extradas so aplicveis somente aos nveis considerados na
anlise, no podendo ser estendidos a outros nveis no
analisados.

Anlise de um modelo de efeitos aleatrios - Os tratamentos

analisados representam uma amostra aleatria de uma
populao de tratamentos, e as concluses feitas para essa
amostra podem se estender para todos os outros tratamentos
da populao.
15/09/2016 13:11

7
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Efeitos dos tratamentos i so definidos como

desvios a partir da mdia geral, de modo que:

i 1
i 0

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Da tabela anterior, tem-se que
n
yi . yij yi yi . n
j 1
a n
y.. yij y.. y.. N
i 1 j 1

onde N a n nmero total de observaes

y.. mdia geral de todas as observaes

15/09/2016 13:11

8
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

A mdia estimada do i-simo tratamento dada por

E( yij ) i i , i 1,2 ,..., a ( mdia geral acrescida

do efeito do tratamento 1 )
Faz-se o teste de hipteses para verificar se as mdias dos
tratamentos so iguais

H o : 1 2 ... a
H 1 : i j ( pelo menos para um par ij )

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

ou
H o : 1 2 ... a 0
H 1 : i 0 ( pelo menos para um i )

Se Ho for verdadeira (todos os tratamentos tem mdia igual a

), a mudana nos nveis do fator no tem efeito na resposta
mdia.
Para essa verificao, a anlise de varincia a que melhor
se aplica.
O termo anlise de varincia deriva da diviso da
variabilidade total em seus componentes.
15/09/2016 13:11

9
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

A variabilidade total dos resultados representada pela soma
corrigida dos quadrados SQT (ou soma quadrtica total),
mostrada abaixo:
a n
SQT ( yij y.. )2
i 1 j 1

que pode ser reescrita como

a n a n
SQT ( yij y.. )2 [( yi . y.. ) ( yij yi . )] 2
i 1 j 1 i 1 j 1

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

ou
a n a a n
SQT ( yij y.. )2 n ( yi . y.. )2 ( yij yi . )2
i 1 j 1 i 1 i 1 j 1
a n
2 ( yi . y.. )( yij yi . )
i 1 j 1

O ltimo termo da expresso nulo, pois

( y
j 1
ij yi . ) yi . nyi . yi . n( yi . n ) 0

15/09/2016 13:11

10
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Assim,
a n a a n
SQT ( yij y.. )2 n ( yi . y.. )2 ( yij yi . )2
i 1 j 1 i 1 i 1 j 1

ou
SQT SQTratamentos SQE

Como se observa, a soma corrigida dos quadrados (que

representa a variabilidade dos dados) representada pela
somatria dos quadrados das diferenas entre as mdias dos
tratamentos e a mdia geral de todos os elementos, adicionada
somatria dos quadrados das diferenas entre as observaes
e as mdias dos tratamentos.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

onde SQTratamentos denomina-se soma dos quadrados devidos
aos tratamentos (entre tratamentos) e SQE denominada
soma dos quadrados devidos ao erro (dentro dos
tratamentos).
SQT apresenta N-1 graus de liberdade, SQTratamentos apresenta
a-1, e SQE, N-a graus de liberdade.
A razo MQTratamentos = SQTratamentos/a1, chamada de mdia
quadrtica dos tratamentos, uma estimativa da varincia
entre os tratamentos, e a razo MQE = SQE/Na, denominada
mdia quadrtica do erro, uma estimativa da varincia
dentro de cada um dos tratamentos.
15/09/2016 13:11

11
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Considere agora que cada uma da a populaes possa ser
modelada como uma distribuio normal.
Usando essa suposio, pode-se mostrar que se a hiptese
nula for verdadeira, isto , no h diferena entre as mdias
dos tratamentos, a razo

MQTratamentos SQTratamentos /( a 1 ) Num

2
Fo 2
MQE SQE /( N a ) Den

ter uma distribuio F com a1 e Na graus de

liberdade.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

No caso da hiptese nula ser verdadeira, tanto o numerador
quanto o denominador da expresso so estimadores
confiveis de . No entanto, se a hiptese for falsa, ento o
valor esperado do numerador ser maior do que .

Por conseguinte, se o valor esperado para o numerador

maior que o valor esperado para o denominador, deve-se
rejeitar Ho para valores do teste de hipteses que sejam
muito grandes, ou seja, a hiptese nula ser rejeitada se

Fo F ,a 1, N a

15/09/2016 13:11

12
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

A anlise da varincia pode ser feita construindo-se a
tabela a seguir:

Fonte de Soma dos Graus de Mdia dos

Fo
variao quadrados liberdade quadrados

Entre
SQTratamentos a1 MQTratamentos
tratamentos

Erro MQTratamentos
(dentro dos SQE Na MQE MQE
tratamentos)

Total SQT N1

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Quando o nmero de observaes no pode ser mantido
constante em todos os tratamentos, tem-se nessa situao
a
N ni
i 1

onde ni o tamanho da amostra para cada tratamento i,

e as expresses das somas ficam:

a n y2 a y2 y2
SQT yij2 .. e SQTratamentos i . ..
i 1 j 1 N i 1 ni N

15/09/2016 13:11

13
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Deve-se preferir o uso de tratamentos com amostras do
mesmo tamanho, pois a hiptese de que as varincias
sejam iguais para todos os tratamentos mais facilmente
verificada quando ni = n e tambm porque a capacidade
do teste maximizada nessa situao.

COMPARAO DAS MDIAS INDIVIDUAIS DOS

TRATAMENTOS:
O mtodo anterior permite verificar se as mdias de
diversos tratamentos so diferentes ou no, mas no
possibilita dizer quais delas divergem.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Para tanto, h necessidade de se comparar as
somatrias das observaes de cada tratamento (yi.) ou
de suas mdias ( yi . ).

Essas comparaes so feitas atravs dos denominados

mtodos de comparao mltipla.

Muitos desses mtodos usam o conceito de contraste.

Que so comparaes de mdias de tratamentos ou das
somatrias das observaes de cada tratamento por
G.L. individuais na anlise de varincia.
15/09/2016 13:11

14
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Contraste comparao, enquanto ortogonal, neste

caso, quer dizer independente. Assim, o contraste
ortogonal uma forma de estudar os tratamentos em
uma srie de comparaes.

A ortogonalidade indica que a variao de um

contraste inteiramente independente da variao de
outro qualquer que lhe seja ortogonal.

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

O ponto chave dos contrastes que se consegue
juntar todos os tratamentos em apenas dois grupos, e
com isto o teste de F j completamente satisfatrio.
Pode-se fazer tantas comparaes quanto se desejar,
at o limite de graus de liberdade dos tratamentos, j
que este o mximo de informao que existe sobre
os tratamentos.
A soma dos vetores deve ser nula para ser um
contraste. No entanto, para ser ortogonal, deve-se
multiplicar um pelo outro e sua soma deve ser zero.
15/09/2016 13:11

15
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Contraste C ou comparao uma funo linear dos
totais de tratamentos yi. (ou de suas mdias) do tipo:
a
C ci yi . c1 y1. c2 y2. ... ca ya .
i 1

se
a

c
i 1
i 0 para tratamento s com n iguais
a

n c
i 1
i i 0 para tratamento s com n diferentes
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Os contrastes
a a
C ci yi . e B bi yi .
i 1 i 1

so ortogonais (independentes entre si) se

b c
i 1
i i 0 para tratamento s com n iguais
a

n b c
i 1
i i i 0 para tratamento s com n diferentes

15/09/2016 13:11

16
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

EXEMPLOS:

C1 y1. y2.
So contrastes C2 y1. y3.
y1. y2.
C3 y3. y1. y2. 2 y3.
2

No contraste C4 y1. y2. y3.

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

EXEMPLOS:

So ortogonais :
C1 e C3 , pois ( 1 )( 1 ) ( 0 )( 1 ) ( 1 )( 2 ) 0

No so ortogonais :
C1 e C2 , pois ( 1 )( 1 ) ( 1 )( 0 ) ( 0 )( 1 ) 1 0
C2 e C3 , pois ( 1 )( 1 ) ( 0 )( 1 ) ( 1 )( 2 ) 3 0

15/09/2016 13:11

17
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

a soma dos quadrados para qualquer contraste dada por
2
a
ci yi .
SQC i 1 a para tratamento s com n iguais
n ci2
i 1
2
a

ci yi .
SQC i a1 para tratamento s com n diferentes
ni ci2
i 1

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Um contraste testado comparando-se SQC/1 com
SQE/(Na), que deve ser distribudo como F,1,N-a caso
a hiptese nula seja verdadeira, ou seja, com

SQC / 1
Fo
SQE /( N a )

Ho ser rejeitada se

Fo F ,1, N a

15/09/2016 13:11

18
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Exemplo 01: Um engenheiro est interessado em
maximizar a resistncia trao de uma nova fibra sinttica
que ser usada na confeco de roupas. Ele conhece de
situaes anteriores que a resistncia trao afetada pela
porcentagem de algodo na fibra. Alm disso, ele suspeita
que o aumento do contedo de algodo eleva a resistncia.
Ele tambm sabe que o contedo de algodo deve estar
entre 10% e 40% para que as roupas tenham no final uma
qualidade desejvel. O engenheiro decide testar fibras com
cinco nveis de porcentagem de algodo: 15, 20, 25, 30 e
35%. Ele tambm decide testar cinco corpos de prova para
cada nvel de contedo de algodo.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Soluo: Este um exemplo de um planejamento de um
nico fator com a = 5 nveis e n = 5 rplicas. Os 25 ensaios
devem ser feitos em ordem aleatria, como por exemplo:

Porcentagem
Nmero de ensaios
de algodo

15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15
30 16 17 18 19 20
35 21 22 23 24 25

15/09/2016 13:11

19
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Sequncia N do % Sequncia N do %
do ensaio ensaio algodo do ensaio ensaio algodo

1 8 20 14 7 20
2 18 30 15 1 15
3 10 20 16 24 35
4 23 35 17 21 35
5 17 30 18 11 25
6 5 15 19 2 15
7 14 25 20 13 25
8 6 20 21 22 35
9 15 25 22 16 30
10 20 30 23 25 35
11 9 20 24 19 30
12 4 15 25 3 15
13 12 25 - - -
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Tenses de escoamento observadas

% de (lb/pol) Totais Mdias
algodo yi. yii.
1 2 3 4 5
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
y.. = 376 y.. 15,04

15/09/2016 13:11

20
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Tenses de escoamento observadas

% de (lb/pol) Totais Mdias
algodo yi. yyi .i.
1 2 3 4 5
15 -8 -8 0 -4 -6 -26 -5,2
20 -3 2 -3 3 3 2 0,4
25 -1 3 3 4 4 13 2,6
30 4 10 7 4 8 33 6,6
35 -8 -5 -4 0 -4 -21 -4,2
y.. = 1 y.. 0 ,04

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

a n y2 5 5 ( 376 )2
SQT yij2 .. yij2
i 1 j 1 N i 1 j 1 25
( 376 )2
( 7 )2 ( 7 )2 ... ( 11 )2 636 ,96
25
a y 2 y 2 5 y 2 ( 376 )2
SQTratamentos i . .. i .
i 1 n N i 1 5 25
( 49 )2 ... ( 54 )2 ( 376 )2
475 ,76
5 25
SQE SQT SQTratamentos
636 ,96 475 ,76 161,20
15/09/2016 13:11

21
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Fonte da Soma dos Graus de Mdia dos
Fo
variao quadrados liberdade quadrados
% de algodo 475,76 4 118,94
Erro 161,20 20 8,06 14,76*
Total 636,96 24
* Significativo ao nvel de 1% (F0.01,4,20 = 4,43)

Fo F ,a 1, N a

Uma vez que Fo > F0,01;4;20, rejeita-se Ho, concluindo-se

que ao nvel de 1% a porcentagem de algodo na fibra afeta
significativamente a sua resistncia trao.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Hipteses Contrastes
H o : 4 5 C1 0 y1 0 y2 0 y3 1 y4 1 y5
H o : 1 3 4 5 C2 1 y1 0 y2 1 y3 1 y4 1 y5
H o : 1 3 C3 1 y1 0 y2 1 y3 0 y4 0 y5
H o : 4 2 1 3 4 5 C4 1 y1 4 y2 1 y3 1 y4 1 y5

Pode-se verificar, pela condio abaixo, que todos os pares

de contrastes so ortogonais.
5

b c
i 1
i i 0
15/09/2016 13:11

22
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

( 54 )2
C1 0( 49 ) 0( 77 ) 0( 88 ) 1( 108 ) 1( 54 ) 54 SQC1 291,60
5( 2 )
( 25 )2
C2 1( 49 ) 0( 77 ) 1( 88 ) 1( 108 ) 1( 54 ) 25 SQC2 31,25
5( 4 )
( 39 )2
C3 1( 49 ) 0( 77 ) 1( 88 ) 0( 108 ) 0( 54 ) 39 SQC3 152 ,10
5( 2 )
( 9 )2
C4 1( 49 ) 4( 77 ) 1( 88 ) 1( 108 ) 1( 54 ) 9 SQC 4 0 ,81
5( 20 )

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Soma dos Graus de Mdia dos
Fonte da variao Fo
quadrados liberdade quadrados
% de algodo 475,76 4 118,94 Fo =14,76
Contrastes ortogonais
C1 :4 = 5 (291,60) 1 291,60 36,18*
C2 :1 + 3 = 4 + 5 (31,25) 1 31,25 3,88
C3 :1 = 3 (152,10) 1 152,10 18,87*
C4 :42 = 1 + 3 + 4 + 5 (0,81) 1 0,81 0,10
Erro 161,20 20 8,06
Total 636,96 24
* Significativo ao nvel de 1% (F0.01,4,20 = 4,43)

Concluso: H uma significante diferena entre as porcentagens de

algodo 4 e 5 e 1 e 3, mas as mdias de 1 e 3 no diferem das mdias
de 4 e 5, e 2 no difere das mdias das outras quatro porcentagens.
15/09/2016 13:11

23
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Exemplo 02: Deseja-se verificar se a modificao das condies
de tratamento trmico influem na tenso limite de escoamento de
uma liga metlica. Foram ensaiadas quatro condies distintas,
obtendo-se os resultados mostrados na tabela a seguir:

Condio de Tenso limite de escoamento

tratamento (MPa)

1 312,9 300,0 286,5 289,0

2 320,0 330,0 297,5 315,0
3 280,0 290,0 298,5 305,0
4 260,0 270,0 260,0 276,5

A modificao das condies de tratamento afeta a propriedade

mecnica da liga metlica? (use = 0,05)
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Quadro de anlise de varincias
Tratamentos TLE (MPa) Totais Mdias

1 312,9 300,0 286,5 289,0 1188,4 297,1

2 320,0 330,0 297,5 315,0 1262,5 315,6
3 280,0 290,0 298,5 305,0 1173,5 293,3
4 260,0 270,0 260,0 276,5 1066,5 266,6

4690,6 293,2

N = n.a = 16

SQT = 6436,5 SQTrat /(a-1) = 1632,5

SQTrat = 4897,4 SQE /(N-a) = 128,3
SQE =1539,1
Fo = 12,7 F0,05;3;12 = 3,49

15/09/2016 13:11

24
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Como Fo > F0,05;3;12 tem-se que a hiptese nula rejeitada, ou
seja, ao nvel de 5% os tratamentos afetam a tenso limite de
escoamento da liga metlica

Para comparar as mdias dos diversos tratamentos sero

verificadas as seguintes hipteses nulas:
1 ) H o : 1 2 C1 1 y1 1 y2 0 y3 0 y4
2 ) H o : 1 3 C2 1 y1 0 y2 1 y3 0 y4
3 ) H o : 2 4 C3 0 y1 1 y2 0 y3 1 y4
4 ) H o : 1 3 2 4 C4 1 y1 1 y2 1 y3 1 y4
5 ) H o : 2 2 1 3 C5 1 y1 2 y2 1 y3 0 y4
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Verifica-se se a condio abaixo satisfeita para todos os
contrastes a

c
i 1
i 0

C1 : 1 1 0 0 0 C2 : 1 0 1 0 0
C3 : 0 1 0 1 0 C4 : 1 1 1 1 0
C5 : 1 2 1 0 0

Portanto, todos os contrastes propostos satisfazem o

critrio.

15/09/2016 13:11

25
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Dos cinco contrastes propostos, quatro pares so
ortogonais, ou seja, independentes entre si.

C2 .C3 ,C2 .C4 ,C2 .C5 ,C3 .C4

Analisando-se a primeira hiptese Ho:1 = 2 , tem-se:

C1 1( 1188 ,4 ) 1( 1262 ,5 ) 0( 1173,5 ) 0( 1066 ,5 ) 74 ,1

( 74 ,1 )2
SQC1 686 ,35
4( 2 )

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Portanto, como SQC1 = 686,35 e SQE /(Na) = 128,3.:

SQC / 1 686 ,35 / 1

Fo 5 ,35
SQE /( N a ) 128 ,3

Como F0,05;1; 12 = 4,75, tem-se que Fo > F0,05; 1; 12 ,

assim, pode-se concluir que, ao nvel de 5%, existe
diferena significativa entre as mdias dos tratamentos 1
e 2.

15/09/2016 13:11

26
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Exemplo 03: Um fabricante de televisores est interessado
no efeito de quatro diferentes tipos de recobrimentos para
tubos catdicos sobre a condutividade desses tubos. Aps o
planejamento experimental, obtiveram-se os seguintes
resultados:

Tipo de
Condutividade
recobrimento

1 143 141 150 146

2 152 149 137 143
3 134 136 132 127
4 129 127 132 129

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

a) O tipo de recobrimentos dos tubos afeta a
condutividade nos mesmos?

b) Estime a mdia geral e os efeitos dos tratamentos.

c) Determine o intervalo de confiana de 95% ao estimar

a mdia do tipo de recobrimento 4.

d) Assumindo que o tipo 4 est atualmente em uso, quais

suas recomendaes para o fabricante que deseja reduzir
a condutividade?
15/09/2016 13:11

27
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Soluo: Trata-se de um planejamento
aleatorizado por nveis, que apresenta nveis
completos (balanceados), modelo de efeitos
fixos. A varivel de influncia o tipo de
recobrimento para tubos catdicos, e a varivel
de resposta a condutividade, no existindo
fontes de variabilidade.

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Tipo de y. .
Condutividade
recobrimento

1 143 141 150 146 580 145,00

2 152 149 137 143 581 145,25
3 134 136 132 127 529 132,25
4 129 127 132 129 517 129,25
y.. = .. =
2207,00 137,94

15/09/2016 13:11

28
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Tipo de
Condutividade y. .
recobrimento
1 3 1 10 6 20 5,00
2 12 9 -3 3 21 5,25
3 -6 -4 -8 -13 -31 -7,75
4 -11 -13 -8 -11 -43 -10,75
y.. = -33 .. = -2,06

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

a n y2
SQT yij2 ..
i 1 j 1 N
( 33 )2
( 3 )2 ( 1 )2 ... ( 11 )2 1080 ,94
16
a y2 y2
SQTratamentos i . ..
i 1 n N
( 20 )2 ... ( 43 )2 ( 33 )2
844 ,69
4 16
SQE SQT SQTratamentos
1080 ,94 844 ,69 236 ,25
15/09/2016 13:11

29
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

SQTrat ( a 1 ) 844 ,69 / 3
Fo 14 ,3
SQE ( N a ) 236 ,25 / 12
F ;a 1;N a F0 ,05;3;12 3,49

a) Como Fo > F0,05;3;12 , rejeita-se Ho para o nvel de

significncia de 5%, concluindo-se que o tipo de
recobrimento dos tubos afeta a condutividade nos
mesmos.

b) .. = 137,94 SQTratamentos = 844,69

15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

c)
=3

y 129 ,25
2,5% 95% 2,5%
s 2 ,062
? 129,25 ? t n 1 4 1 3

y
t
2,5% 95% 2,5% s n
t0 ,025;3 3 ,182
-3,182 t /2; = 3,182 t

15/09/2016 13:11

30
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

S S
P y t ;n1 y t ;n1 1
n 2 n 2
2 ,062 2 ,062
P 129 ,25 3,182 129 ,25 3,182 95%
4 4

P ( 126 ,2 132 ,8 ) 95%

Ou seja, o intervalo [126,2; 132,8] contm a verdadeira

mdia do recobrimento 4, com 95% de confiana.
15/09/2016 13:11

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

d) H o : 1 4 C1 1 y1 0 y2 0 y3 1 y4
2
a
ci yi .
i 1 [ 1.20 1.( 43 )] 2
SQC 496 ,125
a
4 [( 1 )2 ( 1 )2 ]
n ci2
i 1

SQC 1 496 ,12 / 1

Fo 25 ,20
SQE ( N a ) 236 ,25 / 12

F ;a 1;N a F0 ,05;1;12 4 ,75

15/09/2016 13:11

31
 9/15/2016

8.2 Planejamento aleatorizado por nveis

Anlise de um modelo de efeitos fixos

Concluso: Como Fo > F0,05;1;12 , rejeita-se Ho para o
nvel de significncia de 5%, concluindo-se que que
existe diferena significativa entre as mdias dos
tratamentos 1 e 4.

15/09/2016 13:11

VIII Anlise de varincia

FIM

15/09/2016 13:11 ESTATSTICA APLICADA I - Teste de Hipteses

32