UNIVERSIDADE FEDERAL DE SÃO CARLOS

CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA

DEPARTAMENTO DE ESTATÍSTICA

INTRODUÇÃO AO PLANEJAMENTO E
ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS - C

CAPÍTULO 1
INTRODUÇÃO

ELABORADO POR: PROF. PEDRO FERREIRA FILHO

1º SEMESTRE DE 2009
 Capítulo 1 - Introdução

1. INTRODUÇÃO:

Muito do conhecimento que a humanidade acumulou ao longo dos séculos foi

adquirido através da experimentação. A idéia de experimentar, no entanto, não é
apenas antiga, também pertence ao nosso dia-a-dia. Todos nós já aprendemos
algumas coisas, ao longo da vida, experimentando. A experimentação, no entanto,
só se difundiu como técnica sistemática de pesquisa no século XX, quando foi
formalizada através da estatística.
Hoje são feitos experimentos em quase todas as áreas de trabalho, embora
alguns pesquisadores acreditem, ingenuamente, que certas técnicas experimentais
sejam conhecidas apenas em sua área. Na verdade, as técnicas experimentais são
universais e se aplicam as diferentes áreas – agronomia, medicina, engenharia,
psicologia... – e os métodos de análise são sempre os mesmos.
Nos trabalhos de investigação, adequadamente organizados e planejados, a
tomada de decisões é baseada em observações do fenômeno que se está estudando.
Tem-se por objetivo decidir se um novo método que está sendo proposto é melhor
do que métodos já utilizados ou então escolher entre um conjunto de alternativas
quais devem continuar ou quais devem ser desprezadas e assim por diante. Para
tomar tais decisões é necessário o estabelecimento de critérios. Surgem dai as
técnicas estatísticas como um suporte á tomada de decisão. É através do uso de
técnicas estatísticas que é possível obter conclusões de experiências e fatos novos
em nosso trabalho do dia-a-dia.
Muitos aspectos do desenvolvimento de projetos e otimização de processos
requerem experimentos eficientes e precisos. Normalmente, as economias e
aumento de lucros resultantes de experimentos simples e bem conduzidos, são
substanciais. Os fenômenos em estudo sejam eles naturais ou provocados, sofrem
perturbações aleatórias, que é no caso da estatística, o principal enfoque. A
variação ao acaso caracteriza os experimentos aleatórios e é a partir da sua
quantificação e análise que é possível a tomada de decisões.

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 1

 Capítulo 1 - Introdução

A metodologia de análise estatística a ser utilizada no estudo depende da

maneira como os dados foram obtidos. Assim, o planejamento e a análise estatística
de experimentos estão extremamente associados.
Do ponto de vista histórico vale registrar que boa parte da formalização que
existe hoje em experimentação, bem como de muitas outras áreas da estatística, se
deve a Sir. Ronald A. Fisher (1890-1962), um estatístico que trabalhou na Estação
Experimental de Agricultura de Rothamstead, na Inglaterra. É a origem agrícola da
experimentação que explica o uso, até hoje, de vários termos técnicos associados a
área agronômica.

1.1. A ESTATÍSTICA E A EXPERIMENTAÇÃO CIENTÍFICA

Numa pesquisa científica o procedimento usual é formular hipóteses e verificá-

las diretamente ou por suas conseqüências. Para isto é preciso um conjunto de
observações e o planejamento de experimentos é então essencial para indicar o
esquema sob o qual as hipóteses de interesse podem ser verificadas. As hipóteses
são verificadas com a utilização de métodos de análise estatística que dependem da
maneira sob a qual as observações foram obtidas. Portanto, o planejamento de
experimentos e a análise dos resultados estão intimamente ligados e devem ser
utilizados em uma seqüência nas pesquisas científicas das diferentes áreas do
conhecimento. Isto pode ser visto através da seguinte representação gráfica da
circularidade do método científico:

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 2

 Capítulo 1 - Introdução

Fica bastante claro neste esquema que técnicas de planejamento

(amostragem) devem ser utilizadas entre as etapas (1) e (2), os métodos de análise
descritiva e exploratória de dados entre as etapas (2) e (3) e os procedimentos de
inferência estatística devem ser utilizados na etapa (3).
Desenvolvendo um pouco mais esta idéia podemos dizer que uma pesquisa
científica estatisticamente planejada consiste nas seguintes etapas que dependem de
um perfeito entendimento entre o pesquisador e o estatístico:
1. Enunciado do problema com formulação de hipóteses.
2. Escolha dos fatores (variáveis independentes) que devem ser incluídas no
estudo.
3. Escolha da unidade experimental e da unidade de observação.
4. Escolha das variáveis que serão medidas na unidade de observação.
5. Determinação das regras e procedimentos pelos quais os diferentes
tratamentos (combinação de níveis de fatores) são atribuídos às unidades
experimentais (ou vice-versa).
6. Análise estatística dos resultados.
7. Relatório final contendo conclusões com medidas de precisão das estimativas,
interpretação dos resultados com possível referência a outras pesquisas
similares e uma avaliação dos itens 1 a 6 (desta pesquisa) com sugestões
para possíveis alterações em pesquisas futuras.

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 3

 Capítulo 1 - Introdução

1.2. O MÉTODO CIENTÍFICO E A ESTATÍSTICA

O campo da estatística lida com a coleta, a apresentação, a análise e o uso dos
dados para tomar decisões, resolver problemas e planejar produtos e processos.
Devido a muitos aspectos da prática pesquisas científicas envolver o trabalho com
dados, obviamente algum conhecimento de estatística é importante para qualquer
pesquisador. Especificamente, técnicas estatísticas pode ser uma ajuda poderosa no
planejamento de novos produtos e sistemas, melhorando os projetos existentes e
planejando, desenvolvendo e melhorando os pesquisas futuras.
Métodos estatísticos são usados para nos ajudar a entender a variabilidade. Por
variabilidade, queremos dizer que sucessivas observações de um sistema ou
fenômeno não produzem exatamente o mesmo resultado. Todos nós encontramos
variabilidade em nosso dia-a-dia e o julgamento estatístico pode nos dar uma
maneira útil para incorporar essa variabilidade em nossos processos de tomada de
decisão. Por exemplo, considere o desempenho de consumo de gasolina de seu
carro. Você sempre consegue o mesmo desempenho de consumo em cada tanque
de combustível? Naturalmente, não - na verdade, algumas vezes o desempenho
varia consideravelmente. Essa variabilidade observada no consumo de gasolina
depende de muitos fatores, tais como o tipo de estrada mais usada recentemente
(cidade ou estrada), as mudanças na condição do veículo ao longo do tempo (que
poderiam incluir fatores como desgaste do pneu ou compressão do motor ou
desgaste da válvula), a marca e/ou número de octanagem da gasolina usada, ou
mesmo, possivelmente, as condições climáticas. Esses fatores representam fontes
potenciais de variabilidade no sistema. A Estatística nos fornece uma estrutura
para descrever essa variabilidade e para aprender sobre quais fontes potenciais de
variabilidade são mais importantes ou quais têm o maior impacto no desempenho de
consumo de gasolina.
Encontramos também variabilidade em problemas de engenharia. Por exemplo,
suponha que um engenheiro esteja projetando um conector de náilon para ser usado
em uma aplicação automotiva. O engenheiro está considerando estabelecer como
especificação do projeto uma espessura de parede de 3/32 polegada, mas está de
algum modo, inseguro acerca do efeito dessa decisão na força de remoção do
Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 4
 Capítulo 1 - Introdução

conector. Se a força de remoção for muito baixa, o conector pode falhar quando ele
for instalado no motor. Portanto oito unidades do protótipo são produzidas e suas
forças de remoção são medidas.

1.3. EM QUE A ESTATÍSTICA PODE AJUDAR

É comum, especialmente em indústrias químicas, aparecerem problemas em

que precisamos estudar varias propriedades ao mesmo tempo e estas, por sua vez,
são afetadas por um grande número de fatores experimentais. Como investigar os
efeitos de todos esses fatores sobre todas as propriedades, minimizando o trabalho
necessário e o custo dos experimentos? Como melhorar a qualidade do produto
resultante? Que fatores experimentais devem ser controlados para que a qualidade
do produto seja assegurada?
As pesquisas realizadas com o objetivo de fornecer respostas a essas
perguntas muitas vezes tomam vários meses de trabalho de pesquisadores e
técnicos, a um custo bastante alto em termos de salários, reagentes, análises
químicas e testes físicos. O principal objetivo deste curso é mostrar que o emprego
de procedimentos estatísticos pode ajudar a responder a essas perguntas de forma
racional e econômica. Usando planejamentos experimentais baseados em princípios
estatísticos, os pesquisadores podem extrair do sistema em estudo o máximo de
informação útil, fazendo um número mínimo de experimentos.
Os métodos mais eficazes que podem ser usados por cientistas e engenheiros
para melhorar ou otimizar sistemas, produtos e processos serão apresentados nos
capítulos seguintes. Esses métodos são ferramentas poderosas, com as quais vários
objetivos específicos podem ser alcançados. Podemos fabricar produtos com
melhores características, diminuir seu tempo de desenvolvimento, aumentar a
produtividade de processos, minimizar a sensibilidade dos produtos às variações nas
condições ambientais, e assim por diante.
Consideremos uma situação onde um químico deseje obter o rendimento
máximo de certa reação, e que essa reação seja controlada por apenas dois fatores:
temperatura e a concentração de um dado reagente. Vejamos algumas questões
especificas em que o planejamento experimental pode ajudar o pesquisador a atingir

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 5

 Capítulo 1 - Introdução

seus objetivos mais rapidamente e a um custo menor. Digamos que ele já saiba que
a temperatura e a concentração, bem como o tipo de catalisador, afetam o
rendimento. Como seria possível ajustar os valores da temperatura e da
concentração para obter urna quantidade maior do produto? Variando esses fatores,
seria possível maximizar o rendimento? As mudanças nesses valores provocariam
mudanças semelhantes nos rendimentos se o catalisador fosse outro? Que
experimentos devem ser realizados para obter mais informações sobre o sistema?
Como podemos quantificar a eficiência dos catalisadores para as diferentes
combinações de temperatura e concentração? Como os valores dos fatores
experimentais podem ser mudados para obtermos o maior rendimento possível sem
que as propriedades mecânicas do produto final deixem de satisfazer as suas
especificações? Nos capítulos restantes discutiremos técnicas estatísticas de
planejamento e análise capazes de nos auxiliar a encontrar respostas confiáveis para
todas estas questões.
Os métodos que veremos independem da natureza do problema a que são
aplicados. Servem para estudar reações químicas, sistemas biológicos, processos
mecânicos (entre muitos outros), e também podem varrer todas as possíveis escalas
de interesse, desde uma única reação em bancada até um processo industrial
operando em larga escala. O denominador comum são os princípios estatísticos
envolvidos, que são sempre os mesmos. É claro que isso não significa menosprezar
o conhecimento técnico que o especialista já detém sobre o sistema em estudo.
Como já dissemos inicialmente, ele é insubstituível. As ferramentas estatísticas,
embora valiosas, são apenas um complemento a esse conhecimento. O ideal é que
as duas coisas - conhecimento básico do problema e a estatística - andem juntas.

1.3.1. MODELOS EMPÍRICOS

Quando se trata de modelar dados resultantes de experimentos ou

observações, e importante fazer a distinção entre modelos empíricos e modelos
mecanisticos. Tentaremos esclarecer essa diferença considerando dois exemplos
práticos:

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 6

 Capítulo 1 - Introdução

Imaginemos que um astrônomo queira calcular a hora em que vai ocorrer o

próximo eclipse da Lua. Como sabemos, os fatos acumulados ao longo de
séculos de observação e especulação levaram, no final do século XVII, a uma
teoria que explica perfeitamente os fenômenos astronômicos não-
relativísticos: a mecânica newtoniana. A partir das leis de Newton é possível
deduzir o comportamento dos corpos celestes como uma conseqüência
inevitável das suas interações gravitacionais. Este é um modelo mecanisticos:
com ele podemos prever as trajetórias dos astros porque sabemos as causas
que as provocam, isto é, conhecemos o mecanismo por trás de seu
comportamento. O astrônomo só precisa aplicar a mecânica newtoniana as
suas observações e fazer as deduções necessárias. Ele não tem, alias, de ficar
restrito ao sistema solar: as leis de Newton aplicam-se universalmente. Em
outras palavras, a mecânica newtoniana é também um modelo global.

Agora consideremos uma situação bem diferente e mais próxima de nós. Um
químico é encarregado de projetar uma fábrica piloto baseada numa
determinada reação recém desenvolvida em bancada. Ele sabe que o
comportamento dessa reação pode ser influenciado por muitos fatores: as
quantidades iniciais dos reagentes, o pH do meio, o tempo de reação, a carga
de catalisador, a velocidade com que os reagentes são introduzidos no reator,
a presença ou ausência de luz, e assim por diante. Mesmo que exista um
modelo cinético para a reação em questão, dificilmente ele poderá levar em
conta a influência de todos esses fatores, além de outros mais que costumam
aparecer quando se muda da escala de laboratório para a escala piloto. Numa
fábrica em larga escala, então, que é normalmente o objetivo de longo prazo,
a situação e ainda mais complexa. Surgem elementos imponderáveis, como o
nível de impurezas da matéria prima, a flutuação de fatores ambientais
(umidade, por exemplo), a estabilidade do processo como um todo, e até
mesmo o próprio envelhecimento do equipamento. Trata-se de uma situação
muito complicada, para a qual é difícil ser otimista quanta a possibilidade de
se descobrir um modelo mecânico tão abrangente e eficaz como a mecânica
newtoniana. Num caso destes, o pesquisador deve recorrer forçosamente a
modelos empíricos, isto é, modelos que procuram apenas descrever, com base

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 7

 Capítulo 1 - Introdução

tentar explicar a partir de umas poucas leis o que está se passando, e o que
procura fazer um modelo mecânico. Mesmo conseguir descrever, dito assim
sem nenhuma adjetivação, pode ser em muitos casos uma tarefa ambiciosa
demais. Na modelagem empírica já nos damos por satisfeitos se somos
capazes de descrever o processo estudado na região experimental
investigada. Isto quer dizer que modelos empíricos são também modelos
locais. Sua utilização para fazer previsões para situações desconhecidas corre
por conta e risco do usuário.

1.3.2. PLANEJAMENTO E OTIMIZAÇÃO DE

EXPERIMENTOS

As pessoas normalmente se lembram da Estatística quando se vêem diante de

grandes quantidades de informação. Na percepção do chamado senso comum, o
emprego de métodos estatísticos seria algo semelhante a prática da mineração. Um
estatístico seria um tipo de minerador bem-sucedido, capaz de explorar e processar
montanhas de números e delas extrair valiosas conclusões. Como tanta coisa
associada ao senso comum, esta também é uma impressão falsa, ou no mínimo
parcial. A atividade estatística mais importante não é a análise de dados, e sim o
planejamento dos experimentos em que esses dados devem ser obtidos. Quando
isso não é feito da forma apropriada, o resultado muitas vezes é uma montanha de
números estéreis, da qual estatístico algum conseguiria arrancar quaisquer
conclusões.
A essência de um bom planejamento consiste em projetar um experimento de
forma que ele seja capaz de fornecer exatamente o tipo de informação que
procuramos. Para isso precisamos saber, em primeiro lugar, o que é mesmo que
estamos procurando. Mais uma vez, parece obvio, mas não e bem assim. Podemos
mesmo dizer que um bom experimentador é, antes de tudo, uma pessoa que sabe o
que quer. Dependendo do que ele queira, algumas técnicas serão mais vantajosas,
enquanto outras serão simplesmente inócuas. Se você quer tornar-se um bom
planejador, portanto, comece perguntando a si mesmo:

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 8

 Capítulo 1 - Introdução

O que eu gostaria de ficar sabendo quando o

experimento tiver terminado?

Lembre-se que:

Se você não sabe para onde está indo, vai terminar

chegando a outro lugar!

1.4. REFERÊNCIAS BIBLIOGRÁFICAS:

Barros Neto, B., Scarminio, I. S., Bruns, R. E. (2001) – Como Fazer

Experimentos: Pesquisa e desenvolvimento na ciência e na indústria.
Editora da Unicamp, Campinas, SP.

Montgomery, D. C., Runger, G. C. (2003) – Estatística APlicada e

Probabilidade para Engenheiros, LTC Editora, 2a Edição, Rio Janeiro, RJ.

Machado, A. A., Demétrio, C.G.B., Ferreira, D. F., Silva, J. G. C. (2005) – Estatística

Experimental: Uma Abordagem Fundamentada no Planejamento e no Uso de
Recursos Computacionais, 50ª RBRAS – 11º SEAGRO, UEL – Londrina – PR.

Montgomery, D.C. (2000) – Design and Analysis of Experiments – 5ª ed. John Wiley
– New York.

Peres, C. A. e Saldiva, C. D. (1982) - Planejamento de Experimentos, 5o SINAPE, USP

– SP.

Vieira, S. (1999) – Estatística Experimental – 2ª Ed. Editora Atlas – São Paulo –SP.

Introdução ao Planejamento e Análise Estatística de Experimentos C – 1o Semestre de 2009 9