Fatoriais 2k

Introduo
Temos k fatores, todos eles com dois nveis. Os nveis podem ser
quantitativos (doses de nitrognio, temperaturas, tempo) ou qualitativos (duas
variedades de aveia, dois locais de cultivo). Uma repetio completa tem 2k unidades
experimentais.
Como esses experimentos s tem dois nveis de cada fator, eles nos do o
menor nmero de tratamentos, assim, eles so bastante utilizados na seleo de
fatores importantes e que sero utilizados num experimento futuro.

Fatoriais 22
Como um exemplo, considere um experimento com 2 concentraes de um
antioxidante (TBHQ) e dois tempos. Fator A concentraes 15% e
25%. Fator B tempo 10 min e 20 min.

Outro exemplo (Montgomery, pg. 291). Experimento para verificar o efeito da

concentrao de um reagente e a quantidade de um catalisador na produo de uma
reao qumica. Fator A: reagente nveis = 15% e 25%. Fator B: catalisador
nveis = 2 pounds e 1 pound. Obs. 1 pound = 0,454 kg.

Fator
A
+
+

Tratamentos
B
+
+

A 15, B 1
A 25, B 1
A 15, B 2
A 25, B 2

I
28
36
18
31

Repeties
II
25
32
19
30

Totais
III
27
32
23
29

80
100
60
90

O efeito AB representa a interao entre o fator A e o fator B. O menor e o maior

nvel de um fator podem ser representados pelos sinais - e +, respectivamente.
Graficamente, este delineamento usualmente representado por um quadrado.
Os 4 tratamentos so representados por letras minsculas: (1), a, b, ab. Assim, (1),
o tratamento correspondente aos menores nveis de A (-) e B (-); a, corresponde ao
nvel alto de A (+) e baixo de B (-); b, corresponde ao nvel alto de B (+) e baixo de
A (-); ab, corresponde a combinao dos nveis altos de A (+) e B (+).

ab=90

b=60

B
(1)=80

a=100

Efeitos principais de A e de B e da interao AB.

Podemos calcular esses efeitos por meio do quadrado acima. O efeito de A pode ser
determinado como a diferena na resposta mdia dos dois tratamentos do lado direito
do quadrado e dos dois tratamentos do lado esquerdo, isto :

A y A y A

ab a
2n

b 2 (n1)

ab a b (1)
2n

Efeito de B:

By y

ab b
2n

a (1)
2n

ab b a (1)
2n

Efeito da interao: a mdia dos tratamentos da diagonal (da direita para a esquerda,
iniciando por ab) menos a mdia dos tratamentos da diagonal (da esquerda para a
direita).

AB

ab (1)
2n

a b
2n

ab (1) a b
2n

Outra maneira de se encontrar esses efeitos:

Sinais algbricos para calcular os efeitos num fatorial 2 2
Tratamentos
Efeitos fatoriais
I
A
B
+
(1)
+
+
a
+
+
b
+
+
+
ab

AB
+
+
Produto (A x B)

I = corresponde a uma constante geral do experimento.

Por exemplo, para estimar o efeito de A, o contraste dado por: -(1)+a-b+ab. E

assim para os demais.
Para os dados do experimento, temos:

1
2 ( 3)

(90 100 60 80) 8,33

1
2 ( 3)

(90 60 100 80) 5,00

AB

1
2 ( 3)

(90 80 100 60) 1,67

Interpretao: o efeito de A positivo; isto sugere que aumentando a concentrao do

reagente de 15% para 25%, aumenta a produo. O efeito de B negativo; sugere que
aumentando-se a qtidade do catalisador, diminui a produo. O efeito da interao
pequeno em relao aos efeitos principais (pode ser desprezada).

Anlise de varincia

i 1,2,...,a

y ijk Ai B j ( AB )ij ijk j 1,2,...,b

k 1,2,...,n

As somas de quadrados dos efeitos de A, B e de AB, so obtidas elevando-se ao

quadrado o contraste que estima o efeito de A, B e de AB, dividindo-se pelo produto
entre o nmero de observaes em cada total no contraste e a soma dos quadrados dos
coeficientes do contraste.

SQA

[ ab a b (1)]2
4n

SQB

[ ab b a (1)]2
4n

SQAB

50 2
4 ( 3)

( 30 ) 2
4 ( 3)

[ ab (1) a b ]2
4n
2

208,33

10 2
4 ( 3)

SQTotal y
i 1 j 1 k 1

2
ijk

75,00
8,33
y...2
4n

9398,00 9075,00 323,00

SQRe sduo SQTotal SQA SQB SQAB 31,34

Anlise de varincia do experimento com reagente e catalisador (modelo de efeitos
fixos)
Causas de
Soma de
Graus de
Quadrados
F0
Nvel
variao
quadrados
liberdade
mdios
descritivo
A
208,33
1
208,33
53,15
0,0001 *
B
75,00
1
75,00
19,13
0,0024 *
AB
8,33
1
8,33
2,13
0,1826 NS
Resduo
31,34
8
3,92
Total
323,00
11

Interpretao: Os efeitos principais de A e de B so significativos,

enquanto o efeito da interao no foi significativo (No h
necessidade de desdobrar a interao).
O modelo de regresso
Como os dois fatores so quantitativos, alm disso, o efeito da interao no foi
significativo, o modelo de regresso fica:

y 0 1 x1 2 x2

( 12 x1 x 2
no esta no modelo )

Onde xi uma varivel codificada, da seguinte forma.

x1

Re ag (Re agbaixo Re agalto ) / 2

(Re agalto Re agbaixo ) / 2

Re ag ( 15 25 ) / 2
( 25 15 ) / 2

x2

Catal ( Catalbaixo Catalalto ) / 2

( Catalalto Catalbaixo ) / 2

Catal ( 12 ) / 2
( 2 1 ) / 2

Re ag 20
5

Catal 1 ,5
0 ,5

Assim, x1 assume os valores: x1=-1 e x1=1; x2 assume os valores: x2=-1 e x2=1.

Os s so os parmetros do modelo de regresso, desconhecidos e que sero
estimados (mtodo de mnimos quadrados).

Clculo dos s no fatorial 2k

0 330
12 27,500
8,33 4,165
1

5, 00
2

2,500

[-1;1]

A estimativa de 0 a mdia geral do experimento; as estimativas de 1 e de 2 a

metade do efeito correspondente. A razo disso que o coeficiente de regresso
mede a mudana em y quando ocorre a mudana de uma unidade em x. Aqui, a
estimativa baseada na mudana de duas unidades (-1 para 1). O modelo fica:

y 27,5 4,165 x1 2,5 x2

Resduos e verificao do ajuste do modelo

Resduo:

ei y i y i

Sada do SAS:
Resduo = valores observados-valores estimados
Valores estimados e resduos do modelo de regresso
OBS
1
2
3
4
5
6
7
8
9
10
11
12

CATALISA

REAGENTE

REP

-1
-1
-1
-1
-1
-1
1
1
1
1
1
1

-1
-1
-1
1
1
1
-1
-1
-1
1
1
1

1
2
3
1
2
3
1
2
3
1
2
3

YIELD

ESTIMADO

RESIDUOS

28
25
27
36
32
32
18
19
23
31
30
29

25.8333
25.8333
25.8333
34.1667
34.1667
34.1667
20.8333
20.8333
20.8333
29.1667
29.1667
29.1667

2.16667
-0.83333
1.16667
1.83333
-2.16667
-2.16667
-2.83333
-1.83333
2.16667
1.83333
0.83333
-0.16667

10

Os resduos esto aleatoriamente

distribudos. Os grficos esto
satisfatrios. As nossas
concluses so vlidas.

11

Superfcie de resposta
O modelo de regresso com os nveis naturais dos fatores dado por:

y 27 ,5 4 ,165 reag520 2 ,5 Catal0 ,51 ,5

y 18 ,33 0 ,8333 Re ag 5 ,00Catal

12

Observamos no grfico de contornos, que a produo aumenta quando a concentrao

do reagente aumenta e a quantidade do catalisador diminui. Freqentemente, usa-se a
superfcie ajustada para verificar a direo de melhoria do processo.

Fatoriais 23
Exemplo: o objetivo produzir um po com farelo de aveia. Os fatores em estudo
foram:
1) porcentagem de substituio de farinha de trigo pelo farelo de aveia (Fator A), em
dois nveis, 10% e 20%;
2) quantidade de gordura (Fator B), em dois nveis, 2,5g e 3,0g;
3) fermento (Fator C), em dois nveis, 3g e 4g.
8 tratamentos
Exemplo (Montgomery): na fabricao do produto: gua com gs. O objetivo
obter maior uniformidade no enchimento das garrafas. Teoricamente a mquina
enche corretamente as garrafas, mas na prtica existem variaes e deseja-se
saber quais so as possveis fontes de variabilidade. As variveis controladas
no estudo foram: porcentagem de carbono (Fator A), presso de operao
(Fator B) e velocidade de operao (Fator C).

13

Tabela: dados experimentais

Desvios da altura de
enchimento desejado

14

Geometricamente, esse delineamento representado por um cubo.

bc

abc
Tratamentos:
(1)
a

ac
b

Fator C

ab

ab
c

Fa
to
r

ac

(1)

Fator A

bc
abc

15

Tabela 7-3. Tabela com sinais de + e de - formando os contrastes para estimar os efeitos
Tratamentos
(1)
a
b
ab
c
ac
bc
abc

I
+
+
+
+
+
+
+
+

Sinais algbricos para calcular os efeitos no fatorial 23

A
B
AB
C
AC
BC
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

ABC
+
+
+
+

Propriedades importantes:
1) Com excesso da 1a. coluna, todas as demais tem o mesmo nmero de sinais
positivos e negativos ;
2) A soma dos produtos dos sinais em quaisquer duas colunas zero;
3) A coluna I multiplicada por qualquer outra coluna deixa esta inalterada, isto , a
coluna I um elemento identidade.
4) O produto de qualquer duas colunas produz uma coluna da tabela, por exemplo, A x
B = AB, e AB x B = AB2 = A

16

Os expoentes nos produtos so formados usando em aritmtica o mdulo 2, isto

, o expoente s pode ser zero ou um; se ele maior do que um, ele reduzido
por mltiplos de dois at que o resto seja zero ou um.
Mdulo: Mod(n;d)=n-d.inteiro(n/d).
Estimao dos efeitos dos fatores

Exemplo: Mod(3;2)=3-2.inteira(3/2)=3-2=1.

A 41n [a (1) ab b ac c abc bc]

18 [1 (4) 5 (1) 3 (1) 11 2]
3,00
De maneira anloga, obtemos os seguintes valores para os demais efeitos

B 2,25
AC 0,25

C 1,75
BC 0,50

AB 0,75
ABC 0,50

Os maiores efeitos so verificados para o fator A=3,00, fator B=2,25, fator

C=1,75 e para a interao AB=0,75, porm esta ltima bem inferior aos efeitos
principais.

17

A soma de quadrados para os efeitos so facilmente calculados, j que cada

efeito tem 1 grau de liberdade, correspondente ao contraste. No fatorial 2 3
com n repeties, a soma de quadrados para qualquer efeito dada por:

SQ

( Contraste ) 2
8n

Source

DF

Sum of Squares

Mean Square

Model
Error
Corrected Total

7
8
15

73.00000000
5.00000000
78.00000000

10.42857143
0.62500000

R-Square
0.935897

C.V.
79.05694

Root MSE
0.79056942

DF

Type I SS

Mean Square

F Value

CARBONO

36.00000000

36.00000000

57.60

0.0001*

PRESSAO
CARBONO*PRESSAO

1
1

20.25000000
2.25000000

20.25000000
2.25000000

32.40
3.60

0.0005*
0.0943

VELOCIDA
CARBONO*VELOCIDA
PRESSAO*VELOCIDA
CARBON*PRESSA*VELOCI

1
1
1
1

12.25000000
0.25000000
1.00000000
1.00000000

12.25000000
0.25000000
1.00000000
1.00000000

19.60
0.40
1.60
1.60

0.0022*
0.5447
0.2415
0.2415

Source

H 0 : 1 2 3 12 13 23 123 0

F Value
16.691

Pr > F
0.0003

FILLHEIG Mean
1.00000000
Pr > F

18

Modelo de regresso e superfcie de resposta

O modelo de regresso, a ser estimado, com as variveis codificadas dado por:

y 0 1 x1 2 x2 3 x3
Onde x1, x2 e x3, representam os fatores A, B e C, respectivamente. Atravs do programa SAS,
estimamos os parmetros da regresso.

y 1,00 1,50 x1 1,125 x2 0 ,875 x3

19

Modelo de regresso nas variveis originais

y 23 ,750 0 ,300 * C 0 ,450 * P 0 ,035 * V

20

 desejvel que a resposta seja prxima de zero. Para velocidade (Fator C) no nvel alto
(250), h vrias combinaes de presso e carbono que satisfazem esse objetivo. 21

Fatorial 2k com 1 repetio

Um problema nos experimentos fatoriais que quando o nmero de fatores aumenta,
o nmero de tratamentos aumenta rapidamente, exemplo, 2 5= 32 e para um fatorial
26=64 tratamentos.
Em algumas situaes, no existe disponibilidade de material experimental, para que
se possa fazer as repeties dos tratamentos.
Sem repeties no possvel estimar o erro experimental ou erro puro. Uma
abordagem, para esse tipo de experimento (sem repetio), assumir que algumas
interaes de maior ordem so desprezveis e, combinar os seus quadrados mdios
para estimar o erro experimental.
A sugesto construir o grfico normal de probabilidades com as estimativas dos
efeitos dos tratamentos. Os efeitos que so desprezveis so distribudos
normalmente, com mdia 0 e varincia 2 e tendem a cair prximos linha reta no
grfico, ao passo que os efeitos importantes (significativos) tero mdia diferente de
0 e se distanciaro da reta. Assim, o modelo conter somente os efeitos significativos
(efeitos diferente de zero), baseados no grfico normal de probabilidades. Os efeitos
no significativos sero combinados para estimar o erro experimental.

22

Exemplo (Montgomery, pgina 319, 4 ed.).

Fatorial 24 com uma repetio. Produo de um produto qumico num recipiente sob
presso. Esse experimento foi realizado com fatores que provavelmente influenciam a
taxa de filtrao do produto. Os quatro fatores colocados em estudo foram:
A: temperatura
B: presso
C: concentrao de formaldedo
D: taxa de agitao
Os 16 experimentos foram realizados em ordem aleatria. O engenheiro est
interessado em maximizar a taxa de filtrao. O processo atual apresenta uma
taxa de filtrao em torno de 75 gal/h. O processo tambm utiliza o fator C no
nvel alto. Deseja-se reduzir a concentrao de formaldedo tanto quanto
possvel, porm, isso causa uma diminuio na taxa de filtrao.

23

Tabela do experimento com taxa de filtrao (matriz do delineamento)

Nmero do
tratamento
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Fatores
A
+
+
+
+
+
+
+
+

B
+
+
+
+
+
+
+
+

Rtulo
C
+
+
+
+
+
+
+
+

D
+
+
+
+
+
+
+
+

(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd

Taxa de
filtrao
45
71
48
65
68
60
80
65
43
100
45
104
75
86
70
96

24

(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd

+
+
+
+
+
+
+
+

+
+
+
+
+
+
+
+

AB
+
+
+
+
+
+
+
+

+
+
+
+
+
+
+
+

Tabela de contrastes do fatorial 24

AC BC ABC D
AD BD
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

ABD
+
+
+
+
+
+
+
+

CD
+
+
+
+
+
+
+
+

ACD BCD ABCD

+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

Estimativas dos efeitos :

A 18 [(1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd ]
81 [45 71 48 65 68 60 80 65 43 100 45 104 75 86 70 96]
81 (173,00)
21,625

25

Os valores dos demais efeitos so:

B 3,125 C 9,875 D 14,625

AB 0,125 AC -18,125 AD 16,625 BC 2,375 BD -0,375 CD -1,125
ABC 1,875 ABD 4,125 ACD -1,625 BCD -2,625 ABCD 1,375

26

Interpretao: todos os efeitos que caem ao longo da linha so no significativos

(desprezveis), ao passo que os efeitos que esto longe da linha reta so significativos
(A, AD, D, C, AC).
Como as interaes AC e AD foram significativas, no faz muito sentido
interpretarmos os efeitos principais de A, C e D.
100

Concentrao

100

Taxa

D-

C+
70

40

C-

D+

70

40

+
+
Fator A
Fator A = temperatura
Interpretao: a interao AC indica que o efeito da temperatura muito baixo para
alto nvel de concentrao de formaldedo e, muito alto para baixo nvel de
concentrao. A interao AD indica que D tem pouco efeito para baixo nvel de
temperatura e, tem grande efeito para alta temperatura. Parece que a melhor taxa de
27
filtrao obtida para alto nvel de A e D e baixo nvel de C.
-

Projeto de experimento
Como o fator B (presso) e as interaes envolvendo o fator B, no foram
significativas, podemos desprez-lo e considerar o delineamento como um
fatorial 23, considerando os fatores A, C e D, com duas repeties.
Isto pode ser facilmente comprovado, olhando-se para as colunas A, C e D da
tabela dos dados (matriz do delineamento), e verificar que aquelas colunas
formam duas repeties de um experimento fatorial 23.
Como, agora, temos duas repeties, vamos ter uma estimativa do erro
experimental. A ANOVA do experimento fatorial 23 dada na tabela a seguir.
Em geral, se temos um experimento fatorial 2k, e se h (h<k), fatores so no
significativos, ento os dados originais correspondem a um experimento fatorial
completo com 2 nveis nos (k-h) fatores significativos com 2h repeties.

28

Source

DF

Sum of Squares

Mean Square

F Value

Pr > F

Model
Error
Corrected Total

7
8
15

5551.43750000
179.50000000
5730.93750000

793.06250000
22.43750000

35.35

0.0001

R-Square

C.V.

Root MSE

RATE Mean

0.968679

6.760855

4.73682383

70.06250000

DF

Type I SS

Mean Square

F Value

Pr > F

1
1
1
1
1
1
1

1870.56250000
390.06250000
1314.06250000
855.56250000
1105.56250000
5.06250000
10.56250000

1870.56250000
390.06250000
1314.06250000
855.56250000
1105.56250000
5.06250000
10.56250000

83.37
17.38
58.57
38.13
49.27
0.23
0.47

0.0001
0.0031
0.0001
0.0003
0.0001
0.6475
0.5120

Source
A
C
A*C
D
A*D
C*D
A*C*D
Parameter

Estimate

T for H0:
Parameter=0

INTERCEPT
A
C
A*C
D
A*D
C*D
A*C*D

70.06250000
10.81250000
4.93750000
-9.06250000
7.31250000
8.31250000
-0.56250000
-0.81250000

59.16
9.13
4.17
-7.65
6.18
7.02
-0.48
-0.69

Pr > |T|

Std Error of
Estimate

0.0001
0.0001
0.0031
0.0001
0.0003
0.0001
0.6475
0.5120

1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596
1.18420596

29

Diagnstico do modelo
De acordo com os resultados da ANOVA, foram significativos os efeitos de
A=21,625, C=9,875, D=14,625, AC=-18,125 e AD=16,625.
As estimativas das taxas de filtrao (para os efeitos significativos), so dadas
pelo modelo de regresso:
14 , 625
18,125
16 , 625
y 70,06 ( 21,2625 ) x1 ( 9,875
)
x

(
)
x

(
)
x
x

(
3
4
1 3
2
2
2
2 ) x1 x4

(as estimativas dos parmetros do modelo esto no output do SAS)

Onde 70,06 a mdia geral; e as variveis codificadas x1, x3 e x4 possuem os valores
-1 e +1. O valor predito para taxa no tratamento (1) vale:

y 70,06 10,81(1) 4,94(1) 7,31(1) 9,06(1)(1) 8,31(1)(1)

46,22

30

Os valores observados, preditos e resduos para as 16 observaes so:

OBS

RATE

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1

-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

45
71
48
65
68
60
80
65
43
100
45
104
75
86
70
96

PREDITO
46.250
69.375
46.250
69.375
74.250
61.125
74.250
61.125
44.250
100.625
44.250
100.625
72.250
92.375
72.250
92.375

RESIDUO
-1.250
1.625
1.750
-4.375
-6.250
-1.125
5.750
3.875
-1.250
-0.625
0.750
3.375
2.750
-6.375
-2.250
3.625

31

Os pontos esto aleatoriamente distribudos; considera-se que as suposies do

modelo esto satisfeitas.

32

Superfcie de resposta
A superfcie de regresso gerada pelo modelo de regresso:
14 , 625
18,125
16 , 625
y 70,06 ( 21,2625 ) x1 ( 9,875
)
x

(
)
x

(
)
x
x

(
3
4
1 3
2
2
2
2 ) x1 x4

D=1 ou x4=1

33

Para temperatura, x1=1:

Os grficos indicam que para maximizar a taxa de filtragem, as variveis A (x 1) e D

(x4) devem ser utilizadas nos seus nveis altos. Os grficos indicam uma relativa
estabilidade para a varivel C (x3). Os mesmos resultados foram verificados na
interpretao dos grficos da interao.
34

Adio de pontos centrais no fatorial 2k

Existem muitas situaes em que a funo de resposta adequadamente
ajustada por um modelo de segunda ordem. O modelo sob considerao :
k

y 0 j x j ij xi x j jj x 2j
j 1

i j

j 1

Onde jj representa o efeito quadrtico. Essa equao chamada de modelo de

superfcie de resposta de segunda ordem.
Procedimento:
Vamos fazer algumas repeties de certos pontos no fatorial 2 k com o objetivo de
ajustar o modelo de segunda ordem e estimar o erro experimental.
Mtodo:
Adicionar pontos centrais no fatorial 2k. Vamos fazer n repeties nos pontos xi=0
(i=1,2,...,k). Estamos assumindo que os k fatores so quantitativos.

35

A soma de quadrados do efeito de curvatura dada por:

SQefeito da curvatura de 2o. grau

n F nC ( y F yC ) 2
nF nC

Onde, em geral, nF o nmero de pontos do fatorial, nC o nmero de repeties do

ponto central. Essa soma de quadrados tem 1 grau de liberdade.y(barra)F a mdia dos
tratamentos dos pontos fatoriais. Y(barra)C a mdia das repeties no ponto central.
Teste do efeito de curvatura de segundo grau
As hipteses em teste so:

j 1

j 1

H 0 : jj 0 vs H a : jj 0

Para testar essas hipteses compara-se a SQefeito da curvarutura de 2o. Grua com o quadrado
mdio residual.
Se os pontos fatoriais s tem uma nica repetio, usamos os nC pontos centrais para
obter uma estimativa do erro com nC-1 graus de liberdade.

36

Exemplo: uma engenheira qumica est estudando a produo de um processo. As

variveis de interesse so: tempo e temperatura de reao. A engenheira usou um
fatorial 22 com uma nica repetio de cada combinao do fatorial aumentado com 5
pontos pontos centrais. O desenho e os dados so dados na figura.

temperatura

160 1

40.0

41.5
40.3
40.5

155 0

40.7
40.2
40.6

150 -1

39.3

40.9

-1

30

35

40

tempo

37

Clculo do quadrado mdio do resduo

QM erro

yi y

pontos centrais

nC 1

40
,
46
i
i 1

0,1720
0,043
4

Anlise de varincia do processo de produo - exemplo 7-5 (livro Montgomery)

Variaes no
Soma de
Graus de liberdade Quadrados mdios
F0
modelo
quadrados
Tempo
2,4025
1
2,4025
55,87
Temperatura
0,4225
1
0,4225
9,83
Tempo*temperatura
0,0025
1
0,0025
0,06
Efeito quadrtico
0,0027
1
0,0027
0,06
Erro
0,1720
4
0,0430
Total
3,0022
8

Valor p
0,0017 *
0,0350 *
0,8185 NS
0,8185 NS

Clculo da soma de quadrados do efeito quadrtico

(4)(5)(0,035) 2
SQ
0,0027
45
Interpretao: o efeito da interao no significativo; efeito significativo de
tempo e temperatura. O efeito quadrtico no significativo, isto a hiptese:
H0:11 + 22=0 no pode ser rejeitada. Portanto, um modelo de primeira ordem
indicado.

38

Vamos assumir um modelo de regresso de 2a. ordem

y 0 1 x1 2 x2 12 x1 x2 11 x12 22 x 22
No podemos estimar os parmetros nesse modelo porque existem 6 parmetros para
serem estimados e o fatorial 22 mais o ponto central tem apenas 5 observaes
independentes.
Soluo:
- aumentar o fatorial 22 com pontos axiais. Veja figura (a)
O desenho resultante chama-se delineamento central composto.Pode-se ajustar um modelo
de segunda ordem (quadrtico). Na figura (b) temos um DCC para trs fatores.
x2

x3
x2

x1

Tem 8+6+nC
pontos (3nC 5)

Dois fatores. Fig (a)

Trs fatores. Fig. (b)

39