Académique Documents
Professionnel Documents
Culture Documents
Planejamento e Pesquisa
4. Experimentos em Blocos
5
Tabela ANOVA
Blocos Completos Aleatorizados
Exemplo Ponteiras
No R
> dados <- read.table(“DadosPonteiras.txt”, header=TRUE)
> fit <- lm(Dureza ~ factor(Ponteira) + factor(Placa), data=dados)
> anova(fit)
Response: Dureza
Df Sum Sq Mean Sq F value Pr(>F)
factor(Ponteira) 3 0.385 0.128333 14.438 0.0008713 ***
factor(Placa) 3 0.825 0.275000 30.938 4.523e-05 ***
Residuals 9 0.080 0.008889
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 6
Análise Estatística
Exemplo Ponteiras
Gráfico da Distribuição F(3,9), α=0.05
Não
Rejeita
H0
Response: Dureza
Df Sum Sq Mean Sq F value Pr(>F)
factor(Ponteira) 3 0.385 0.128333 1.7017 0.2196
Residuals 12 0.905 0.075417
8
Análise Estatística – Ignorando Efeito dos Blocos
Exemplo Ponteiras
Gráfico da Distribuição F(3,12), p-valor=0.22
Conclusão: Como F0 = 1.70 < 3.49 (ou p-valor > 0.05), não
temos evidência para rejeitar H0 e afirmar que as médias dos
tratamentos diferem.
Nesse caso, se ignorarmos o efeito dos blocos, tiramos
conclusões erradas do experimento
9
Análise de Diagnóstico
Já vimos anteriormente a importância de checar
se as suposições do modelo são satisfeitas
Isso é feito através da análise dos resíduos
No caso de experimentos com blocos, devemos
verificar se existe algum problema com:
1. Normalidade
2. Variância dos erros não constante (em relação aos
tratamentos ou blocos)
3. Interação entre tratamento e bloco
10
Análise de Diagnóstico
Interação:
◦ Ver gráfico de resíduos vs valores estimados
◦ Se houver curva:
◦ Valores baixos(negativos) dos resíduos com
valores baixos e altos ajustados; baixos para
valores medianos ajustados.
11
Análise de Resíduos
Exemplo das Ponteiras
14
Estimação dos Parâmetros pelo
Método dos Mínimos Quadrados
Voltemos aos experimentos com um único fator, em
que temos o modelo
16
Estimadores de Mínimos Quadrados
Note que a 1ª equação é a soma das demais, isto é,
as equações normais não são linearmente
independentes
Com isso, não temos uma solução única para os
parâmetros do modelo
Mas lembram-se da restrição linear do modelo?
Então é razoável aplicar o contraste
17
Estimadores de Mínimos Quadrados
Exercício: De forma semelhante, mostre que no caso
do experimentos com blocos completos, cujo
modelo é
18
Alguns Aspectos sobre os Blocos
O modelo linear que usamos para o
desenho de blocos aleatorizado é
completamente additivo
19
Alguns Aspectos sobre os Blocos
Em algums situações o modelo aditivo
não é adequado.
20
Alguns Aspectos sobre os Blocos
Pode ocorrer quando a resposta foi
medida na escala errada
E(yij ) = mt i b j
ln E(yij ) = ln(m )+ ln(t i )+ ln(b j )
21
Alguns Aspectos sobre os Blocos
Como escolher o tamanho amostral?
22
Alguns Aspectos sobre os Blocos
Como escolher o tamanho amostral?
23
Alguns Aspectos sobre os Blocos
Podemos escolher através das curvas
características (operacionais) usando
a
båt 2
i
F =
2 i=1
as 2
24
Alguns Aspectos sobre os Blocos
Eficiência
Vamos estimar a eficiência do desenho
com blocos contra sem blocos
26
Alguns Aspectos sobre os Blocos
Valores faltantes!
y '
.oj total do bloco com a obs faltante
28
Alguns Aspectos sobre os Blocos
Valores faltantes!
i=1 j=1
29
Alguns Aspectos sobre os Blocos
Valores faltantes!
Equivalente à
æ b ö 1 b æ a ö2 1 æ a ö
2 2
a b a b
SSE = å åy - b å ççå yij ÷÷ - å çå yij ÷ + ççå å yij ÷÷
21
ij
i=1 j=1 i=1 è j=1 ø a j=1 è i=1 ø ab è i=1 j=1 ø
1 1 1
Ou SSE = x 2 - (yi.' + x)2 - (y.' j + x)2 + - (y..' + x)2 + Re sto
b a ab
Derivar em x!
30
Alguns Aspectos sobre os Blocos
Valores faltantes!
Derivando em x temos
ay + by - y
' ' '
x= i. .j ..
(a -1)(b -1)
31
Exercícios
Exercícios do Montgomery, 6ª edição
Capítulo 3:
3-1(c), 3-5, 3-6(b, c), 3-12(d, e, f), 3-16(a-f),
3-20(a, c), 3-25, 3-31, 3-32
Capítulo 4:
4-1, 4-5(b), 4-17, 4-18
32