ME623A

Planejamento e Pesquisa
4. Experimentos em Blocos

1. Blocos Completos e Aleatorizados

a) Definição
b) Análise Estatística
c) Decomposição da Soma de Quadrados
d) Tabela Anova
e) Estimação dos Parâmetros
2. Quadrados Latinos
3. Quadrados Greco-Latinos
4. Blocos Balanceados Incompletos
5. Delineamento Cruzados
2
Blocos Completos Aleatorizados
Fator A Bloco 1 Bloco 2 Bloco b
1 y11 y12 y1b
2 y21 y22 ... y2b
. . . .
. . . .
. . . .
a ya1 ya2 yab

Completo indica que cada bloco contém todos os

tratamentos
3
Exemplo da Ponteira
 As observações para cada ponteira e placa de
metal estão na Tabela abaixo
Placa de Metal
Ponteir (Bloco)
a
1 2 3 4
1 9.3 9.4 9.6 10.0
2 9.4 9.3 9.8 9.9
3 9.2 9.4 9.5 9.7
4 9.7 9.6 10.0 10.2

 Vamos calcular as SS e testar se existe diferença

entre as ponteiras na medição da dureza em placas
de metal 4
Análise Estatística
Exemplo das Ponteiras

Queremos testar se:

1. Calcular SST, SSA, SSBlocos

e SSE
Figura: Boxplot da dureza das placas
de metais para cada ponteira 2. Encontrar a tabela
ANOVA

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

Conclusão: Como F0 = 14.44 > 3.86 (ou p-valor < 0.01),

rejeitamos H0 e concluímos que as médias dos tratamentos
diferem. Ou seja, o tipo de ponteira influencia na medida da
dureza das placas de metal
7
Tabela ANOVA
Experimento com Um Fator
Exemplo Ponteiras

Não
Rejeita
H0

No R, desconsiderando o efeito dos blocos

> dados <- read.table(“DadosPonteiras.txt”, header=TRUE)
> fit <- lm(Dureza ~ factor(Ponteira), data=dados)
> anova(fit)

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.

◦ Isso pode indicar intereção

11
Análise de Resíduos
Exemplo das Ponteiras

• Alguma indicação de não-normalidade? E outliers?

• Gráfico resíduos x ajustados: se houver uma tendência
curvilínea, pode ser indício de interação entre tratamentos e
blocos 12
Análise de Resíduos
Exemplo das Ponteiras

É razoável assumir igualdade de variância tanto

por tratamento quanto por bloco?
13
Estimação dos Parâmetros
 No modelo com blocos completos aleatorizados

os parâmetros são estimador por:

 O valor ajustado é então calculado como:

14
Estimação dos Parâmetros pelo
Método dos Mínimos Quadrados
 Voltemos aos experimentos com um único fator, em
que temos o modelo

 Exercício: Os estimadores de mínimo quadrados

(EMQ) de μ e τi são valores que minimizam a soma
de quadrados dos erros

em que é o vetor de parâmetros

15
Estimadores de Mínimos Quadrados
 Os estimadores são então soluções das equações
normais:

que simplificando resultam em

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

 E assim obtemos a seguinte solução

17
Estimadores de Mínimos Quadrados
 Exercício: De forma semelhante, mostre que no caso
do experimentos com blocos completos, cujo
modelo é

os estimadores de mínimos quadrados são dados

por

18
Alguns Aspectos sobre os Blocos
 O modelo linear que usamos para o
desenho de blocos aleatorizado é
completamente additivo

 Ou seja, os blocos e os tratamentos tem

um efeito additivo na v.a. resposta

19
Alguns Aspectos sobre os Blocos
 Em algums situações o modelo aditivo
não é adequado.

 Pode haver interações entre os blocos e

os tratamentos: lotes e fórmulas químicas

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 )

 Podemos usar modelos fatoriais

21
Alguns Aspectos sobre os Blocos
 Como escolher o tamanho amostral?

 Como escolher quantos blocos?

22
Alguns Aspectos sobre os Blocos
 Como escolher o tamanho amostral?

 Como escolher quantos blocos?

 Note que quanto mais blocos aumenta o

número de réplicas e o número de graus
de liberdade do erro, fazendo o desenho
mais sensitivo.

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

 Uma maneira é usar

(glb +1)(glr +1) s 2
R= r
(glb + 3)(glr +1) s 2
b
 onde s r2 e s b2 são as variâncias dos erros
do modelo básico e com blocos, respect.
25
Alguns Aspectos sobre os Blocos
 Valores faltantes!

 As vezes uma observação em um dos

blocos está faltando

 Quais poderiam ser os motivos?

26
Alguns Aspectos sobre os Blocos
 Valores faltantes!

 Introduz um problema: não temos mais

tratamentos ortogonais aos blocos

 Isto é, nem todo tratamento ocorre em

todo bloco.

 Aproximação ou análise exata(no futuro)

27
 Alguns Aspectos sobre os Blocos
 Valores faltantes!

 Suponha que a resposta ydo ij tratamento i

bloco j está faltando. Denote ela por x

 Seja y total com a obs. faltante,

o'
..

y total do trat. com a obs faltante

o'
i.

y '
.oj total do bloco com a obs faltante
28
 Alguns Aspectos sobre os Blocos
 Valores faltantes!

 Queremos estimar x tal que tenha uma

contribuição mínima a soma dos quadrados
dos erros. Já que
a b
SSE = å å(y ij - yi. - y. j + y.. ) 2

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