View
115
Download
4
Category
Preview:
Citation preview
ME623APlanejamento e Pesquisa
2
4. Experimentos em Blocos
1. Blocos Completos Aleatorizadosa) Definiçãob) Análise Estatísticac) Decomposição da Soma de Quadradosd) Tabela Anovae) Estimação dos Parâmetros
2. Quadrados Latinos3. Quadrados Greco-Latinos4. Blocos Balanceados Incompletos5. Delineamento Cruzados
3
Planejamento em Quadrado Latino
Tipo de experimento muito eficiente que utiliza apenas N=a2 observações e permite blocagem em duas direções
Mas e quando existir três fatores de perturbação?
ColunaLinha
1 2 3 4
1 A B C D2 B C D A3 C D A B4 D A B C
4
Planejamento em Quadrado Greco-LatinoImagine um Quadrado Latino a x a
sobreposto a um segundo Quadrado Latino a x a cujos níveis sejam referenciados por letras gregas
Considere ainda que cada combinação de letra latina e grega acontece uma única vez nesta sobreposição
Neste caso, os dois quadrados latinos são ortogonais entre si, e o planejamento obtido é conhecido como Quadrado Greco-Latino
5
Planejamento em Quadrado Greco-Latino
Coluna
Linha
1 2 3 4
1 A B C D2 B A D C3 C D A B4 D C B A
Coluna
Linha
1 2 3 4
1 α β γ δ2 δ γ β α3 β α δ γ4 γ δ α β
Coluna
Linha
1 2 3 4
1 Aα Bβ Cγ Dδ
2 Bδ Aγ Dβ Cα
3 Cβ Dα Aδ Bγ
4 Dγ Cδ Bα Aβ
QuadradoGreco-Latino
6
Quadrados Greco-Latinos
Esse tipo de experimento permite blocagem em três direções, ou seja, é utilizado para controlar, simultaneamente, três fatores de perturbação/ruído
Planejamento altamente eficiente: permite investigação de a níveis (sem interações) com apenas a2 observações
O fator representado pelas letras gregas é ortogonal às linhas, colunas e letras latinas
Existem para todo a ≥ 3, exceto para a = 6
7
Ilustração Quadrado Greco-Latino
Pegue todos os Q, J, K, e A de um baralho normal
Arrume as cartas em um grid 4x4 tal que cada linha e cada coluna contenha todos os naipes e todos os “números”Coluna
Linha
1 2 3 4
1 Q♣ A♥ K♠ J♦2 J♥ K♣ A♦ Q♠3 K♦ J♠ Q♥ A♣4 A♠ Q♦ J♣ K♥
8
Modelo Estatístico – Efeitos FixosAs observações são descritas através do
modelo:
9
Tabela ANOVAQuadrados Greco-Latinos
10
Exemplo - Propulsores de FoguetesLetras A, B, C, D e E representam 5
tratamentos
Esses são os dados originais recodificados (dados originais − 25)
Lote
Operador
1 2 3 4 5 yi..
1 A = −1 B = −5 C = −6 D = −1 E = −1 −14
2 B = −8 C = −1 D = 5 E = 2 A = 11 9
3 C = −7 D = 13 E = 1 A = 2 B = −4 5
4 D = −1 E = 6 A = 1 B = −2 C = −3 3
5 E = −3 A = 5 B = −5 C = 4 D = 6 7
y..k − 18 18 − 4 5 9 10 = y...
11
Tabela ANOVA – Quadrados LatinosExemplo dos Propulsores de Foguetes
Letra
Latina
TotalTratame
nto
A y.1. = 18
B y.2. = −24
C y.3. = −13
D y.4. = 24
E y.5. = 5
12
Exemplo – Propulsores de FoguetesSuponha agora que, além de operadores
e lotes de matéria-prima, temos ainda um terceiro fator perturbador: montagens de teste
Então, a montagem de teste será representada pelas letras gregas α, β, γ, δ, e ε
Vamos então analisar esse experimento usando um Quadrado Greco-Latino 5 x 5
A Análise de Variância é bem parecida com a análise para Quadrados Latinos
13
Exemplo - Propulsores de Foguetes
As SS das linhas (lote), colunas (operadores) e letras latinas (formulações) são as mesmas que antesSSL = 330.00 SSLinhas = 68.00 SSColunas = 150.00
Calcule então SSG e monte a tabela ANOVA
Lote
Operador
1 2 3 4 5 yi...
1 Aα = −1 Bγ = −5 Cε = −6 Dβ = −1 Eδ = −1 −14
2 Bβ = −8 Cδ = −1 Dα = 5 Eγ = 2 Aε = 11 9
3 Cγ = −7 Dε = 13 Eβ = 1 Aδ = 2 Bα = −4 5
4 Dδ = −1 Eα = 6 Aγ = 1 Bε = −2 Cβ = −3 3
5 Eε = −3 Aβ = 5 Bδ = −5 Cα = 4 Dγ = 6 7
y...l − 18 18 − 4 5 9 10 =y....
14
Exemplo dos Propulsores de FoguetesLetr
a Greg
a
Total
α y..1. = 10
β y..2. = −6
γ y..3. = −3
δ y..4. = −4
ε y..5. = 13
15
Tabela ANOVA – Quadrados Greco-LatinosExemplo dos Propulsores de Foguetes
Conclusão: Existe uma diferença significativa na médias da velocidade de queima causadas pelas diferentes formulações
Remoção da variabilidade devido às montagens de teste reduziu a SSE, e também os gl do erro
16
No R> dados <- read.table("DadosFoguete.txt", header=TRUE)> fit <- lm(Rate ~ factor(Formulation) + factor(Batch) +
factor(Operator) + factor(Assembly), data=dados)> anova(fit)Analysis of Variance Table
Response: Rate Df Sum Sq Mean Sq F value Pr(>F) factor(Formulation) 4 330 82.50 10.0000 0.003344 **factor(Batch) 4 68 17.00 2.0606 0.178311 factor(Operator) 4 150 37.50 4.5455 0.032930 * factor(Assembly) 4 62 15.50 1.8788 0.207641 Residuals 8 66 8.25 ---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1
‘ ’ 1
Análise EstatísticaExemplo dos Propulsores de Foguetes
Recommended