Aula Plan 06

PLANEJAMENTO DE EXPERIMENTOS I
Prof. Dr. Nerio Aparecido Cardoso

Universidade Federal de Rondnia UNIR
neriocardoso@unir.br ; neriocardoso@hotmail.com Apresentado em 22/08/2016

1
Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR
EMENTA
Conceito de Circularidade do Mtodo Cientifico, Conceitos Gerais da

Experimentao e suas aplicaes nas diversas reas das Cincias, Princpios
Bsicos da Experimentao, Um guia para o planejamento de experimentos,
Pressupostos fundamentais da anlise de varincia, Testes de Hiptese, Anlise
de Varincia, Verificao dos Pressupostos do Modelo de ANOVA, Delineamento
Completamente Casualizado, Testes de Comparaes Mltiplas, Esperana dos
Quadrados Mdios (EQM), Transformao de Dados, Delineamento em Blocos
Completos Casualizados, Delineamento em Quadrado Latino, Determinao do
Nmero de Repeties. Utilizao de Software Estatstico especfico no
desenvolvimento das anlises e clculos.
Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR 2

BIBLIOGRAFIA BSICA
BOX, G. E. P., W. G. HUNTER; J. S. HUNTER. Statistics for Experimenters.

John Wiley, New York, 1978.
COCHRAN, W. G.; G. M. COX. Experimental Design. John Wiley, New York.
MONTGOMERY, DOUGLAS C. Design and Analysis of Experiments. 3 ed. New
York, John Wiley, 1991.
PIMENTEL GOMES, F. Curso de Estatstica Experimental. 10a ed. Piracicaba,
So Paulo, 1982.
R Core Team (2012). R: A language and environment for statistical
computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-
900051-07-0, URL http://www.R-project.org/.

BIBLIOGRAFIA COMPLENTAR
COX, D. R. Planning of Experiments. New York, John Wiley, 1992.

DRUMOND, F. B., WERKEMA, M. C. C., AGUIAR, S. Anlise de Varincia:
Comparao de Vrias Situaes. Belo Horizonte, MG: FCO, EEUFMG, 1996.
HOFFMANN, R. e S. Vieira. Estatstica Experimental, ATLAS, 1989. SP.
KUTNER, M. H. , NETER J. , WASSERMAN, W. Applied linear statistical
models, regression, analysis of variance and experimental designs. 3. ed.
Homewood: Richard D. Irwin, Inc. , 1990.
PERES, C. de A. e C. D. SALDIVA. Planejamento de Experimentos. 5
SIMPSIO NACIONAL DE PROBABILIDADE E ESTATSTICA.
WERKEMA, M. C. C. AGUIAR, S. Planejamento e Anlise de Experimentos:
Como Identificar as Principais Variveis Influentes em um Processo. Belo
Horizonte, MG. Fundao Christiano Ottoni, E. E. UFMG, 1996.

Avaliao e Critrios de Avaliao da
Disciplina no Curso
Ser procedida por meio de trs avaliaes em sala de aula, individual e sem
consulta de material. Somente podero ser consultadas frmulas cedidas pelo
professor.
A mdia final ser obtida por meio da expresso:
MF M1 M2 M3
3
Se MF 60 o aluno estar aprovado.
Se MF < 60 o aluno far avaliao repositiva nos termos regimentais da UNIR.
A avaliao repositiva ir substituir a menor das notas (M1, M2 ou M3). Ento se
calcular novamente a mdia final.
1 AV. 19/09/16
2 AV. 24/10/16
3 AV. 28/11/16
4 REP. 05/12/16
ANLISE DE VARIANCIA ANOVA
PARA DELINEAMENTO INTEIRAMENTE
CASUALIZADO

Experimento em DIC
Experimento
Foi conduzido um experimento em delineamento completamente
casualizado. Uma locadora de equipamentos para construo civil quer
investigar se o tamanho dos equipamentos interfere no intervalo de
locao determinado em quantidade de dias. Um experimento foi
conduzido em 5 contratos de locao foram aleatoriamente selecionados
para cada tamanho de equipamento em um determinado ms. Os
resultados esto apresentados na tabela a seguir.
Tamanho 1 2 3 4 5 Total
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99

Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
1 Apresente o modelo matemtico e descreva-o.
onde
yij = quantidade de dias correspondente ao i-simo tamanho do
equipamento no j-simo contrato;
Taui o efeito do i-simo tamanho do equipamento;
ij = o erro experimental associado ao i-simo tamanho do equipamento

no j-simo contrato.
i = i-simo tamanho do equipamento que varia de mini, peq,..., grande

jProf.
= j-simo
Dr. Neriocontrato
Aparecidoque varia
Cardoso de 1, 2, ...,
- Universidade 5 de Rondnia UNIR
Federal
Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
2 Mostre as hipteses matemticas testadas e as hipteses
relacionadas ao experimento
Matemtica
Ho:G = M = P = M
Ha: i i para pelo menos um par com i i

Discursiva
Ho: As mdias de dias contratado o no difere em relao ao tamanho dos
equipamentos.
Ha: Pelo menos uma das mdias de dias contratado difere em relao ao
tamanho dosAparecido
Prof. Dr. Nerio equipamentos.
Cardoso - Universidade Federal de Rondnia UNIR
Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
3 Quadro da ANOVA e conclua atravs do Teste F com = 0,05

Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
= 611 - 9801/20 = 120,95
4 * 5 = 20
= 32 + 52 + 62 + ...+ 102 + 72 = 611
= 3 + 5 + 6 + ...+ 10 + 7 = 99 = 992 = 9801

Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
= 520,20 - 9801/20 = 30,15

5
4 * 5 = 20
= 242 + 202 + 202 + 352 = 2601/5 = 520,20
= 3 + 5 + 6 + ...+ 10 + 7 = 99 = 992 = 9801

Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
= 120,95 30,15 = 90,80
F.V. Df SQ QM F Pr(>F)
Tamanho 3 30.15 10.050 1.771 0.193
Resduos 16 90.80 5.675
Total 19 120,95
Com base no quadro da ANOVA possvel observar com p-valor = 0,19

que no h diferena significativa entre as mdias de dias de locao em
relao ao tamanho dos equipamentos.
Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20
Pequeno 4 1 7 5 3 20
Mini 3 5 10 10 7 35
Total 11 14 28 29 17 99
4 Verifique os pressupostos da ANOVA, atravs do Teste de Shapiro-
Wilk e Bartlett para = 0,05
Teste de Shapiro-Wilks
Normalidade
Wcal = 0,9421
p-valor = 0,26
Teste de Bartlett e
Homocedasticidade
Ucal = 1,1265
p-valor = 0,77
Com base
Prof. Dr. resultados
Nerio Aparecidoacima os-pressupostos
Cardoso de Rondnia UNIR
so atendidos.
Universidade Federal
Experimento em DIC
Grande 3 5 6 7 3 24
Mdio 1 3 5 7 4 20 q = n de trat., glres. = 4,05
Pequeno 4 1 7 5 3 20 QMRes = S2 = 5,675
Mini 3 5 10 10 7 35
99 r = n de repeties = 5.
Total 11 14 28 29 17
(5%) = 4,315
5 Construa a tabela de comparao de mdias por meio do Teste de
Tukey com = 0,05
Tabela xx: Teste de comparao de mdias do experimento XX realizada na data XX
em XX.
Tamanho Mdia
Pequeno 4,0a
Mdio 4,0a
Grande 4,8a
Mini 7,0a
Teste de comparao de mdias, letras iguais na coluna as mdias no diferem
estatisticamente por meio do Teste de Tukey a 5% de significncia.
Esperana dos Quadrados Mdios (EQM)

Na anlise de varincia, so considerados dois tipos de modelos.

Modelo de efeitos fixos ou Modelo Tipo I
Modelo de efeitos aleatrios ou Modelo do Tipo II
Os dois modelos tm diferenas conceituais e tambm afetam os testes

de hipteses da ANOVA.

Modelo Tipo I
Efeito (parmetro) de um tratamento fixo, quando o tratamento
selecionado atravs de um processo no aleatrio.
Os resultados no podem ser extrapolados para toda a populao.
As consideraes valem para os tratamentos ensaiados,
Exemplo: marcas de mquinas, doses de um produto etc.
Modelo Tipo II
Efeito (parmetro) de um tratamento aleatrio quando os tratamentos so
selecionados aleatoriamente (de n tratamentos possveis) da populao.
Os resultados podem ser extrapolados para toda a populao.
Exemplo: variedades de plantas, cidades etc.

Modelo Tipo I
Uma diferena bsica no modelo Tipo I (efeitos fixos), pode-se repetir o
experimento considerando os mesmos is;
Modelo Tipo II
No modelo do Tipo II (efeitos aleatrios), os is; sero um novo conjunto no
experimento seguinte.

Para o modelo yij = + i + ij , reescrevemos as esperanas:
Esperana do Quadrado Mdio para modelos Fixo e Aleatrio
Modelo Tipo II

Para o modelo yij = + i + ij ,

Hipteses a serem testadas
Modelo Fixo
Testa se o componente de varincia S2

significativo ou no.
Modelo Aleatrio
Se rejeita H0, conclui-se que existe
variabilidade entre os tratamentos.

Modelo aleatrio so aplicados em quaisquer reas, por exemplo nos

trabalhos relacionados a avaliao da padronizao de processos e ao
Melhoramento Gentico.
Esperanas dos Quadrados Mdios so demonstradas com facilidade para

os modelos mais simples.
Com muitos parmetros, no uma tarefa fcil encontrar as esperanas,

atravs do Mtodo de Hicks para encontrar as Esperanas de Quadrados
Mdios para vrios modelos de forma mais rpida.
Existem softwares que automaticamente encontram as esperanas. Como o

SAS e o Statistica, desde que os efeitos sejam especificados corretamente.
No R, necessrio conhecer a esperana da causa de variao para
conseguir obter o valor do teste F corretamente.

TRANSFORMAES DE DADOS

Para Heterocedasticidade
O modelo de Anlise de Varincia pressupe que exista homocedasticidade,

ou seja, que os tratamentos apresentem a mesma variabilidade.
Pressuposto pode no ser atendido. Para corrigir este problema possvel

realizar a transformao de dados.
Esta tcnica consiste na utilizao de um artifcio matemtico para tornar o

modelo de ANOVA vlido.









Heterocedasticidade (Regular e Irregular)
Heterocedasticidade irregular
Quando alguns tratamentos apresentam maior variabilidade do que outros,
contudo, no existe uma associao entre mdia e varincia.
Exemplo:
Controle de insetos - parcelas no tratadas normalmente apresentam maior

variao.
Neste exemplo, as parcelas no tratadas podem contribuir mais para o

QMRes do que parcelas tratadas.
Assim, em testes de comparaes mltiplas, podemos no detectar

diferenas reais.

Quando alguns tratamentos apresentam maior variabilidade do que outros,
contudo, no existe uma associao entre mdia e varincia.
Soluo:
1.Dividir os tratamentos em grupos que apresentam variabilidade comum.
2.Eliminar alguns tratamentos (a perda de informao no muito
recomendada).
3.Realizar transformao nos dados no resolve o problema de pressupostos.

Outras tcnicas para resolver este problema

Modelos Lineares Generalizados, que a princpio no possui certas
exigncias;
Anlise no-paramtrica que tambm no exige que algumas
pressuposies seja satisfeitas.

Heterocedasticidade regular
Existe alguma associao entre as mdias dos tratamentos e a varincia
(ou alguma medida de variabilidade).
OBS: normalmente, a heterocedasticidade regular est associada falta de

normalidade dos resduos.
Soluo
Se tem relao entre mdia e varincia e pode ser determinada, ento,
existe uma transformao que torna as varincias homogneas.

Princpio da Transformao
Se tem relao entre mdia e varincia existe e pode ser determinada, ento,
existe uma transformao que torna as varincias homogneas.
Se o desvio padro de uma varivel Y dado por Y e que esse desvio

proporcional a mdia de Y , pode-se dizer que Y ~ .
Objetiva-se encontrar uma transformao sobre Y que torne a variao

constante. Para obter Y * = Y
Portanto sabe-se que Y* ~ +1 Logo se = 1 - a varincia esta

estabilizada, e assim homognea.

Princpio da Transformao
Como selecionar ?
Sabe-se que Yi ~ Yi = Yi ( constante)
Transformao que torna a varincia esta estabilizada, e assim homognea.

Transformao Box-Cox
Esta uma tcnica de transformar a varivel respostas
Mtodo onde estabelece-se uma relao grfica entre a varivel

resposta e alguma medida de variao, em geral, o desvio padro
Box e Cox, em 1964, mostraram que uma transformao da

forma Y * = Y pode ser estimada simultaneamente com
parmetros do modelo, como mdias, por exemplo, de tal forma
a se conseguir uma transformao adequada.
Metodologia baseada no mtodo de mxima verossimilhana.

Transformao Box-Cox
Esta uma tcnica de transformar a varivel respostas
Procedimento computacional, que consiste na obteno de vrios

valores de e a gerao de uma anlise de varincia com cada
transformao da forma
Mdia Geomtrica das observaes

Soma de Quadrados do Erro (SQE) da ANOVA mnima
Obtido pelo grfico SQE vs , o que minimiza a SQE melhor

Prof. Dr. De 10Aparecido
Nerio a 20 valores em- Universidade
Cardoso geral so suficientes
Federal de Rondnia UNIR
Transformao Box-Cox
Se os valores no forem suficientes, os clculos pode ser efetuado, definindo-
se valores de para os quais deseja-se estimar o valor timo.
Transformao da escala das variveis torna impossvel a comparao das

SQEs diretamente da anlise de varincia. O divisor y -1 torna as SQEs
comparveis diretamente.
Quando = 0 y = 1 e todos os valores da varivel resposta sero uma

constante.
O componente (y 1/) quando tende para zero, (y 1/) tende para o

limite deNerio
Prof. Dr. ln y.Aparecido Cardoso - Universidade Federal de Rondnia UNIR
Transformao Box-Cox
Se o intervalo conter valor 1 no precisa de transformao

= 0, utiliza-se lny, caso contrrio y
Os pontos
Prof. Dr. que cortam
Nerio Aparecido a curva
Cardoso representam
- Universidade o intervalo
Federal deconfiana
de Rondnia UNIR de
Transformao Box-Cox
Os pontos que cortam a curva
representam o intervalo de
confiana de
Um intervalo de confiana
aproximado (100(1-)) para
pode ser estimado por:
Linha paralela colocada no valor de SQ* indica no grfico de SQE() versus ,

os pontos onde deve ser inserido o intervalo de confiana para .
Transformao Box-Cox
Para escolher o valor de
Verificar qual valor minimiza a SQE. Em geral, recomenda-se que um valor

com significado prtico, como por exemplo = 0,5 seja escolhido ao invs de
= 0,58 pois 0,5 determina uma transformao raiz quadrada (mas com
computador
Prof. Dr. Nerio isso no Cardoso
Aparecido mais problema)
- Universidade Federal de Rondnia UNIR
COEFICIENTE DE VARIAO

Coeficiente de Variao (CV)
Utilizado como:
Medida da preciso experimental.

Comparar a preciso experimental de variveis de experimentos
semelhantes.
CV extremamente afetado pela escala da varivel resposta.

Coeficiente de Variao (CV)
Considere:
0% < CV % 10% - tima preciso experimental
10% < CV % 20% - boa preciso experimental
20% < CV % - pssima preciso experimental
Esses valores podem variar de acordo com o tipo de experimento.
Experimento em laboratrio menor variao dependendo da natureza

da variavel. resp.
Experimento em campo maior variao dependendo da natureza da
variavel. resp.
Forma de obteno da varivel resposta importante para uma correta

interpretao da variao experimental em funo do Coeficiente de Variao.
Exemplo
Observe que houve uma reduo do valor do CV% para a varivel

transformada.
Por isso, o CV% nem sempre um bom indicador da preciso experimental.
Pode-se imaginar que os dados da primeira coluna foram obtidos de um
experimento onde a variao da varivel resposta , por natureza, maior do
que a varivel resposta da segunda coluna.
DETERMINAO DO NMERO DE
REPETIES

DETERMINAO DO NMERO DE REPETIES
Introduo
O nmero de repeties em um experimento pode estar limitado a vrios

fatores custos de implantao e execuo do experimento,
disponibilidade de material experimental e recursos humanos, facilidade de
avaliao etc.
O importante a variabilidade da varivel resposta que se vai analisar no

experimento.
Em geral, o nmero de repeties ser determinado pela varivel com maior

variao, ou ento, pela varivel mais importante para o pesquisador.
Introduo
Na maior parte dos experimentos, o pesquisador determina, por experincia

e conhecimento do fenmeno, qual a quantidade ideal e possvel de
unidades experimentais que um experimento pode ter.
O esforo para determinao do nmero de repeties depende da

possibilidade de se utilizar o nmero de repeties ideal.

Mtodo de Tukey
Uma estimativa do nmero de repeties est vinculada principalmente

a estimativa da variabilidade do experimento (s; s2;CV %).

Mtodo de Tukey
Para utilizar o mtodo de Tukey precisa de um experimento piloto, no

necessariamente com o mesmo delineamento que se est planejando
mas, que tenha a mesma varivel resposta de interesse, ou uma
estimativa da variabilidade da varivel resposta.
Ao mesmo tempo, pode-se determinar que diferena significativa d

desejada encontrar em no experimento (diferena que eu quero que seja
significativa entre os meus tratamentos com um determinado nvel de
significncia).

Mtodo de Tukey
Para utilizar o mtodo de Tukey precisa de um experimento piloto, no

necessariamente com o mesmo delineamento que se est planejando
mas, que tenha a mesma varivel resposta de interesse, ou uma
estimativa da variabilidade da varivel resposta.

Mtodo de Tukey
Ao mesmo tempo, pode-se determinar que diferena significativa d

desejada encontrar em no experimento (diferena que eu quero que seja
significativa entre os meus tratamentos com um determinado nvel de
significncia).
Utilizando a expresso
onde
q= amplitude Total Studentizada para o experimento a ser feito (Tab. Tukey);
s2=estimativa da variabilidade;
d= diferena (em valor absoluto) que dever se comprovada;
F= distribuio F com n1 gl do resduo do novo experimento e n2 gl do resduo
do experimento anterior com um determinado nvel de significncia.
Mtodo de Tukey
Como q e F dependem do valor de r, a soluo obtida por aproximaes

sucessivas, a partir de uma tentativa inicial.
O nmero r garantir, com uma probabilidade (1 - ), que uma diferena d
seja comprovada estatisticamente, pelo teste de Tukey.

Mtodo de Coeficiente de Variao
Medida de variabilidade utilizamos o valor de d em percentual.

Como q e F dependem do valor de r, a soluo obtida por aproximaes
sucessivas, a partir de uma tentativa inicial.
O nmero r garantir, com uma probabilidade (1 - ), que uma diferena d
seja comprovada estatisticamente, pelo teste de Tukey.

Mtodo de Coeficiente de Variao
Para o experimento anterior um CV=15%, calculado com n=60 GL do

resduo, 8 tratamentos e d=25%.
Iniciando com 3 repeties:

q = 4,99(8;14) e F = 1,86(14;60)
O nmero de repeties deve estar entre 3 e 17.
Agora com 11 repeties:

q = 4; 44(8; 70) e F = 1; 53(70; 60)
Tabela da Distribuio W Teste Shapiro-Wilk
an-i+1 so constantes geradas pelas mdias, var, e cov. das estatsticas de
ordem de uma amostra de tamanho n de uma distribuio Normal.



Teste Shapiro-Wilk : an-i+1 so constantes geradas pelas mdias, var, e cov.
das estatsticas de ordem de uma amostra de tamanho n de uma dist. Normal.


COMPARAO DE MDIAS
Teste de Tukey

COMPARAO DE MDIAS
Teste de Duncan

COMPARAO DE MDIAS
Teste de Dunnett

COMPARAO DE MDIAS
Distribuio T

COMPARAO DE MDIAS
Distribuio Qui-quadrado

COMPARAO DE MDIAS
Estatstica H

COMPARAO DE MDIAS
Teste Lilliefors

COMPARAO DE MDIAS
Teste de F para 5%

COMPARAO DE MDIAS
Teste de F para 1%

Aula Plan 06

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Aula Plan 06

Caricato da

Copyright:

Formati disponibili

PLANEJAMENTO DE EXPERIMENTOS I

Prof. Dr. Nerio Aparecido Cardoso

neriocardoso@unir.br ; neriocardoso@hotmail.com Apresentado em 22/08/2016

Conceito de Circularidade do Mtodo Cientifico, Conceitos Gerais da

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR 2

BOX, G. E. P., W. G. HUNTER; J. S. HUNTER. Statistics for Experimenters.

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR 3

COX, D. R. Planning of Experiments. New York, John Wiley, 1992.

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR 4

A mdia final ser obtida por meio da expresso:

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Taui o efeito do i-simo tamanho do equipamento;

ij = o erro experimental associado ao i-simo tamanho do equipamento

i = i-simo tamanho do equipamento que varia de mini, peq,..., grande

Ha: i i para pelo menos um par com i i

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

= 611 - 9801/20 = 120,95

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

= 520,20 - 9801/20 = 30,15

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

= 120,95 30,15 = 90,80

Com base no quadro da ANOVA possvel observar com p-valor = 0,19

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Na anlise de varincia, so considerados dois tipos de modelos.

Os dois modelos tm diferenas conceituais e tambm afetam os testes

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Para o modelo yij = + i + ij , reescrevemos as esperanas:

Esperana do Quadrado Mdio para modelos Fixo e Aleatrio

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Para o modelo yij = + i + ij ,

Testa se o componente de varincia S2

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Modelo aleatrio so aplicados em quaisquer reas, por exemplo nos

Esperanas dos Quadrados Mdios so demonstradas com facilidade para

Com muitos parmetros, no uma tarefa fcil encontrar as esperanas,

Existem softwares que automaticamente encontram as esperanas. Como o

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

O modelo de Anlise de Varincia pressupe que exista homocedasticidade,

Pressuposto pode no ser atendido. Para corrigir este problema possvel

Esta tcnica consiste na utilizao de um artifcio matemtico para tornar o

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

O modelo de Anlise de Varincia pressupe que exista homocedasticidade,

Pressuposto pode no ser atendido. Para corrigir este problema possvel

Esta tcnica consiste na utilizao de um artifcio matemtico para tornar o

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

O modelo de Anlise de Varincia pressupe que exista homocedasticidade,

Pressuposto pode no ser atendido. Para corrigir este problema possvel

Esta tcnica consiste na utilizao de um artifcio matemtico para tornar o

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Controle de insetos - parcelas no tratadas normalmente apresentam maior

Neste exemplo, as parcelas no tratadas podem contribuir mais para o

Assim, em testes de comparaes mltiplas, podemos no detectar

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Outras tcnicas para resolver este problema

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

OBS: normalmente, a heterocedasticidade regular est associada falta de

Prof. Dr. Nerio Aparecido Cardoso - Universidade Federal de Rondnia UNIR

Se o desvio padro de uma varivel Y dado por Y e que esse desvio

Objetiva-se encontrar uma transformao sobre Y que torne a variao