Sei sulla pagina 1di 39

1

Fatoriais 2
k

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 2
k
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 2
2

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.
2
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 Repeties
A B
Tratamentos
I II III
Totais
- - A 15, B 1 28 25 27 80
+ - A 25, B 1 36 32 32 100
- + A 15, B 2 18 19 23 60
+ + A 25, B 2 31 30 29 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 (+).
3
(1)=80 a=100
b=60
ab=90
-
+
+
-
A
B
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 :
n
b a ab
n
b
n
a ab
A A
y y A
2
) 1 (
2
) 1 (
2
+ +
+
+
= = =
4
n
a b ab
n
a
n
b ab
B B
y y B
2
) 1 (
2
) 1 (
2
+
+
+
= = =
Efeito de B:
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).
n
b a ab
n
b a
n
ab
AB
2
) 1 (
2 2
) 1 ( +
+
+
= =
Outra maneira de se encontrar esses efeitos:
Sinais algbricos para calcular os efeitos num fatorial 2
2
Efeitos fatoriais Tratamentos
I A B AB
(1) + - - +
a + + - -
b + - + -
ab + + + +
I = corresponde a uma constante geral do experimento.
Produto (A x B)
5
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:
67 , 1 ) 60 100 80 90 (
00 , 5 ) 80 100 60 90 (
33 , 8 ) 80 60 100 90 (
) 3 ( 2
1
) 3 ( 2
1
) 3 ( 2
1
= + =
= + =
= + =
AB
B
A
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).
6
Anlise de varincia
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.

=
=
=
+ + + + =
n 1,2,..., k
b 1,2,..., j
a 1,2,..., i
ijk ij j i ijk
AB B A y c ) (
7
34 , 31
00 , 323 00 , 9075 00 , 9398
33 , 8
00 , 75
33 , 208
Re
2
1
2
1 1
4
2
) 3 ( 4
10
4
] ) 1 ( [
) 3 ( 4
) 30 (
4
)] 1 ( [
) 3 ( 4
50
4
)] 1 ( [
2
. . .
2
2
2 2
2
2
= =
= = =
= = =
= = =
= = =

= = =
+
+
+
AB B A Total sduo
i j
n
k
n
y
ijk Total
n
b a ab
AB
n
a b ab
B
n
b a ab
A
SQ SQ SQ SQ SQ
y SQ
SQ
SQ
SQ
Anlise de varincia do experimento com reagente e catalisador (modelo de efeitos
fixos)
Causas de
variao
Soma de
quadrados
Graus de
liberdade
Quadrados
mdios
F0 Nvel
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
8
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:
c | | | + + + =
2 2 1 1 0
x x y
Onde x
i
uma varivel codificada, da seguinte forma.
5 0
5 1
2 1 2
2 2 1
2
2
2
5
20
2 15 25
2 25 15
2
2
1
,
,
/ ) (
/ ) (
/ ) (
/ ) (
Re
/ ) (
/ ) ( Re
/ ) Re (Re
/ ) Re (Re Re

+
= = =
= = =
Catal Catal
Catal Catal
Catal Catal Catal
ag ag
ag ag
ag ag ag
baixo alto
alto baixo
baixo alto
alto baixo
x
x
Assim, x
1
assume os valores: x
1
=-1 e x
1
=1; x
2
assume os valores: x
2
=-1 e x
2
=1.
Os |s so os parmetros do modelo de regresso, desconhecidos e que sero
estimados (mtodo de mnimos quadrados).
)
(
modelo no esta no
2 1 12
x x |
9
Clculo dos |s no fatorial 2
k

500 , 2

165 , 4

500 , 27

2
00 , 5
2
2
33 , 8
1
12
330
0
= =
= =
= =

|
|
|
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:
2 1
5 , 2 165 , 4 5 , 27

x x y + =
[-1;1]
10
Resduos e verificao do ajuste do modelo
Sada do SAS:
Resduo = valores observados-valores estimados

Valores estimados e resduos do modelo de regresso

OBS CATALISA REAGENTE REP YIELD ESTIMADO RESIDUOS

1 -1 -1 1 28 25.8333 2.16667
2 -1 -1 2 25 25.8333 -0.83333
3 -1 -1 3 27 25.8333 1.16667
4 -1 1 1 36 34.1667 1.83333
5 -1 1 2 32 34.1667 -2.16667
6 -1 1 3 32 34.1667 -2.16667
7 1 -1 1 18 20.8333 -2.83333
8 1 -1 2 19 20.8333 -1.83333
9 1 -1 3 23 20.8333 2.16667
10 1 1 1 31 29.1667 1.83333
11 1 1 2 30 29.1667 0.83333
12 1 1 3 29 29.1667 -0.16667
Resduo:
i i
y y

=
i
e
y
y
11
Os resduos esto aleatoriamente
distribudos. Os grficos esto
satisfatrios. As nossas
concluses so vlidas.
12
Superfcie de resposta
O modelo de regresso com os nveis naturais dos fatores dado por:
( ) ( )
Catal ag y
y
Catal reag
00 5 8333 0 33 18
5 2 165 4 5 27
5 0
5 1
5
20
, Re , ,

, , ,

,
,
+ =
+ =

13
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 2
3
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.
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).
8 tratamentos
14
Repeties Carbono
(A)
Presso
(B)
Velocidade
(C) I II
Totais
10 25 200 -3 -1 -4 = (1)
10 25 250 -1 0 -1 = c
10 30 200 -1 0 -1 = b
10 30 250 1 1 2 = bc
20 25 200 0 1 1 = a
20 25 250 2 1 3 = ac
20 30 200 2 3 5 = ab
20 30 250 6 5 11 = abc

Tabela: dados experimentais
Desvios da altura de
enchimento desejado
15
Geometricamente, esse delineamento representado por um cubo.
Tratamentos:
(1)
a
b
ab
c
ac
bc
abc

(1)
a
b
c
-
+
Fator A
+
- -
+
ac
ab
abc
bc
16
Sinais algbricos para calcular os efeitos no fatorial 2
3
Tratamentos
I A B AB C AC BC ABC
(1) + - - + - + + -
a + + - - - - + +
b + - + - - + - +
ab + + + + - - - -
c + - - + + - - +
ac + + - - + + - -
bc + - + - + - + -
abc + + + + + + + +
Tabela 7-3. Tabela com sinais de + e de - formando os contrastes para estimar os efeitos
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 = AB
2
= A
17
De maneira anloga, obtemos os seguintes valores para os demais efeitos
50 , 0 50 , 0 25 , 0
75 , 0 75 , 1 25 , 2
= = =
= = =
ABC BC AC
AB C B
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.
Estimao dos efeitos dos fatores
00 , 3
] 2 11 ) 1 ( 3 ) 1 ( 5 ) 4 ( 1 [
] ) 1 ( [
8
1
4
1
=
+ + + =
+ + + =


bc abc c ac b ab a A
n
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). Exemplo: Mod(3;2)=3-2.inteira(3/2)=3-2=1.
18
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:
n
Contraste
SQ
8
) (
2
=
Source DF Sum of Squares Mean Square F Value Pr > F

Model 7 73.00000000 10.42857143 16.69
1
0.0003
Error 8 5.00000000 0.62500000
Corrected Total 15 78.00000000

R-Square C.V. Root MSE FILLHEIG Mean
0.935897 79.05694 0.79056942 1.00000000

Source DF Type I SS Mean Square F Value Pr > F

CARBONO 1 36.00000000 36.00000000 57.60 0.0001
*

PRESSAO 1 20.25000000 20.25000000 32.40 0.0005
*

CARBONO*PRESSAO 1 2.25000000 2.25000000 3.60 0.0943
VELOCIDA 1 12.25000000 12.25000000 19.60 0.0022
*

CARBONO*VELOCIDA 1 0.25000000 0.25000000 0.40 0.5447
PRESSAO*VELOCIDA 1 1.00000000 1.00000000 1.60 0.2415
CARBON*PRESSA*VELOCI 1 1.00000000 1.00000000 1.60 0.2415

1


0
123 23 13 12 3 2 1 0
= = = = = = = H :
19
Modelo de regresso e superfcie de resposta
O modelo de regresso, a ser estimado, com as variveis codificadas dado por:
3 3 2 2 1 1 0
x x x y

+ + + =

Onde x
1
, x
2
e x
3
, representam os fatores A, B e C, respectivamente. Atravs do programa SAS,
estimamos os parmetros da regresso.
3 2 1
875 0 125 1 50 1 00 1 x x x y , , , ,

+ + + =
20
V P C y * , * , * , ,

035 0 450 0 300 0 750 23 + + + =


Modelo de regresso nas variveis originais
21
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.
22
Fatorial 2
k
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
2
6
=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 o
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.
23
Exemplo (Montgomery, pgina 319, 4 ed.).
Fatorial 2
4
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.
24
Fatores Nmero do
tratamento A B C D
Rtulo Taxa de
filtrao
1 - - - - (1) 45
2 + - - - a 71
3 - + - - b 48
4 + + - - ab 65
5 - - + - c 68
6 + - + - ac 60
7 - + + - bc 80
8 + + + - abc 65
9 - - - + d 43
10 + - - + ad 100
11 - + - + bd 45
12 + + - + abd 104
13 - - + + cd 75
14 + - + + acd 86
15 - + + + bcd 70
16 + + + + abcd 96
Tabela do experimento com taxa de filtrao (matriz do delineamento)
25
Tabela de contrastes do fatorial 2
4
A B AB C AC BC ABC D AD BD ABD CD ACD BCD ABCD
(1) - -
+
-
+ + -
-
+ + - + - - +
a + -
-
-
- + +
-
- + + + + - -
b - +
-
-
+ - +
-
+ - + + - + -
ab + +
+
-
- - -
-
- - - + + + +
c - -
+
+
- - +
-
+ + - - + + -
ac + -
-
+
+ - -
-
- + + - - + +
bc - +
-
+
- + -
-
+ - + - + - +
abc + +
+
+
+ + +
-
- - - - - - -
d - -
+
-
+ + -
+
- - + - + + -
ad + -
-
-
- + +
+
+ - - - - + +
bd - +
-
-
+ - +
+
- + - - + - +
abd + +
+
-
- - -
+
+ + + - - - -
cd - -
+
+
- - +
+
- - + + - - +
acd + -
-
+
+ - -
+
+ - - + + - -
bcd - +
-
+
- + -
+
- + - + - + -
abcd + +
+
+
+ + +
+
+ + + + + + +
Estimativas dos efeitos :
21,625


abcd bcd acd cd abd bd ad d abc bc ac c ab b a A
8
1
8
1
=
=
+ + + + + + + + =
+ + + + + + + + =
) 00 , 173 (
] 96 70 86 75 104 45 100 43 65 80 60 68 65 48 71 45 [
] ) 1 ( [
8
1
26
Os valores dos demais efeitos so:
1,375 ABCD -2,625 BCD -1,625 ACD 4,125 ABD 1,875 ABC
-1,125 CD -0,375 BD 2,375 BC 16,625 AD -18,125 AC 0,125 AB
14,625 D 9,875 C 3,125 B
= = = = =
= = = = = =
= = =
27
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.
-
+
Fator A = temperatura
40
100
70
C
-

C
+

-
+
Fator A
40
100
70
D
-

D
+

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
filtrao obtida para alto nvel de A e D e baixo nvel de C.
Concentrao
Taxa
28
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 2
3
, 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 2
3
.
Como, agora, temos duas repeties, vamos ter uma estimativa do erro
experimental. A ANOVA do experimento fatorial 2
3
dada na tabela a seguir.
Em geral, se temos um experimento fatorial 2
k
, 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 2
h

repeties.


29
Source DF Sum of Squares Mean Square F Value Pr > F

Model 7 5551.43750000 793.06250000 35.35 0.0001
Error 8 179.50000000 22.43750000
Corrected Total 15 5730.93750000

R-Square C.V. Root MSE RATE Mean

0.968679 6.760855 4.73682383 70.06250000

Source DF Type I SS Mean Square F Value Pr > F

A 1 1870.56250000 1870.56250000 83.37 0.0001
C 1 390.06250000 390.06250000 17.38 0.0031
A*C 1 1314.06250000 1314.06250000 58.57 0.0001
D 1 855.56250000 855.56250000 38.13 0.0003
A*D 1 1105.56250000 1105.56250000 49.27 0.0001
C*D 1 5.06250000 5.06250000 0.23 0.6475
A*C*D 1 10.56250000 10.56250000 0.47 0.5120

T for H0: Pr > |T| Std Error of
Parameter Estimate Parameter=0 Estimate

INTERCEPT 70.06250000 59.16 0.0001 1.18420596
A 10.81250000 9.13 0.0001 1.18420596
C 4.93750000 4.17 0.0031 1.18420596
A*C -9.06250000 -7.65 0.0001 1.18420596
D 7.31250000 6.18 0.0003 1.18420596
A*D 8.31250000 7.02 0.0001 1.18420596
C*D -0.56250000 -0.48 0.6475 1.18420596
A*C*D -0.81250000 -0.69 0.5120 1.18420596


30
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:
4 1 2
625 , 16
3 1 2
125 , 18
4 2
625 , 14
3 2
875 , 9
1 2
625 , 21
) ( ) ( ) ( ) ( ) ( 06 , 70 x x x x x x x y + + + + =
(as estimativas dos parmetros do modelo esto no output do SAS)
Onde 70,06 a mdia geral; e as variveis codificadas x
1
, x
3
e x
4
possuem os valores
-1 e +1. O valor predito para taxa no tratamento (1) vale:
46,22
) 1 )( 1 ( 31 , 8 ) 1 )( 1 ( 06 , 9 ) 1 ( 31 , 7 ) 1 ( 94 , 4 ) 1 ( 81 , 10 06 , 70
=
+ + + + = y
31
Os valores observados, preditos e resduos para as 16 observaes so:
OBS D C B A RATE PREDITO RESIDUO

1 -1 -1 -1 -1 45 46.250 -1.250
2 -1 -1 -1 1 71 69.375 1.625
3 -1 -1 1 -1 48 46.250 1.750
4 -1 -1 1 1 65 69.375 -4.375
5 -1 1 -1 -1 68 74.250 -6.250
6 -1 1 -1 1 60 61.125 -1.125
7 -1 1 1 -1 80 74.250 5.750
8 -1 1 1 1 65 61.125 3.875
9 1 -1 -1 -1 43 44.250 -1.250
10 1 -1 -1 1 100 100.625 -0.625
11 1 -1 1 -1 45 44.250 0.750
12 1 -1 1 1 104 100.625 3.375
13 1 1 -1 -1 75 72.250 2.750
14 1 1 -1 1 86 92.375 -6.375
15 1 1 1 -1 70 72.250 -2.250
16 1 1 1 1 96 92.375 3.625
32
Os pontos esto aleatoriamente distribudos; considera-se que as suposies do
modelo esto satisfeitas.
33
Superfcie de resposta
A superfcie de regresso gerada pelo modelo de regresso:
4 1 2
625 , 16
3 1 2
125 , 18
4 2
625 , 14
3 2
875 , 9
1 2
625 , 21
) ( ) ( ) ( ) ( ) ( 06 , 70 x x x x x x x y + + + + =
D=1 ou x
4
=1
34
Os grficos indicam que para maximizar a taxa de filtragem, as variveis A (x
1
) e D
(x
4
) devem ser utilizadas nos seus nveis altos. Os grficos indicam uma relativa
estabilidade para a varivel C (x
3
). Os mesmos resultados foram verificados na
interpretao dos grficos da interao.
Para temperatura, x
1
=1:
35
Adio de pontos centrais no fatorial 2
k

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

= < =
+ + + + =
k
j j i
k
j
j jj j i ij j j
x x x x y
1 1
2
0
c | | | |
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 2
k
. Vamos fazer n repeties nos pontos x
i
=0
(i=1,2,...,k). Estamos assumindo que os k fatores so quantitativos.
36
A soma de quadrados do efeito de curvatura dada por:
C F
C F C F
n n
y y n n
grau 2o. de curvatura da efeito
SQ
+

=
2
) (
Onde, em geral, n
F
o nmero de pontos do fatorial, n
C
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:

= =
= =
k
j
jj a
k
j
jj
H vs H
1 1
0
0 : 0 : | |
Para testar essas hipteses compara-se a SQ
efeito da curvarutura de 2o. Grua
com o quadrado
mdio residual.
Se os pontos fatoriais s tem uma nica repetio, usamos os n
C
pontos centrais para
obter uma estimativa do erro com n
C
-1 graus de liberdade.
37
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 2
2
com uma nica repetio de cada combinao do fatorial aumentado com 5
pontos pontos centrais. O desenho e os dados so dados na figura.
40.3
40.5
40.7
40.2
40.6
41.5 40.0
40.9
39.3
150 -1
155 0
160 1
-1

30
0

35
1

40
tempo
t
e
m
p
e
r
a
t
u
r
a

38
Clculo do quadrado mdio do resduo
( )
( )
043 , 0
4
1720 , 0
4
46 , 40
1
5
1
2
2
= =

= i
i
C
centrais pontos
i
erro
y
n
y y
QM
Anlise de varincia do processo de produo - exemplo 7-5 (livro Montgomery)
Variaes no
modelo
Soma de
quadrados
Graus de liberdade Quadrados mdios F0 Valor p
Tempo 2,4025 1 2,4025 55,87 0,0017 *
Temperatura 0,4225 1 0,4225 9,83 0,0350 *
Tempo*temperatura 0,0025 1 0,0025 0,06 0,8185 NS
Efeito quadrtico 0,0027 1 0,0027 0,06 0,8185 NS
Erro 0,1720 4 0,0430
Total 3,0022 8
Clculo da soma de quadrados do efeito quadrtico
0027 , 0
5 4
) 035 , 0 )( 5 )( 4 (
2
=
+

= SQ
Interpretao: o efeito da interao no significativo; efeito significativo de
tempo e temperatura. O efeito quadrtico no significativo, isto a hiptese:
H
0
:|
11
+ |
22
=0 no pode ser rejeitada. Portanto, um modelo de primeira ordem
indicado.
39
Vamos assumir um modelo de regresso de 2a. ordem
c | | | | | | + + + + + + =
2
2 22
2
1 11 2 1 12 2 2 1 1 0
x x x x x x y
No podemos estimar os parmetros nesse modelo porque existem 6 parmetros para
serem estimados e o fatorial 2
2
mais o ponto central tem apenas 5 observaes
independentes.
Soluo:
- aumentar o fatorial 2
2
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.
x
2

Dois fatores. Fig (a)
x
3

x
2

x
1

Trs fatores. Fig. (b)
Tem 8+6+n
C

pontos (3sn
C
s5)

Potrebbero piacerti anche