Professional Documents
Culture Documents
e Outros Delineamentos
3 -1 Delineamento em blocos completos casualizados
Um fator de perturbao (nuisance factor) um fator que provavelmente tem um efeito sobre a
resposta, mas o pesquisador no est interessado neste efeito. Quando este efeito conhecido e
controlvel, ento pode-se usar a tcnica de blocagem para eliminar esse efeito da comparao
entre os tratamentos.
Blocos
72
Caso tpico: julgador=bloco. Entre os blocos deve haver diferenas marcantes; dentro do bloco
deve haver homogeneidade. Geralmente, blocos igual a repeties.
73
Delineamento em blocos completos casualizados para dados de populaes de
bactrias psicrotroficas (log de ufc/cm2)
Tratamentos Blocos Total Mdia
I II III IV V VI
700 w / 2 min 14,60 15,01 14,15 15,07 15,07 15,46 89,37 14,89
350 w / 1 min 14,84 15,40 14,08 14,69 15,40 14,65 91,26 15,21
Controle 13,40 14,20 13,22 13,81 13,98 14,42 83,04 13,84
Total 42,85 44,61 41,45 43,57 44,45 44,54 261,47 14,53
74
Consideraes sobre o grfico:
Apresenta variaes entre blocos
Em todos os blocos o controle foi o que apresentou a menor populao de bactrias
H indicativo de interao entre blocos e tratamentos
75
O modelo estatstico
a mdia geral
i o efeito fixo do i-simo tratamento
j o efeito fixo do j-simo bloco
ij o erro aleatrio. Assume-se que ij ~ NID(0,2)
y y .. b y i. y .. a y.j y.. y ij y i. y .j y ..
a b a b a b 2
2 2 2
ij
i1 j1 i1 j1 i1 j1
2
a
y
b
SQ T y ij2 ..
i 1 j1 N
1 b 2 y ..2
SQ Blocos y .j
a j1 N
1 a 2 y ..2
SQ Tratamentos y i.
b i1 N
SQ Erro SQ T SQ Blocos SQ Tratamentos
Graus de liberdade:
SQT N-1
SQBlocos b-1
SQTratamentos a-1
SQErro ab-1-(a-1)-(b-1)=(a-1)(b-1)
Quadrados mdios:
QM tratamentos SQtratamentos
a 1 77
Esperanas dos quadrados mdios:
a
b 2
i
a 1
b
a 2j
j1
E(QM Bloco s) 2
b 1
E(QM Erro ) 2
QM Tratamentos
F0
QM Erro
Rejeita-se H0 se F0 > F,a-1,(a-1)(b-1)
78
Anlise de varincia para blocos completos casualizados
Causas de Soma de Graus de Quadrado F0
variao quadrados liberdade mdio
Tratamentos SQTratamentos a-1 SQTratamentos QMTratamentos / QMErro
a-1
Blocos SQBlocos b-1 SQBlocos
b-1
Erro SQErro (a-1)(b-1) SQErro
(a-1)(b-1)
Total SQT N-1
Exemplo 3-1. Dados de populao de bactrias psicrotroficas (log).
Arquivo: psicrotroficasblocoscasualizados.sas
Conclumos que devemos rejeitar a hiptese de igualdade entre as mdias dos 3 tratamentos. O R 2 =
(SQModelo / SQT), para este modelo, vale 89,99%, isto indica que o modelo est muito bem ajustado
aos dados. O valor do coeficiente de variao foi igual a 1,90%, indicando tima preciso.
81
Diagnstico do modelo: 1 - Normalidade.
2 - Heterogeneidade de varincias (por tratamento e por bloco).
3 - Interao bloco e tratamento
4- Efeito do tempo
82
Teste de Levene:
Blocos F=0,2745 p=0,9184
Trat/os F=0,0145 p=0,9856
83
Se o padro curvilneo indica
interao entre blocos e
tratamentos, nesse caso, pode-se
usar uma transformao (ln).
Teste de Tukey para verificar a
presena de interao.
1 14.2800 0.59520
2 14.8700 0.37470
3 13.8167 0.26823
4 14.5233 0.41773
5 14.8167 0.55223
84
6 14.8433 0.29843
Anlise de covarincia para o delineamento em blocos ao acaso.
yij i j xij x ij
85
3-1.3 Outros aspectos do delineamento em Blocos Completos Casualizados
1) Aditividade do modelo
2) Blocos aleatrios
86
1 - Modelo Aditivo
yij i j ij
Esperanas dos quadrados mdios:
E(QM Blocos) 2 a 2
a
b i
E(QM Tratamentos ) 2 i1
a 1
E(QM Erro ) 2
Teste F para tratamentos: QMTratamentos/QMErro
87
Exemplo. Oito provadores avaliaram o quanto gostavam ou desgostavam de trs marcas
diferentes de salsichas usando a ficha 8 (estruturada mista escala hednica). Os resultados
foram:
Provador Amostras
A B C
1 6 8 6
2 5 8 7
3 5 7 6
4 5 8 5
5 7 7 4
6 7 8 3
7 7 8 2
8 7 8 1
Total 49 62 34
Mdia 6,13 7,75 4,25
88
2 - Modelo com interao Blocos x Tratamentos
yij i j ij ij
Nas situaes onde o efeito de blocos aleatria e a interao blocos x tratamento
est presente, o teste para tratamentos no afetado. A obteno das somas de
quadrados e os graus de liberdade so calculados da forma usual. A diferena ocorre
nas esperanas dos quadrados mdios.
E(QM Blocos) 2 a 2
b a
E(QM Tratamentos ) 2 2
a 1 i1
2
i
E(QM Bl.Tr ) 2 2
Teste F para tratamentos: QMTratamentos/QMBl.Tr
89
3) Determinao do tamanho da amostra ou nmero de blocos
a 2 2a 2
Com (a-1) graus de liberdade no numerador e (a-1)(b-1) gl no denominador.
b 2
1 2
Com (a-1) graus de liberdade no numerador e (a-1)(b-1) gl no denominador.
0,10
Para b=4, a preciso do intervalo dada por: 2,447 2 0,5471
4
A pesquisadora deve usar b=5 blocos.
91
3-2 Delineamento Quadrado Latino
Este delineamento utiliza um duplo bloqueamento. Deseja-se controlar duas fontes de
variabilidade, portanto vamos ter duas restries na casualizao.
C
O
L
U
N
A
S
L
I
N
H
A
S
92
Exemplo: um pesquisador est estudando o efeito de 4 tratamentos (A, B, C e D), sobre o
aroma (escala hednica de 7 pontos) de um legume. Foram utilizados 4 julgadores,
provavelmente existe diferenas (exemplo: experincia, capacidade) entre os mesmos. Alm
disso, foram utilizadas 4 ordens de atribuio dos tratamentos aos julgadores geradas pela
casualizao do delineamento. Dois fatores de perturbao (nuisance): julgadores e ordens.
Cada tratamento ser testado uma nica vez por cada julgador e para cada ordem. A tabela a
seguir mostra o esquema geral deste delineamento.
93
Casualizao de um quadrado latino:
Existem muitos quadrados latinos para um dado nmero de tratamentos ( a), veja tabela 4-12, pgina
140, Montgomery (2005). Vamos utilizar um quadrado latino padro, os quais so quadrados latinos
cujos elementos da primeira linha e primeira coluna so ordenados alfabeticamente.
Procedimento: 1 - Para a = 3 tratamentos fazer um sorteio aleatrio das linhas e das colunas
(independentemente).
2 Para a = 4, fazer um sorteio aleatrio de um dos 4 quadrados latinos padres.
Ento fazer um sorteio aleatrio das linhas e das colunas (independentemente).
3 Para a = 5 ou mais, fazer um sorteio aleatrio de todas as linhas, de todas as
colunas e de todos os tratamentos de um quadrado latino padro selecionado
aleatoriamente.
4 Faa um sorteio aleatrio dos tratamentos s letras.
Para a=3 tratamentos:
Quadrado latino padro
A B C A B C B C A
B C A C A B A B C
C A B B C A C A B
Sorteio das linhas Sorteio das colunas 94
Modelo estatstico:
y ijk i j k ijk
i 1,..., p
j 1,..., p
k 1,..., p
95
Anlise de varincia:
A partio da variabilidade total dada por:
SQT = SQLinhas + SQColunas + SQTratamentos +SQE
Onde: p p
y...2
p
SQT y 2
ijk N p2
i 1 j 1 k 1 N
1 p 2 y...2 1 p 2 y...2
SQLinhas yi .. SQColunas y..k
p i1 N p k 1 N
1 p 2 y...2
SQTratamentos y. j . SQE por diferena
p j 1 N
96
O teste estatstico de igualdade entre as mdias de tratamento dado por:
QM Tratamentos
F0
QM E
Rejeita-se a hiptese nula se F0>F;(p-1);(p-2)(p-1). (Usar o nvel descritivo)
97
Exemplo 3-4. Dados de aroma. Os resultados da anlise de varincia foram obtidas atravs do
software SAS (Statistical Analysis System) e esto representados na tabela a seguir.
Resultados da ANOVA para os dados de aroma
Causas de Soma de Graus de Quadrados F0 Nvel
Variao Quadrados Liberdade mdios descritivo
Tratamentos 1,6875 3 0,5625 1,80 0,2473
Julgadores 1,6875 3 0,5625
Ordem 0,6875 3 0,2292
Erro 1,8750 6 0,3125
Total 5,9375 15
99
Modelo matemtico:
yijkl i j l k l ijkl
A anlise estatstica, considerando as duas rplicas, foi realizada no SAS, cujos resultados
so apresentados a seguir.
100
Delineamento cross-over quadrado latino
y ijkm i j k m i ijkm
ordem sesso Tratamento Julgador
dentro de
ordem
i
2
E( QM Ordem ) 2 p S2 np i 1
p 1
p
i
2
E( QM Sesso ) 2 np i 1
p 1
p
i
2
E( QM Tratamentos ) 2 np i 1
p 1
E( QM Ju lg( ordem ) ) 2 p S2
E( QM Erro ) 2 103
Exemplo: dados de aroma (cross-over), os resultados da anlise de varincia foram
obtidas com o uso do SAS.
104
3-3 Quadrados de Youden e Graeco-Latino
Quadrado Graeco-Latino
Permite o controle de trs fatores de perturbao (nuisance), assim, pode-se usar 3 variveis
de bloqueamento. Pode-se estudar 4 fatores, cada um com p nveis, num total de p2
realizaes. Obs: no existe QGL para p=6. A primeira classe de cada uma das 3 variveis
de bloqueamento recebe o tratamento A, e assim por diante. Um exemplo, pode ser: ordens,
sesses e julgadores. 105
Quadrado de Youden
106
3-4 Blocos Incompletos Balanceados
Em certos experimentos no possvel utilizar todos os tratamentos em cada bloco. Por
exemplo, num experimento para testar o efeito de 10 formulaes de um produto, com
relao ao sabor, aroma ou textura, devido a questes de sensibilidade, etc. , cada
julgador pode testar apenas 5 formulaes. Assim, cada julgador no pode testar todas
as formulaes. Nesses casos, pode-se usar o delineamento em blocos incompletos
casualizados, onde, para cada julgador (bloco), designado uma parte das formulaes
(tratamentos).
107
Blocos incompletos balanceados para o experimento de
formulao de um produto
Tratamentos Julgadores
(formulaes) 1 2 3 4 yi.
1 7,3 7,4 - 7,1 21,8
2 - 7,5 6,7 7,2 21,4
3 7,3 7,5 6,8 - 21,6
4 7,5 - 7,2 7,5 22,2
r(k 1) 3( 31)
2
No exemplo,
4 1
a 1
Caractersticas dos BIB:
Todos os blocos tem o mesmo tamanho
Todos os tratamentos tem o mesmo nmero de repeties
Todos os pares de tratamentos ocorrem o mesmo nmero de vezes ()
(a 1) r (k 1)
r(k 1)
Usar estes
resultados a 1
n bk ar 109
O modelo estatstico
yij j i ij
a b 2
y
Somas de quadrados: SQT yij2 ..
i 1 j 1 N
1 b 2 y..2
SQBlocos y. j
k j 1 N
a
k Qi2
SQTratamentos ( ajustado) i 1
a 110
Onde Qi o total ajustado do i-simo tratamento e calculado por:
1 b
Qi yi. nij y. j i 1,2,..., a
k j 1
QMTratamento s(ajustado)
F0
QME
Exemplo 3-6: dados de aceitabilidade de um produto. um BIB com a=4, b=4, k=3,
r=3, =2, e N = (a x r) =(4 x 3)=12.
(87) 2
SQT 631,56 0,8100
12
1
3
2 2
SQBlocos (22,1) ... (21,8)
(87) 2
12
0,5500
1
Q1 21,8 (22,1 22,4 21,8) 0.30
3
1
Q2 21,4 (22,4 20,7 21,8) 0,23
3
1
Q3 21,6 (22,1 22,4 20,7) 0,13
3
1
Q4 22,2 (22,1 20,7 21,8) 0,67
3 112
SQTratamentos ( ajustado)
3 (0,30) 2 (0,23) 2 (0,13) 2 (0,67) 2
0,2275
(2)(4)
Interpretao: como o nvel descritivo baixo (< 5%) conclumos que as formulaes
utilizadas tem efeito significativo na aceitabilidade do produto.
113
Contrastes ortogonais:
Os contrastes ortogonais devem ser calculados com relao aos totais de tratamentos
ajustados (Qi). A soma dos quadrados do contraste dado por:
2
a
k ci Qi
SQc i 1 a
a ci2
i 1
114
Comparaes mltiplas dos efeitos dos tratamentos:
Exemplo 3-6
3.0 ,0065
S 0 ,04937 No bate com o Statistica e o SAS.
2.4
115
Teste de Tukey
117
Blocos Incompletos Balanceados
(Teste No Paramtrico)
Durbin (1951) apresentou um teste de postos que pode ser usado para testar a hiptese
nula de no haver diferenas entre os tratamentos num delineamento de blocos
incompletos balanceados.
118
Exemplo (Instituto de Tecnologia de Alimentos - ITAL, 1982): Foi realizado um
experimento sensorial de ordenao para se avaliar o efeito de cultivares de soja na
sabor de paoca de soja. Os tratamentos testados foram:
A = paoca de soja cultivar Bragg;
B = paoca de soja cultivar Bossie;
C = paoca de soja cultivar Davis;
D = paoca de soja cultivar Doko;
E = paoca de soja cultivar IAC-2;
F = paoca de soja cultivar Paran;
G = paoca de soja cultivar Santa Rosa;
H = paoca de soja cultivar Tropical;
I = paoca de soja cultivar UFV-1;
J = paoca de soja cultivar Unio;
a = 10 tratamentos
k = 3 unidades experimentais por bloco
b = 30 blocos
r = 9 repeties
= 2 blocos nos quais os tratamentos i e i aparecem juntos
121
O teste de Durbin
Notao:
Xij os resultados do tratamento j no bloco i se o tratamento j aparece no bloco i
Ordene os Xij dentro de cada bloco assinalando o posto 1 menor observao no bloco,
posto 2 segunda menor, e assim por diante, at o posto k, que assinalado a maior de todas
as observaes no bloco i, j que existe apenas k observaes dentro de cada bloco. Denota-
se por R(Xij) o posto de Xij onde Xij existe.
Compute-se a soma dos postos assinalados aos r valores observados para o j-simo
tratamento e chame esta soma de Rj.
Hipteses:
H0: Os tratamentos tem efeitos idnticos;
H1: Pelo menos um tratamento tende a produzir valores maiores do que pelo menos um
dos outros tratamentos.
123
O teste estatstico de Durbin definido como:
12( a 1 ) t
r( a 1 )( k 1 )
T
ra( k 1 )( k 1 ) j 1
Rj 3
2
k 1
Se T 0,
2
05 com a - 1 graus de liberdade
rejeitar a H0
124
Exemplo:
a = 10 tratamentos
k = 3 unidades experimentais por bloco
b = 30 blocos
r = 9 repeties
= 2 blocos nos quais os tratamentos i e i aparecem juntos
12( 10 1 ) 3.9( 10 1 )( 3 1 )
T ( 14 2 16 2 25 2 17 2 18 2 15 2 20 2 18 2 16 2 19 2 )
9.10( 3 1 )( 3 1 ) 31
T 0 ,15( 3324 ,00 ) 486 ,00
T 498 ,60 486 ,00
T 12 ,6
125
Com a utilizao de um programa estatstico, obtemos o valor de qui-quadrado (2), com 10-
1=9 graus de liberdade e nvel de significncia de 5%, igual a 16,918978. Como a estatstica
de Durbin menor do que o valor de qui-quadrado tabelado, devemos aceitar a hiptese nula
e, assim, no foi observado diferenas significativas entre os tratamentos quanto ao sabor.
P(2>12,6)=0,1816 (valor p)
Comparaes mltiplas
O mtodo que se segue pode ser usado para comparar pares de tratamentos se e somente se a
hiptese nula for rejeitada.
Considere dois tratamentos i e i diferentes se as suas somas de postos satisfazem a
desigualdade:
126
Continuao do exemplo:
Neste exemplo, faremos os testes de comparao de pares de tratamentos, somente para fins
didticos, pois o teste de Durbin no foi significativo. Vamos, inicialmente, encontrar o valor
da d.m.s.
127
Temos 10(9)/2=45 pares de tratamentos. Vamos ver somente as seguintes diferenas.
R R 25 14 11
C A
R R 25 15 10
C F
R R 25 16 9
C I
R R 25 17 8
C D
128