Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos
description
Transcript of Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos
![Page 1: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/1.jpg)
Universidade Tecnológica Federal do ParanáMestrado Profissional em Tecnologia de Alimentos
Análise Estatística de ExperimentosProfª Sheila Regina Oro
EXPERIMENTOS FATORIAIS
Francisco BeltrãoAgosto, 2013
![Page 2: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/2.jpg)
2
Experimentos Fatoriais• Projeto experimental em que os ensaios são realizados de
forma proposital e com causas controladas (fatores).
• É necessário o controle das causas para que as respostas obtidas nos ensaios sejam devidas somente aos efeitos dos tratamentos realizados e não a outras causas.
• O pesquisador deve considerar a presença de efeitos “não controláveis” (variação ao acaso).
![Page 3: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/3.jpg)
3
Experimentos Fatoriais• Cada nível de um fator é ensaiado com todos os níveis dos outros fatores, para testar
principalmente se há diferença no valor esperado da resposta entre os níveis de cada fator e se há interação entre os fatores.
• Fator: variável independente• Ex.: solventes, aditivos, temperatura
• Níveis: • Ex.: ausência ou presença; -1, controle, +1; 50ºC , 75ºC , 100ºC
![Page 4: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/4.jpg)
4
Exemplo 1: Solventes
• Um pesquisador está interessado em estudar a extração de pigmentos naturais, com aplicação como corante em alimentos. Numa primeira etapa tem-se a necessidade de escolher o melhor solvente extrator dentre os seguintes: E50, EAW, MAW, E70, M1M. A escolha do(s) melhor(es) solventes foi realizada através da medida da absorbância de um pigmento natural do fruto de baguaçú.
![Page 5: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/5.jpg)
5
Exemplo 1: Solventes
• Fator: solvente• Níveis: 5 (E50, EAW, MAW, E70, M1M)• Repetições: 5 • Tratamentos: 5• Ensaios: 25 (Repetições x Tratamentos)• Unidade experimental: 10 gramas de polpa• Casualização: a partir de 1kg de polpa, foram retiradas as
amostras de 10g para a aplicação dos tratamentos, numa ordem aleatória.
![Page 6: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/6.jpg)
6
Tabela 1-2 Dados gerais de um experimento com um único fator Tratamentos
(níveis) Observações Totais Médias
1
y11
y12
.
.
.
y1n
y1.
y1
2
y21
y22
.
.
.
y2n
y2.
y2
.
. . .
.
. . .
.
. . .
.
. . .
.
. a
ya1
ya2
.
.
.
yan
ya.
ya
ANOVA – 1 Fator
![Page 7: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/7.jpg)
y ij =μ+α i +ε ij
Resposta nível i
repetição j
Média geralEfeito decada nível
Erro
Modelo – 1 Fator
Suposições:
1) os erros aleatórios são independentes;
2) os erros aleatórios são normalmente distribuídos;
3) os erros aleatórios tem média 0 (zero) e variância 2;
4) a variância, 2, deve ser constante para todos os níveis do fator.
5) as observações são adequadamente descritas pelo modelo
![Page 8: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/8.jpg)
8
• Níveis do fator selecionados pelo pesquisador• Hipóteses:
H0: 1= 2=...= a
H1: i j para pelo menos um par (i,j)
1-3.1 Decomposição da soma de quadrados total
a
=i
a
=i
n
j=ii
a
=i
n
j=
yy+yyn=yy1 1 1
2.ij
2...
1 1
2..ij
Corrigida para a média
SSTotal = SSTratamentos + SSErro
1 Fator – Efeito Fixo
![Page 9: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/9.jpg)
9
Decomposição da soma de quadrados total
a
=i
a
=i
n
j=ii
a
=i
n
j=
yy+yyn=yy1 1 1
2.ij
2...
1 1
2..ij
SSTotal = SSTratamentos + SSErro
1 Fator – Efeito Fixo
![Page 10: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/10.jpg)
10101010
n
j=iyy
n 1
2.ij1
1
11 1
2.ij nayy
a
=i
n
j=i
1 Fator – Efeito Fixo
Variância do tratamento i
Variância combinada dos a tratamentos
![Page 11: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/11.jpg)
11111111
a
=ii yy
a 1
2...1
1Variância entre tratamentos
1 Fator – Efeito Fixo
SSTotal : an-1
SSTratamentos : a-1
SSerro : a(n-1)
Graus de liberdade
![Page 12: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/12.jpg)
12
1tosQMTratamen 1
2
a
τn+σ=)E(
a
=ii
2
)a(=
atosSQTratamen=QMTrat
1-nSQErroQMErro
1
2σ=E(QMErro)
Quadrados médios
Esperança dos quadrados médios
1 Fator – Efeito Fixo
![Page 13: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/13.jpg)
13
Análise Estatística• Critério para rejeição de H0:
F0 > F,a-1,N-a
valor p < 5%
• valor-p: probabilidade de rejeitar a hipótese nula devido a variações aleatórias.
Teste:QMErro
ntosQMTtratame=Fo
1 Fator – Efeito Fixo
![Page 14: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/14.jpg)
14
Tabela da análise de variância de um experimento com um fator. Causas de variação
Soma de quadrados
Graus de liberdade
Quadrados médios
F0
Entre tratamentos
SSTratamentos a-1 QMTratamentos QMTratamentos
QMErro
Erro (dentro de trata/os)
SSErro N-a QMErro
Total SST N-1
N = an
Valor p
1 Fator – Efeito Fixo
.100MédiaQMErro
=CV
![Page 15: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/15.jpg)
rQMqsmd erro
glr erro;;...
dms = diferença mínima significativa
qα; r; gl_erro: valor tabelado
QMerro: quadrado médio do resíduo (ANOVA)
r: número de repetições de cada tratamento
Teste de Tukey
1 Fator – Efeito Fixo
![Page 16: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/16.jpg)
16
Tabela 1.1 Dados de absorbância de cada um dos solventes
Exemplo 1: Solventes
E50 EAW MAW E70 M1M
0,5553 0,5436 0,4748 0,6286 0,1651
0,5623 0,5660 0,4321 0,6143 0,1840
0,5585 0,5860 0,4309 0,5826 0,2144
0,5096 0,5731 0,5010 0,7498 0,2249
0,5110 0,5656 0,4094 0,6060 0,1954
![Page 17: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/17.jpg)
17
• Há suspeita de que o tipo de solvente esteja afetando a absorbância.• Distribuições assimétricas.• Valor discrepante observado para o solvente E70.
Exemplo 1: Solventes
![Page 18: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/18.jpg)
18
Exemplo 1: Solventes
• Minitab Stat – Basic Statistics – Display Descriptive Statistics
TotalVariable Count Mean StDev CoefVar Minimum Median Maximum RangeE50 5 0,5393 0,0266 4,94 0,5096 0,5553 0,5623 0,0527EAW 5 0,5669 0,0154 2,72 0,5436 0,5660 0,58600,0424MAW 5 0,4496 0,0372 8,28 0,4094 0,4321 0,5010 0,0916E70 5 0,6363 0,0656 10,31 0,5826 0,6143 0,7498 0,1672M1M 5 0,1968 0,0238 12,11 0,1651 0,1954 0,2249 0,0598
![Page 19: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/19.jpg)
19
Exemplo 1: Solventes• Minitab
Stat – ANOVA – One-Way (Unstacked) – Comparisons – Tukey’s
• O teste da ANOVA confirma que o tipo de solvente afeta a absorbância.• F5%;4;20 = 2,87• Valor-p < 5%• 95,29% da variância total é explicada pela reta obtida do modelo de
regressão linear
Fonte de Variação
Graus de liberdade
Soma de Quadrados
Quadrados Médios
F Valor-p
Solvente 4 0,583024 0,145756 101,11 0,0000Erro 20 0,028832 0,001442
Total 24 0,611856
CV 7,95% R² 95,29%
![Page 20: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/20.jpg)
20
Exemplo 1: Solventes
• O teste de Tukey apontou que os solventes que não diferem entre si quanto aos valores esperados de absorbância são:
• E50 e EAW • E70 e EAW
• Todos os demais diferem significativamente entre si.• A diferença mínima significativa (dms) calculada foi de 0,0718783.
Solvente Média Grupos Homogêneos
M1M 0,19676 a
MAW 0,44964 b
E50 0,53934 c
EAW 0,56686 c d
E70 0,63626 d
![Page 21: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/21.jpg)
21
Qual teste de comparações múltiplas usar?
O LSD é eficiente para detectar diferenças verdadeiras nas médias se ele for aplicado apenas depois do teste F da ANOVA, se significativo a 5%. Idem para o Duncan. Estes métodos não contém o erro tipo I (erro geral ou experimentwise error). Como o teste de Tukey controla este erro, ele é o preferido pelos estatísticos. Se a comparação for com um grupo controle, utiliza-se Dunnett.
1 Fator – Efeito Fixo
![Page 22: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/22.jpg)
22
Estimação dos parâmetros do modelo
Estimativas da média geral e dos efeitos dos tratamentos:
.ˆˆˆ iii y=τ+μ=μ
Estimativa pontual de i: dado i= + i, temos:
1 Fator – Efeito Fixo
![Page 23: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/23.jpg)
23
Intervalo de confiança para a diferença entre quaisquer duas médias i-j:
2QMErro/nNα/2,.. aji t±yy
Um intervalo de confiança para i é dado por:
QMErro/nN/2,. aαi t±y
1 Fator – Efeito Fixo
![Page 24: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/24.jpg)
24
M1M 0,28100,47780,1968ˆE70 0,15850,47780,6363ˆMAW 0,02820,47780,4496ˆEAW 0,08910,47780,5669ˆE50 0,06150,47780,5393ˆ
0,4778ˆ
5
4
3
2
1
==τ==τ==τ==τ==τ
=μ
Exemplo 1: Solventes
Estimativas da média geral e dos efeitos dos tratamentos:
![Page 25: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/25.jpg)
25
0,67120,60145/0,00142,0860,6363
4 μ)(±
Exemplo 1: Solventes
0,13730,2361/50,001422,0860,63630,4496
43
μμ)(±)(
Um intervalo de confiança para 4 é dado por:
Intervalo de confiança para a diferença entre as médias 3 e 4:
![Page 26: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/26.jpg)
26
Dados desbalanceados:
O número de observações dentro de cada tratamento é diferente.
Ny
ny=
yy=
a
=i i
i
a
=i
in
j=
2..
1
2.
2..
1 1
2ij
tosSQTratamen
/NSQTotal
1 Fator – Efeito Fixo
![Page 27: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/27.jpg)
27
Diagnóstico do ModeloVerificar se as pressuposições básicas do modelo são válidas fazendo a análise de resíduos.
Define-se o resíduo da ij-ésima observação como:
ijij yy=e ij
A suposição de normalidade
Vamos usar o gráfico normal de probabilidades: sob normalidade dos erros, estes devem seguir uma reta de 45o.
1 Fator – Efeito Fixo
![Page 28: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/28.jpg)
28
• Alguns valores negativos dos resíduos (mais extremos) deveriam ser maiores; alguns valores positivos dos resíduos deveriam ser menores, com exceção do último valor que deveria ser maior.
• O gráfico indica que os resíduos (erros) podem ter distribuição normal.
Exemplo 1: Solventes
• Existe um resíduo que é muito maior que os demais, este valor é denominado outlier. Deve-se fazer uma investigação sobre esse valor. Só eliminar um outlier se tiver uma justificativa não estatística, caso contrário, fazer duas análises: uma com e outra sem o outlier. Usar métodos não paramétricos. Transformação.
• Se algum resíduo padronizado (dij) for maior do que |3| ele é um outlier.
erroQMe
=d ijij
![Page 29: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/29.jpg)
29
Gráfico de resíduos no tempoUsado para verificar se existe correlação entre os resíduos. Uma tendência de ter resíduos positivos e negativos indica uma correlação positiva. Isto implica que a suposição de independência dos erros foi violada. Isto é um problema sério, e até difícil de resolver. Se possível evitar este problema. A casualização adequada pode garantir a independência.
Exemplo 1: Solventes
![Page 30: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/30.jpg)
30
Gráfico dos resíduos versos valores preditos
A distribuição dos pontos é aleatória. Útil para verificar se as variâncias são heterogêneas (forma de megafone). Devido à presença de um outlier as variâncias podem não ser homogêneas. Na presença de heterogeneidade de variâncias é usual aplicar uma transformação nos dados (Box-Cox). Pode-se usar os testes não-paramétricos (Kruskal-Wallis).
Exemplo 1: Solventes
![Page 31: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/31.jpg)
31
Transformação Box-Cox
Usada para homogeneizar as variâncias. As conclusões são realizadas para os dados transformados.
Exemplo 1: Solventes
![Page 32: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/32.jpg)
32
Teste de Levene1) Calcular os resíduos da análise de variância;
2) Fazer uma análise de variância dos valores absolutos desses resíduos;
3) Se as variâncias são homogêneas, o resultado do teste F será não significativo.
Conclusão: Aceita-se a hipótese de que as variâncias são homogêneas, pois valor-p > 5%.
Exemplo 1: Solventes
FV GL SQ QM F PSolventes 4 0,003576 0,000894 2,00 0,134Error 20 0,008944 0,000447Total 24 0,012519
![Page 33: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/33.jpg)
ANOVA 2 Fatores
Fator A com i níveis e fator B com j níveis.
ij = diferentes combinações de níveis dos dois fatores (tratamentos).
kij = número de observações do tratamento.
Fatores A e B podem influir na variável dependente de forma isolada, denominados efeitos principais, e de forma combinada, efeito de uma combinação específica dos fatores A e B.
![Page 34: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/34.jpg)
O teste de hipóteses para dois fatores A e B tem três hipóteses nulas:
H0 : Não há efeito principal do fator A
H0 : Não há efeito principal do fator B.
H0 : Não há combinação de efeitos.
H1 : Há efeito em cada um dos três casos.
ANOVA 2 Fatores
![Page 35: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/35.jpg)
ijkijjiijk ε+αβ+β+α+μ=y
Cada observaçãoda variável
resposta
Média geral
Efeito decada níveldo fator A
Erro
Efeito decada níveldo fator B
Efeito decada nível
da interação
ANOVA 2 FatoresModelo
![Page 36: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/36.jpg)
Observações de cada célula ab: amostra aleatória de tamanho r;Cada uma das ab populações é normalmente distribuída;Todas as populações têm a mesma variância;
Os parâmetros , e satisfazem as condições:
e
20,~ αNεijk
iα jβ ijαβ
011
=β=αb
=ii
a
=ii 0
11
=αβ=αβb
j=ij
a
=iij
Suposições do modelo
ANOVA 2 Fatores
![Page 37: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/37.jpg)
ANOVA 2 Fatores
![Page 38: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/38.jpg)
• Considere o experimento que visa estudar o efeito simultâneo do uso (ou não) de antibióticos e de vitamina B12 (ou não) no aumento de peso (kg) diário em suínos. Faça uma análise estatística do experimento com a finalidade de verificar se existe diferença estatisticamente significativa entre os tratamentos, adotando um nível de confiança de 95%.
Experimento: 2 fatores, 2 níveis e 3 repetições.Tratamentos: 4Unidades experimentais: 12
Exemplo 2: Antibiótico e Vitamina
![Page 39: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/39.jpg)
A tabela a seguir indica os valores observados na amostragem. - sem antibiótico (a0) - com 40g de antibiótico (a1) - sem vitamina B12 (b0) - com 5mg de vitamina B12 (b1)
Exemplo 2: Antibiótico e Vitamina
Nível do Fator b0 b1
a01,30 1,26
1,19 1,21
1,08 1,19
a11,05 1,52
1,00 1,56
1,05 1,55
![Page 40: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/40.jpg)
• Nesse experimento vamos verificar os efeitos individuais do uso de antibiótico ou da vitamina B12 no aumento de peso dos suínos, além de estudar a interação desses dois fatores.
Fatores: Antibiótico (A) e Vitamina B12 (B);Níveis: a0 (sem antibiótico) e a1 (com antibiótico); b0
(sem Vitamina B12) e b1 (com vitamina B12), respectivamente, adicionados a uma dieta básica de suínos.
Exemplo 2: Antibiótico e Vitamina
![Page 41: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/41.jpg)
Exemplo 2: Antibiótico e Vitamina
• Há suspeita de que os níveis de antibiótico e/ou vitamina influenciam o peso dos suínos.
• Distribuições simétricas.
![Page 42: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/42.jpg)
Exemplo 2: Antibiótico e Vitamina
%36,93100²
412333,00,02940,41240,4418
0,41242.2.3
²1,55...1,303
4,63²3,10²3,61²3,57²
0,44182.2.3
²1,55...1,301,55²...1,30²
mod
mod
total
elo
ABBAelo
errototalerro
trat
total
SQSQR
SQSQSQSQ==SQSQ=SQ
=+++++=SQ
=++++=SQ
![Page 43: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/43.jpg)
5,320,051,8 =F ;
Conclusão: pelo menos duas médias de tratamentos diferem significativamente entre si quanto ao ganho de peso diário de suínos.Como a interação é significativa (valor-p < 5%), os fatores antibiótico e vitamina não atuam independentemente na variável resposta (peso).
Exemplo 2: Antibiótico e Vitamina
Fonte de Variação
Graus de liberdade
Soma de Quadrados
Quadrados Médios
F Valor-p
Antibiótico 1 0,020833 0,020833 5,68 0,044Vitamina 1 0,218700 0,218700 59,65 0,000Interação 1 0,172800 0,172800 47,13 0,000Erro 8 0,029333 0,003667
Total 11 0,441667
CV 4,86% R² 93,36%
MINITAB:/Stat/ANOVA/Two-way
![Page 44: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/44.jpg)
Exemplo 2: Antibiótico e VitaminaO que fazer agora?
• Como a interação é significativa deve-se fazer o desdobramento da interação.
• Além disso, como os dois efeitos principais são significativos deve-se estudar o comportamento de um fator dentro dos níveis do outro;
• Caso apenas um dos efeitos principais fosse significativo, seria necessário estudar apenas o comportamento do fator não significativo dentro dos níveis do outro fator.
![Page 45: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/45.jpg)
EFEITO SIMPLES DE UM FATORMedida da variação que ocorre com a característica em estudo (peso, neste caso) correspondente às variações nos níveis desse fator, em cada um dos níveis do outro fator.
0,251,301,05A 0000b dentro
==baba=) 1(
0,261,261,52A 1011b dentro
==baba=) 1(
0,041,301,26 B 0010a dentro
==baba=) 0(
0,471,051,52 B 0111a dentro
==baba=) 1(
Exemplo 2: Antibiótico e Vitamina
![Page 46: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/46.jpg)
EFEITO SIMPLES DE UM FATOR
Exemplo 2: Antibiótico e Vitamina
• Na ausência da vitamina existe uma diferença no peso diário dos suínos. A estimativa desta diferença é dada por
• Somente o efeito do antibiótico prejudica o peso diário dos suínos.
Kg==baba=) 1(0,473,573,10A 000
0b de dentro
![Page 47: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/47.jpg)
EFEITO SIMPLES DE UM FATOR
Exemplo 2: Antibiótico e Vitamina
• Quando se utiliza a dose de vitamina B12, também existe uma diferença no peso diário dos suínos.
• A combinação do uso de antibiótico e vitamina favorece o peso diário dos suínos.
Kg==baba=) 1(0,973,664,63A 101
1b de dentro
![Page 48: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/48.jpg)
EFEITO PRINCIPAL DE UM FATOR
Quanto mudou a variável resposta devido à mudança no nível do fator.
Exemplo 2: Antibiótico e Vitamina
![Page 49: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/49.jpg)
Efeito principal de A
A presença de antibiótico proporciona um aumento de 0,005kg no peso dos suínos;
Efeito principal de B
A presença de vitamina B12 proporciona um aumento de 0,215kg no peso dos suínos;
005,02
26,130,12
52,105,122
10001101
babababa
Exemplo 2: Antibiótico e Vitamina
215,02
05,130,12
52,126,122
01001110
babababa
![Page 50: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/50.jpg)
Exemplo 2: Antibiótico e Vitamina
![Page 51: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/51.jpg)
EFEITO DA INTERAÇÃO ENTRE OS FATORESMedida da variação que ocorre com a característica em estudo, correspondente às variações nos níveis de um fator, ao passar de um nível a outro do outro fator.
Efeito da interação A x B = B x A
0,2552
0,250,262
A A 0b de dentro 1b de dentro
=)(=)) ((
Exemplo 2: Antibiótico e Vitamina
![Page 52: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/52.jpg)
B1B01,6
1,4
1,2
1,0
A1A0
1,6
1,4
1,2
1,0
nivelFA
nivelFB
A0A1
nivelFA
B0B1
nivelFB
Interaction Plot for pesoData Means
Exemplo 2: Antibiótico e Vitamina
![Page 53: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/53.jpg)
Interações
0,15682.3
8,29²3
4,63²3,66²2r
0,03682.3
6,67²3
3,10²3,57²2r
2+++
212
1
2+++
211
=+=Xr
X+X=)SQ(A
=+=Xr
X+X=)SQ(A
222
dentrob
221
0dentrob
Exemplo 2: Antibiótico e Vitamina
5,320,051,8 =F ;
![Page 54: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/54.jpg)
Conclusão
Exemplo 2: Antibiótico e Vitamina
• O teste para a interação AxB foi significativo (p < 0,05);• Como nas fontes de variação do desdobramento A (dentro de b0) e
A(dentro de b1) o teste F foi significativo e o fator “Antibiótico” possui dois níveis, não é necessário realizar um teste de comparação de médias.
• Interpretações dos testes dos efeitos simples de antibiótico (A) e de vitamina (B) perdem significado.
![Page 55: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/55.jpg)
Experimento 2k fatorial
• Há apenas 2 níveis para cada fator;• Ex.: Um experimento com 3 fatores e 2 níveis, em duplicata, corresponde
a 23 x 2, ou seja, ou 2 x 2 x 2 = 8 experimentos;
• Por que realizar experimento fatorial com dois níveis?• ƒFacilidade de realização e de análise gráfica;• Número reduzido de experimentos. • Pode ser aplicado na maioria das situações e na resolução de problemas. • Possibilidade de uso numa sequência de estudos, inclusive em casos
multivariados. • Mesmo com um número elevado de fatores, este tipo de planejamento
mantém os experimentos em uma quantidade e complexidade razoável.
![Page 56: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/56.jpg)
Exemplo 3 - Hipotético Fatores
A B C valor observado
1 -1 -1 352,761
1 -1 -1 347,335
-1 -1 1 353,872
1 1 -1 351,813
-1 1 1 339,947
-1 1 1 347,432
-1 1 -1 353,754
1 -1 1 350,932
1 1 -1 351,716
1 1 1 345,387
-1 -1 -1 348,340
-1 -1 1 359,257
-1 1 -1 350,073
1 -1 1 352,454
-1 -1 -1 353,298
1 1 1 348,374
Experimento fatorial:3 fatores (A, B, C)2 níveis (-1, 1)Duplicata2³ x 2 = 16 observações
![Page 57: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/57.jpg)
Exemplo 3 - Hipotético
Apenas a interação entre 2 fatores foi significativa, com 10% de significância.
![Page 58: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/58.jpg)
Exemplo 3 - Hipotético
Com um nível de confiança de 90% conclui-se que:Os efeitos do fator B foram significativos;Os efeitos da interação BC foram significativos.
![Page 59: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/59.jpg)
Exemplo 3 - Hipotético
Podemos assumir que os erros são normalmente distribuídos.
![Page 60: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/60.jpg)
Exemplo 3 - Hipotético
A distribuição dos pontos é aleatória, indicando variâncias homogêneas.
![Page 61: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/61.jpg)
Exemplo 3 - Hipotético
Os pontos dispostos ao acaso, indicando erros independentes.
![Page 62: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/62.jpg)
Exemplo 3 - Hipotético
Os efeitos do fator B e da interação entre os fatores B e C são significativo (5%).
![Page 63: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/63.jpg)
Exemplo 3 - Hipotético
![Page 64: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/64.jpg)
Exemplo 3 - Hipotético
![Page 65: Universidade Tecnológica Federal do Paraná Mestrado Profissional em Tecnologia de Alimentos](https://reader036.fdocuments.net/reader036/viewer/2022062410/56815a05550346895dc7514a/html5/thumbnails/65.jpg)
Exemplo 3 - Hipotético