1 / 57

Experimentos Fatoriais Hierárquicos

Experimentos Fatoriais Hierárquicos. Alan Birck Cecília Martins. Introdução. Experimento Fatorial: as características (fatores) não dependem entre eles. Todos fatores estão no mesmo nível.

verdi
Download Presentation

Experimentos Fatoriais Hierárquicos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Experimentos Fatoriais Hierárquicos Alan Birck Cecília Martins

  2. Introdução • Experimento Fatorial: as características (fatores) não dependem entre eles. Todos fatores estão no mesmo nível. • Experimento Fatorial Hierárquico: quando um fator está dentro de outro fator. Os fatores estão em níveis diferentes.

  3. Fatorial Hierárquico com 2 estágios • Os níveis do fator B são similares, mas não idênticos para diferentes níveis de outro fator A. • Ou seja, um fator está dentro de outro fator

  4. Fatorial Hierárquico com 2 estágios • Exemplo: Uma companhia compra matéria-prima de 3 fornecedores diferentes. A companhia deseja determinar se a pureza da matéria-prima é a mesma para cada fornecedor. Existe 4 lotes de matérias-prima disponível de cada fornecedor e 3 determinação de pureza em cada lote.

  5. Exemplo

  6. Exemplo

  7. Fatorial Hierárquico com 2 estágios Modelo linear yijk = μ + αi + βj(i) + εijk μé a média αié oef. do i-ésimo nível do fator A βj(i) é oef. do j-ésimo nível do fator B dentro do i-ésimo nível do fator A εijk é o erro i= 1,2,...,a j= 1,2,...,b k=1,2,...,r

  8. 2 fatores

  9. Modelo I (A e B fixos) • Suposições: εijk ~ N(0,σ2) independentes yijk ~N(μ + αi + βj(i) ,σ2) independentes • Restrições: ; para todo i

  10. Modelo I (A e B fixos) • Hipóteses H0: α1=α2=...= αa= 0 (não existe efeito do fator A) H0: β1(i)= β2(i)=...= βb(i)=0 (não existe efeito do fator B dentro do i-ésimo nível do fator A, para todo i )

  11. Modelo II (A e B aleatórios) • Suposições: αi~N(0, σ2A) independentes βj(i)~N(0, σ2B) independentes εijk ~ N(0,σ2) independentes αi , βj(i) e εijksão independentes yijk ~N( μ ; σ2+σ2A+σ2B) e indep.se estão em caselas diferentes

  12. Modelo II (A e B aleatórios) • Restrições: não tem restrições. • Hipóteses: H0: σ2A = 0 H0: σ2B = 0

  13. Modelo Misto (A fixo e B aleatório) • Suposições: βj(i)~N(0, σ2B) independentes εijk ~ N(0,σ2) independentes βj(i) e εijksão independentes yijk ~N( μ+ αi ; σ2+σ2B) e indep.se estão em caselas diferentes

  14. Modelo Misto (A fixo e B aleatório) • Restrições: • Hipóteses: H0: α1=α2=...= αa= 0 (não existe efeito do fator A) H0: σ2B = 0

  15. Análise de Variância para 2 fatores

  16. Análise de Variância para 2 fatores

  17. Análise de Variância para 2 fatores Regra para construção dos QM Esperados: o fator (A) terá o componente do subfator (B) se o subfator (B) for aleatório.

  18. Estimação dos componentes de Variância

  19. Soma de quadrados • As expressões são calculadas de forma usual:

  20. exemplo(continuando o anterior) • Companhia compra matéria-prima, em lotes, de 3 diferentes fornecedores. A companhia deseja determinar se a pureza de matéria-prima é a mesma para cada fornecedor. Dos lotes existentes de cada fornecedor, selecionou-se aleatoriamente 4 lotes para cada um dos 3 fornecedores, e dos lotes selecionados foram tomadas 3 determinações de pureza. Os dados foram codificados: yijk= pureza – 93 .

  21. exemplo (dados já codificados) r=3; a=3; b=4

  22. exemplo • No SAS(Analyst): • Statistcs/ANOVA/mixed model/ dep: resposta class:A,B MODEL: Fixed effects: A;Random effects: B(A) OPTION: type 1 TE exemplo ST: type 1 e “test of variance components” PLOTS: RESIDUAL/Residual plot (including random effects) 1-plot residuals x predicted 2-plot residuals x independents

  23. exemplo (resultados) • Não se evidencia diferença entre os fornec. quanto à pureza da matéria-prima fornecida; • A pureza da matéria-prima difere de lote a lote para um mesmo fornecedor, ou seja, existe variabilidade na pureza de lote a lote para cada fornecedor.

  24. Gráfico dos resíduos x preditos

  25. Gráfico dos resíduos x fornecedores

  26. Observação • Interação → não podemos fazer interação pois se fizéssemos, estaríamos comparando, além de: Se há diferença entre os fornec. 1, 2 e 3(correto) • Compararíamos: Se há diferença entre os lotes 1, 2, 3 e 4 de cada fornecedor e se o fornecedor está na dependência do lote e vice-versa Essa comparação não pode ser feita pois cada lote pertence a um único fornecedor.

  27. Fatorial Hierárquico com m estágios • É o mesmo raciocínio que o delineamento fatorial hierárquico com 2 fatores, com uma diferença que tem um fator C a mais, e esse fator C está dentro de um outro fator B, que por sua vez, está dentro de um fator A.

  28. Fatorial Hierárquico com m estágios • Exemplo: Desejamos investigar a dureza de duas diferentes formulação de liga. Três calores de cada liga é preparado, duas barras de metal fundido são selecionada aleatoriamente dentro de cada calor testado, e duas medidas de dureza são medida em cada barra. (Delineamento fatorial Hierárquico em 3 estágios com 2 repetições).

  29. exemplo

  30. Fatorial Hierárquico com 3 estágios Modelo linear (DCC) yijkl = μ + αi + βj(i) + ck(j)+ εijkl μé a média αié oef. do i-ésimo nível do fator A βj(i) é oef. do j-ésimo nível do fator B dentro do i-ésimo nível do fator A ck(j)é o ef. do k-ésimo nível do fator C dentro do j-ésimo nível do fator B(e do i-ésimo nível do fator A-Montgomery) εijkl é o erro i= 1,2,...,a j= 1,2,...,b k=1,2,...,c l=1,2,...,r

  31. 3 fatores

  32. Modelo I (A,B e C fixos) • Suposições: εijkl ~ N(0,σ2) independentes yijkl ~N(μ + αi + βj(i)+ck(j) ,σ2) independ. • Restrições: ; para todo i ; para todo j

  33. Modelo I (A,B e C fixos) • Hipóteses: H0: α1=α2=...= αa= 0 H0: β1(i)= β2(i)=...= βb(i)=0;para todo i H0: c1(j)= c2(j)=...= cc(j)=0;para todo j

  34. Modelo II (A,B e C aleatórios) • Suposições: • αi~N(0, σ2A) independentes • βj(i)~N(0, σ2B) independentes • c k(j) ~N(0, σ2C) independentes • εijkl ~ N(0,σ2) independentes • αi , βj(i) ,c k(j) e εijkl são independentes • yijkl ~N( μ ; σ2+σ2A+σ2B+ σ2C) e indep. se estão em caselas diferentes

  35. Modelo II (A,B e C aleatórios) • Restrições: • não tem restrições. • Hipóteses: • H0: σ2A = 0 • H0: σ2B = 0 • H0: σ2B = 0

  36. Modelo Misto(A fixo, B e C aleatórios) • Suposições: • βj(i)~N(0, σ2B) independentes • ck(j)~N(0, σ2C) independentes • εijkl ~ N(0,σ2) independentes • βj(i) ck(j) e εijkl são independentes • yijkl ~N( μ+ αi ; σ2+σ2B+ σ2C) e indep. se estão em caselas diferentes

  37. Modelo Misto(A fixo, B e C aleatórios) • Restrições: • Hipóteses: • H0: α1= α2= ...= αa= 0 (não existe efeito do fator A) • H0: σ2B = 0 • H0: σ2C = 0

  38. Análise de Variância para 3 fatores

  39. Análise de Variância para 3 fatores

  40. Análise de Variância para 3 fatores

  41. Análise de Variância para 3 fatores • Regra para construção dos QM Esperados:o fator (A) terá o componente do subfator (B) e do subsubfator C, se o subfator e o subsubfator forem aleatórios. O subfator (B) terá componente do subsubfator(C) se o subsubfator for aleatório.

  42. Soma de quadrados • As expressões são calculadas de forma usual:

  43. exemplo (super fictício) • 2 fazendas, uma em cada região • escolhidas, aleatoriamente, 3 árvores em cada fazenda • dentro de cada árvore, foram escolhidas 3 folhas, aleatoriamente • de cada folha foi medida, em 2 lugares diferentes, a quantidade de fungo • var. resposta: quantidade de fungos • fator fixo: fazendas • fatores aleatórios: árvores e folhas

  44. exemplo

  45. exemplo • No SAS(Analyst): • Statistcs/ANOVA/mixed model/ • dep: resposta • class:A,B,C • MODEL: Fixed effects: A;Random effects: B(A),C(B) • OPTION: type 1 • TE exemplo ST: type 1 e “test of variance components” • PLOTS: RESIDUAL/Residual plot (including random effects) • 1-plot residuals x predicted • 2-plot residuals x independents

  46. Experimento Fatorial Hierárquico Cruzado • Esse delineamento é usado quando temos um fator dentro de outro e também temos dois fatores que podem ser cruzados (pois estão no mesmo nível).

  47. Experimento Fatorial Hierárquico Cruzado • Exemplo:

  48. Experimento Fatorial Hierárquico Cruzado Modelo linear i=1,2,...,a ; j=1,2,...,b ; k=1,2,...,c ; l=1,2,...,r

  49. Experimento Fatorial Hierárquico Cruzado • Hipóteses: H0:A1= A2 =...=Aa =0 H0:B1= B2 =...=Bb =0 H0:AB11=...=ABab =0 H0: σ2C = 0 H0: σ2AC = 0

  50. Análise de variância para experm. fatorial hierárquicos cruzados

More Related